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

Detection of Systemic Diseases Such as Hepatobiliary Diseases From Ocular Images Via Deep Learning

maanantai 11. toukokuuta 2026 päivittänyt: Zhongshan Ophthalmic Center, Sun Yat-sen University
Oculomics is an emerging interdisciplinary field that deciphers multi-dimensional, high-throughput ocular data to predict, diagnose, and monitor systemic diseases and health span.In recent years, artificial Intelligence may provide insight into exploring the potential covert association behind and reveal some early ocular architecture changes in individuals with systemic diseases. The investigators conducted a survey to explore the association between the eye and systemic diseases via deep learning, to develop and evaluate different deep learning models to predict the systemic diseases such as hepatobiliary disease by using ocular images.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

775

Yhteystiedot ja paikat

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

Opiskelupaikat

  • Kiina
    • Guangdong
      • Guangzhou, Guangdong, Kiina, 510000
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity

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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University and Pazhou Medical Centre of Aikang Health Care

Kuvaus

Inclusion Criteria:

  • The quality of ocular images should clinical acceptable.
  • Complete clinical information such as baseline demographic characteristics, the history of systematic diseases and so on.

Exclusion Criteria:

  • Individuals diagnosed with severe eye diseases or acute systematic diseases.
  • Incompatible with ocular examinations.

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
development dataset 01
ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University
Diagnostinen testi: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
development dataset 02
ocular images collected from Pazhou Medical Centre of Aikang Health Care
Diagnostinen testi: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
test dataset 01
ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University
Diagnostinen testi: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
test dataset 02
ocular images collected from Pazhou Medical Centre of Aikang Health Care
Diagnostinen testi: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

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

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
sensitivity of the deep learning system
Aikaikkuna: baseline
The investigators will calculate the sensitivity of deep learning system and compare this index between deep learning system and human doctors
baseline
specificity of the deep learning system
Aikaikkuna: baseline
The investigators will calculate the specifity of deep learning system and compare this index between deep learning system and human doctors
baseline

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Zhongshan Ophthalmic Center, Sun Yat-sen University

Yhteistyökumppanit

Third Affiliated Hospital, Sun Yat-Sen University
Aikang Health Care

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)

Perjantai 10. huhtikuuta 2020

Ensisijainen valmistuminen (Todellinen)

Tiistai 30. heinäkuuta 2024

Opintojen valmistuminen (Todellinen)

Tiistai 30. heinäkuuta 2024

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 6. toukokuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 6. toukokuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Tiistai 12. toukokuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 14. toukokuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 11. toukokuuta 2026

Viimeksi vahvistettu

Perjantai 1. toukokuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • 2019KYPJ163

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 Systeemiset sairaudet

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in South Africa

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

Tilaa