En CT-BASERT dyp læringsmodell for å forutsi WHO/ISUP patologiske grader av klarcellet nyrecellekarsinom (ccRCC): En multisenter kohortstudie
Denne studien tar sikte på å etablere en effektiv dyplæringsmodell for å trekke ut relevant informasjon om nyresvulster og nyrer fra computertomografi (CT) bilder og forutsi de patologiske gradene av klarcellet nyrecellekarsinom (ccRCC).
Retrospektive data ble samlet inn fra 483 ccRCC-pasienter over tre medisinske sentre. Arteriell fase og portvenøs fase CT-bilder fra datasettet ble segmentert for nyresvulster og nyrer. Tre konvolusjonelle nevrale nettverk (CNN) ble brukt for å trekke ut funksjoner fra regionene av interesse (ROI) i CT-bildene på tvers av flere dimensjoner, inkludert 3D, 2.5D og 2D. Minst absolutt krymping og seleksjon (LASSO) regresjon ble brukt for funksjonsvalg. Modellene ble evaluert ved bruk av mottakeroperasjonskarakteristiske (ROC) kurver og beslutningskurveanalyse (DCA).
Studieoversikt
Status
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
Zhejiang
-
Jinhua, Zhejiang, Kina, 321000
- Department of Urology, Affiliated Jinhua Hospital, Zhejiang University School of Medicine, Jinhua,Zhejiang, China
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Pasienter med en enkelt nyretumor har fullstendig bildediagnostikk og kliniske data
- Kontrastforsterket CT-skanning innen 30 dager før operasjonen
- Ingen behandling ble utført før CT-undersøkelse
Ekskluderingskriterier:
- Pasienter med tilbakefall av tumor
- Åpenbare artefakter på CT-bilder
- Svulsten er cystisk
- Flere cyster på den berørte nyren påvirker avgrensningen av nyreparenkym
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
Høy karakter
|
|
Lav karakter
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
forutsi de patologiske gradene av klarcellet nyrecellekarsinom (ccRCC)
Tidsramme: 2019–2024
|
AUC-kurve
|
2019–2024
|
|
forutsi de patologiske gradene av klarcellet nyrecellekarsinom (ccRCC)
Tidsramme: 2019–2024
|
DCA-kurve
|
2019–2024
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
- Neoplasmer etter histologisk type
- Neoplasmer
- Urologiske neoplasmer
- Urogenitale neoplasmer
- Neoplasmer etter nettsted
- Nyresykdommer
- Urologiske sykdommer
- Adenokarsinom
- Neoplasmer, kjertel og epitel
- Nyre-neoplasmer
- Kvinnelige urogenitale sykdommer
- Kvinnelige urogenitale sykdommer og graviditetskomplikasjoner
- Urogenitale sykdommer
- Mannlige urogenitale sykdommer
- Karsinom, nyrecelle
- Karsinom
Andre studie-ID-numre
- 2024107
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. .