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

Vokalsegmentering til klassificering af kronisk obstruktiv lungesygdom ved hjælp af maskinindlæring

22. november 2024 opdateret af: Blekinge Institute of Technology
Dette arbejde har til formål at evaluere, om segmenteringen af ​​vokaloptagelser indsamlet fra patienter diagnosticeret med KOL og raske kontrolgrupper kan øge klassificeringspræcisionen af ​​maskinlæringsteknikker.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Stemmedata og sociodemografiske data om køn og alder vil blive indsamlet gennem applikationen "VoiceDiganostic" fra virksomheden Voice Diagnostic. Indsamlede vokaloptagelser vil blive segmenteret og testet for at afgøre, om nogle segmenter indeholder mere information til skelnen mellem KOL fra raske kontrolgrupper.

Hvert segment vil blive omdannet til matematiske stemmemål kaldet stemmetræk. Et datasæt bestående af stemmefunktioner i forbindelse med demografi og sundhedsdata vil blive konstrueret for hvert segment, som igen vil blive evalueret for klassificeringsydelse ved hjælp af flere maskinlæringsalgoritmer.

Deskriptiv statistisk analyse vil blive afholdt på attributter, der indeholder information om inputdata og opnåede resultater fra ML-algoritmer. De opnåede resultater vil blive præsenteret i form af opsummerende tabeller og grafer.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

68

Kontakter og lokationer

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

Studiesteder

  • Sverige
    • Blekinge
      • Karlskrona, Blekinge, Sverige, 37179
        • Blekinge Institute of Technology

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Data vil blive indsamlet fra deltagere 18 år og ældre med og uden KOL-diagnose vil blive rekrutteret.

Beskrivelse

Inklusionskriterier:

  • er 18 år og ældre.

Ekskluderingskriterier:

  • er under 18 år og ældre.

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
KOL
30 KOL-deltagere, 16 kvinder og 14 mænd.
Andet: KOL
Et vokalsegmenteringsdatasæt bestående af information fra KOL- og HC-grupper vil blive brugt til at eksperimentere med klassificeringsydelsen af ​​flere Machine Learning-teknikker på forskellige segmenter af en vokaloptagelse.
Andre navne:
  • HC
HC
38 HC deltagere, 20 kvinder og 18 mænd.
Andet: KOL
Et vokalsegmenteringsdatasæt bestående af information fra KOL- og HC-grupper vil blive brugt til at eksperimentere med klassificeringsydelsen af ​​flere Machine Learning-teknikker på forskellige segmenter af en vokaloptagelse.
Andre navne:
  • HC

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Klassificering ydeevne
Tidsramme: 30 uger
Binær klassifikationsydelse af ML-algoritmen på hvert segment.
30 uger

Samarbejdspartnere og efterforskere

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

Sponsor

Blekinge Institute of Technology

Samarbejdspartnere

Excellence Center at Linköping - Lund in Information Technology (ELLIIT)

Efterforskere

  • Ledende efterforsker: Johan Sanmartin Berglund, MD, PhD, Blekinge Institute of Technology

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)

28. november 2023

Primær færdiggørelse (Faktiske)

30. oktober 2024

Studieafslutning (Anslået)

30. november 2024

Datoer for studieregistrering

Først indsendt

28. november 2023

Først indsendt, der opfyldte QC-kriterier

5. december 2023

Først opslået (Faktiske)

7. december 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Anslået)

25. november 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

22. november 2024

Sidst verificeret

1. november 2024

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • BTH-6.1.1-0169-2023

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Deltagerdata kan ikke deles på grund af GDPR. Det oprettede datasæt kan dog være tilgængeligt efter anmodning fra institutionen.

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 KOL

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Hong Kong

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner