Ovarian Cancer Identification on CT Using Deep Learning

Rövid összefoglaló (regiszter, angolul)

Ovarian cancer remains the deadliest gynecologic malignancy, with poor survival rates largely due to late-stage diagnosis. Early detection is crucial, yet no universally accepted screening method exists. Current imaging techniques and biomarkers, such as CA-125, have limitations in specificity and sensitivity. This study aims to develop and evaluate a deep learning-based computer-aided diagnosis tool (CAT-OV), for ovarian cancer detection using CT imaging. The system integrates a Body Part Regression (BPR) model for pelvic localization and a Multiple Instance Learning (MIL) ensemble classifier for cancer prediction. The model was trained and validated using retrospective datasets from Taiwan, the United States, and a nationwide real-world cohort. Stringent preprocessing and quality control measures were implemented to enhance model accuracy. Results highlight the potential of AI-driven CT screening in improving early detection, though further validation is needed for clinical adoption.

Mit vállalsz

• Vizsgálat típusa: Megfigyeléses
• Tervezett résztvevők: 12578
• 2022. szept. 1. és az elsődleges befejezés (2025. febr. 7.) között
• 2 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: 20 év – - · Nem: csak nők · Egészséges önkénteseket is fogad

A teljes feltétellista: ClinicalTrials.gov

Helyszínek (2)

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

Te vagy a koordinátor? Erősítsd meg az adatokat