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 基于多模态CT、PET结合放射组学，临床特征，深度学习技术预测亚实性结节气道播散

【ChiCTR2500106940】基于多模态CT、PET结合放射组学，临床特征，深度学习技术预测亚实性结节气道播散

查看原文
立即下载
基本信息
登记号

ChiCTR2500106940

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

2025-07-31

临床申请受理号

/

靶点

/

适应症

肺癌

试验通俗题目

基于多模态CT、PET结合放射组学，临床特征，深度学习技术预测亚实性结节气道播散

试验专业题目

基于多模态CT、PET结合放射组学，临床特征，深度学习技术预测亚实性结节气道播散

申办单位信息
申请人联系人
申请人名称
联系人邮箱
联系人邮编

联系人通讯地址
临床试验信息
试验目的

1.构建一种基于多模态影像数据的术前预测模型：通过整合多模态影像数据（PET/CT结合CT影像）、放射组学特征、深度学习算法以及临床特征，开发出一种术前预测亚实性结节（PSNs）中气道播散（STAS）状态的模型。 2.提高STAS预测的准确性和稳定性：通过放射组学和深度学习技术，从PET/CT影像和CT影像中提取高维特征，结合临床数据和手术病理结果，建立具有高准确性和可重复性的STAS预测工具，旨在提高模型的敏感性、特异性及AUC值。

试验分类
试验类型

连续入组

试验分期

回顾性研究

随机化

使用随机数种子，7:3分为训练集和验证集。

盲法

/

试验项目经费来源

国家自然科学基金资助项目：U21A20480

试验范围

/

目标入组人数

1600

实际入组人数

/

第一例入组时间

2025-05-16

试验终止时间

2025-07-10

是否属于一致性

/

入选标准

(1)单发病变伴手术完全切除; (2)术前3个月内行CT及PET扫描，术前1周行肺功能及血常规及肿瘤标志物检查，未接受治疗; (3) CT，PET图像清晰全面，无伪影; (4)保存完好、适合STAS评估的病理标本。；

排除标准

(1)多发肺内病变及实性结节; (2) CT，PET成像不完整，无术前1周肺功能及血常规及肿瘤标志物检查; (3)用于STAS评估的病理样本不足。 （4）临床资料不完整 （5）有其他恶性肿瘤史的病人；

研究者信息
研究负责人姓名
试验机构

解放军总医院第一医学中心

研究负责人电话
研究负责人邮箱
研究负责人邮编

/

联系人通讯地址
<END>

解放军总医院第一医学中心的其他临床试验

更多

解放军总医院第一医学中心的其他临床试验

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