Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

CNN:n diagnostinen tehokkuus näkökentän eriyttämisessä

torstai 23. tammikuuta 2020 päivittänyt: Xiulan Zhang, Sun Yat-sen University

Konvoluutiohermoverkkoon perustuvan algoritmin diagnostinen tehokkuus glaukomatoottisen näkökentän erottamisessa ei-glaukomatoottisesta näkökentästä

Glaukooma on tällä hetkellä johtava peruuttamattoman sokeuden aiheuttaja maailmassa. Monikeskustutkimus on suunniteltu arvioimaan konvoluutiohermoverkkoon perustuvan algoritmin tehokkuutta glaukomatoottisen näkökentän erottamisessa ei-glaukomatoottisesta näkökentästä ja arvioimaan sen käyttökelpoisuutta todellisessa maailmassa.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Glaukooma on maailman johtava peruuttamattoman sokeuden aiheuttaja, jolle on tunnusomaista verkkokalvon hermosäikekerroksen oheneminen ja näkökenttävauriot. Näkökenttätesti on yksi kultastandardeista glaukooman diagnosoinnissa ja etenemisen arvioinnissa. Näkökenttätulosten tulkinnalle ei kuitenkaan ole olemassa yleisesti hyväksyttyä standardia, joka on subjektiivinen ja vaatii paljon kokemusta. Tällä hetkellä tekoäly on saavuttanut ihmislääkäreihin verrattavan tarkkuuden monien eri sairauksien lääketieteellisen kuvantamisen tulkinnassa. Aiemmin olemme kouluttaneet syvän konvoluutiohermoverkoston lukemaan näkökenttäraportteja, joilla on jopa parempi diagnostinen tehokkuus kuin silmälääkäreillä. Nykyinen monikeskustutkimus on suunniteltu arvioimaan konvoluutiohermoverkkopohjaisen algoritmin tehokkuutta glaukomatoottisen näkökentän erottamisessa ei-glaukomatoottisesta näkökentästä, vertaamaan sen suorituskykyä silmälääkäreihin ja arvioimaan sen käyttökelpoisuutta todellisessa maailmassa.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

437

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

    • Guangdong
      • Guangzhou, Guangdong, Kiina, 51000
        • Zhongshan Ophthalmic Center

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

18 vuotta ja vanhemmat (AIKUINEN, OLDER_ADULT)

Hyväksyy terveitä vapaaehtoisia

Joo

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Potilaat klinikoilta eri silmäkeskuksissa eri puolilla Kiinaa. Jokainen koehenkilö on diagnosoitava kattavien lääketieteellisten testien ja potilaskertomusten perusteella. Johtava keskus lukee kaikki lääketieteelliset tiedot antaakseen diagnoosin kultaiseksi standardiksi.

Kuvaus

Sisällyttämiskriteerit:

  1. Ikä≥18;
  2. Tietoinen suostumus saatu;
  3. Diagnosoitu erityisiä silmäsairauksia;
  4. Pystyy suorittamaan näkökenttätestin

Poissulkemiskriteerit:

Epätäydelliset kliiniset tiedot diagnoosin tukemiseksi

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
AI ryhmä
Tämän ryhmän näkökenttäraportit arvioi konvoluutiohermoverkko.
Algoritmi ja silmälääkärit arvioivat kerätyt näkökentät itsenäisesti. Algoritmin ja silmälääkäreiden suorituskykyä verrattaisiin, mukaan lukien tarkkuus, AUC, herkkyys ja spesifisyys.
Muut nimet:
  • Normaali diagnostinen menettely
Ihmisryhmä
Tämän ryhmän näkökenttäraportit arvioi 3 silmälääkäriä itsenäisesti.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Aikaikkuna
Konvoluutiohermoverkon AUC-arvo glaukooman näkökentän erottamisessa ei-glaukooman näkökentästä
Aikaikkuna: tammikuusta 2019 tammikuuhun 2020
tammikuusta 2019 tammikuuhun 2020

Toissijaiset tulostoimenpiteet

Tulosmittaus
Aikaikkuna
Konvoluutiohermoverkon herkkyys ja spesifisyys glaukooman näkökentän havaitsemisessa
Aikaikkuna: tammikuusta 2019 tammikuuhun 2020
tammikuusta 2019 tammikuuhun 2020

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (TODELLINEN)

Perjantai 15. maaliskuuta 2019

Ensisijainen valmistuminen (TODELLINEN)

Tiistai 31. joulukuuta 2019

Opintojen valmistuminen (TODELLINEN)

Tiistai 31. joulukuuta 2019

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 26. marraskuuta 2018

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 28. marraskuuta 2018

Ensimmäinen Lähetetty (TODELLINEN)

Perjantai 30. marraskuuta 2018

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (TODELLINEN)

Maanantai 27. tammikuuta 2020

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Torstai 23. tammikuuta 2020

Viimeksi vahvistettu

Keskiviikko 1. tammikuuta 2020

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • 2018KYPJ125

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Kliiniset tutkimukset AI-diagnostiikkaalgoritmi

Tilaa