D-Lung：基于深度学习技术的肺癌分析平台
2023年2月7日 更新者：Professor Winnie W.C. Chu、Chinese University of Hong Kong
D-Lung：基于深度学习技术的原发性肺癌筛查、诊断和管理分析平台
肺癌是全球癌症死亡的主要原因之一，其特点是5年生存率低于20%。
肺结节被认为是肺癌早期的典型影像学表现。
国家肺筛查试验表明，通过使用低剂量螺旋计算机断层扫描筛查肺结节，死亡率可以大大降低。
因此，肺结节的自动检测、诊断和管理，在计算机辅助肺癌筛查和早期干预中起着至关重要的作用。
研究概览
研究类型
观察性的
注册 (实际的)
130
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。
学习地点
-
-
Shatin
-
Hong Kong、Shatin、香港
- The Chinese University of Hong Kong, Prince of Wale Hospital
-
-
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
- 成人
- OLDER_ADULT
- 孩子
接受健康志愿者
不适用
有资格学习的性别
全部
取样方法
概率样本
研究人群
这是一项针对香港医院内患者的单一机构回顾性队列研究，这些患者因可疑肺部结节接受了胸部 CT 检查。
描述
纳入标准：
- 有可疑肺结节的受试者。
- 对可疑肺部结节行胸部薄层CT和病理检查。
排除标准：
- CT图像上伴有可能干扰肺结节分析的病变的受试者
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。
研究是如何设计的？
设计细节
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
准确性
大体时间：2年
|
整个实例中真实结果（真阳性和真阴性）的比例
|
2年
|
|
灵敏度
大体时间：2年
|
通过 ROC 分析得出的真阳性率百分比 (%)
|
2年
|
|
特异性
大体时间：2年
|
通过 ROC 分析得出的真阴性率百分比 (%)
|
2年
|
|
曲线下面积 (AUC)
大体时间：2年
|
ROC 曲线下面积百分比 (%)
|
2年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
每次扫描的平均误报数（FPs/扫描）
大体时间：2年
|
基于自由响应接收器操作特性 (FROC) 分析的 FPs/扫描数 (N)
|
2年
|
|
竞争绩效指标 (CPM)
大体时间：2年
|
竞争性能指标 (CPM) 是用于 CAD 系统评估的标准。
基于 FROC 范例，CPM 分数计算为七个预定义平均误报率的平均灵敏度。
CPM 得分范围从 0 到 1，CPM 得分越高表示 CAD 性能越好。
|
2年
|
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7月1日
初级完成 (实际的)
2020年6月30日
研究完成 (实际的)
2020年6月30日
研究注册日期
首次提交
2019年7月26日
首先提交符合 QC 标准的
2019年7月26日
首次发布 (实际的)
2019年7月30日
研究记录更新
最后更新发布 (实际的)
2023年2月8日
上次提交的符合 QC 标准的更新
2023年2月7日
最后验证
2023年2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.