Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Künstliche Intelligenz zum Screening mehrerer Hornhauterkrankungen

8. Januar 2024 aktualisiert von: Tianjin Eye Hospital

Anwendung von Deep Learning zum Screening mehrerer Hornhauterkrankungen

Diese Studie entwickelte einen Deep-Learning-Algorithmus auf der Grundlage von Bildern des vorderen Segments und validierte prospektiv seine Fähigkeit, Hornhauterkrankungen zu identifizieren. Die Wirksamkeit und Genauigkeit dieses Algorithmus wurde anhand von Sensitivität, Spezifität, positivem Vorhersagewert, negativem Vorhersagewert und Fläche unter der Kurve bewertet.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

3000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studienorte

  • China
    • Tianjin
      • Tianjin, Tianjin, China
        • Rekrutierung
        • Tiajin Eye Hospital

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

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Die Studienpopulation wird aus einer anonymen Datenbank abgeleitet, die Gesundheitsuntersuchungsergebnisse der Allgemeinbevölkerung enthält.

Beschreibung

Einschlusskriterien:

  1. Die Qualität der Spaltlampenbilder sollte klinisch akzeptabel sein.
  2. Mehr als 90 % des Bildbereichs der Spaltlampe, einschließlich der drei Hauptbereiche (Sklera, Pupille und Linse), sind leicht zu lesen und zu unterscheiden.

Ausschlusskriterien:

1）Unzureichende Informationen für die Diagnose.

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
Hornhauterkrankungen werden durch einen Algorithmus der künstlichen Intelligenz diagnostiziert
Diagnosetest: Hornhauterkrankungen werden durch einen Algorithmus der künstlichen Intelligenz diagnostiziert
Ein Algorithmus der künstlichen Intelligenz wurde angewendet, um Hornhauterkrankungen anhand von Spaltlampenbildern zu diagnostizieren.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Fläche unter der Kurve
Zeitfenster: 1 Woche
Wir haben die ROC-Kurve (Receiver Operating Characteristic) und die Fläche unter der Kurve verwendet, um die Fähigkeit dieses Algorithmus der künstlichen Intelligenz zur Erkennung und Klassifizierung von Hornhauterkrankungen zu untersuchen.
1 Woche
Sensitivität und Spezifität
Zeitfenster: 1 Woche
Mithilfe von Sensitivität und Spezifität haben wir die Fähigkeit dieses Algorithmus der künstlichen Intelligenz zur Erkennung und Klassifizierung von Hornhauterkrankungen untersucht.
1 Woche

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Tianjin Eye Hospital

Ermittler

  • Studienstuhl: Yan Wang, Prof, TianJin eye hospital

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)

6. Dezember 2020

Primärer Abschluss (Tatsächlich)

6. Dezember 2021

Studienabschluss (Geschätzt)

6. Dezember 2024

Studienanmeldedaten

Zuerst eingereicht

8. Januar 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

8. Januar 2024

Zuerst gepostet (Tatsächlich)

18. Januar 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

18. Januar 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

8. Januar 2024

Zuletzt verifiziert

1. Januar 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • KY-2023083

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

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 Deep Learning, Hornhauterkrankungen, Screening

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Venezuela

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

3
Abonnieren