Új technika a retinabetegségek kezelésére
2021. január 18. frissítette: Second Affiliated Hospital, School of Medicine, Zhejiang University
Az intelligens diagnosztika és az automatikus léziókövetés kutatása a retina betegségek precíz kezelésére mélytanuláson alapuló
A precíziós orvoslás korszakának beköszöntével az FFA képi mélytanulás alapján a szemfenéki elváltozások területének azonosítása, a szemfenéki képek regisztrációja, a szemfenéki betegségek súlyosságától függően az optimális lézerenergia és út kialakítása, a szemfenék pontos kezelése A betegségeknek sürgős klinikai szükségletei vannak, és nagyon fontos jelentősége van
A tanulmány áttekintése
Állapot
Toborzás
Körülmények
Részletes leírás
- Strukturált DR képadatbázis Felépítés és pontos annotáció: retrospektív (2016. január 1-től az etikai felülvizsgálat napjáig) és prospektív (az etikai felülvizsgálat napjától 2023. december 31-ig) gyűjtött FFA és egyéb multimodális képadatok. Számos szemész és szemfenéki betegségek vezető szakértője diagnosztikai értékelést végzett minden egyes páciens képén, és elvégezte az adatok pontos osztályozási diagnózisát. Végül lépésről lépésre strukturált Dr adatbázist hoztak létre. Ez a cikk a számítógépes látás elméletét használja az FFA-kép minőségi torzításának számszerűsítésére, irányítja a számítógépet a meglévő képjavító és zajcsökkentési algoritmusok adaptív konfigurálásához, és befejezi a szemfenéki képadatok előfeldolgozását.
- Dr. intelligens szemfenéki képen alapuló osztályozó diagnosztikai rendszer felépítése: először is a szemfenéki képet használják szemfenéki adatképző adatbázisként, és a nemzetközi klinikai Dr osztályozási diagnosztikai szabvány szerint sok orvos pontosan megjelöli a szemfenékképet. Nemzetközi klinikai Dr minősítési kritériumok: 0. fokozat, nincs nyilvánvaló retina rendellenesség; 1. fokozat, csak mikroangioma; 2. fokozat, súlyosabb, mint a mikroangioma, de kevésbé súlyos, mint a súlyos; 3. fokozat, négy kvadráns, minden kvadránsban több mint 20 retinavérzés, több mint kettő kvadránsban határozott vénás gyöngyök vannak, egynél több kvadránsban nyilvánvaló Irma, nincsenek proliferatív retinopátia jelei; 4. fokozat, neovaszkularizáció, üvegtesti vérzés Vértérfogat, retina előtti vérzés. A Dr grading intelligens diagnosztikai szabvány alapján a konvolúciós neurális hálózatot a szemfenék képeinek betanítására és osztályozására konstruálják. Miután ezt a folyamatot többször megismételte a szemfenéki képek képzési készletében lévő egyes képekkel, a mélytanulási rendszer megtanulja, hogyan osztályozza a képzési halmaz összes adatát a szemfenéki képek pontos diagnosztizálásához.
- Konvolúciós neurális háló felépítése FFA kép fókuszterületéhez: a mélytanulás konvolúciós neurális hálózata milliónyi paraméterből épül fel, amely adott feladatok betanítására és végrehajtására szolgál. Az egyes lineáris konvolúciós műveletek által generált kimenetet nemlineáris aktiváló függvény szabályozza, kombinálva a pooling réteg és a teljes kapcsolati réteg dimenziócsökkentésével, így a mély neurális hálózat optimalizálási folyamata nemcsak a gradiens diszperziót legyőzi, hanem a funkciók generálását is segíti. hasonlóan az emberi idegsejtek hierarchikus észlelési mechanizmusához a vizuális jelekhez. Az FFA kép a szemfenéki adatok képzési adatbázisaként szolgál. A léziós terület pontos jelölése (nincs perfúziós terület, mikroangioma terület és szivárgási terület) alapján az FFA-képet kezelni kell a lézióterület intelligens felismeréséhez. A betanítási folyamatban a neurális hálózat paraméterei kezdetben véletlenszerű értékekre vannak állítva. Ezután minden képnél a függvény által adott eredményeket összehasonlítjuk a betanító halmaz ismert eredményeivel, hogy optimalizáljuk a függvény paramétereit. Miután ezt a folyamatot többször megismételte a képzési adatkészlet minden egyes képénél, a mélytanulási rendszer megtanulta, hogyan kell osztályozni a tréningkészlet összes adatát, hogy pontosan előre jelezze az FFA-képeken a Dr-elváltozásokat.
- Intelligens szemfenéki lézeres navigációs modell felépítése FFA képen és szemfenéki kép regisztrálásán: a Dr lesion intelligens felismerő rendszer a fenti FFA képen pontosan azonosítja a szemfenéki lézeres kezelést igénylő területeket, segít az orvosoknak a kezelendő elváltozások meghatározásában, a gépi tanulás képillesztésén biztosítja a szemfenéki kép és az FFA kombináció regisztrációs képét, amely az elváltozás helyének és méretének információi szerint van beállítva Az illeszkedő retina átmérő és a különböző lézerfoltok elrendezése szerint a személyre szabott lézer kezelési sémát dolgoznak ki, és megalkotják az intelligens szemfenéki lézeres kezelési irányítási modellt.
Tanulmány típusa
Megfigyelő
Beiratkozás (Várható)
2000
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi kapcsolat
- Név: Jin Kai, MD
- Telefonszám: 13646828461
- E-mail: jinkai@zju.edu.cn
Tanulmányi helyek
-
-
Zhejiang
-
Hanzhou, Zhejiang, Kína
- Toborzás
- The Second Affiliated Hospital of Zhejiang University
-
Kapcsolatba lépni:
- Jin Kai, MD
- Telefonszám: 13646828461
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
- Gyermek
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Igen
Tanulmányozható nemek
Összes
Mintavételi módszer
Valószínűségi minta
Tanulmányi populáció
a betegek retina vizsgálaton esnek át a Zhejiang Egyetem második társkórházának szemközpontjában
Leírás
Bevételi kritériumok:
- retina betegségben szenvedő betegek
Kizárási kritériumok:
- más betegségben szenvedő betegek befolyásolják a retina vizsgálatát
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
betegek
retina betegségben szenvedő betegek
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
mesterséges intelligencia
Időkeret: 2016.01-2023.12
|
adatok felhasználásával mély tanulási modellek kidolgozására
|
2016.01-2023.12
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Nyomozók
- Kutatásvezető: Jin Kai, MD, Zhejiang University
- Kutatásvezető: Xu Yufeng, MD, Zhejiang University
- Kutatásvezető: Lou Lixia, MD, Zhejiang University
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2016. január 1.
Elsődleges befejezés (Várható)
2023. január 1.
A tanulmány befejezése (Várható)
2023. december 31.
Tanulmányi regisztráció dátumai
Először benyújtva
2021. január 18.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2021. január 18.
Első közzététel (Tényleges)
2021. január 22.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2021. január 22.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2021. január 18.
Utolsó ellenőrzés
2021. január 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- 研2019-428
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .