Potenzielle Risikofaktoren und prädiktive Modellkonstruktion von OBL während SMILE
27. August 2024 aktualisiert von: Yifeng Yu, Second Affiliated Hospital of Nanchang University
Vorhersage einer undurchsichtigen Blasenschicht während einer Lentikelextraktionsoperation mit kleinem Schnitt basierend auf Deep Learning
Untersuchung der Vorhersage von OBL durch ein Deep-Learning-Modell in der SMILE-Chirurgie
Studienübersicht
Status
Abgeschlossen
Intervention / Behandlung
Detaillierte Beschreibung
Das DL-Modell wurde verwendet, um den OBL-Bereich während der SMILE-Operation vorherzusagen, indem die Vollansichtsbilder der Hornhaut vor dem Laserscannen identifiziert wurden.
Das entwickelte DL-Modell kann Chirurgen dabei unterstützen, den möglichen OBL-Bereich von Patienten im Voraus vorherzusagen, um einige chirurgische Parameter anzupassen und die Bildung von OBL zu reduzieren, wodurch negative Auswirkungen auf die Operation des Chirurgen und die postoperative Sehwiederherstellung des Patienten vermieden werden können wichtige praktische Bedeutung.
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
4678
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Jiangxi
-
Nanchang, Jiangxi, China, 330000
- The Second Affiliated Hospital of Nanchang 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
- Erwachsene
Akzeptiert gesunde Freiwillige
Ja
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Patienten aus Kliniken im Augenzentrum des zweiten angegliederten Krankenhauses der Nanchang-Universität
Beschreibung
Einschlusskriterien:
- Ein Zustand, bei dem der sphärische äquivalente Brechungsfehler eines Auges ≤ -0,50 D beträgt, wenn die Augenakkommodation entspannt ist;
- Alter ≥18 Jahre;
- Sphärisches Äquivalent (SE) ≥ -10,0D;
- Korrigierter Fernvisus (CDVA) ≥ 16/20;
- Stabile Myopie seit mindestens 2 Jahren;
- Tragen Sie seit mindestens 2 Wochen keine Kontaktlinsen
Ausschlusskriterien:
- Das Vorhandensein oder die Vorgeschichte anderer Augenerkrankungen als Myopie und Astigmatismus, wie z. B. Keratokonus oder äußere Augenverletzungen;
- Eine Geschichte der Augenchirurgie;
- Das Vorhandensein oder die Vorgeschichte systemischer Erkrankungen.
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 |
|---|---|
|
Augen mit SMILE-Operationen
Augen mit SMILE-Operationen, die von drei Chirurgen mit unterschiedlichen Erfahrungen durchgeführt wurden.
|
Operationen zur Lentikelextraktion mit kleinen Schnitten, durchgeführt von zwei Experten für refraktive Chirurgie (Experte für refraktive Chirurgie 1: YYF, außerordentlicher Professor mit 10 Jahren Erfahrung als refraktiver Chirurg; Experte für refraktive Chirurgie 2: GF, außerordentlicher Professor mit 5 Jahren Erfahrung als refraktiver Chirurg) und ein behandelnder Augenarzt (XJ, behandelnder Augenarzt mit 1 Jahr Erfahrung als refraktiver Chirurg).
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Der Bereich der Patienten mit undurchsichtiger Blasenschicht in den SMILE-Operationen
Zeitfenster: Tag 0
|
Während der SMILE-Operationen wurden Bereiche von Patienten mit undurchsichtiger Blasenschicht beobachtet.
|
Tag 0
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Deep-Learning-Modell
Zeitfenster: Tag 0
|
Prädiktive Leistung des Deep-Learning-Modells auf dem OBL bei SMILE-Operationen.
|
Tag 0
|
|
ResNet-Modell
Zeitfenster: Tag 0
|
Vorhersageleistung des ResNet-Modells auf dem OBL bei SMILE-Operationen.
|
Tag 0
|
|
Vgg19-Modell
Zeitfenster: Tag 0
|
Vorhersageleistung des Vgg-Modells auf dem OBL bei SMILE-Operationen.
|
Tag 0
|
|
U-Net-Modell
Zeitfenster: Tag 0
|
Vorhersageleistung des U-net-Modells auf dem OBL bei SMILE-Operationen.
|
Tag 0
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
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. Mai 2024
Primärer Abschluss (Tatsächlich)
1. August 2024
Studienabschluss (Tatsächlich)
1. August 2024
Studienanmeldedaten
Zuerst eingereicht
26. August 2024
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
27. August 2024
Zuerst gepostet (Tatsächlich)
29. August 2024
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
29. August 2024
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
27. August 2024
Zuletzt verifiziert
1. August 2024
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2024086
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 .