脊柱转移 CT 多任务深度学习系统的验证
2022年5月31日 更新者：Zhao Hui、Shanghai 6th People's Hospital
脊柱转移 CT 脊柱不稳定的多任务深度学习系统的多中心验证
开发了具有五种算法的多任务深度学习系统 (DLS) 检测脊柱不稳定肿瘤评分 (SINS) 的五个定量因素。
将招募来自多中心的放射科医师和肿瘤科医师独立读取图像存档和通信系统 (PACS) 中的 CT 扫描，与 DLS 进行比较。
在 PACS 中阅读 CT 扫描一个月后，参与者还将要求使用相同的 CT 扫描在 DLS 网站上执行基于网络的测试。
DLS 的接受者操作特征曲线 (AUC) 下面积、灵敏度和特异性以专业评分者为参考标准进行计算。
研究概览
研究类型
观察性的
注册 (预期的)
420
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
14年 及以上 (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
脊柱转移瘤患者
描述
纳入标准：
- 经病理学证实的实体瘤诊断；
- 脊柱 CT 扫描表明脊柱转移至少有一个病灶；
- 以前没有做过脊柱转移手术
排除标准：
- 没有矢状面重建的脊柱 CT 扫描；
- 放射科医师认为CT图像质量不合格。
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
- 观测模型：队列
- 时间观点：预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
常规医师
|
五种算法的多任务DLS检测SINS的五种定量因素
|
|
深度学习系统
|
五种算法的多任务DLS检测SINS的五种定量因素
|
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
大体时间：1个月
|
脊柱不稳定检测的接受者操作特征曲线 (AUC) 下的面积
|
1个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
灵敏度
大体时间：1个月
|
脊柱不稳定检测的灵敏度
|
1个月
|
|
特异性
大体时间：1个月
|
脊柱不稳定检测的特异性
|
1个月
|
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)
2022年7月1日
初级完成 (预期的)
2023年12月31日
研究完成 (预期的)
2023年12月31日
研究注册日期
首次提交
2021年12月12日
首先提交符合 QC 标准的
2021年12月12日
首次发布 (实际的)
2021年12月14日
研究记录更新
最后更新发布 (实际的)
2022年6月1日
上次提交的符合 QC 标准的更新
2022年5月31日
最后验证
2022年5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.