Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Una piattaforma per lo sviluppo multidisciplinare dell'intelligenza artificiale medica (AI)

16 maggio 2021 aggiornato da: Haotian Lin, Sun Yat-sen University
Il deep learning biomedico (DL) spesso fa molto affidamento sulla generazione di etichette affidabili per dati su larga scala e requisiti altamente tecnici per l'addestramento del modello. Per sviluppare in modo efficiente i modelli DL, abbiamo creato una piattaforma integrata per introdurre l'automazione sia nell'annotazione che nell'addestramento del modello, il processo principale dello sviluppo del modello DL. Sulla base di questa piattaforma, abbiamo convalidato quantitativamente e confrontato la strategia di annotazione e lo sviluppo del modello AI con il metodo di annotazione manuale puro eseguito su set di dati di immagini mediche di più discipline.

Panoramica dello studio

Stato

Reclutamento

Tipo di studio

Osservativo

Iscrizione (Anticipato)

200

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

  • Nome: Haotian Lin, Ph.D, M.D.
  • Numero di telefono: +86-020-87330274
  • Email: gddlht@aliyun.com

Luoghi di studio

    • Guangdong
      • Guangzhou, Guangdong, Cina, 510060
        • Reclutamento
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Contatto:
          • Haotian Lin, Ph.D, M.D.
          • Numero di telefono: +86-020-87330274
          • Email: gddlht@aliyun.com

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione di probabilità

Popolazione di studio

imaging medico per più discipline tra cui oftalmologia, patologia, radiografia, cellule del sangue ed endoscopia

Descrizione

Criterio di inclusione:

  • avere una documentazione di imaging medico (inclusi oftalmologia, patologia, radiografia, cellule del sangue ed endoscopia)

Criteri di esclusione:

  • imaging medico non qualificato

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Coorti e interventi

Gruppo / Coorte
gruppo di collaborazione uomo-macchina
operatori sanitari e collaborazione tra macchine per l'annotazione e lo sviluppo di modelli di intelligenza artificiale
gruppo mannuale puro
operatori sanitari per la pura annotazione manuale e lo sviluppo di modelli AI

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
accuratezza dell'annotazione
Lasso di tempo: linea di base
calcolare l'accuratezza dell'annotazione per il confronto tra i gruppi utilizzando i risultati dell'annotazione
linea di base

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
accuratezza delle prestazioni del modello
Lasso di tempo: linea di base
calcolare l'accuratezza del modello AI per il confronto tra i gruppi utilizzando i risultati previsti dal modello
linea di base
AUC delle prestazioni del modello
Lasso di tempo: linea di base
calcolare le AUC del modello AI per il confronto tra i gruppi utilizzando i risultati previsti dal modello
linea di base
costo del tempo di annotazione
Lasso di tempo: linea di base
calcolare il costo del tempo di annotazione per il confronto tra gruppi utilizzando il tempo registrato durante i test
linea di base

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Investigatori

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

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

18 marzo 2021

Completamento primario (Effettivo)

1 aprile 2021

Completamento dello studio (Anticipato)

31 maggio 2021

Date di iscrizione allo studio

Primo inviato

18 marzo 2021

Primo inviato che soddisfa i criteri di controllo qualità

16 maggio 2021

Primo Inserito (Effettivo)

18 maggio 2021

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

18 maggio 2021

Ultimo aggiornamento inviato che soddisfa i criteri QC

16 maggio 2021

Ultimo verificato

1 maggio 2021

Maggiori informazioni

Termini relativi a questo studio

Altri numeri di identificazione dello studio

  • AIplatform-2020

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

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 .

Prove cliniche su Imaging medico

Sottoscrivi