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

AI luokittelee verkkokalvon sairauksia

keskiviikko 9. joulukuuta 2020 päivittänyt: Beijing Tongren Hospital

Syväoppimiseen perustuva automaattinen moniverkkokalvosairauksien luokittelu silmänpohjavalokuvauksesta

Tämän tutkimuksen tavoitteena on luoda syväoppimisalgoritmi (DL), joka luokittelee automaattisesti useita sairauksia silmänpohjakuvauksesta ja erottaa tärkeimmät näköä uhkaavat tilat ja muut verkkokalvon poikkeavuudet. Vakiintuneen algoritmin tehokkuus ja tarkkuus arvioidaan yhteisöpohjaisessa tietojoukossa.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Verkkokalvon sairaudet uhkaavat vakavasti näköä ja elämänlaatua, mutta kehittyvät usein salakavalasti. Tähän mennessä syväoppimisalgoritmit (DL) ovat osoittaneet suuria näkymiä biolääketieteessä, erityisesti silmäsairauksien diagnosoinnissa, kuten diabeettinen retinopatia, ikään liittyvä silmänpohjan rappeuma, keskosten retinopatia, glaukooma ja papillideema. Silti yksittäinen algoritmi, joka voisi luokitella silmänpohjakuvauksesta useita sairauksia, puuttuu.

Tämä poikkileikkaustutkimus luo DL-algoritmin, joka luokittelee automaattisesti useita sairauksia silmänpohjakuvauksesta ja erottaa tärkeimmät näköä uhkaavat tilat ja muut verkkokalvon poikkeavuudet. Käytämme vastaanottimen toimintakäyrää (ROC) tutkiaksemme kykyä tunnistaa ja luokitella sairauksia. Kun otetaan asiantuntijapaneelin tulokset kultaiseksi standardiksi, käytämme arviointiindeksejä, kuten herkkyys, spesifisyys, tarkkuus, positiivinen ennustearvo, negatiivinen ennustearvo jne., vertaillaksemme tekoälyn tunnistusjärjestelmän ja ihmisen silmälääkärin diagnostista kapasiteettia. .

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Odotettu)

10000

Yhteystiedot ja paikat

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

Opiskelupaikat

    • Beijing
      • Beijing, Beijing, Kiina, 100730
        • Rekrytointi
        • Wen-Bin Wei

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

Ei-todennäköisyysnäyte

Tutkimusväestö

yhteisöperäinen tietojoukko

Kuvaus

Sisällyttämiskriteerit:

  • silmänpohjakuvaus noin 45°:n kenttä, joka kattaa optisen levyn ja makulan
  • täydelliset potilaan tunnistetiedot;

Poissulkemiskriteerit:

  • puutteelliset potilaan tunnistetiedot

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
DL-algoritmilla diagnosoidut verkkokalvon monisairaudet
DL-algoritmi luokittelee automaattisesti silmänpohjakuvauksesta useat sairaudet ja erottaa tärkeimmät näköä uhkaavat sairaudet ja muut verkkokalvon poikkeavuudet.
Asiantuntijapaneelin diagnosoimat verkkokalvon monisairaudet
Asiantuntijapaneeli luokittelee silmänpohjakuvauksesta useita sairauksia ja erottaa tärkeimmät näköä uhkaavat sairaudet ja muut verkkokalvon poikkeavuudet.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Käyrän alla oleva pinta-ala
Aikaikkuna: 1 viikko
Käytämme vastaanottimen toimintakäyrää (ROC) tutkiaksemme kykyä tunnistaa ja luokitella sairauksia. Asiantuntijapaneelin tulokset otetaan kultastandardina, joten käytämme käyrän alla olevaa pinta-alaa verrattaessa tekoälyn tunnistusjärjestelmän ja ihmisen silmälääkärin diagnostiikkakapasiteettia.
1 viikko
Herkkyys ja spesifisyys
Aikaikkuna: 1 viikko
Asiantuntijapaneelin tuloksia pidetään kultaisena standardina, joten käytämme herkkyyttä ja spesifisyyttä vertaillaksemme diagnostista kapasiteettia tekoälyn tunnistusjärjestelmän ja ihmisen silmälääkärin välillä.
1 viikko
Positiivinen ja negatiivinen ennustearvo
Aikaikkuna: 1 viikko
Asiantuntijapaneelin tulokset huomioiden kultastandardin, käytämme positiivista ja negatiivista ennustearvoa vertaillaksemme tekoälyn tunnistusjärjestelmän ja ihmisen silmälääkärin diagnostista kapasiteettia.
1 viikko
Tarkkuus
Aikaikkuna: 1 viikko
Asiantuntijapaneelin tulokset ovat kultastandardi, joten verrataan tarkkuudella diagnostista kapasiteettia tekoälyn tunnistusjärjestelmän ja ihmisen silmälääkärin välillä.
1 viikko

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)

Sunnuntai 1. marraskuuta 2020

Ensisijainen valmistuminen (Odotettu)

Maanantai 1. marraskuuta 2021

Opintojen valmistuminen (Odotettu)

Keskiviikko 1. joulukuuta 2021

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 13. lokakuuta 2020

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 15. lokakuuta 2020

Ensimmäinen Lähetetty (Todellinen)

Maanantai 19. lokakuuta 2020

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 11. joulukuuta 2020

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 9. joulukuuta 2020

Viimeksi vahvistettu

Torstai 1. lokakuuta 2020

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • Retinal multi diseases

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Joo

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Yhdysvalloissa valmistettu ja sieltä viety tuote

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 .

Tilaa