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

Syväoppiminen retinoblastooman havaitsemisessa ja seurannassa.

torstai 24. maaliskuuta 2022 päivittänyt: Wenbin Wei, Beijing Tongren Hospital

Deep Learning tietokoneavusteinen tunnistusjärjestelmä retinoblastooman havaitsemiseen ja seurantaan.

Retinoblastooma on yleisin lapsuuden silmäsyöpä. Silmiä säilyttävät hoidot edellyttävät retinoblastooman regression ja uusiutumisen rutiininomaista seurantaa vastaavan hoidon ohjaamiseksi. Nykyisessä tutkimuksessa kehitämme syvän oppimisalgorismin, joka voi samanaikaisesti tunnistaa retinoblastoomakasvaimia Retcam-kuvista ja erottaa aktiiviset ja inaktiiviset retinoblastoomakasvaimet. Tämä algoritmi validoidaan tulevaisuuteen kerätyn tietojoukon avulla.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Retinoblastooma, yleisin lapsuuden silmäsyöpä, vaikuttaa yhdelle 15 000 - 1 18 000 elävänä syntyneestä. Kiinassa on toiseksi eniten retinoblastoomapotilaita maailmassa. Silmiä suojaavia hoitoja on käytetty laajalti Kiinassa noin 15 vuoden ajan. Silmiä säilyttävät hoidot edellyttävät retinoblastooman regression ja uusiutumisen rutiininomaista seurantaa vastaavan hoidon ohjaamiseksi. Suurin osa pätevistä silmälääkäreistä on kuitenkin keskittynyt useisiin terveyskeskuksiin. Retcam-tutkimukseen perustuva syvä oppiminen, joka voi tunnistaa retinoblastooman, vähentää paikallisten sairaaloiden seulontatarkkuutta ja vähentää seurantaa. Tässä tutkimuksessa kehitettiin syväoppimisalgorismi, joka voi samanaikaisesti tunnistaa retinoblastoomakasvaimia Retcam-kuvista ja erottaa aktiiviset ja inaktiiviset retinoblastoomakasvaimet. Tämä algoritmi validoidaan tulevaisuuteen kerätyn tietojoukon avulla.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Odotettu)

200

Yhteystiedot ja paikat

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

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

  • Kiina
    • 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

1 sekunti - 5 vuotta (LAPSI)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Retinoblastoomapotilaat saavat tavanomaista lääketieteellistä hoitoa.

Kuvaus

Sisällyttämiskriteerit:

  • Retinoblastoomapotilaat saavat tavanomaista lääketieteellistä hoitoa.

Poissulkemiskriteerit:

  • Käyttäjät tunnistivat kuvat, joita ei voitu arvioida oikean diagnoosin saamiseksi esimerkiksi epätarkkuuden ja epätarkkuuden vuoksi, ja sulkivat ne lisäanalyysistä.

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
Retinoblastoomapotilaat
Retinoblastoomapotilaat, jotka saavat tavallista lääketieteellistä hoitoa Pekingin Tongrenin sairaalassa. Vanhemmat silmälääkärit keräävät ja merkitsevät näiden potilaiden nimettömät kuvat.
Diagnostinen testi: Syväoppimisen algoritmi
Aiemmin kehitettyä syväoppimisalgorismia käytettäisiin tunnistamaan retinoblastoomakasvaimia Retcam-kuvista ja erottamaan aktiiviset ja inaktiiviset retinoblastoomakasvaimet. Kahden eri johtavan silmälääkärin päätös olisi kultainen standardi.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Syväoppimisalgorismin diagnoosin tarkkuus
Aikaikkuna: 1 viikko
Tämän syvän oppimisalgorismin diagnostinen tarkkuus on todellisten positiivisten ja tosi negatiivisten osuus kaikissa arvioiduissa tapauksissa
1 viikko

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Beijing Tongren Hospital

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. maaliskuuta 2020

Ensisijainen valmistuminen (ODOTETTU)

Sunnuntai 1. toukokuuta 2022

Opintojen valmistuminen (ODOTETTU)

Lauantai 1. lokakuuta 2022

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Torstai 24. maaliskuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 24. maaliskuuta 2022

Ensimmäinen Lähetetty (TODELLINEN)

Perjantai 1. huhtikuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (TODELLINEN)

Perjantai 1. huhtikuuta 2022

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Torstai 24. maaliskuuta 2022

Viimeksi vahvistettu

Tiistai 1. maaliskuuta 2022

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • AI in retinoblastoma

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 Syväoppimisen algoritmi

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in Senegal

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

Tilaa