Sviluppo di un sistema di gestione della qualità delle immagini per ecocardiografia basato sul deep learning
Sistema di gestione della qualità delle immagini per ecocardiografia basato sull'apprendimento profondo: uno studio prospettico a centro singolo
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Descrizione dettagliata
Tipo di studio
Tipo di studio
Iscrizione (Anticipato)
Iscrizione
Contatti e Sedi
Contatto studio
Contatto studio
- Nome: Jing Yao, Phd
- Numero di telefono: +8618905188727
- Email: w1835199709@163.com
Luoghi di studio
-
-
Jiangsu
-
Nanjing, Jiangsu, Cina, 210008
- Reclutamento
- Affiliated Drum Tower Hospital of Nanjing University Medical School
-
Contatto:
- Jing Yao, Phd
- Numero di telefono: +18905188727
- Email: w18351992709@163.com
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Sessi ammissibili allo studio
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- di età ≥18 anni, sesso illimitato;
- Pazienti con visualizzazioni TTE standardizzate;
- I soggetti hanno partecipato allo studio volontariamente e hanno firmato il consenso informato;
Criteri di esclusione:
- pazienti con viste TTE standard incomplete;
- pazienti con cattive condizioni di trasmissione del suono.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Altro
- Prospettive temporali: Prospettiva
Numero di gruppi/coorti
Coorti e interventi
Gruppo / CoorteGruppo / Coorte |
|---|
|
Gruppo di visualizzazione standardizzato
Le immagini della vista ecocardiografica dei pazienti in questo gruppo sono standardizzate.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
il punteggio della vista PSAX
Lasso di tempo: 12 mesi
|
il punteggio della vista PSAX dal sistema di gestione della qualità dell'immagine dell'ecocardiografia
|
12 mesi
|
|
il punteggio della vista apicale
Lasso di tempo: 12 mesi
|
il punteggio della vista apicale dal sistema di gestione della qualità dell'immagine dell'ecocardiografia
|
12 mesi
|
Collaboratori e investigatori
Sponsor
Sponsor
Collaboratori
Collaboratori
Pubblicazioni e link utili
Pubblicazioni generali
- Thiebaut R, Thiessard F; Section Editors for the IMIA Yearbook Section on Public Health and Epidemiology Informatics. Artificial Intelligence in Public Health and Epidemiology. Yearb Med Inform. 2018 Aug;27(1):207-210. doi: 10.1055/s-0038-1667082. Epub 2018 Aug 29.
- Sengupta PP, Shrestha S. Machine Learning for Data-Driven Discovery: The Rise and Relevance. JACC Cardiovasc Imaging. 2019 Apr;12(4):690-692. doi: 10.1016/j.jcmg.2018.06.030. Epub 2018 Dec 12. No abstract available.
- Ueda D, Shimazaki A, Miki Y. Technical and clinical overview of deep learning in radiology. Jpn J Radiol. 2019 Jan;37(1):15-33. doi: 10.1007/s11604-018-0795-3. Epub 2018 Dec 1.
- Madani A, Arnaout R, Mofrad M, Arnaout R. Fast and accurate view classification of echocardiograms using deep learning. NPJ Digit Med. 2018;1:6. doi: 10.1038/s41746-017-0013-1. Epub 2018 Mar 21.
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Inizio studio
Completamento primario (Anticipato)
Completamento primario
Completamento dello studio (Anticipato)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Stima)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- 2022-337-01
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .