Deep Learning for Histopathological Classification and Prognostication of Gynaecologic Smooth Muscle Tumours

Rövid összefoglaló (regiszter, angolul)

Smooth muscle tumors of the uterus that do not fit the diagnostic criteria of benignity (such as leiomyomas) or malignancy (such as leiomyosarcomas) are called STUMP (smooth muscle tumor of uncertain malignant potential). A potential solution to this problem could be the application of predictive models using artificial intelligence (AI) to aid in the histopathological classification and prognosis of gynecological smooth muscle tumors. Deep learning using convolutional neural networks represents a specific class of machine learning, in which predictive models are trained by considering small groups of pixels in digital images and iteratively identifying salient features. In this study, we aim to develop deep learning models capable of accurately subclassifying and predicting the prognosis of gynecological smooth muscle tumors, based on histopathological features of hematoxylin and eosin (H\&E) slides. The aim is to develop a diagnostic and prognostic algorithm to help pathologists better classify and diagnose uterine smooth muscle tumors and predict their clinical course.

Mit vállalsz

• Vizsgálat típusa: Megfigyeléses
• Tervezett résztvevők: 392
• 2023. dec. 1. és az elsődleges befejezés (2026. dec.) között
• 1 helyszín, 1 országban
• Vizitek és vizsgálatok: kérdezd a vizsgálat csapatát, a regiszter nem sorolja fel őket

A(z) ClinicalTrials.gov regisztermezőiből összeállítva. A vizsgálat felépítését írja le.

Ki nem vehet részt

Szó szerint a(z) ClinicalTrials.gov forrásból, témák szerint csoportosítva. Hogy ki vehet részt, azt csak a vizsgálat csapata dönti el.

Kiket keres a vizsgálat

Nem: csak nők · Egészséges önkénteseket nem fogad

A teljes feltétellista: ClinicalTrials.gov

Helyszínek (1)

Helyszínek a regiszter sorrendjében. Ha a profilodba mented a városodat, távolság szerint rendeződnek.

Te vagy a koordinátor? Erősítsd meg az adatokat