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

Monien silmänpohjan sairauksien syväoppimisjärjestelmän kehittäminen ja validointi verkkokalvokuvia käyttämällä

tiistai 24. joulukuuta 2019 päivittänyt: Haotian Lin, Sun Yat-sen University

Syväoppimisjärjestelmän kehittäminen ja validointi useille silmänpohjan sairauksille verkkokalvon kuvia käyttämällä: monikeskustutkimus

Verkkokalvokuvat voivat heijastaa sekä silmänpohjan että systeemisiä sairauksia (diabetes ja sydän- ja verisuonitaudit), ja niitä voidaan käyttää ensinnäkin lääketieteellisen tekoälyn (AI) algoritmien koulutuksessa sen kliinisen merkityksen ja helppokäyttöisten etujen vuoksi. Täällä tutkijat kehittivät yhden verkkomallin, jolla voidaan louhia ominaisuudet useiden silmänpohjasairauksien joukosta ja jota koulutettiin lukuisilla silmänpohjakuvilla, joissa kussakin oli yksi tai useampi sairausleima (jos niitä on). Mallin suorituskykyä verrattiin sekä kotimaisten että kansainvälisten silmälääkäreiden suoritukseen. Mallia testattiin edelleen tietojoukoilla eri kameratyypeillä ja validoitiin kolmella ulkoisella tietojoukolla, jotka kerättiin prospektiivisesti kliinisistä paikoista, joissa mallia sovellettaisiin.

Tutkimuksen yleiskatsaus

Tila

Tuntematon

Ehdot

Interventio / Hoito

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Odotettu)

300000

Yhteystiedot ja paikat

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

Opiskelupaikat

  • Kiina
    • Guangdong
      • Guangzhou, Guangdong, Kiina, 510060
        • Rekrytointi
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Ottaa yhteyttä:
        • Päätutkija:
          • Haotian Lin, Ph.D

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

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Verkkokalvokuvat kerättiin eri terveydenhuoltolaitoksista kaikkialta Kiinasta ja muista maista ympäri maailmaa.

Kuvaus

Sisällyttämiskriteerit:

  • Silmänpohjakuvien laadun tulee olla kliinisesti hyväksyttävä. Yli 80 % silmänpohjan kuva-alueesta, mukaan lukien neljä pääaluetta (optinen levy, makula, verkkokalvon ylempi ja alempi verisuonen kaari), on helppo lukea ja erotella.

Poissulkemiskriteerit:

  • Kuvat, joissa oli valovuotoa (> 30 % pinta-alasta), täpliä linssistä tai tahroista ja ylivalottuneita, jätettiin pois lisäanalyysistä.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Muut
  • Aikanäkymät: Muut

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Koulutuksen tietojoukko
Verkkokalvokuvat, jotka on kerätty sairaaloista ja useista seulontapaikoista kaikkialta Kiinasta
Vahvistustietojoukko
Verkkokalvon kuvat erotettu harjoitustietojoukosta
Muut: diagnostinen
Koulutustietojoukkoa käytettiin syväoppimismallin kouluttamiseen, joka validoitiin ja testattiin kahdella muulla tietojoukolla.
Testataan tietojoukkoa
Sairaaloista ja silmäsairauksien seulontapaikoista prospektiivisesti kerätyt verkkokalvokuvat ovat täysin erilaisia ​​kuin harjoitustietoaineisto
Muut: diagnostinen
Koulutustietojoukkoa käytettiin syväoppimismallin kouluttamiseen, joka validoitiin ja testattiin kahdella muulla tietojoukolla.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Syväoppimisjärjestelmän vastaanottimen toimintakäyrän alla oleva alue
Aikaikkuna: perusviiva
Tutkijat laskevat syväoppimisjärjestelmän vastaanottimen toimintakäyrän alla olevan alueen ja vertaavat tätä indeksiä syväoppimisjärjestelmän ja ihmisen lääkäreiden välillä.
perusviiva

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Syväoppimisjärjestelmän herkkyys
Aikaikkuna: perusviiva
Tutkijat laskevat syväoppimisjärjestelmän herkkyyden ja vertaavat tätä indeksiä syväoppimisjärjestelmän ja ihmisen lääkäreiden välillä.
perusviiva
Syväoppimisjärjestelmän erityispiirteet
Aikaikkuna: perusviiva
Tutkijat laskevat syväoppimisjärjestelmän spesifisyyden ja vertaavat tätä indeksiä syväoppimisjärjestelmän ja ihmisen lääkäreiden välillä.
perusviiva

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Sun Yat-sen University

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

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)

Keskiviikko 1. tammikuuta 2014

Ensisijainen valmistuminen (Odotettu)

Lauantai 1. helmikuuta 2020

Opintojen valmistuminen (Odotettu)

Perjantai 1. toukokuuta 2020

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 23. joulukuuta 2019

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 24. joulukuuta 2019

Ensimmäinen Lähetetty (Todellinen)

Maanantai 30. joulukuuta 2019

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Maanantai 30. joulukuuta 2019

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 24. joulukuuta 2019

Viimeksi vahvistettu

Sunnuntai 1. joulukuuta 2019

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • CCPMOH2019- China8

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 Oftalmologinen häiriö

Kliiniset tutkimukset diagnostinen

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in Togo

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

3
Tilaa