Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Vývoj a validace systému hlubokého učení pro mnohočetná onemocnění očního fundu pomocí snímků sítnice

24. prosince 2019 aktualizováno: Haotian Lin, Sun Yat-sen University

Vývoj a validace systému hlubokého učení pro mnohočetná onemocnění očního fundu pomocí snímků sítnice: multicentrická prospektivní studie

Snímky sítnice mohou odrážet jak fundus, tak systémové stavy (diabetes a kardiovaskulární onemocnění) a za prvé mohou být použity pro trénování algoritmů lékařské umělé inteligence (AI) kvůli jejich výhodám, které jsou klinického významu a jsou snadno dostupné. Zde výzkumníci vyvinuli jediný síťový model, který dokáže vydolovat charakteristiky mezi více onemocněními očního pozadí, což bylo trénováno spoustou snímků očního pozadí s jedním nebo několika štítky onemocnění (pokud mají) v každém z nich. Výkon modelu byl porovnán s výkony domácích i mezinárodních oftalmologů. Model byl dále testován pomocí datových sad s různými typy kamer a validován třemi externími datovými sadami prospektivně shromážděnými z klinických pracovišť, kde by byl model aplikován.

Přehled studie

Postavení

Neznámý

Intervence / Léčba

Typ studie

Pozorovací

Zápis (Očekávaný)

300000

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní místa

    • Guangdong
      • Guangzhou, Guangdong, Čína, 510060
        • Nábor
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Kontakt:
        • Vrchní vyšetřovatel:
          • Haotian Lin, Ph.D

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

  • Dítě
  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Ukázka pravděpodobnosti

Studijní populace

Snímky sítnice byly shromážděny z různých zdravotnických ústavů po celé Číně a dalších zemích po celém světě.

Popis

Kritéria pro zařazení:

  • Kvalita snímků očního pozadí by měla být klinicky přijatelná. Více než 80 % plochy snímku očního pozadí včetně čtyř hlavních oblastí (optický disk, makulární, horní a dolní retinální cévní oblouky) je snadno čitelných a rozlišitelných.

Kritéria vyloučení:

  • Snímky s únikem světla (>30 % plochy), skvrnami od odlesků nebo skvrn na čočce a přeexponováním byly z další analýzy vyloučeny.

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

  • Observační modely: Jiný
  • Časové perspektivy: Jiný

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Tréninkový datový soubor
Snímky sítnice posbírané z nemocnic a různých vyšetřovacích míst po celé Číně
Ověřovací datový soubor
Obrázky sítnice oddělené od tréninkové datové sady
Tréninkový datový soubor byl použit k trénování modelu hlubokého učení, který byl ověřen a testován dalšími dvěma datovými soubory.
Testování datové sady
Snímky sítnice prospektivně shromážděné z nemocnic a míst screeningu očních onemocnění se zcela liší od tréninkového souboru dat
Tréninkový datový soubor byl použit k trénování modelu hlubokého učení, který byl ověřen a testován dalšími dvěma datovými soubory.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Oblast pod provozní charakteristikou přijímače systému hlubokého učení
Časové okno: základní linie
Vyšetřovatelé vypočítají plochu pod operační křivkou přijímače systému hlubokého učení a porovnají tento index mezi systémem hlubokého učení a lidskými lékaři.
základní linie

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Citlivost systému hlubokého učení
Časové okno: základní linie
Vyšetřovatelé vypočítají citlivost systému hlubokého učení a porovnají tento index mezi systémem hlubokého učení a lidskými lékaři.
základní linie
Specifičnost systému hlubokého učení
Časové okno: základní linie
Vyšetřovatelé vypočítají specifičnost systému hlubokého učení a porovnají tento index mezi systémem hlubokého učení a lidskými lékaři.
základní linie

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Publikace a užitečné odkazy

Osoba odpovědná za zadávání informací o studiu tyto publikace poskytuje dobrovolně. Mohou se týkat čehokoli, co souvisí se studiem.

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

1. ledna 2014

Primární dokončení (Očekávaný)

1. února 2020

Dokončení studie (Očekávaný)

1. května 2020

Termíny zápisu do studia

První předloženo

23. prosince 2019

První předloženo, které splnilo kritéria kontroly kvality

24. prosince 2019

První zveřejněno (Aktuální)

30. prosince 2019

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

30. prosince 2019

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

24. prosince 2019

Naposledy ověřeno

1. prosince 2019

Více informací

Termíny související s touto studií

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • CCPMOH2019- China8

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

Ne

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

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 .

3
Předplatit