Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Utilizzo del deep learning e della radiomica per diagnosticare lesioni mammarie benigne e maligne basate sugli ultrasuoni

29 settembre 2023 aggiornato da: Ma Zhe

Nomogramma di firma del deep learning basato su ultrasuoni e firma radiomica per la diagnosi di lesioni mammarie benigne e maligne di categoria BI-RADS 4 utilizzando le regioni intratumorali e peritumorali

Questo studio retrospettivo mirava a creare un modello di previsione utilizzando caratteristiche di deep learning e radiomica estratte dalle regioni intratumorali e peritumorali delle lesioni mammarie nelle immagini ecografiche, per diagnosticare lesioni mammarie benigne e maligne con la classificazione BI-RADS 4.

Materiali e metodi: sono stati raccolti i pazienti che hanno visitato il primo ospedale affiliato della prima università medica dello Shandong e l'ospedale provinciale di Qianfoshan dello Shandong. Sono state riviste le loro caratteristiche cliniche generali, le informazioni sulla diagnosi ecografica preoperatoria e i dati patologici postoperatori.

Panoramica dello studio

Stato

Completato

Condizioni

Tipo di studio

Osservativo

Iscrizione (Effettivo)

400

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Luoghi di studio

  • Cina
    • Shandong
      • Jinan, Shandong, Cina, 250014
        • QianfoshanH

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

No

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Sono state selezionate pazienti con lesioni al seno frequentanti il ​​primo ospedale affiliato della Shandong First Medical University.

Descrizione

Criterio di inclusione:

  • pazienti di sesso femminile con masse mammarie solide visibili negli ultrasuoni, sottoposte a biopsia e/o resezione chirurgica e classificate come aventi lesioni BI-RADS 4 nei referti medici statunitensi.

Criteri di esclusione:

  • terapia endocrina preoperatoria, chemioterapia o radioterapia, intervento chirurgico invasivo al seno preoperatorio, qualità dell'immagine insufficiente e nessun risultato patologico.

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Coorti e interventi

Gruppo / Coorte
maligno
pazienti di sesso femminile con masse mammarie solide maligne visibili all'ecografia sottoposte a biopsia e/o resezione chirurgica.
benigno
pazienti di sesso femminile con masse mammarie benigne solide visibili all'ecografia sottoposte a biopsia e/o resezione chirurgica.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
modello di previsione di radiomcis e valutazione del modello
Lasso di tempo: Valutato immediatamente dopo la costruzione del modello di previsione radiomcis
sono stati stabiliti tre modelli radiomici utilizzando l'algoritmo delle macchine vettoriali di supporto basato su caratteristiche estratte dalle regioni intratumorale, peritumorale e combinata delle lesioni mammarie. I modelli sono stati valutati utilizzando vari parametri, tra cui AUC, accuratezza, sensibilità, specificità, PPV e NPV
Valutato immediatamente dopo la costruzione del modello di previsione radiomcis

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
modello di previsione del deep learning e valutazione del modello
Lasso di tempo: Valutato immediatamente dopo la creazione del modello di previsione del deep learning
sono stati stabiliti tre modelli di deep learning utilizzando l'algoritmo delle macchine vettoriali di supporto basato su caratteristiche estratte dalle regioni intratumorale, peritumorale e combinata delle lesioni mammarie. I modelli sono stati valutati utilizzando vari parametri, tra cui AUC, accuratezza, sensibilità, specificità, PPV e VAN
Valutato immediatamente dopo la creazione del modello di previsione del deep learning

Altre misure di risultato

Misura del risultato
Misura Descrizione
Lasso di tempo
il modello di previsione combinatoria e la valutazione del modello
Lasso di tempo: Valutato immediatamente dopo la creazione del modello di previsione della combinazione
il modello combinato è stato stabilito utilizzando caratteristiche cliniche, punteggio di deep learning e punteggio radiomico. I modelli sono stati valutati utilizzando vari parametri, tra cui AUC, accuratezza, sensibilità, specificità, PPV e NPV
Valutato immediatamente dopo la creazione del modello di previsione della combinazione

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Ma Zhe

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

1 gennaio 2015

Completamento primario (Effettivo)

30 dicembre 2022

Completamento dello studio (Effettivo)

30 dicembre 2022

Date di iscrizione allo studio

Primo inviato

29 settembre 2023

Primo inviato che soddisfa i criteri di controllo qualità

29 settembre 2023

Primo Inserito (Effettivo)

6 ottobre 2023

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

6 ottobre 2023

Ultimo aggiornamento inviato che soddisfa i criteri QC

29 settembre 2023

Ultimo verificato

1 settembre 2023

Maggiori informazioni

Termini relativi a questo studio

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • YXLL-KY-2023(045)

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Descrizione del piano IPD

Mancanza di risorse o infrastrutture: la condivisione degli IPD richiede risorse e infrastrutture per garantire la sicurezza dei dati, gestire le richieste di accesso e fornire la documentazione necessaria. Attualmente queste risorse non sono ben sviluppate, quindi potrebbe essere difficile condividere gli IPD.

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .

Prove cliniche su Malattie del seno

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Dominican Republic

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

3
Sottoscrivi