Une nouvelle technique pour le traitement des maladies rétiniennes
18 janvier 2021 mis à jour par: Second Affiliated Hospital, School of Medicine, Zhejiang University
Recherche sur le diagnostic intelligent et le suivi automatique des lésions pour un traitement précis des maladies de la rétine basé sur l'apprentissage en profondeur
Avec l'avènement de l'ère de la médecine de précision, basée sur l'apprentissage en profondeur des images FFA pour identifier la zone des lésions du fond d'œil, l'enregistrement des images du fond d'œil, en fonction de la gravité des maladies du fond d'œil pour concevoir l'énergie et le chemin laser optimaux, le traitement précis du fond d'œil maladies a des besoins cliniques urgents et une importance très importante
Aperçu de l'étude
Statut
Recrutement
Les conditions
Description détaillée
- Structured DR Image Database Construction et annotation précise : rétrospective (du 1er janvier 2016 au jour de l'examen éthique) et prospective (du jour de l'examen éthique au 31 décembre 2023) collecte de FFA et d'autres données d'images multimodales. Plusieurs ophtalmologistes et experts seniors des maladies du fond d'œil ont effectué une évaluation diagnostique sur chaque image de chaque patient et ont complété le diagnostic de classement précis des données. Enfin, une base de données Dr structurée a été établie étape par étape. Cet article utilise la théorie de la vision par ordinateur pour quantifier la distorsion de qualité de l'image FFA, guide l'ordinateur pour configurer de manière adaptative les algorithmes existants d'amélioration de l'image et de réduction du bruit, et complète le prétraitement des données d'image du fond d'œil.
- Construction du système de diagnostic de classement intelligent Dr basé sur l'image du fond d'œil : premièrement, l'image du fond d'œil est utilisée comme base de données de formation des données du fond d'œil, et selon la norme clinique internationale de diagnostic de classement du Dr, de nombreux médecins marquent l'image du fond d'œil avec précision. Critères de classement des docteurs cliniques internationaux : grade 0, pas d'anomalies rétiniennes évidentes ; grade 1, uniquement microangiome ; grade 2, plus sévère que le microangiome, mais moins sévère que sévère ; grade 3, quatre quadrants, chaque quadrant a plus de 20 hémorragies rétiniennes, plus de deux quadrants ont des perles veineuses définies, plus d'un quadrant a une Irma évidente, aucun signe de rétinopathie proliférative ; grade 4, néovascularisation, hémorragie vitréenne Volume sanguin, hémorragie pré rétinienne. Sur la base de la norme de diagnostic intelligent de notation du Dr, un réseau de neurones à convolution est construit pour entraîner et évaluer les images du fond d'œil. Après avoir répété ce processus plusieurs fois pour chaque image dans l'ensemble d'apprentissage des images du fond d'œil, le système d'apprentissage en profondeur apprend à classer toutes les données de l'ensemble d'apprentissage pour diagnostiquer avec précision les images du fond d'œil.
- Construction d'un réseau de neurones à convolution pour la zone de focalisation de l'image FFA : le réseau de neurones à convolution de l'apprentissage en profondeur est composé de millions de paramètres, qui sont utilisés pour former et effectuer des tâches données. La sortie générée par chaque opération de convolution linéaire est régularisée par la fonction d'activation non linéaire, combinée à la réduction de la dimensionnalité de la couche de regroupement et de la couche de connexion complète, de sorte que le processus d'optimisation du réseau de neurones profond non seulement surmonte la dispersion du gradient, mais aide également à générer des caractéristiques similaire au mécanisme de perception hiérarchique des cellules neurales humaines aux signaux visuels. L'image FFA est utilisée comme base de données de formation des données du fond d'œil. Sur la base de l'étiquetage précis de la zone de lésion (zone sans perfusion, zone de microangiome et zone de fuite), l'image FFA doit être traitée pour la reconnaissance intelligente de la zone de lésion. Dans le processus de formation, les paramètres du réseau neuronal sont initialement définis sur des valeurs aléatoires. Ensuite, pour chaque image, les résultats donnés par la fonction sont comparés aux résultats connus de l'ensemble d'apprentissage pour optimiser les paramètres de la fonction. Après avoir répété ce processus plusieurs fois pour chaque image de l'ensemble de données d'apprentissage, le système d'apprentissage en profondeur a appris à classer toutes les données de l'ensemble d'apprentissage pour prédire avec précision les lésions Dr sur les images FFA.
- Construction d'un modèle de navigation laser intelligent du fond d'œil basé sur l'image FFA et l'enregistrement de l'image du fond d'œil : le système de reconnaissance intelligente des lésions Dr sur l'image FFA ci-dessus identifie avec précision les zones nécessitant un traitement au laser du fond d'œil, aide les médecins à déterminer les lésions qui doivent être traitées et basées sur l'appariement d'image de l'apprentissage automatique, fournit l'image d'enregistrement de l'image du fond d'œil et de la combinaison FFA, qui est définie en fonction de l'emplacement et des informations de taille de la zone de lésion Selon le diamètre rétinien correspondant et la disposition des différents spots laser, le laser personnalisé schéma de traitement est formulé et le modèle de guidage de traitement laser intelligent du fond de l'œil est construit.
Type d'étude
Observationnel
Inscription (Anticipé)
2000
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Coordonnées de l'étude
- Nom: Jin Kai, MD
- Numéro de téléphone: 13646828461
- E-mail: jinkai@zju.edu.cn
Lieux d'étude
-
-
Zhejiang
-
Hanzhou, Zhejiang, Chine
- Recrutement
- The Second Affiliated Hospital of Zhejiang University
-
Contact:
- Jin Kai, MD
- Numéro de téléphone: 13646828461
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Oui
Sexes éligibles pour l'étude
Tout
Méthode d'échantillonnage
Échantillon de probabilité
Population étudiée
les patients subissent un examen de la rétine au centre ophtalmologique du deuxième hôpital affilié de l'université du Zhejiang
La description
Critère d'intégration:
- patients atteints de maladies rétiniennes
Critère d'exclusion:
- les patients atteints d'autres maladies affectent l'exmination rétinienne
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
les patients
patients atteints de maladies rétiniennes
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
intelligence artificielle
Délai: 2016.01-2023.12
|
utiliser les données pour développer des modèles d'apprentissage en profondeur
|
2016.01-2023.12
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Les enquêteurs
- Chercheur principal: Jin Kai, MD, Zhejiang University
- Chercheur principal: Xu Yufeng, MD, Zhejiang University
- Chercheur principal: Lou Lixia, MD, Zhejiang University
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
1 janvier 2016
Achèvement primaire (Anticipé)
1 janvier 2023
Achèvement de l'étude (Anticipé)
31 décembre 2023
Dates d'inscription aux études
Première soumission
18 janvier 2021
Première soumission répondant aux critères de contrôle qualité
18 janvier 2021
Première publication (Réel)
22 janvier 2021
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
22 janvier 2021
Dernière mise à jour soumise répondant aux critères de contrôle qualité
18 janvier 2021
Dernière vérification
1 janvier 2021
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 研2019-428
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .