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。

卵巢肿块超声智能诊断系统的研究与应用

2024年7月25日 更新者:Zhejiang Provincial People's Hospital

基于多模态超声图像的卵巢肿块自动检测及智能辅助诊断系统研究

基于多模态超声图像的卵巢肿块自动检测及智能辅助诊断系统研究

研究概览

地位

尚未招聘

详细说明

研究人员旨在开发一种基于多模态超声图像的卵巢肿块超声智能诊断系统。

研究类型

观察性的

注册 (估计的)

100000

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

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

是的

取样方法

非概率样本

研究人群

在妇科超声检查中,至少发现一名患者患有持续性卵巢肿瘤。 患者接受了手术治疗并得到了组织病理学结果。

描述

纳入标准:

  1. 在妇科超声检查中,至少发现一名患者患有持续性卵巢肿瘤。
  2. 患者接受了手术治疗并得到了组织病理学结果。

排除标准:

  1. 组织病理学分析证实非卵巢肿瘤;
  2. 组织病理学结果尚无定论;
  3. 图像质量问题:卵巢肿块不完整,未显示部分周围组织(但肿块太大,无法完全排除);图像过于模糊,难以确定卵巢肿块的特征(可能的原因包括超声机的硬件质量问题、运动模糊、聚焦问题、患者体内存在肠气);增益设置导致难以判断卵巢肿块的特征(例如对比度低、图像过暗或饱和度);伪影的存在会影响卵巢肿块超声特征的评估,应予以排除。

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

队列和干预

团体/队列
干预/治疗
培训队列
训练队列用于训练基于多模型超声图像或视频的人工模型。
验证队列
验证队列用于验证人工模型。
使用人工智能模型诊断良性、交界性和恶性卵巢肿块。
内部测试队列
内部测试队列用于内部测试人工模型。
使用人工智能模型诊断良性、交界性和恶性卵巢肿块。
外部测试队列
外部测试队列用于内部测试人工模型。
使用人工智能模型诊断良性、交界性和恶性卵巢肿块。

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
曲线下面积
大体时间:通过学习完成,平均1年
AUC(Area Under the Curve)是评价二元分类模型性能的常用指标。
通过学习完成,平均1年

次要结果测量

结果测量
措施说明
大体时间
灵敏度
大体时间:通过学习完成,平均1年
敏感性是指测试正确识别实际患有疾病的个体的阳性结果的能力。 它代表测试能够检测到该疾病呈阳性的病例比例
通过学习完成,平均1年

其他结果措施

结果测量
措施说明
大体时间
特异性
大体时间:通过学习完成,平均1年
特异性是指测试正确识别实际未患有该疾病的个体的阴性结果的能力。 它代表测试能够检测到的疾病呈阴性的病例比例。
通过学习完成,平均1年
准确性
大体时间:通过学习完成,平均1年
准确度是指诊断检测结果与实际情况相符的程度
通过学习完成,平均1年
积极的预测价值
大体时间:通过学习完成,平均1年
阳性预测值表示测试结果为阳性时为真的概率。 换句话说,它代表了当检测结果呈阳性时被诊断为阳性的个体中实际患有该疾病的比例
通过学习完成,平均1年
阴性预测值
大体时间:通过学习完成,平均1年
阴性预测值是指如果检测结果为阴性,结果为真阴性的概率。 它代表了当检测结果为阴性时被诊断为阴性的个体中真正没有患病的比例
通过学习完成,平均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。

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 (估计的)

2024年7月30日

初级完成 (估计的)

2029年7月30日

研究完成 (估计的)

2029年7月30日

研究注册日期

首次提交

2024年7月18日

首先提交符合 QC 标准的

2024年7月25日

首次发布 (实际的)

2024年7月30日

研究记录更新

最后更新发布 (实际的)

2024年7月30日

上次提交的符合 QC 标准的更新

2024年7月25日

最后验证

2024年7月1日

更多信息

与本研究相关的术语

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