Nová technika pro léčbu onemocnění sítnice
Výzkum inteligentní diagnostiky a automatického sledování lézí pro přesnou léčbu onemocnění sítnice na základě hlubokého učení
Přehled studie
Postavení
Postavení
Podmínky
Podmínky
Detailní popis
- Strukturovaná DR obrazová databáze Konstrukce a přesná anotace: retrospektivní (od 1. ledna 2016 do dne etické revize) a prospektivní (ode dne etické revize do 31. prosince 2023) shromážděné FFA a další multimodální obrazová data. Několik oftalmologů a starších odborníků na onemocnění očního pozadí provedlo diagnostické vyhodnocení každého snímku každého pacienta a dokončilo přesnou klasifikační diagnózu dat Nakonec byla krok za krokem vytvořena strukturovaná databáze Dr. Tento článek používá teorii počítačového vidění ke kvantifikaci kvalitativního zkreslení obrazu FFA, vede počítač k adaptivní konfiguraci stávajících algoritmů pro vylepšení obrazu a redukci šumu a dokončuje předběžné zpracování dat snímku očního pozadí.
- Konstrukce inteligentního diagnostického systému Dr grading založeného na snímku očního pozadí: za prvé, snímek očního pozadí se používá jako trénovací databáze fundusových dat a podle mezinárodního klinického standardu diagnostiky klasifikace Dr mnoho lékařů označuje snímek očního pozadí přesně. Mezinárodní klinická kritéria hodnocení Dr: stupeň 0, žádné zjevné abnormality sítnice; stupeň 1, pouze mikroangiom; stupeň 2, závažnější než mikroangiom, ale méně závažný než závažný; stupeň 3, čtyři kvadranty, každý kvadrant má více než 20 retinálních krvácení, více než dva kvadranty mají jednoznačné žilní kuličky, více než jeden kvadrant má zjevnou Irmu, žádné známky proliferativní retinopatie; stupeň 4, neovaskularizace, krvácení do sklivce Objem krve, preretinální krvácení. Na základě standardu inteligentní diagnostiky Dr grading je konstruována konvoluční neuronová síť pro trénování a klasifikaci snímků očního pozadí. Po mnohonásobném opakování tohoto procesu pro každý snímek v tréninkové sadě snímků očního pozadí se systém hlubokého učení naučí, jak klasifikovat všechna data v trénovací sadě, aby přesně diagnostikoval snímky očního pozadí.
- Konstrukce konvoluční neuronové sítě pro oblast zaměření obrazu FFA: konvoluční neuronová síť hlubokého učení se skládá z milionů parametrů, které slouží k trénování a provádění daných úkolů. Výstup generovaný každou operací lineární konvoluce je regulován nelineární aktivační funkcí v kombinaci s redukcí rozměrů sdružovací vrstvy a vrstvy plného připojení, takže proces optimalizace hluboké neuronové sítě nejen překonává gradientní disperzi, ale také pomáhá generovat funkce. podobný hierarchickému mechanismu vnímání lidských nervových buněk k vizuálním signálům. Obrázek FFA se používá jako trénovací databáze fundusových dat. Na základě přesného označení oblasti léze (plocha bez perfuze, oblast mikroangiomu a oblast prosakování) je třeba zpracovat snímek FFA pro inteligentní rozpoznání oblasti léze. V procesu tréninku jsou parametry neuronové sítě zpočátku nastaveny na náhodné hodnoty. Poté se pro každý obrázek výsledky dané funkcí porovnají se známými výsledky trénovací sady, aby se optimalizovaly parametry funkce. Po mnohonásobném opakování tohoto procesu pro každý snímek v sadě tréninkových dat se systém hlubokého učení naučil, jak klasifikovat všechna data v tréninkové sadě, aby přesně předpovídal léze Dr na snímcích FFA.
- Konstrukce inteligentního modelu laserové navigace očního pozadí založeného na snímku FFA a registraci snímku očního pozadí: Inteligentní systém rozpoznávání lézí Dr na výše uvedeném snímku FFA přesně identifikuje oblasti, které potřebují laserové ošetření očního pozadí, pomáhá lékařům určit léze, které je třeba ošetřit, a na základě na porovnávání obrazu strojového učení poskytuje registrační obraz snímku očního pozadí a kombinace FFA, která je nastavena podle informací o umístění a velikosti oblasti léze Podle shody průměru sítnice a uspořádání různých laserových bodů, personalizovaný laser je formulováno léčebné schéma a je zkonstruován inteligentní model navádění laserového ošetření fundu.
Typ studie
Typ studie
Zápis (Očekávaný)
Zápis
Kontakty a umístění
Studijní kontakt
Studijní kontakt
- Jméno: Jin Kai, MD
- Telefonní číslo: 13646828461
- E-mail: jinkai@zju.edu.cn
Studijní místa
-
-
Zhejiang
-
Hanzhou, Zhejiang, Čína
- Nábor
- The Second Affiliated Hospital of Zhejiang University
-
Kontakt:
- Jin Kai, MD
- Telefonní číslo: 13646828461
-
-
Kritéria účasti
Kritéria způsobilosti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dítě
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- pacientů s onemocněním sítnice
Kritéria vyloučení:
- pacienti s jiným onemocněním ovlivňují vyšetření sítnice
Studijní plán
Jak je studie koncipována?
Detaily designu
Počet skupin / kohort
Kohorty a intervence
Skupina / kohortaSkupina / kohorta |
|---|
|
pacientů
pacientů s onemocněním sítnice
|
Co je měření studie?
Primární výstupní opatření
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
umělá inteligence
Časové okno: 2016.01-2023.12
|
využití dat k vývoji modelů hlubokého učení
|
2016.01-2023.12
|
Spolupracovníci a vyšetřovatelé
Sponzor
Sponzor
Vyšetřovatelé
Vyšetřovatelé
- Vrchní vyšetřovatel: Jin Kai, MD, Zhejiang University
- Vrchní vyšetřovatel: Xu Yufeng, MD, Zhejiang University
- Vrchní vyšetřovatel: Lou Lixia, MD, Zhejiang University
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Začátek studia
Primární dokončení (Očekávaný)
Primární dokončení
Dokončení studie (Očekávaný)
Dokončení studie
Termíny zápisu do studia
První předloženo
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
První zveřejněno
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Poslední zveřejněná aktualizace
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
Další identifikační čísla studie
- 研2019-428
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .