Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Diagnoza Predictive Modle dla gęstej gęstości tkanki piersi na podstawie radiomiki

31 sierpnia 2020 zaktualizowane przez: Yaping yang, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Opracowanie modelu predykcyjnego precyzyjnej diagnostyki sztucznej inteligencji dla tkanki piersi o dużej gęstości w oparciu o radiomikę

Jest to prospektywne, obserwacyjne badanie kohortowe pacjentek z gęstą tkanką piersi. Badanie opierało się na radiomice i innych informacjach kliniczno-patologicznych pacjentów w celu ustalenia systemu diagnostycznego chorób piersi przy użyciu sztucznej inteligencji.

Przegląd badań

Status

Nieznany

Warunki

Typ studiów

Obserwacyjny

Zapisy (Oczekiwany)

1000

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny, 510120
        • Rekrutacyjny
        • Breast tumor center of Sun Yat-sen Memorial Hospital
        • Kontakt:
        • Pod-śledczy:
          • Herui Yao, Doctor
        • Pod-śledczy:
          • Chang Gong, Doctor
        • Pod-śledczy:
          • Yunfang Yu, Doctor
        • Pod-śledczy:
          • Yue Hu, Doctor
        • Pod-śledczy:
          • Junwei Li, Doctor

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat do 80 lat (DOROSŁY, STARSZY_DOROŚLI)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Kobieta

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Do naszego badania włączono pacjentki w wieku 18-80 lat, które zostały zdiagnozowane i leczone w szpitalu pamięci Sun Yat-sena.

Opis

Kryteria przyjęcia:

  • Pacjentki z gęstą tkanką piersiową
  • Wykonano cyfrową tomosyntezę piersi
  • Wykonano badanie USG piersi
  • Wykonano badanie histopatologiczne zmian w piersiach

Kryteria wyłączenia:

  • Niepełne dane kliniczno-patologiczne
  • Pacjentki z gruczołami tłuszczowymi piersi

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
pole pod krzywą modelu predykcyjnego (AUC)
Ramy czasowe: obserwacja przez 2 lata dla osób fizycznych
Ocena dokładności predykcyjnej modelu opartego na radiomice i modelu klinicznym za pomocą analizy operacyjnej krzywej charakterystyki (ROC) i obliczenia pola powierzchni pod krzywymi (AUC).
obserwacja przez 2 lata dla osób fizycznych

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (OCZEKIWANY)

1 września 2020

Zakończenie podstawowe (OCZEKIWANY)

1 września 2020

Ukończenie studiów (OCZEKIWANY)

1 września 2020

Daty rejestracji na studia

Pierwszy przesłany

21 sierpnia 2020

Pierwszy przesłany, który spełnia kryteria kontroli jakości

31 sierpnia 2020

Pierwszy wysłany (RZECZYWISTY)

2 września 2020

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (RZECZYWISTY)

2 września 2020

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

31 sierpnia 2020

Ostatnia weryfikacja

1 sierpnia 2020

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • SYSU_AI01

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj