AI klassifiziert multiretinale Erkrankungen
Deep-Learning-basierte automatisierte Klassifizierung multiretinaler Erkrankungen anhand der Fundusfotografie
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Netzhauterkrankungen gefährden das Sehvermögen und die Lebensqualität erheblich, entwickeln sich jedoch oft schleichend. Bisher haben Deep-Learning-Algorithmen (DL) große Chancen in der biomedizinischen Wissenschaft gezeigt, insbesondere bei der Diagnose von Augenerkrankungen wie diabetischer Retinopathie, altersbedingter Makuladegeneration, Frühgeborenen-Retinopathie, Glaukom und Papillenödem. Es fehlt jedoch immer noch ein einziger Algorithmus, der mehrere Erkrankungen anhand der Fundusfotografie klassifizieren kann.
Diese Querschnittsstudie wird einen DL-Algorithmus etablieren, um mehrere Krankheiten anhand der Fundusfotografie automatisch zu klassifizieren und schwerwiegende, das Sehvermögen gefährdende Zustände und andere Netzhautanomalien zu unterscheiden. Wir werden die Receiver Operating Characteristic (ROC)-Kurve verwenden, um die Fähigkeit zur Erkennung und Klassifizierung von Krankheiten zu untersuchen. Wir nehmen die Ergebnisse des Expertengremiums als Goldstandard und verwenden Bewertungsindizes wie Sensitivität, Spezifität, Genauigkeit, positiver Vorhersagewert, negativer Vorhersagewert usw., um die Diagnosekapazität zwischen dem KI-Erkennungssystem und dem menschlichen Augenarzt zu vergleichen .
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienorte
-
-
Beijing
-
Beijing, Beijing, China, 100730
- Rekrutierung
- Wen-Bin Wei
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Fundusfotografie um das 45°-Feld, das Papille und Makula abdeckt
- vollständige Informationen zur Patientenidentifikation;
Ausschlusskriterien:
- unvollständige Informationen zur Patientenidentifikation
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Durch den DL-Algorithmus diagnostizierte Netzhaut-Multierkrankungen
|
Der DL-Algorithmus klassifiziert anhand der Fundusfotografie automatisch mehrere Krankheiten und unterscheidet schwerwiegende, das Sehvermögen gefährdende Zustände und andere Netzhautanomalien.
|
|
Von einem Expertengremium diagnostizierte Netzhaut-Multierkrankungen
|
Das Expertengremium klassifiziert mehrere Krankheiten anhand der Fundusfotografie und unterscheidet schwerwiegende, das Sehvermögen gefährdende Zustände und andere Netzhautanomalien.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Fläche unter der Kurve
Zeitfenster: 1 Woche
|
Wir werden die Receiver Operating Characteristic (ROC)-Kurve verwenden, um die Fähigkeit zur Erkennung und Klassifizierung von Krankheiten zu untersuchen.
Wir nehmen die Ergebnisse des Expertengremiums als Goldstandard und verwenden die Fläche unter der Kurve, um die Diagnosekapazität zwischen dem KI-Erkennungssystem und dem menschlichen Augenarzt zu vergleichen.
|
1 Woche
|
|
Sensitivität und Spezifität
Zeitfenster: 1 Woche
|
Ausgehend von den Ergebnissen des Expertengremiums als Goldstandard werden wir Sensitivität und Spezifität verwenden, um die diagnostische Kapazität zwischen dem KI-Erkennungssystem und dem menschlichen Augenarzt zu vergleichen.
|
1 Woche
|
|
Positiver und negativer Vorhersagewert
Zeitfenster: 1 Woche
|
Basierend auf den Ergebnissen des Expertengremiums als Goldstandard werden wir positive und negative Vorhersagewerte verwenden, um die diagnostische Kapazität zwischen dem KI-Erkennungssystem und dem menschlichen Augenarzt zu vergleichen.
|
1 Woche
|
|
Genauigkeit
Zeitfenster: 1 Woche
|
Ausgehend von den Ergebnissen des Expertengremiums als Goldstandard werden wir anhand der Genauigkeit die Diagnosekapazität zwischen dem KI-Erkennungssystem und dem menschlichen Augenarzt vergleichen.
|
1 Woche
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Voraussichtlich)
Studienabschluss (Voraussichtlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- Retinal multi diseases
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
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 .