A CT-BASED Deep Learning Model for Predicting WHO/ISUP Pathological Grades of Clear Cell Renal Cell Carcinoma (ccRCC) :A Multicenter Cohort Study

Rövid összefoglaló (regiszter, angolul)

This study aims to establish an effective deep learning model to extract relevant information about renal tumors and kidneys from computed tomography (CT) images and predict the pathological grades of clear cell renal cell carcinoma (ccRCC). Retrospective data were collected from 483 ccRCC patients across three medical centers. Arterial phase and portal venous phase CT images from the dataset were segmented for renal tumors and kidneys. Three convolutional neural networks (CNNs) were employed to extract features from the regions of interest (ROI) in the CT images across multiple dimensions including 3D, 2.5D, and 2D. Least absolute shrinkage and selection (LASSO) regression was used for feature selection. The models were evaluated using receiver operating characteristic (ROC) curves and decision curve analysis (DCA).

Mit vállalsz

• Vizsgálat típusa: Megfigyeléses
• Bevont résztvevők: 483
• 2019. jan. 1. és az elsődleges befejezés (2024. jún. 30.) 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

Életkor a regiszterben: 30 év – 88 év · Nem: nők és férfiak · 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