Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Diagnostic Trial of a Vision Transformer-Based Ultrasound AI Model for Placenta Accreta Spectrum

maanantai 8. kesäkuuta 2026 päivittänyt: FANG HE

Diagnostic Trial of Vision Transformer-Based End-to-End Ultrasound Artificial Intelligence Model for Assisting in the Diagnosis of Placenta Accreta Spectrum Disorders: An Investigator-Initiated Prospective Clinical Study

This study develops an end-to-end Vision Transformer (ViT)-based artificial intelligence system for ultrasound-based diagnosis of placenta accreta spectrum (PAS), aiming to improve the accuracy and efficiency of prenatal screening using standardized ultrasound video inputs.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Placenta Accreta Spectrum

Interventio / Hoito

Diagnostinen testi: Vision Transformer-Based End-to-End Ultrasound Artificial Intelligence Model

Yksityiskohtainen kuvaus

Placenta accreta spectrum (PAS) is a life-threatening obstetric disorder involving abnormal placental invasion into the uterine wall, which is associated with severe maternal and neonatal complications. Despite advances in imaging, prenatal diagnosis remains challenging due to variability in ultrasound interpretation and reliance on operator expertise.

This study will establish a standardized ultrasound video acquisition protocol and develop a deep learning-based model using Vision Transformer (ViT) architecture to process dynamic ultrasound sequences. The model will be trained using clinically confirmed postpartum outcomes as reference labels.

The diagnostic performance of the system will be systematically evaluated, with the goal of improving consistency in interpretation and supporting more efficient clinical decision-making in prenatal PAS screening.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

561

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Nimi: Fang He, M.D, PhD
Puhelinnumero: +86 13724831279
Sähköposti: Gzhefang@gzhmu.edu.cn

Opiskelupaikat

Kiina
- Guangdong
  - Guangzhou, Guangdong, Kiina, 510150
    - Rekrytointi
    - The Third Affiliated Hospital, Guangzhou Medical University
    - Ottaa yhteyttä:
      
      Fang He, MD, PhD
      
      Puhelinnumero: +86 13724831279
      
      Sähköposti: Gzhefang@gzhmu.edu.cn

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

Aikuinen

Hyväksyy terveitä vapaaehtoisia

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Pregnant women aged 18-45 years; Gestational age between 24 and 34 weeks; Pregnant women with a history of placenta previa or with an anterior placenta.

Kuvaus

Inclusion criteria:

Pregnant women aged between 18 and 45 years;
Gestational age between 24 and 34 weeks;
Pregnant women with a history of placenta previa;
Pregnant women with an anterior placenta;
Willingness to participate in the study and provision of written informed consent.

Exclusion criteria:

Failure to provide written informed consent;
Presence of severe complications that precluded continuation of pregnancy;
Inability to comply with study procedures for other reasons.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus	Toimenpiteen kuvaus	Aikaikkuna
Diagnostic performance of the end-to-end Vision Transformer (ViT)-based ultrasound AI model for placenta accreta spectrum (PAS) Aikaikkuna: At delivery (following confirmation of PAS status by surgical and/or pathological findings)	Sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and area under the receiver operating characteristic curve (AUC) of the model.	At delivery (following confirmation of PAS status by surgical and/or pathological findings)

Toissijaiset tulostoimenpiteet

Tulosmittaus	Toimenpiteen kuvaus	Aikaikkuna
Clinical Feasibility of the Standardized Ultrasound Video Recording Method Aikaikkuna: At enrollment during the ultrasound examination	Completion Rate (Proportion of patients who successfully complete the standardized recording) and time consumption (Mean recording time)	At enrollment during the ultrasound examination
Consistency and Efficiency Between the AI Model and Physician Diagnosis Aikaikkuna: At enrollment during the ultrasound examination	Diagnostic Consistency: Kappa coefficient used to evaluate the consistency between the AI model's diagnoses and those of experienced ultrasound physicians (Kappa > 0.75 indicates good agreement).	At enrollment during the ultrasound examination
Safety of the AI Model Aikaikkuna: At delivery, when PAS status and maternal outcomes are assessed	False Negative Rate: Proportion of missed PAS-positive patients and the impact on patient outcomes .	At delivery, when PAS status and maternal outcomes are assessed

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

FANG HE

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Maanantai 1. syyskuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 1. syyskuuta 2027

Opintojen valmistuminen (Arvioitu)

Perjantai 31. joulukuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 2. kesäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 8. kesäkuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Torstai 11. kesäkuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)