Pilotstudie zu Deep Learning im Auge (IDLE)
5. Januar 2021 aktualisiert von: Pieter Nelis, CRG UZ Brussel
Validierung eines Transfer-Learning-Deep-Learning-Algorithmus zur Bildklassifizierung bei mehreren Pathologien
Deep Learning ermöglicht die Klassifizierung von Bildern mithilfe eines selbstlernenden Algorithmus.
Transferlernen baut auf einem vorhandenen selbstlernenden Algorithmus auf, um eine Bildklassifizierung mit weniger Bildern zu ermöglichen.
In dieser Studie wird diese Technik auf verschiedene Bildmodalitäten bei verschiedenen Syndromen angewendet.
Retrospektives Studiendesign.
Studienübersicht
Status
Unbekannt
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Voraussichtlich)
120
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
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
18 Jahre bis 100 Jahre (Erwachsene, Älterer Erwachsener)
Akzeptiert gesunde Freiwillige
Ja
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Gesunde und nicht gesunde Probanden: Extrahieren Sie Daten aus verfügbaren Bildern
Beschreibung
Einschlusskriterien:
- Verfügbarkeit von Bildern, die eine Diskriminierung ermöglichen.
Ausschlusskriterien:
- Es liegen keine eindeutigen Daten zur Krankheitsdifferenzierung vor
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 |
|---|---|
|
Keine Pathologie
|
|
|
Pathologie
|
Bildklassifizierung mithilfe eines Deep-Learning-Algorithmus
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Validierung der Bildklassifizierung durch Transfer-Learning-Algorithmus
Zeitfenster: 1 Jahr
|
1 Jahr
|
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 (Voraussichtlich)
1. Februar 2021
Primärer Abschluss (Voraussichtlich)
1. Dezember 2021
Studienabschluss (Voraussichtlich)
1. Dezember 2022
Studienanmeldedaten
Zuerst eingereicht
7. Dezember 2020
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
7. Dezember 2020
Zuerst gepostet (Tatsächlich)
11. Dezember 2020
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
7. Januar 2021
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
5. Januar 2021
Zuletzt verifiziert
1. Januar 2021
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- IDLE1000
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
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 Diabetische Retinopathie
-
Steno Diabetes Center CopenhagenMosaiques Diagnostics GmbHAnmeldung auf EinladungAlbuminurie | Geben Sie 2 DM ein | Typ 2 DM /Diabetic NephropathyDänemark