基于成像的深度学习用于肺癌诊断和分期
2021年11月15日 更新者：Yang Jin、Wuhan Union Hospital, China
基于 CNN 架构的医学影像迁移学习在肺癌诊断和分期中的作用
肺癌的诊断和分期是临床肺癌管理和治疗决策中的两个基础和关键问题。
用于病理分析的侵入性操作是诊断和分期的金标准，然而，侵入性操作相关的并发症是不可避免的。
无创医学成像是一种强大的工具，但仅根据放射科医生和临床医生的经验，几乎没有改进的余地。
研究人员将研究基于计算机的医学影像深度学习在诊断肺部、淋巴结和其他疑似转移部位的病变中的作用。
研究概览
详细说明
放射科医生
研究类型
观察性的
注册 (预期的)
500
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Zhilei Lv, MD
- 电话号码：86-15107177084
- 邮箱：794646434@qq.com
学习地点
-
-
Hubei
-
Wuhan、Hubei、中国、430000
- 招聘中
- Wuhan Union Hospital
-
接触：
- Zhilei Lv, MD
- 电话号码：86-15107177084
- 邮箱：794646434@qq.com
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 至 75年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
接受任何癌症特异性治疗前进行 PET/CT 或 CT 检查的肺癌患者
描述
纳入标准：
- 肺癌病理诊断
- 任何癌症特异性治疗前的 PET/CT 或 CT 检查
排除标准：
- 其他恶性肿瘤病史
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2018年5月1日
初级完成 (预期的)
2021年12月30日
研究完成 (预期的)
2024年5月1日
研究注册日期
首次提交
2019年6月24日
首先提交符合 QC 标准的
2019年6月24日
首次发布 (实际的)
2019年6月27日
研究记录更新
最后更新发布 (实际的)
2021年11月16日
上次提交的符合 QC 标准的更新
2021年11月15日
最后验证
2021年11月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.