Künstliches Intelligenzsystem zur Beurteilung der Bildqualität von Fundusbildern und ihrer Auswirkungen auf die Diagnose
26. Februar 2020 aktualisiert von: Haotian Lin, Sun Yat-sen University
Künstliches Intelligenzsystem zur Beurteilung der Bildqualität von Fundusbildern und ihrer Auswirkungen auf die Diagnose: Eine klinische Studie
Fundusbilder werden in der Augenheilkunde häufig zur Erkennung von diabetischer Retinopathie, Glaukom und anderen Erkrankungen eingesetzt.
In der Praxis kann die Qualität der Fundusbilder nicht akzeptabel sein, was die diagnostische Genauigkeit und Effizienz beeinträchtigen kann.
Hier haben die Forscher ein künstliches Intelligenzsystem etabliert und validiert, um eine automatische Qualitätsbewertung von Fundusbildern bei der Aufnahme zu erreichen.
Dieses System kann Fotografen auch anhand der Gründe für die schlechte Qualität beraten.
Studienübersicht
Status
Unbekannt
Bedingungen
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Voraussichtlich)
300
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510060
- Zhongshan Ophthalmic Center, Sun Yat-sen University
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Ja
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Einschlusskriterien:
- Patienten sollten den Inhalt kennen und die Einverständniserklärung unterschreiben.
Ausschlusskriterien:
- 1. Patienten, die nicht mit einem Fotografen kooperieren können, wie z. B. einige Gelähmte, Patienten mit Demenz und schwere Psychopathen.
- 2. Patienten, die der Unterzeichnung einer Einverständniserklärung nicht zustimmen.
Beschreibung
Einschlusskriterien:
- Patienten sollten den Inhalt kennen und die Einverständniserklärung unterschreiben.
Ausschlusskriterien:
- 1. Patienten, die nicht mit einem Fotografen kooperieren können, wie z. B. einige Gelähmte, Patienten mit Demenz und schwere Psychopathen.
- 2. Patienten, die der Unterzeichnung einer Einverständniserklärung nicht zustimmen.
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Beurteilung der Bildqualität des Fundus
Gerät: ein künstliches Intelligenzsystem zur Qualitätsbewertung von Fundusbildern.
Diese Patienten werden in primären Gesundheitseinrichtungen oder der AI-Klinik im Zhongshan Ophthalmic Center aufgenommen.
|
Der Teilnehmer muss lediglich wie gewohnt eine Fundusaufnahme machen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Leistung eines künstlichen Intelligenzsystems zur Unterscheidung zwischen guter und schlechter Bildqualität
Zeitfenster: 3 Monate
|
Fläche unter den Betriebskennlinien des Empfängers, Empfindlichkeit, Spezifität, positive und negative Vorhersagewerte, Genauigkeit
|
3 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Der Vergleich der Leistung früherer Diagnosesysteme mit künstlicher Intelligenz mit Fundusbildern unterschiedlicher Bildqualität
Zeitfenster: 3 Monate
|
Cohens Kappa-Koeffizient, P-Wert und andere verwandte statistische Ergebnisse
|
3 Monate
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Tatsächlich)
1. Februar 2020
Primärer Abschluss (Voraussichtlich)
1. Juli 2020
Studienabschluss (Voraussichtlich)
1. Juli 2020
Studienanmeldedaten
Zuerst eingereicht
26. Februar 2020
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
26. Februar 2020
Zuerst gepostet (Tatsächlich)
28. Februar 2020
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
28. Februar 2020
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
26. Februar 2020
Zuletzt verifiziert
1. Februar 2020
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- IMAQUA2020-China-01
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
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 .
Klinische Studien zur Erkrankungen der Netzhaut
-
PYC TherapeuticsRekrutierungRetinitis pigmentosa | Augenkrankheiten, erblich | Netzhautdystrophien | Stab für Netzhautdystrophie | Retinal Dystrophy Rod ProgressiveVereinigte Staaten, Australien