用于乳腺癌自动诊断的人工智能 (AICAMAMMELLA)
2023年5月12日 更新者：Regina Elena Cancer Institute
用于乳腺癌自动诊断的数字断层合成乳腺图像分类的人工智能算法研究
乳腺摄影是一种二维成像技术，涉及在投影图像下重叠的组织；病灶上方或下方的致密腺体组织可降低病灶的可见度。
问题可能是对获得的图像的解释，这可能导致无法可视化第一阶段的癌症，并且健康人可能被诊断出不存在的病理（假阳性）。 引入一种称为乳腺数字断层合成 (DBT) 的几乎三维技术成像可以克服大多数限制。 在过去的 5 年中，基于人工智能 (AI) 的图像分析方法也被大量引入乳腺癌检测中。 该研究是一项基于人工智能的前瞻性观察研究，其目标是开发一种识别病变的方法。
研究概览
研究类型
观察性的
注册 (预期的)
200
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：Valeria Landoni
- 电话号码：+39 06 52665602
- 邮箱：valeria.landoni@ifo.it
学习地点
-
-
-
Napoli、意大利、80138
- 招聘中
- Universita degli Studi di Napoli Federico II
-
接触：
- Giovanni Mettivier
-
Rome、意大利、00144
- 招聘中
- "Regina Elena" National Cancer Institute
-
-
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
- 成人
- 年长者
接受健康志愿者
不
取样方法
非概率样本
研究人群
接受乳房 X 光检查的女性
描述
纳入标准：
- 参考 Regina Elena 进行诊断性乳房 X 光检查的患者
- 知情同意
排除标准：
- 假体的存在，人工制品，研究结果在研究下的乳房干预中
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 |
|---|---|---|
|
检测病变的人工智能系统
大体时间：12个月
|
病灶检测基于乳腺密度、病例类型、BIRADS 评估类别、乳房 X 线照片外观、恶性病灶的大小和病理特征
|
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。
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)
2020年10月20日
初级完成 (实际的)
2022年11月25日
研究完成 (预期的)
2023年12月31日
研究注册日期
首次提交
2023年3月28日
首先提交符合 QC 标准的
2023年5月12日
首次发布 (实际的)
2023年5月15日
研究记录更新
最后更新发布 (实际的)
2023年5月15日
上次提交的符合 QC 标准的更新
2023年5月12日
最后验证
2023年3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.
乳腺数字断层合成的临床试验
-
Scripps Whittier Diabetes InstituteSan Diego State University; University of California, San Diego完全的
-
Institut du Cancer de Montpellier - Val d'Aurelle招聘中
-
Lokman Hekim ÜniversitesiHacettepe University完全的
-
Boston Scientific Corporation完全的胆道狭窄 | 壶腹周围肿瘤 | 胆总管结石引起的胆道梗阻 | 胆道出血香港, 大韩民国, 泰国, 澳大利亚, 沙特阿拉伯, 日本, 印度, 巴基斯坦, 新加坡, 南非