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 NEC识图：AI辅助的X光图像解读

【ChiCTR2400089949】NEC识图：AI辅助的X光图像解读

查看原文
立即下载
基本信息
登记号

ChiCTR2400089949

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

2024-09-20

临床申请受理号

/

靶点

/

适应症

NEC 是一种严重的肠道疾病，主要发生在早产儿和出生时体重较轻的婴儿身上。

试验通俗题目

NEC识图：AI辅助的X光图像解读

试验专业题目

坏死性小肠结肠炎腹部X光平片的深度学习诊断模型

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

3.1 主要研究目的 提高诊断效率和准确性：开发基于深度学习的自动诊断系统，提升坏死性小肠结肠炎的诊断速度和准确度，以辅助医生，缓解医疗资源紧张。 3.2 次要研究目的 深度学习与传统方法的比较：探索深度学习在数据驱动、自动特征提取和模型复杂性方面与传统方法的不同。 深度学习的优势：强调深度学习在处理大数据、准确性、通用性和端到端学习方面的优势。 模型的可靠性和稳定性评估：确保深度学习模型在不同数据集和环境中的稳定性和可靠性，特别是在临床应用中。 局限性和优化方向分析：识别深度学习在自动诊断中的潜在局限，并提出未来研究和优化的方向。

试验分类
试验类型

诊断试验诊断准确性

试验分期

探索性研究/预试验

随机化

无

盲法

无

试验项目经费来源

自选课题（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

2024-10-01

试验终止时间

2025-09-30

是否属于一致性

/

入选标准

1.入住NICU的新生儿 （2）接受床边腹部平片的患儿 （3）病例组为出院诊断为坏死性小肠结肠炎的病人；；

排除标准

1.染色异常的新生儿 （2）有肠道闭锁等畸形的新生儿 （3）其他肠道异常疾病患者 （4）X光检查不清晰；；

研究者信息
研究负责人姓名
试验机构

广州医科大学附属第三医院

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>

广州医科大学附属第三医院的其他临床试验

更多

广州医科大学附属第三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