基于超声造影成像的肝脏局灶性病变放射组学分析
2020年12月21日 更新者：Ping Liang
肝癌超声造影智能诊断与消融决策及演变关键技术研究
对比增强超声 (CEUS) 大大提高了超声 (US) 识别和表征肝脏局灶性病变 (FLL) 的潜力。
与对比增强的 MRI 和 CT 相比，它具有一些独特的优势，例如没有电离辐射、易于操作和可重复性。
然而，CEUS 在诊断肝脏病变方面的功效受到多种因素的挑战，包括高度依赖医生的经验、低信噪比和低观察者间一致性。
因此，利用数字信息技术构建智能化CEUS诊断系统是一种有益的尝试。
本研究旨在收集 CEUS 电影记录的标准数据，并开发用于肝脏病变准确分割、检测和分类的深度学习模型。
研究概览
研究类型
观察性的
注册 (预期的)
5000
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：Jie Yu, Dr
- 电话号码：15901417963
- 邮箱：jiemi301@163.com
学习地点
-
-
Beijing
-
Beijing、Beijing、中国、100853
- 招聘中
- Chinese PLA General 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
- 孩子
- 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
概率样本
研究人群
肝脏局灶性病变患者
描述
纳入标准：
- 在常规超声检查中可见实体肝肿瘤并接受 CEUS 治疗的患者。
- 病史及病灶的参考标准可获得
排除标准：
- 超敏超声造影剂
- 怀孕或哺乳期患者
- 先前治疗过的病变或先前治疗过的病变局部复发
- 弥漫性肿瘤
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 |
|---|---|---|
|
AUC值
大体时间：通过学习完成，平均 7 年
|
受试者工作特征（ROC）曲线下面积（AUC）
|
通过学习完成，平均 7 年
|
|
特异性
大体时间：通过学习完成，平均 7 年
|
智能CEUS分析的诊断特异性
|
通过学习完成，平均 7 年
|
|
灵敏度
大体时间：通过学习完成，平均3年
|
智能超声分析的诊断灵敏度
|
通过学习完成，平均3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。
赞助
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)
2017年1月1日
初级完成 (预期的)
2024年12月31日
研究完成 (预期的)
2025年12月31日
研究注册日期
首次提交
2020年12月21日
首先提交符合 QC 标准的
2020年12月21日
首次发布 (实际的)
2020年12月24日
研究记录更新
最后更新发布 (实际的)
2020年12月24日
上次提交的符合 QC 标准的更新
2020年12月21日
最后验证
2020年12月1日
更多信息
与本研究相关的术语
其他研究编号
- 82030047 (其他赠款/资助编号：National Natural Science Foundation of China)
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
未定
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
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.