卵巣腫瘤の超音波知能診断システムの研究と応用
2024年7月25日 更新者：Zhejiang Provincial People's Hospital
マルチモーダル超音波画像に基づく卵巣腫瘤の自動検出とインテリジェント補助診断システムに関する研究
マルチモーダル超音波画像に基づく卵巣腫瘤の自動検出とインテリジェントな補助診断システムに関する研究。
調査の概要
詳細な説明
研究者らは、マルチモーダル超音波画像に基づいた卵巣腫瘤の超音波インテリジェント診断システムを開発することを目的としていました。
研究の種類
観察的
入学 (推定)
100000
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前：Yingnan Wu, Doctor
- 電話番号：0086 19883106164
- メール：litaosun1971@sina.com
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
はい
サンプリング方法
非確率サンプル
調査対象母集団
婦人科の超音波検査中に、持続性卵巣腫瘍を患っている患者が少なくとも 1 人見つかりました。
患者は外科的治療を受け、病理組織学的結果が得られた。
説明
包含基準:
- 婦人科の超音波検査中に、持続性卵巣腫瘍を患っている患者が少なくとも 1 人見つかりました。
- 患者は外科的治療を受け、病理組織学的結果が得られた。
除外基準:
- 組織病理学的分析により、非卵巣腫瘍が確認される。
- 病理組織学的結果は決定的ではない。
- 画質の問題: 卵巣の塊は不完全で、周囲の組織の一部が表示されません (ただし、塊が大きすぎて完全に除外できません)。画像が過度にぼやけていて、卵巣腫瘤の特徴を判断することが困難です（考えられる理由としては、超音波装置のハードウェア品質の問題、モーションブラー、焦点合わせの問題、患者の腸内ガスの存在などが挙げられます）。ゲイン設定により、卵巣塊の特性 (低コントラスト、過度に暗い画像、彩度など) を判断することが困難になります。アーチファクトの存在は、卵巣塊の超音波特性の評価に影響を与えるため、除外する必要があります。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
トレーニングコホート
トレーニング コホートは、マルチモデルの超音波画像またはビデオに基づいて人工モデルをトレーニングするために使用されます。
|
|
|
検証コホート
検証コホートは人工モデルを検証するために使用されます。
|
人工知能モデルを使用して、良性、境界線、悪性の卵巣腫瘤を診断します。
|
|
内部テストコホート
内部テスト コホートは、人工モデルを内部でテストするために使用されます。
|
人工知能モデルを使用して、良性、境界線、悪性の卵巣腫瘤を診断します。
|
|
外部検査コホート
外部テスト コホートは、人工モデルを内部テストするために使用されます。
|
人工知能モデルを使用して、良性、境界線、悪性の卵巣腫瘤を診断します。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
曲線下の面積
時間枠：学習完了までに平均1年
|
AUC (Area Under the Curve) は、二項分類モデルのパフォーマンスを評価するために使用される一般的な指標です。
|
学習完了までに平均1年
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
感度
時間枠：学習完了までに平均1年
|
感度とは、実際に病気を患っている人の陽性結果を正確に識別する検査の能力を指します。
検査で病気の陽性反応を検出できるケースの割合を表します。
|
学習完了までに平均1年
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
特異性
時間枠：学習完了までに平均1年
|
特異性とは、実際には病気に罹患していない個人の陰性結果を正確に特定する検査の能力を指します。
これは、検査で検出できる病気が陰性であるケースの割合を表します。
|
学習完了までに平均1年
|
|
正確さ
時間枠：学習完了までに平均1年
|
精度とは、診断テストの結果が実際の状況とどの程度一致しているかを指します。
|
学習完了までに平均1年
|
|
正の述語値
時間枠：学習完了までに平均1年
|
陽性的中率は、検査結果が陽性の場合にその結果が真である確率を示します。
言い換えれば、検査結果が陽性の場合に陽性と診断された人の中で、実際に病気を患っている人の割合を表します。
|
学習完了までに平均1年
|
|
陰性的中率
時間枠：学習完了までに平均1年
|
陰性的中率とは、検査結果が陰性の場合に、結果が真陰性になる確率を指します。
検査結果が陰性の場合に陰性と診断された人の中で、本当に病気に罹っていない人の割合を表します。
|
学習完了までに平均1年
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
協力者
捜査官
- スタディチェア：Litao Sun, Professor、Zhejiang Provincial People's Hospital
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (推定)
2024年7月30日
一次修了 (推定)
2029年7月30日
研究の完了 (推定)
2029年7月30日
試験登録日
最初に提出
2024年7月18日
QC基準を満たした最初の提出物
2024年7月25日
最初の投稿 (実際)
2024年7月30日
学習記録の更新
投稿された最後の更新 (実際)
2024年7月30日
QC基準を満たした最後の更新が送信されました
2024年7月25日
最終確認日
2024年7月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。