Pilottitutkimus syvästä oppimisesta silmässä (IDLE)
tiistai 5. tammikuuta 2021 päivittänyt: Pieter Nelis, CRG UZ Brussel
Transfer Learning Deep Learning -algoritmin validointi kuvien luokittelua varten useissa patologioissa
Syväoppimisen avulla voit luokitella kuvia itseoppivan algoritmin avulla.
Siirto-oppiminen perustuu olemassa olevaan itseoppivaan algoritmiin, joka mahdollistaa kuvien luokittelun vähemmillä kuvilla.
Tässä tutkimuksessa tätä tekniikkaa sovelletaan erilaisiin kuvamodaliteeteihin eri oireyhtymissä.
Retrospektiivinen tutkimussuunnittelu.
Tutkimuksen yleiskatsaus
Tila
Tuntematon
Interventio / Hoito
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
120
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
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 - 100 vuotta (Aikuinen, Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Joo
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Terveet ja ei-terveet kohteet: poimi tiedot käytettävissä olevista kuvista
Kuvaus
Sisällyttämiskriteerit:
- Syrjinnän mahdollistavien kuvien saatavuus.
Poissulkemiskriteerit:
- Selkeää tietoa sairauksien erottelusta ei ole saatavilla
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 |
|---|---|
|
Ei patologiaa
|
|
|
Patologia
|
Kuvien luokittelu syväoppimisalgoritmilla
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Aikaikkuna |
|---|---|
|
Kuvan luokituksen validointi siirron oppimisalgoritmilla
Aikaikkuna: 1 vuosi
|
1 vuosi
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
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 (Odotettu)
Maanantai 1. helmikuuta 2021
Ensisijainen valmistuminen (Odotettu)
Keskiviikko 1. joulukuuta 2021
Opintojen valmistuminen (Odotettu)
Torstai 1. joulukuuta 2022
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 7. joulukuuta 2020
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Maanantai 7. joulukuuta 2020
Ensimmäinen Lähetetty (Todellinen)
Perjantai 11. joulukuuta 2020
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 7. tammikuuta 2021
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 5. tammikuuta 2021
Viimeksi vahvistettu
Perjantai 1. tammikuuta 2021
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- IDLE1000
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
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 .