Tutkimus Chang Gungin EKG:n poikkeavuuksien havaitsemisohjelmiston tarkkuuden ja kelpoisuuden arvioimiseksi
"Chang Gung EKG:n poikkeavuuksien havaitsemisohjelmisto" on tekoälyn lääketieteellisten signaalien analysointiohjelmisto, joka havaitsee staattisen 12-kytkentäisen EKG:n avulla, onko potilailla 14 sairauden epänormaaleja EKG-signaaleja. 14 sairautta olivat
- Pitkä QT-oireyhtymä
- Sinusbradykardia
- Sinustakykardia
- Ennenaikaiset eteiskompleksit
- Ennenaikaiset kammiokompleksit
- Eteisvärinä, oikeanpuoleinen haaratuki
- Vasemman nipun haaralohko
- Vasemman kammion hypertrofia
- Etuseinä Sydäninfarkti
- Väliseinämä Sydäninfarkti
- Sivuseinä Sydäninfarkti
- Alaseinä Sydäninfarkti
- Takapeinä Sydäninfarkti
Tämän tutkimuksen päätarkoituksena on varmistaa, voiko "Chang Gungin EKG-poikkeavuuksien havaitsemisohjelmisto" tunnistaa oikein 14 sairauden potilaiden epänormaaleja EKG-signaaleja. Tulkintastandardi on kolmen kardiologin yksimielisyys. Ohjelmistoanalyysin tuloksia käytetään arvioitaessa ensisijaisten ja toissijaisten arviointiindikaattoreiden suorituskykyä.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Yksityiskohtainen menettely:
Esimerkkilähde:
Tämä on retrospektiivinen tutkimus, ja tiedot ovat peräisin Chang Gungin lääketieteellisestä tutkimustietokannasta (CGRD), joka oli Chang Gung Memorial -sairaalan kuuden sairaalan tietokanta. Keräsimme tietokannasta tunnistamattomia staattisia 12-kytkentäisiä EKG-tietoja 2006.01.01-2019.12.31, ja EKG:n pituus oli 10 sekuntia.
Näytteenotto:
Tässä kokeessa harjoitustietojoukko ja testitietojoukon EKG erotettiin. Tämän jälkeen EKG-signaalit kerrostetaan testinäytteen jakautumisen mukaan, ja kaikki 14 sairauden epänormaalit EKG-signaalit otetaan itsenäisesti näytteet testisarjan EKG-tietokannasta.
Vahvistuskriteerit:
EKG-tiedot seulotaan ja valitaan alustavasti mukaanotto- ja poissulkemiskriteerien sekä koottujen sarjanumeroiden mukaan. Tämän jälkeen kardiologi vahvistaa, että EKG-tietojen näytteenottotuloksissa ei enää ole poissulkemiskriteerejä.
Lääkärin tulkinta:
EKG-tiedot muunnetaan graafisiksi tiedostoiksi ja toimitetaan kolmelle kardiologille tulkitsemaan 14:stä samankaltaisesta sairaudesta poikkeavia EKG-signaaleja. Tuloksia käytetään tämän tutkimuksen standardina (viite).
Ohjelmistotulkinta:
Kun olet vahvistanut testistandardin, syötä EKG-signaali Chang Gungin EKG-poikkeavuuksien havaitsemisohjelmistoon analysoimaan 14 sairauden epänormaalit EKG-signaalit ja tulkitsemaan jokainen EKG-tieto.
- Tilastollinen analyysi:
Kun ohjelmistotulkinta on valmis, sitä verrataan lääkärin tulkinnan tuloksiin ja analysoidaan ensisijaiset ja toissijaiset arviointiindikaattorit.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Chang-Fu Kuo, MD/Ph.D
- Puhelinnumero: 7731 +886 033281200
- Sähköposti: zandis@gmail.com
Opiskelupaikat
-
-
-
Taoyuan city, Taiwan, 333
- Chang Gung memorial hospital
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Kaksikymmentä vuotta vanha tai vanhempi.
- Staattinen 12-kytkentäinen elektrokardiogrammi General Electric MUSE XML -muotoisesta tiedostosta.
- Tiedot tulevat General Electricin (malli MAC5500) staattisesta 12-kytkentäisestä EKG-laitteesta.
- Elektrokardiogrammin signaali on 500 Hz.
- Elektrokardiogrammisignaalin vaihtovirtasuodatin (AC) on 60 Hz.
- Alkuperäisen diagnoosin lähteenä oli kardiologi.
Poissulkemiskriteerit:
- Mallin kehitysprosessissa käytetyt tapaukset.
- Siitä puuttuu elektrodit.
- Sisällytä mikä tahansa elektrodi puuttuu segmentti.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Ohjelmiston diagnoosi
Ohjelmistodiagnoosi kolmen kardiologin tulkinnalla.
|
Tätä laitetta odotetaan käytettävän staattisessa 12-kytkentäisessä EKG:ssä sen havaitsemiseksi, onko sairauksiin liittyviä epänormaaleja EKG-signaaleja, ja tulostaa tulokset.
