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 基于深度学习的多模态可解释牙周炎预后模型的研究

【ChiCTR2500115249】基于深度学习的多模态可解释牙周炎预后模型的研究

查看原文
立即下载
基本信息
登记号

ChiCTR2500115249

试验状态

结束

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2025-12-24

临床申请受理号

/

靶点

/

适应症

牙周炎预后

试验通俗题目

基于深度学习的多模态可解释牙周炎预后模型的研究

试验专业题目

基于深度学习的多模态可解释牙周炎预后模型的研究

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

本项目旨在收集牙周炎患者的口腔影像和临床数据，建立牙周炎多模态数据库；利用深度学习技术提取与牙周炎预后高度相关的口腔影像特征，并通过多因素Cox回归等机器学习算法整合口腔影像特征与临床特征数据，构建6种牙周炎预后模型，筛选出性能最好的预后模型，并通过外部测试集验证模型的泛化能力；使用LIME局部可解释算法，为预后模型预测结果提供解释基础，最终开发一种基于深度学习的多模态可解释牙周炎预后模型，对牙周炎患者进行个性化的疗效预测，辅助口腔医师进行临床治疗决策。本研究的开展将证实深度学习方法在牙周领域数据处理的适应能力和优越性，并为其它疾病预测的研究提供新思路。

试验分类
请登录查看
试验类型

队列研究

试验分期

其它

随机化

无

盲法

/

试验项目经费来源

自选课题（自筹）

试验范围

/

目标入组人数

99

实际入组人数

/

第一例入组时间

2024-12-05

试验终止时间

2025-05-01

是否属于一致性

/

入选标准

1.年龄≥18岁以上的成年人； 2.按照2018年牙周病国际分类标准，诊断为牙周炎； 3.完成牙周非手术治疗且至少在治疗后12个月及以上有复查记录；；

排除标准

1.患者的PER有明显的金属伪影、严重模糊和噪声； 2.不配合或拒绝临床检查者； 3.因客观原因无法完成检查者；；

研究者信息
研究负责人姓名
请登录查看
试验机构

南昌大学第二附属医院

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>

南昌大学第二附属医院的其他临床试验

更多

南昌大学第二附属医院的其他临床试验

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