- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06211218
Kunstig intelligens til screening af flere hornhindesygdomme
8. januar 2024 opdateret af: Tianjin Eye Hospital
Anvendelse af Deep Learning til screening af flere hornhindesygdomme
Denne undersøgelse udviklede en dyb læringsalgoritme baseret på billeder af forreste segmenter og validerede prospektivt dens evne til at identificere hornhindesygdomme. Effektiviteten og nøjagtigheden af denne algoritme blev evalueret ud fra sensitivitet, specificitet, positiv prædiktiv værdi, negativ prædiktiv værdi og område under kurve.
Studieoversigt
Status
Rekruttering
Betingelser
Intervention / Behandling
Undersøgelsestype
Observationel
Tilmelding (Anslået)
3000
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: Yan Huo, Master
- Telefonnummer: 13102118953
- E-mail: hy13102118953@163.com
Studiesteder
-
-
Tianjin
-
Tianjin, Tianjin, Kina
- Rekruttering
- Tiajin Eye Hospital
-
-
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
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ingen
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Undersøgelsespopulationen er afledt af en anonym database, der indeholder helbredsundersøgelsesresultater for den generelle befolkning.
Beskrivelse
Inklusionskriterier:
- Kvaliteten af spaltelampebilleder bør være klinisk acceptabel.
- Mere end 90 % af spaltelampens billedareal inklusive tre hovedområder (sclera, pupil og linse) er lette at læse og skelne mellem.
Ekskluderingskriterier:
1)Utilstrækkelig information til diagnose.
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 |
---|---|
Hornhindesygdomme diagnosticeret med kunstig intelligens-algoritme
|
En kunstig intelligens-algoritme blev anvendt til at diagnosticere hornhindesygdomme fra spaltelampebilleder.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Område under kurve
Tidsramme: En uge
|
Vi brugte receiver operation characteristic (ROC) kurve og area under curve til at undersøge evnen til denne kunstige intelligens algoritme genkendelse og klassificering af hornhindesygdomme.
|
En uge
|
Følsomhed og specificitet
Tidsramme: En uge
|
Vi brugte sensitivitet og specificitet til at undersøge evnen af denne kunstige intelligens algoritme genkendelse og klassificering af hornhindesygdomme.
|
En uge
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
Efterforskere
- Studiestol: Yan Wang, Prof, TianJin eye hospital
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)
6. december 2020
Primær færdiggørelse (Faktiske)
6. december 2021
Studieafslutning (Anslået)
6. december 2024
Datoer for studieregistrering
Først indsendt
8. januar 2024
Først indsendt, der opfyldte QC-kriterier
8. januar 2024
Først opslået (Faktiske)
18. januar 2024
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
18. januar 2024
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
8. januar 2024
Sidst verificeret
1. januar 2024
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- KY-2023083
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
UBESLUTET
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 Dyb læring, hornhindesygdom, screening
-
RenJi HospitalIkke rekrutterer endnuAnvendelse af kunstig intelligens Deep Learning-teknologi i magnetisk resonans lumbal billeddannelseDeep Learning, Lumbal Magnetic Resonance Imaging
-
Wuhan Union Hospital, ChinaIkke rekrutterer endnuIkke-småcellet lungekræft | Patologisk komplet respons | Neoadjuverende kemoimmunterapi | Deep Learning Model
-
Centre Hospitalier Universitaire, AmiensRekrutteringMR scanning | Venstre ventrikulær ejektionsfraktion | Hjertemagnetisk resonansbilleddannelse | Deep-LearningFrankrig
-
Centre Hospitalier Universitaire, AmiensUkendtNyrekolik | Urolithiasis | Urinvejssten | Deep Learning RekonstruktionFrankrig
-
Sun Yat-sen UniversityRekrutteringDeep Learning ModelKina
-
Fondazione Policlinico Universitario Agostino Gemelli...RekrutteringBeskriv typiske gråskala/farve-doppler-ultralydstræk ved gestationel trofoblastisk neoplasi ved den amerikanske undersøgelse | At vurdere, om der er forskelle ved den amerikanske baseline-scanning mellem lavrisiko- og højrisikopatienter | At identificere ultralydsprædiktorer for resistens... og andre forholdItalien