使用 UHR-CT CT 和深度学习算法重建骨血管化的体内描述：初步研究
2022年11月23日 更新者：GILLET Romain、Central Hospital, Nancy, France
与模拟的传统 CT 相比，使用深度学习重建 (DLR) 和混合迭代重建 (HIR) 算法，使用超高分辨率计算机断层扫描 (UHR-CT) 扫描仪评估图像质量和描绘体内骨血管形成的能力, 使用类骨质骨瘤 (OO) 作为模型。
研究概览
研究类型
观察性的
注册 (预期的)
20
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：romain gillet, MD
- 电话号码：0680987216
- 邮箱：romain_gillet3@hotmail.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
18年 至 70年 (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
非概率样本
研究人群
回顾性纳入所有组织学证实的骨样骨瘤，转诊至我们部门进行 CT 成像
描述
纳入标准：
- 经证实的骨样骨瘤
- 超高分辨率 CT
排除标准：
- 没有任何
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：仅案例
- 时间观点：追溯
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 |
|---|---|---|
|
皮层血管数
大体时间：对既往 2 年所有超高分辨率 CT 的回顾性审查
|
数字
|
对既往 2 年所有超高分辨率 CT 的回顾性审查
|
|
病灶血管数量
大体时间：对既往 2 年所有超高分辨率 CT 的回顾性审查
|
数字
|
对既往 2 年所有超高分辨率 CT 的回顾性审查
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
信心分数
大体时间：对既往 2 年所有超高分辨率 CT 的回顾性审查
|
1（弱）到 5（强）
|
对既往 2 年所有超高分辨率 CT 的回顾性审查
|
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12月20日
初级完成 (预期的)
2023年1月31日
研究完成 (预期的)
2023年3月31日
研究注册日期
首次提交
2022年10月28日
首先提交符合 QC 标准的
2022年11月23日
首次发布 (实际的)
2022年11月29日
研究记录更新
最后更新发布 (实际的)
2022年11月29日
上次提交的符合 QC 标准的更新
2022年11月23日
最后验证
2022年11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.