洞察市场格局
解锁药品研发情报

客服电话

400-9696-311
医药数据查询

首页 临床进展 基于深度学习和影像组学的早期特发性肺纤维化诊断模型

【ChiCTR2500096539】基于深度学习和影像组学的早期特发性肺纤维化诊断模型

查看原文
立即下载
基本信息
登记号

ChiCTR2500096539

试验状态

正在进行

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2025-01-26

临床申请受理号

/

靶点

/

适应症

特发性肺纤维化

试验通俗题目

基于深度学习和影像组学的早期特发性肺纤维化诊断模型

试验专业题目

基于深度学习和影像组学的早期特发性肺纤维化诊断模型

申办单位信息
申请人联系人
请登录查看
申请人名称
请登录查看
联系人邮箱
请登录查看
联系人邮编

联系人通讯地址
请登录查看
临床试验信息
试验目的

本项目通过多中心研究，采用回顾性研究，通过收集来自本课题组的前期工作基础全国多中心IPF预后模型中的IPF患者的早期胸部CT，进行肺部影像切割、特征区域识别，筛选、识别关键影像特征，建立IPF单模态诊断模型；收集经多学科讨论确诊早期IPF患者的临床资料（包括患者基本信息、临床生化指标、冷冻肺活检或者微创肺活检病理依据）以及胸部CT影像，进行肺部影像切割、特征区域识别，筛选、识别关键影像特征，建立早期IPF多模态诊断模型；以实现IPF的早诊早治。

试验分类
请登录查看
试验类型

诊断试验诊断准确性

试验分期

回顾性研究

随机化

无

盲法

/

试验项目经费来源

上海市胸科医院临床研究专项基金

试验范围

/

目标入组人数

/

实际入组人数

/

第一例入组时间

2024-12-06

试验终止时间

2026-12-06

是否属于一致性

/

入选标准

1）组织病理提示UIP或可能UIP，且排除其他已知病因，临床考虑为早期IPF。 2）无组织病理，但是胸部CT呈现为UIP或可能UIP，且排除其他已知病因，经多学科会诊为IPF。；

排除标准

1）有明确的暴露史或者诊断为自身免疫疾病。 2）CT图像不清晰，严重影响评估。；

研究者信息
研究负责人姓名
请登录查看
试验机构

上海市胸科医院呼吸与危重症医学科

研究负责人电话
请登录查看
研究负责人邮箱
请登录查看
研究负责人邮编

/

联系人通讯地址
请登录查看
更多信息
获取更多临床信息查看权限
立即前往摩熵医药企业版免费查询
示例数据
<END>

上海市胸科医院呼吸与危重症医学科的其他临床试验

更多

上海交通大学医学院基础医学院的其他临床试验

更多

最新临床资讯

更多
摩熵医药企业版
50亿+条医药数据随时查
7天免费试用
体验产品

同适应症药物临床试验

更多