基于影像组学的致密性乳腺组织诊断预测模型
2020年8月31日 更新者：Yaping yang、Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
基于放射组学的致密乳腺组织人工智能精准诊断预测模型的研制
这是一项针对致密乳腺组织患者的前瞻性观察性队列研究。
该研究基于患者的放射组学和其他临床病理信息，利用人工智能建立乳腺疾病诊断系统。
研究概览
研究类型
观察性的
注册 (预期的)
1000
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
-
-
Guangdong
-
Guangzhou、Guangdong、中国、510120
- 招聘中
- Breast tumor center of Sun Yat-sen Memorial Hospital
-
接触：
- Yaping yang, Doctor
- 电话号码：0086-020-34071145
- 邮箱：yangyap2@mail.sysu.edu.cn
-
副研究员：
- Herui Yao, Doctor
-
副研究员：
- Chang Gong, Doctor
-
副研究员：
- Yunfang Yu, Doctor
-
副研究员：
- Yue Hu, Doctor
-
副研究员：
- Junwei Li, Doctor
-
-
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 80年 (成人、OLDER_ADULT)
接受健康志愿者
不
有资格学习的性别
女性
取样方法
非概率样本
研究人群
18-80岁的女性患者被纳入我们的研究，她们在中山纪念医院就诊。
描述
纳入标准：
- 乳腺致密组织致密的女性患者
- 进行了数字乳腺断层合成
- 进行了乳房超声检查
- 进行了乳腺病变的病理检查
排除标准：
- 临床病理数据不完整
- 乳腺脂肪腺的女性患者
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 |
|---|---|---|
|
预测模型的曲线下面积 (AUC)
大体时间：个人随访 2 年
|
通过使用操作特征曲线 (ROC) 分析和计算曲线下面积 (AUC) 来评估基于放射组学和基于临床的模型的预测准确性。
|
个人随访 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 (预期的)
2020年9月1日
初级完成 (预期的)
2020年9月1日
研究完成 (预期的)
2020年9月1日
研究注册日期
首次提交
2020年8月21日
首先提交符合 QC 标准的
2020年8月31日
首次发布 (实际的)
2020年9月2日
研究记录更新
最后更新发布 (实际的)
2020年9月2日
上次提交的符合 QC 标准的更新
2020年8月31日
最后验证
2020年8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.