Muut nimet:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Herkkyys ja spesifisyys
Aikaikkuna: perusviiva
|
Testitulosten määrä, joka osoittaa oikein läsnäolon ja poissaolon.
|
perusviiva
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Alue Vastaanottimen toimintakäyrän alla
Aikaikkuna: Perustaso
|
Graafinen kaavio, joka havainnollistaa binääriluokittelujärjestelmän diagnostista kykyä sen erottelukynnyksenä, vaihtelee.
|
Perustaso
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Opintojen puheenjohtaja: Chang-Fu Kuo, MD/Ph.D, Associate Professor and Director Division of Rheumatology
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Ribeiro AH, Ribeiro MH, Paixao GMM, Oliveira DM, Gomes PR, Canazart JA, Ferreira MPS, Andersson CR, Macfarlane PW, Meira W Jr, Schon TB, Ribeiro ALP. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nat Commun. 2020 Apr 9;11(1):1760. doi: 10.1038/s41467-020-15432-4. Erratum In: Nat Commun. 2020 May 1;11(1):2227.
- Malik J, Devecioglu OC, Kiranyaz S, Ince T, Gabbouj M. Real-Time Patient-Specific ECG Classification by 1D Self-Operational Neural Networks. IEEE Trans Biomed Eng. 2022 May;69(5):1788-1801. doi: 10.1109/TBME.2021.3135622. Epub 2022 Apr 21.
- Acharya U.R., Fujita H., Lih O.S., Adam M., Tan J.H., Chua C.K. Automated detection of coronary artery disease using different durations of ECG segments with convolutional neu-ral network Knowl.-Based Syst., 132 (sep.15) (2017), pp. 62-71
- Bos JM, Attia ZI, Albert DE, Noseworthy PA, Friedman PA, Ackerman MJ. Use of Artificial Intelligence and Deep Neural Networks in Evaluation of Patients With Electrocardiographically Concealed Long QT Syndrome From the Surface 12-Lead Electrocardiogram. JAMA Cardiol. 2021 May 1;6(5):532-538. doi: 10.1001/jamacardio.2020.7422.
- U. Rajendra Acharya, Hamido Fujita, Oh Shu Lih, Yuki Hagiwara, Jen Hong Tan, Muhammad Adam, Automated detection of arrhythmias using different intervals of tachycardia ECG seg-ments with convolutional neural network, Information Sciences, Volume 405, 2017, Pages 81-90, ISSN 0020-0255
- Jeong DU, Lim KM. Convolutional neural network for classification of eight types of arrhythmia using 2D time-frequency feature map from standard 12-lead electrocardiogram. Sci Rep. 2021 Oct 14;11(1):20396. doi: 10.1038/s41598-021-99975-6.
- Kwon JM, Jeon KH, Kim HM, Kim MJ, Lim SM, Kim KH, Song PS, Park J, Choi RK, Oh BH. Comparing the performance of artificial intelligence and conventional diagnosis criteria for detecting left ventricular hypertrophy using electrocardiography. Europace. 2020 Mar 1;22(3):412-419. doi: 10.1093/europace/euz324.
- Makimoto H, Hockmann M, Lin T, Glockner D, Gerguri S, Clasen L, Schmidt J, Assadi-Schmidt A, Bejinariu A, Muller P, Angendohr S, Babady M, Brinkmeyer C, Makimoto A, Kelm M. Performance of a convolutional neural network derived from an ECG database in recognizing myocardial infarction. Sci Rep. 2020 May 21;10(1):8445. doi: 10.1038/s41598-020-65105-x.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
- Iskemia
- Patologiset prosessit
- Nekroosi
- Sydänlihaksen iskemia
- Sydänsairaudet
- Sydän-ja verisuonitaudit
- Verisuonisairaudet
- Synnynnäiset poikkeavuudet
- Patologiset tilat, anatomiset
- Rytmihäiriöt, sydän
- Sydämen johtamisjärjestelmän sairaus
- Raskauden komplikaatiot
- Synnytystyön komplikaatiot
- Synnytystyö, ennenaikainen
- Infarkti
- Sydänvika, synnynnäinen
- Kardiovaskulaariset poikkeavuudet
- Kardiomegalia
- Sydänkompleksit, ennenaikaiset
- Takykardia, supraventrikulaarinen
- Naisten virtsa- ja sukupuolielinten sairaudet ja raskauden komplikaatiot
- Urogenitaaliset sairaudet
- Sydäninfarkti
- Bundle-Branch Block
- Sydäntuki
- Ennenaikainen Synnytys
- Bradykardia
- Takykardia
- Hypertrofia
- Eteisvärinä
- Hypertrofia, vasen kammio
- Kammioiden ennenaikaiset kompleksit
- Pitkä QT-oireyhtymä
- Eteisen ennenaikaiset kompleksit
- Takykardia, sinus
Muut tutkimustunnusnumerot
- 202300710A5
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 Sydäninfarkti
-
TherOxRekrytointiAnterior Acute Myocardial Infarction (AMI)Yhdysvallat