深度学习人工智能在乳房肿块中的多中心研究
基于实时超声检查的深度学习AI乳腺肿块筛查与诊断多中心研究
这项多中心研究旨在评估使用基于深度学习人工智能的实时超声检查对乳房肿块的检测和鉴别诊断的价值。
研究概览
详细说明
作为世界范围内最常见的癌症，广泛的人群筛查对乳腺癌的早期诊断和预后具有非常重要的作用。 X光和超声波是最常用的筛查方法，超声波对于乳房致密的亚洲女性尤为重要。 但超声受操作者技术和经验的影响较大，诊断准确率差异较大。
人工智能（AI）是近年来兴起的一种新方法，活跃于众多医学领域，能够有效提高诊断效率。 然而，以往关于人工智能在超声中应用的研究主要集中在单模态或多模态静态超声图像上。 这项多中心研究旨在评估使用基于深度学习人工智能的实时超声检查对乳房肿块的检测和鉴别诊断的价值。
研究类型
观察性的
注册 (预期的)
1122
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：Yong Wang
- 电话号码：13391817899
- 邮箱：drwangyong77@163.com
学习地点
-
-
Beijing
-
Beijing、Beijing、中国、100021
- 招聘中
- National Cancer Center/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College
-
接触：
- Yong Wang
- 电话号码：13391817899
- 邮箱：drwangyong77@163.com
-
-
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
女性
取样方法
概率样本
研究人群
女性乳腺肿瘤患者
描述
纳入标准：
- 因乳房病变而接受超声波检查的女性；
- 将获得明确的病理诊断或随访至少两年的乳腺病变。
排除标准：
- 接受过CNB或FNA的乳腺病灶；
- 接受过新辅助化疗的乳腺癌患者。
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 |
|---|---|---|
|
基于深度学习人工智能的实时超声检查对乳房肿块的诊断性能
大体时间：12个月
|
病理学作为金标准，评估诊断性能（灵敏度、特异性和准确性）
|
12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。
合作者
调查人员
- 首席研究员：Yong Wang、Cancer Institute and Hospital, Chinese Academy of Medical Sciences
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8月12日
初级完成 (预期的)
2022年8月31日
研究完成 (预期的)
2023年8月31日
研究注册日期
首次提交
2022年6月29日
首先提交符合 QC 标准的
2022年6月29日
首次发布 (实际的)
2022年7月5日
研究记录更新
最后更新发布 (实际的)
2022年7月5日
上次提交的符合 QC 标准的更新
2022年6月29日
最后验证
2022年6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.