Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Diagnostisk effektivitet af CNN i differentiering af synsfelt

23. januar 2020 opdateret af: Xiulan Zhang, Sun Yat-sen University

Diagnostisk effektivitet af konvolutionel neural netværksbaseret algoritme til differentiering af glaukomatøst synsfelt fra ikke-glaukomatøst synsfelt

Grøn stær er i øjeblikket den førende årsag til irreversibel blindhed i verden. Multicenterundersøgelsen er designet til at evaluere effektiviteten af ​​den konvolutionelle neurale netværksbaserede algoritme i differentiering af glaukomatøst og ikke-glaukomatøst synsfelt og vurdere dets anvendelighed i den virkelige verden.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Grøn stær er verdens førende årsag til irreversibel blind, karakteriseret ved fremadskridende udtynding af retinale nervefiberlag og synsfeltdefekter. Synsfelttest er en af ​​guldstandarderne for diagnosticering og evaluering af progression af glaukom. Der er dog ingen universelt accepteret standard for fortolkning af synsfeltresultater, som er subjektiv og kræver en stor mængde erfaring. På nuværende tidspunkt har kunstig intelligens opnået en nøjagtighed, der kan sammenlignes med menneskelige læger i fortolkningen af ​​medicinsk billeddannelse af mange forskellige sygdomme. Tidligere har vi trænet et dybt foldet neuralt netværk til at læse synsfeltsrapporterne, som har endnu højere diagnostisk effekt end øjenlæger. Den nuværende multicenterundersøgelse er designet til at evaluere effektiviteten af ​​den konvolutionelle neurale netværksbaserede algoritme til differentiering af glaukomatøst og ikke-glaukomatøst synsfelt, sammenligne dets ydeevne med øjenlæger og vurdere dets anvendelighed i den virkelige verden.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

437

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Kina
    • Guangdong
      • Guangzhou, Guangdong, Kina, 51000
        • Zhongshan Ophthalmic Center

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år og ældre (VOKSEN, OLDER_ADULT)

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Patienter fra klinikker i forskellige øjencentre i Kina. Hvert emne skal diagnosticeres ud fra omfattende medicinske tests og lægejournaler. Det førende center vil læse alle medicinske data for at give en diagnose som guldstandarden.

Beskrivelse

Inklusionskriterier:

  1. Alder≥18;
  2. Informeret samtykke opnået;
  3. Diagnosticeret med specifikke øjensygdomme;
  4. Kan udføre synsfelttest

Ekskluderingskriterier:

Ufuldstændige kliniske data til støtte for diagnosen

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
AI gruppe
Synsfeltsrapporterne i denne gruppe vil blive evalueret af det konvolutionelle neurale netværk.
Diagnostisk test: AI diagnostisk algoritme
De indsamlede synsfelter vil blive vurderet af algoritmen og øjenlæger uafhængigt. Algoritmen og øjenlægernes ydeevne ville blive sammenlignet, herunder nøjagtighed, AUC, sensitivitet og specificitet.
Andre navne:
  • Standard diagnostisk procedure
Menneskegruppe
Synsfeltsrapporterne i denne gruppe vil blive evalueret af 3 øjenlæger uafhængigt.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Tidsramme
AUC-værdi af konvolutionelt neuralt netværk i differentiering af Glaukom synsfelt fra ikke-glaukom synsfelt
Tidsramme: fra januar 2019 til januar 2020
fra januar 2019 til januar 2020

Sekundære resultatmål

Resultatmål
Tidsramme
Følsomhed og specificitet af konvolutionelt neuralt netværk til påvisning af glaukom synsfelt
Tidsramme: fra januar 2019 til januar 2020
fra januar 2019 til januar 2020

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Sun Yat-sen University

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (FAKTISKE)

15. marts 2019

Primær færdiggørelse (FAKTISKE)

31. december 2019

Studieafslutning (FAKTISKE)

31. december 2019

Datoer for studieregistrering

Først indsendt

26. november 2018

Først indsendt, der opfyldte QC-kriterier

28. november 2018

Først opslået (FAKTISKE)

30. november 2018

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

27. januar 2020

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

23. januar 2020

Sidst verificeret

1. januar 2020

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 2018KYPJ125

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med AI diagnostisk algoritme

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Brazil

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner