AI for nyretumorer ved bruk av kontrastfri CT
En kunstig intelligens-modell for screening og diagnostisering av nyretumorer basert på CT uten kontrast
Studieoversikt
Status
Status
Forhold
Forhold
Detaljert beskrivelse
Studietype
Studietype
Registrering (Antatt)
Registrering
Kontakter og plasseringer
Studiekontakt
Studiekontakt
- Navn: Yajia Gu, MD
- Telefonnummer: +8621-64175590
- E-post: guyajia@fudan.edu.cn
Studer Kontakt Backup
- Navn: Bingni Zhou, MD
- Telefonnummer: +8621-64175590
- E-post: jobay2621405@126.com
Studiesteder
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, Kina, 200032
- Fudan University Shanghai Cancer Center
-
Ta kontakt med:
- Yajia Gu, MD
- Telefonnummer: +8621-64175590
- E-post: guyajia@fudan.edu.cn
-
Ta kontakt med:
- Bingni Zhou, MD
- Telefonnummer: +8621-64175590
- E-post: jobay2621405@126.com
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter som gjennomgikk en abdominal CT-undersøkelse.
- Pasienter med nyrelesjoner ble behandlet i henhold til standard kliniske forløp, som inkluderte oppfølging, biopsi eller kirurgi.
- Maligne lesjoner ble patologisk bekreftet; benigne lesjoner ble bekreftet enten ved patologisk diagnose eller bildeoppfølging.
- Ingen tidligere behandling hadde blitt mottatt for nyresykdommen.
Eksklusjonskriterier:
- Pasienter nekter å gjennomgå anbefalt oppfølging, biopsi eller kirurgi, noe som utelukket definitiv diagnose av nyrelesjonen.
- Fravær av fullstendig patologisk bekreftelse for lesjoner mistenkt for å være maligne.
- Pasienter har mottatt enhver form for tidligere behandling for nyrelesjonen.
- Dårlig bildekvalitet som hindret diagnostisk evaluering.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Utvikling av et intelligent diagnostisksystem for nyresykdommer basert på CT-skanninger.
Tidsramme: 1 år
|
For å konstruere et intelligentsystem for deteksjon av nyremasse-lesjoner og deres differensiering til cyster, godartede og ondartede neoplasi.
|
1 år
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Videreutvikle kunstig intelligens-modell for å effektivt diagnostisere patologiske typer av vanlige nyretumorer.
Tidsramme: 1 år
|
1 år
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Studiestart
Primær fullføring (Antatt)
Primær fullføring
Studiet fullført (Antatt)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
Andre studie-ID-numre
- 2509-Exp275
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .