- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06211218
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
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
- Name: Yan Huo, Master
- Telefonnummer: 13102118953
- E-Mail: hy13102118953@163.com
Studienorte
-
-
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:
- Die Qualität der Spaltlampenbilder sollte klinisch akzeptabel sein.
- 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
|
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
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
-
RenJi HospitalNoch keine RekrutierungDeep Learning, lumbale Magnetresonanztomographie
-
Hai LvNoch keine RekrutierungFacettengelenke; Entartung; Deep Learning; Künstliche Intelligenz
-
Wuhan Union Hospital, ChinaNoch keine RekrutierungNicht-kleinzelligem Lungenkrebs | Pathologische vollständige Reaktion | Neoadjuvante Chemoimmuntherapie | Deep-Learning-Modell
-
Sun Yat-sen UniversityRekrutierungDeep-Learning-ModellChina
-
Centre Hospitalier Universitaire, AmiensUnbekanntNierenkolik | Urolithiasis | Steine der Harnwege | Deep-Learning-RekonstruktionFrankreich