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

Hluboké učení v detekci a monitorování retinoblastomu.

24. března 2022 aktualizováno: Wenbin Wei, Beijing Tongren Hospital

Deep Learning Computer-Aided Detection System pro detekci a monitorování retinoblastomu.

Retinoblastom je nejčastějším očním nádorem dětského věku. Oko zachovávající terapie vyžadují rutinní monitorování regrese a recidivy retinoblastomu, aby bylo možné vést odpovídající léčbu. V současné studii vyvíjíme algorismus hlubokého učení, který dokáže současně identifikovat nádory retinoblastomu na snímcích Retcam a rozlišovat mezi aktivními a neaktivními nádory retinoblastomu. Tento algoritmus bude ověřen pomocí prospektivně shromážděného souboru dat.

Přehled studie

Postavení

Nábor

Podmínky

Intervence / Léčba

Detailní popis

Retinoblastom, nejčastější oční rakovina dětského věku, postihuje 1 z 15 000 až 1 z 18 000 živě narozených dětí. Čína má druhý největší počet pacientů s retinoblastomem na světě. Oční terapie se v Číně široce používají přibližně 15 let. Oko zachovávající terapie vyžadují rutinní monitorování regrese a recidivy retinoblastomu, aby bylo možné vést odpovídající léčbu. Většina kvalifikovaných oftalmologů je však soustředěna v několika lékařských centrech. Hluboké učení založené na vyšetření Retcam, které dokáže identifikovat retinoblastom, sníží přesnost screeningu v místních nemocnicích a sníží zátěž monitorovacího systému. V současné studii byl vyvinut algorismus hlubokého učení, který dokáže současně identifikovat nádory retinoblastomu na snímcích Retcam a rozlišovat mezi aktivními a neaktivními nádory retinoblastomu. Tento algoritmus bude ověřen pomocí prospektivně shromážděného souboru dat.

Typ studie

Pozorovací

Zápis (Očekávaný)

200

Kontakty a umístění

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

Studijní kontakt

Studijní záloha kontaktů

Studijní místa

  • Čína
    • Beijing
      • Beijing, Beijing, Čína, 100730
        • Nábor
        • Wen-Bin Wei

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

1 sekunda až 5 let (DÍTĚ)

Přijímá zdravé dobrovolníky

Ne

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Pacienti s retinoblastomem podstupují standardní lékařskou péči.

Popis

Kritéria pro zařazení:

  • Pacienti s retinoblastomem podstupují standardní lékařskou péči.

Kritéria vyloučení:

  • Operátoři identifikovali snímky nevyhodnotitelné pro správnou diagnózu z důvodů, jako je rozostření a rozostření, a vyloučili je z další analýzy.

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

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Pacienti s retinoblastomem
Pacienti s retinoblastomem, kteří podstupují standardní lékařskou péči v pekingské nemocnici Tongren. Anonymní snímky těchto pacientů budou prospektivně shromažďovány a označeny staršími oftalmology.
Diagnostický test: Algorismus hlubokého učení
Algorismus hlubokého učení, který byl vyvinut dříve, by byl použit k identifikaci nádorů retinoblastomu na snímcích Retcam a rozlišení mezi aktivními a neaktivními nádory retinoblastomu. Rozhodnutí dvou různých vyšších oftalmologů by bylo zlatým standardem.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Přesnost diagnostiky algorismu hlubokého učení
Časové okno: 1 týden
Diagnostická přesnost tohoto algorismu hlubokého učení je poměrem skutečně pozitivních a skutečně negativních ve všech hodnocených případech.
1 týden

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Beijing Tongren Hospital

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. března 2020

Primární dokončení (OČEKÁVANÝ)

1. května 2022

Dokončení studie (OČEKÁVANÝ)

1. října 2022

Termíny zápisu do studia

První předloženo

24. března 2022

První předloženo, které splnilo kritéria kontroly kvality

24. března 2022

První zveřejněno (AKTUÁLNÍ)

1. dubna 2022

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (AKTUÁLNÍ)

1. dubna 2022

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

24. března 2022

Naposledy ověřeno

1. března 2022

Více informací

Termíny související s touto studií

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • AI in retinoblastoma

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 .

Klinické studie na Retinoblastom

Klinické studie na Algorismus hlubokého učení

Prohledejte podobné pokusy

Sponzoři a spolupracovníci

Zdravotní podmínky

Drogové intervence

CROs by country

CROs in Japan

Podmínky

Vzácné nemoci

Drogové intervence

Doplňky stravy

Sponzor / Spolupracovníci

Místa

Předplatit