洞察市场格局
解锁药品研发情报

免费客服电话

18983288589
试用企业版

首页 临床进展 基于VCUG图像构建对VUR自动诊断和分级的Deep-VCUG模型研究

【ChiCTR2400088035】基于VCUG图像构建对VUR自动诊断和分级的Deep-VCUG模型研究

查看原文
立即下载
基本信息
登记号

ChiCTR2400088035

试验状态

尚未开始

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2024-08-09

临床申请受理号

/

靶点

/

适应症

泌尿系统先天性畸形

试验通俗题目

基于VCUG图像构建对VUR自动诊断和分级的Deep-VCUG模型研究

试验专业题目

基于VCUG图像开发和验证一种自动诊断的深度学习模型

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

本研究旨在开发一种深度学习模型，以提高VUR对VCUG评分的可靠性，并将其性能与临床医生的性能进行比较。

试验分类
试验类型

连续入组

试验分期

探索性研究/预试验

随机化

单组实验，不适用

盲法

N/A

试验项目经费来源

自筹

试验范围

/

目标入组人数

/

实际入组人数

/

第一例入组时间

2024-01-01

试验终止时间

2026-12-31

是否属于一致性

/

入选标准

在多中心医院就诊并行VCUG检查的患儿,年龄1-13周岁,影像诊断为膀胱输尿管返流,VCUG图像清晰，无严重金属伪影。；

排除标准

无法观察到完整输尿管、图像质量差、畸形过多（如泄殖腔畸形、异位输尿管和尿道下裂）、缺乏斜位片均被排除在外。；

研究者信息
研究负责人姓名
试验机构

复旦大学附属儿科医院

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>

复旦大学附属儿科医院的其他临床试验

更多

复旦大学附属儿科医院的其他临床试验

更多

最新临床资讯

更多
对摩熵医药数据库感兴趣，可以免费体验产品
体验产品