Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Op beeld gebaseerd diep leren voor de diagnose en stadiëring van longkanker

15 november 2021 bijgewerkt door: Yang Jin, Wuhan Union Hospital, China

De rol van op CNN-architectuur gebaseerd overdrachtsleren van medische beeldvorming bij de diagnose en stadiëring van longkanker

De diagnose en stadiëring van longkanker zijn twee fundamentele en kritieke kwesties bij de klinische behandeling van longkanker en de therapeutische besluitvorming. Invasieve procedures voor pathologische analyse zijn de gouden standaard voor diagnose en stadiëring, maar aan invasieve procedures gerelateerde complicaties zijn onvermijdelijk. Niet-invasieve medische beeldvorming is een krachtig hulpmiddel, maar volgens de ervaring van radioloog en clinicus is er bijna geen ruimte voor verbetering. De onderzoekers zullen de rol onderzoeken van computergebaseerd diep leren van medische beeldvorming bij de diagnose van laesie van de longen, lymfeklieren en andere plaatsen waarvan wordt vermoed dat ze metastase hebben.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Radioloog

Studietype

Observationeel

Inschrijving (Verwacht)

500

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Locaties

  • China
    • Hubei
      • Wuhan, Hubei, China, 430000
        • Werving
        • Wuhan Union Hospital
        • Contact:

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

18 jaar tot 75 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Longkankerpatiënten met PET/CT- of CT-onderzoek voorafgaand aan een kankerspecifieke behandeling

Beschrijving

Inclusiecriteria:

  • Pathologische diagnose van longkanker
  • PET/CT- of CT-onderzoek vóór elke kankerspecifieke behandeling

Uitsluitingscriteria:

  • Een geschiedenis van andere maligniteiten

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

  • Observatiemodellen: Cohort
  • Tijdsperspectieven: Prospectief

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
betrokkenheid van kankercellen voorspeld door diep leren
de deelnemers met laesies van de longen, lymfeklieren of andere plaatsen waarvan werd voorspeld dat ze positief waren voor de betrokkenheid van kankercellen door middel van op beeldvorming gebaseerd diep leren.
Procedure: chirurgie
behandelingsintentie chirurgie
Procedure: punter
diagnostisch punt
geen betrokkenheid van kankercellen voorspeld door diep leren
de deelnemers met laesies van de longen, lymfeklieren of andere plaatsen waarvan werd voorspeld dat ze negatief waren voor de betrokkenheid van kankercellen door middel van op beeldvorming gebaseerd diep leren.
Procedure: chirurgie
behandelingsintentie chirurgie
Procedure: punter
diagnostisch punt

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Tijdsspanne
pathologisch resultaat onthulde de betrokkenheid van kankercellen bij de laesie
Tijdsspanne: 1 maand na de pathologische test
1 maand na de pathologische test

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Wuhan Union Hospital, China

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

1 mei 2018

Primaire voltooiing (Verwacht)

30 december 2021

Studie voltooiing (Verwacht)

1 mei 2024

Studieregistratiedata

Eerst ingediend

24 juni 2019

Eerst ingediend dat voldeed aan de QC-criteria

24 juni 2019

Eerst geplaatst (Werkelijk)

27 juni 2019

Updates van studierecords

Laatste update geplaatst (Werkelijk)

16 november 2021

Laatste update ingediend die voldeed aan QC-criteria

15 november 2021

Laatst geverifieerd

1 november 2021

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • AFDSFA

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

Onbeslist

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren