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。

基于深度学习的列线图在TI-RADS 4类甲状腺结节良恶性鉴别中的应用价值

2024年2月5日更新者：Ma Zhe

本回顾性研究重点利用深度学习技术对甲状腺结节进行良恶性分类，评估基于深度学习的列线图在 TI-RADS 4 类甲状腺结节分类中的价值，以提高 TI-RADS 类别良恶性识别的准确性4个甲状腺结节。

材料与方法：收集山东第一医科大学第一附属医院、山东省千佛山医院就诊的患者。对他们的一般临床特征、术前超声诊断信息和术后病理资料进行回顾。

研究概览

地位

完全的

条件

甲状腺结节

研究类型

观察性的

注册 (实际的)

500

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

中国
- Shandong
  - Jinan、Shandong、中国
    - QianfoshanH

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

该研究收集了2022年4月至2023年11月在山东第一医科大学第一附属医院就诊的500名患者共500个TI-RADS 4类甲状腺结节的数据。

描述

纳入标准：

超声确诊的甲状腺结节被归类为 TI-RADS 4 类。
病理结果的可用性。

排除标准：

缺乏病理诊断。
甲状腺手术或其他治疗史。
甲状腺结节的超声图像质量较差。
患者的临床和影像数据不完整。

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

团体/队列数

队列和干预

团体/队列
恶毒的 TI-RADS4 类别中经手术或穿刺活检确诊为恶性肿瘤的甲状腺结节
良性手术或穿刺活检证实病理结果为良性的甲状腺结节 TI-RADS4 类别

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
深度学习预测模型（YOLOv3）及模型评估大体时间：预测模型建立后立即评估	根据甲状腺良恶性结节的特点，采用交叉验证的方法将数据集分为训练集和测试集，并利用训练集的数据训练YOLOv3模型，模型的性能为使用测试集中的数据进行评估。该模型使用许多指标进行评估，例如：精确召回曲线、有效分类精度、混淆矩阵和曲线下面积。	预测模型建立后立即评估
列线图预测和评估大体时间：列线图构建后立即评估	使用 R 语言将临床特征、超声分级和模型预测分解为列线图。使用各种指标评估列线图，包括受试者操作特征曲线、校准曲线和决策曲线分析	列线图构建后立即评估
临床特征的选择和评估大体时间：收集数据并获得病理结果后，对获得的统计结果进行临床因素分析，平均约1年。	研究人员选择了 1 年内患有 TI-RADS 4 类甲状腺结节的患者来组成数据集。研究人员分析了数据集中的临床因素，并使用Wilcoxon二样本秩和检验或卡方检验分析了这些临床因素对统计结果和临床特征的显着性。	收集数据并获得病理结果后，对获得的统计结果进行临床因素分析，平均约1年。
超声分级的影响和评估大体时间：超声检查的分级结果在数据集收集完成、超声检查完成并获得最终病理结果后进行分析，平均约1年。	研究人员选择了 1 年内患有 TI-RADS 4 类甲状腺结节的患者来组成数据集。研究人员分析了该数据集中 TI-RADS 4 类结节的分级结果，并使用卡方检验确定了超声分级对统计结果的显着性。	超声检查的分级结果在数据集收集完成、超声检查完成并获得最终病理结果后进行分析，平均约1年。

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

Ma Zhe

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)

2022年4月1日

初级完成 (实际的)

2023年11月30日

研究完成 (实际的)

2023年11月30日

研究注册日期

首次提交

2024年1月4日

首先提交符合 QC 标准的

2024年2月5日

首次发布 (实际的)

2024年2月14日

研究记录更新

最后更新发布 (实际的)

2024年2月14日

上次提交的符合 QC 标准的更新

2024年2月5日

最后验证

2024年2月1日