使用人工智能方法自动超声心动图检测冠状动脉疾病
2025年11月18日 更新者：Beijing Hospital
冠心病的发病率和死亡率逐年上升。
探索无创、准确、广泛适用的筛查和诊断方法具有重要意义。
新的超声技术，例如非侵入性心肌工作，已被证明在筛查和诊断方面优于传统超声技术。
然而，基于超声视频图像的诊断分析既耗时又主观。
人工智能技术在视频图像全自动定量评估方面的进展，为计算机辅助设计筛选和诊断提供了可能。
目前，人工智能在计算机辅助设计中的应用是心血管疾病研究领域的前沿问题。
人工智能技术在基于超声视频图像构建计算机辅助诊断模型中的应用仍处于早期阶段。
研究概览
地位
招聘中
条件
详细说明
1）明确心脏超声新技术指标在冠心病诊断中的价值； 2）实现心脏超声切片的分类和检测；通过CLAS模型实现左心室腔、左心室心肌、左心房壁轮廓的自动分割和识别；利用另一个模型实现心脏运动跟踪并合成心脏流场的速度矢量图。
3）验证并优化上述冠心病全自动人工智能诊断模型。
研究类型
观察性的
注册 (估计的)
1500
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
-
-
-
Beijing、中国
- 招聘中
- Beijing Hospital
-
接触：
- Fang Wang, Dr
- 邮箱：bjh_wangfang@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
- 成人
- 年长者
接受健康志愿者
不适用
取样方法
概率样本
研究人群
疑似冠状动脉疾病并计划进行冠状动脉造影的患者
描述
纳入标准：
疑似冠状动脉疾病并计划进行冠状动脉造影的患者
排除标准：
①主动脉瓣狭窄、主动脉瓣置换手术、肥厚性心肌病患者； ②严重心脏瓣膜病、心律失常、心肌病、先天性心脏病； ③超声图像质量较差。
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 |
|---|---|---|
|
冠状动脉造影结果不同
大体时间：入院后2-3天内进行冠状动脉造影检查
|
冠状动脉狭窄程度
|
入院后2-3天内进行冠状动脉造影检查
|
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 (实际的)
2024年3月11日
初级完成 (估计的)
2026年3月11日
研究完成 (估计的)
2026年5月11日
研究注册日期
首次提交
2024年3月11日
首先提交符合 QC 标准的
2024年3月11日
首次发布 (实际的)
2024年3月18日
研究记录更新
最后更新发布 (实际的)
2025年11月21日
上次提交的符合 QC 标准的更新
2025年11月18日
最后验证
2025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.