Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Platform a multidiszciplináris orvosi mesterséges intelligencia fejlesztéséhez (AI)

2021. május 16. frissítette: Haotian Lin, Sun Yat-sen University
Az orvosbiológiai mélytanulás (DL) gyakran nagymértékben támaszkodik a nagyszabású adatok megbízható címkéinek előállítására és a modellképzés magas műszaki követelményeire. A DL-modellek hatékony fejlesztése érdekében létrehoztunk egy integrált platformot az annotáció és a modellképzés automatizálására – ez a DL-modellfejlesztés elsődleges folyamata. Ezen a platformon alapulva mennyiségileg validáltuk és összehasonlítottuk az annotációs stratégiát és az AI-modell fejlesztését a tisztán kézi annotációs módszerrel, amelyet több tudományágból származó orvosi képadatkészleteken végeztünk.

A tanulmány áttekintése

Állapot

Toborzás

Tanulmány típusa

Megfigyelő

Beiratkozás (Várható)

200

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

  • Név: Haotian Lin, Ph.D, M.D.
  • Telefonszám: +86-020-87330274
  • E-mail: gddlht@aliyun.com

Tanulmányi helyek

    • Guangdong
      • Guangzhou, Guangdong, Kína, 510060
        • Toborzás
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Kapcsolatba lépni:

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

orvosi képalkotás több tudományág számára, beleértve a szemészetet, patológiát, radiográfiát, vérsejteket és endoszkópiát

Leírás

Bevételi kritériumok:

  • rendelkezik orvosi képalkotó nyilvántartással (beleértve a szemészetet, a patológiát, a radiográfiát, a vérsejteket és az endoszkópiát)

Kizárási kritériumok:

  • minősíthetetlen orvosi képalkotás

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
ember-gép együttműködési csoport
egészségügyi szakemberek és gépi együttműködés az annotációhoz és az AI-modell fejlesztéséhez
tiszta manuális csoport
egészségügyi szakemberek a tisztán kézi megjegyzések készítéséhez és az AI-modell fejlesztéséhez

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
az annotáció pontossága
Időkeret: alapvonal
kiszámítja az annotáció pontosságát a csoportok összehasonlításához a megjegyzések eredményeinek felhasználásával
alapvonal

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
a modell teljesítményének pontossága
Időkeret: alapvonal
kiszámítja az AI-modell pontosságát a csoportok közötti összehasonlításhoz a modell által előre jelzett eredmények segítségével
alapvonal
A modell teljesítményének AUC
Időkeret: alapvonal
kiszámítja az AI-modell AUC-értékeit a csoportok közötti összehasonlításhoz a modell által előre jelzett eredmények segítségével
alapvonal
jegyzetelési idő költsége
Időkeret: alapvonal
kiszámítja az annotáció időköltségét a csoportok közötti összehasonlításhoz a tesztek során rögzített idő felhasználásával
alapvonal

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Kutatásvezető: Haotian Lin, Ph.D, M.D., Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity

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)

2021. március 18.

Elsődleges befejezés (Tényleges)

2021. április 1.

A tanulmány befejezése (Várható)

2021. május 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2021. március 18.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2021. május 16.

Első közzététel (Tényleges)

2021. május 18.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2021. május 18.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2021. május 16.

Utolsó ellenőrzés

2021. május 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • AIplatform-2020

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. .

Iratkozz fel