Entwicklung eines auf Deep Learning basierenden Bildqualitätsmanagementsystems für die Echokardiographie
Echokardiographie-Bildqualitätsmanagementsystem basierend auf Deep Learning: Eine prospektive Single-Center-Studie
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Jing Yao, Phd
- Telefonnummer: +8618905188727
- E-Mail: w1835199709@163.com
Studienorte
-
-
Jiangsu
-
Nanjing, Jiangsu, China, 210008
- Rekrutierung
- Affiliated Drum Tower Hospital of Nanjing University Medical School
-
Kontakt:
- Jing Yao, Phd
- Telefonnummer: +18905188727
- E-Mail: w18351992709@163.com
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Alter ≥18 Jahre, Geschlecht unbegrenzt;
- Patienten mit standardisierten TTE-Ansichten;
- Die Probanden nahmen freiwillig an der Studie teil und unterzeichneten ihre Einverständniserklärung;
Ausschlusskriterien:
- Patienten mit unvollständigen Standard-TTE-Ansichten;
- Patienten mit schlechten Schallübertragungsbedingungen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Sonstiges
- Zeitperspektiven: Interessent
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
|---|
|
Standardisierte Ansichtsgruppe
Die Echokardiographie-Ansichtsbilder von Patienten dieser Gruppe sind standardisiert.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
die Partitur von PSAX anzeigen
Zeitfenster: 12 Monate
|
die Punktzahl der PSAX-Ansicht durch das Echokardiographie-Bildqualitätsmanagementsystem
|
12 Monate
|
|
die Partitur der apikalen Ansicht
Zeitfenster: 12 Monate
|
die Punktzahl der apikalen Ansicht durch das Echokardiographie-Bildqualitätsmanagementsystem
|
12 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Thiebaut R, Thiessard F; Section Editors for the IMIA Yearbook Section on Public Health and Epidemiology Informatics. Artificial Intelligence in Public Health and Epidemiology. Yearb Med Inform. 2018 Aug;27(1):207-210. doi: 10.1055/s-0038-1667082. Epub 2018 Aug 29.
- Sengupta PP, Shrestha S. Machine Learning for Data-Driven Discovery: The Rise and Relevance. JACC Cardiovasc Imaging. 2019 Apr;12(4):690-692. doi: 10.1016/j.jcmg.2018.06.030. Epub 2018 Dec 12. No abstract available.
- Ueda D, Shimazaki A, Miki Y. Technical and clinical overview of deep learning in radiology. Jpn J Radiol. 2019 Jan;37(1):15-33. doi: 10.1007/s11604-018-0795-3. Epub 2018 Dec 1.
- Madani A, Arnaout R, Mofrad M, Arnaout R. Fast and accurate view classification of echocardiograms using deep learning. NPJ Digit Med. 2018;1:6. doi: 10.1038/s41746-017-0013-1. Epub 2018 Mar 21.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Voraussichtlich)
Primärer Abschluss
Studienabschluss (Voraussichtlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Schätzen)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 2022-337-01
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .