此页面是自动翻译的，不保证翻译的准确性。请参阅英文版对于源文本。

颈动脉粥样硬化斑块负荷和颈围

2021年9月12日更新者：Elif Yıldırım Ayaz、Sultan Abdulhamid Han Training and Research Hospital, Istanbul, Turkey

机器学习方法在头颅CT血管造影中确定颈动脉粥样硬化斑块负荷和颈围及其相互关系

本研究的目的是建立一个深度学习模型来自动检测颈部 CTA 图像中颈动脉斑块的存在和评分，并确定该模型是否与人工解释兼容。

研究概览

地位

招聘中

条件

详细说明

使用深度学习方法和自动颈动脉斑块存在和评分对颈动脉节段的 CTA 图像进行建模将在临床实践中有用和有益。本研究的目的是建立一个深度学习模型来自动检测颈部 CTA 图像中颈动脉斑块的存在和评分，并确定该模型是否与人工解释兼容。

研究类型

观察性的

注册 (预期的)

300

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

火鸡
- İstanbul
  - Kadıköy、İstanbul、火鸡、34668
    - 招聘中
    - Istanbul Medeniyet University Goztepe Prof. Dr. Suleyman Yalcın City Hospital
    - 接触：
      
      Elif Yıldırım Ayaz, M.D.
      
      电话号码：05325148300

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 90年 (成人、OLDER_ADULT)

接受健康志愿者

是的

有资格学习的性别

全部

取样方法

概率样本

研究人群

有颅骨 CTA 的人

描述

纳入标准：

18岁或以上
撤回颅骨 CTA
颅脑CTA前3个月和术后3个月测过血脂、HbA1c、血糖、AST、ALT

排除标准：

甲状腺疾病
做过颈部手术
使用皮质类固醇超过 6 个月
颈部前部存在淋巴结
颈部肌肉肥大

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
机器学习模型与人工解释的相关性大体时间：1天	在通过机器学习方法获得的模型中评估颈动脉段中斑块存在与人工解释的相关性	1天

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

Sultan Abdulhamid Han Training and Research Hospital, Istanbul, Turkey

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)

2021年9月8日

初级完成 (预期的)

2022年3月28日

研究完成 (预期的)

2022年3月28日

研究注册日期

首次提交

2021年9月7日

首先提交符合 QC 标准的

2021年9月7日

首次发布 (实际的)

2021年9月10日

研究记录更新

最后更新发布 (实际的)

2021年9月17日

上次提交的符合 QC 标准的更新

2021年9月12日

最后验证

2021年9月1日