このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

説明可能な眼底疾患レポート生成システム

2023年7月10日 更新者:Yingfeng Zheng、Sun Yat-sen University

眼底疾患の特定とレポート作成のための説明可能なマルチモーダルディープニューラルネットワーク

マルチモーダル検査画像の結果に基づいて、さまざまな眼底疾患を解析する深層学習システムを確立する。 このシステムは、マルチモーダルな眼底画像を分析し、診断を行い、対応するレポートを生成できます。

調査の概要

詳細な説明

眼底は、血管の微小循環や神経組織を直接見ることができる人体の唯一の部分です。 カラー眼底撮影(CFP)、光干渉断層撮影(OCT)、フルオレセイン眼底血管撮影(FFA)、インドシアニングリーン血管撮影(ICGA)などの各種画像検査により、網膜や脈絡膜を静的に概観または動的に観察することができます。 、血管や神経の状態を調べ、病気を総合的に診断します。 眼底疾患のスクリーニング、解釈、正確な診断は、疾患の予防、管理、正確な治療に不可欠です。 しかし、眼底検査の方法は多様であり、検査の複雑さと専門性により、眼底検査を解釈するのに十分な臨床経験と知識を備えた眼底専門医が不足しています。 眼底疾患の診断における人工知能(AI)の継続的な開発に伴い、さまざまな画像検査方法が徐々に眼底疾患診断システムの開発に適用されています。 さらに、医療画像には対応するレポートが付属していることが多く、そのほとんどは臨床医または放射線科医の経験に基づいて作成されます。

ここでは、クロスモーダル眼底画像検査に基づいた眼底疾患診断・レポート作成システムを構築しており、同時に眼底病変も可視化しています。 多施設データ検証も実施する。 研究の結果は、眼底病変の診断と画像レポートの作成に役立ちます。 これにより、より複雑な眼底画像検査法が社会に普及し、失明の原因となる眼底病変の早期診断・治療の向上につながることが期待されます。

研究の種類

観察的

入学 (推定)

15000

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究連絡先

研究連絡先のバックアップ

研究場所

    • Guangdong
      • Guangzhou、Guangdong、中国、510000
        • 募集
        • Zhognshan Ophthalmic Center, Sun Yat-sen University
        • コンタクト:

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

  • 子
  • 大人
  • 高齢者

健康ボランティアの受け入れ

はい

サンプリング方法

確率サンプル

調査対象母集団

眼底画像は、中国全土および他の国のさまざまな医療機関から収集されました。

説明

包含基準:

  • 多様な眼底疾患検査画像とそれに対応するレポートの品質は、臨床的に許容できるものでなければなりません。

除外基準:

  • 重要な情報が欠落しているレポート。
  • 画像解像度の大幅な低下、ぼやけ、アーチファクトのある画像は、さらなる分析から除外されました。

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか?

デザインの詳細

コホートと介入

グループ/コホート
介入・治療
トレーニングセット
中国の複数の検査施設から収集されたマルチモーダルな眼底画像と対応するレポート。
内部検証セット
トレーニングセットから分離されたレコード。
外部テストセット
中国および世界中の複数のセンターから収集されたマルチモーダルな眼底画像と対応するレポート。
眼底イメージングのさまざまなモダリティを通じて、臨床データと臨床医の経験を組み合わせて、さまざまな眼底疾患を診断します。

この研究は何を測定していますか?

主要な結果の測定

結果測定
メジャーの説明
時間枠
深層学習システムの受信機動作特性曲線の下の領域
時間枠:ベースライン
研究者らは、深層学習システムの受信機動作特性曲線の下の面積を計算し、この指標を人間の眼科医と比較します。
ベースライン

二次結果の測定

結果測定
メジャーの説明
時間枠
モデルの説明精度の和集合上の交差
時間枠:ベースライン
研究者は、病変画像の注目マッピング領域と深層学習システムのグラウンド トゥルース領域の間の統合オーバーユニオン (IOU) (または Jaccard 類似度) を計算します。
ベースライン
深層学習システムの感度と特異性
時間枠:ベースライン
研究者は深層学習システムの感度と特異度を計算します。
ベースライン

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

捜査官

  • 主任研究者:Yingfeng Zheng, M.D. Ph.D、Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity,Guangzhou, Guangdong, China, 510060

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2011年1月1日

一次修了 (推定)

2023年12月1日

研究の完了 (推定)

2024年7月1日

試験登録日

最初に提出

2022年11月15日

QC基準を満たした最初の提出物

2022年11月15日

最初の投稿 (実際)

2022年11月18日

学習記録の更新

投稿された最後の更新 (実際)

2023年7月11日

QC基準を満たした最後の更新が送信されました

2023年7月10日

最終確認日

2023年7月1日

詳しくは

本研究に関する用語

追加の関連 MeSH 用語

その他の研究ID番号

  • 2021KYPJ164

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

いいえ

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

購読する