안구 영상을 이용한 딥러닝을 통한 간담도 질환 스크리닝 및 식별
2020년 8월 16일 업데이트: Haotian Lin, Sun Yat-sen University
인공 지능은 잠재적인 은밀한 연관성을 탐색하는 데 통찰력을 제공하고 간담도 장애가 있는 개인의 초기 안구 구조 변화를 밝힐 수 있습니다.
딥 러닝을 통해 눈과 간의 연관성을 탐구하고 안구 이미지를 사용하여 간담도 질환을 예측하기 위한 다양한 딥 러닝 모델을 개발 및 평가하는 선구적인 작업을 수행했습니다.
연구 개요
연구 유형
관찰
등록 (실제)
1789
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Guangdong
-
Guangzhou, Guangdong, 중국, 510000
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
- 성인
- OLDER_ADULT
- 어린이
건강한 자원 봉사자를 받아들입니다
예
연구 대상 성별
모두
샘플링 방법
확률 샘플
연구 인구
전염병과, 중산대학 제3부속병원, 전염병과, 중산대학 제3부속병원, 남방의대 화두병원, 난티엔의료센터에서 수집한 세극등 및 망막 안저 영상 애강의료원, 애강의료원 환시동의료원.
설명
포함 기준:
- 안저 및 세극등 이미지의 품질은 임상적으로 허용되어야 합니다.
- 4개의 주요 영역(시신경 유두, 황반, 상부 및 하부 망막 혈관궁)을 포함하는 안저 이미지 영역의 90% 이상이 판독 및 식별이 용이합니다.
- 3개의 주요 영역(공막, 동공 및 수정체)을 포함하는 세극등 이미지 영역의 90% 이상이 쉽게 읽고 식별할 수 있습니다.
제외 기준:
- 빛 누출(영역의 >10%), 렌즈 플레어 또는 얼룩의 얼룩, 과다 노출이 있는 이미지는 추가 분석에서 제외되었습니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
개발 데이터 세트 01
중산대학 제3부속병원 간담도외과에서 수집한 세극등 및 망막 안저 영상.
|
학습 데이터 세트는 다른 두 데이터 세트에 의해 검증되고 테스트된 딥 러닝 모델을 학습하는 데 사용되었습니다.
|
|
개발 데이터 세트 02
Southern Medical University 부속 Huadu 병원에서 수집한 세극등 및 망막 안저 이미지.
|
학습 데이터 세트는 다른 두 데이터 세트에 의해 검증되고 테스트된 딥 러닝 모델을 학습하는 데 사용되었습니다.
|
|
개발 데이터 세트 03
Aikang Health Care의 Nantian Medical Center에서 수집한 세극등 및 망막 안저 이미지.
|
학습 데이터 세트는 다른 두 데이터 세트에 의해 검증되고 테스트된 딥 러닝 모델을 학습하는 데 사용되었습니다.
|
|
테스트 데이터 세트 01
중산대학 제3부속병원 전염병과에서 수집한 세극등 및 망막 안저 영상.
|
학습 데이터 세트는 다른 두 데이터 세트에 의해 검증되고 테스트된 딥 러닝 모델을 학습하는 데 사용되었습니다.
|
|
테스트 데이터 세트 02
애강의료원 환시동의료원에서 수집한 세극등 및 망막저 영상.
|
학습 데이터 세트는 다른 두 데이터 세트에 의해 검증되고 테스트된 딥 러닝 모델을 학습하는 데 사용되었습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
딥 러닝 시스템의 수신기 작동 특성 곡선 아래 영역
기간: 기준선
|
조사관은 딥 러닝 시스템의 수신기 작동 특성 곡선 아래 영역을 계산하고 딥 러닝 시스템과 인간 의사 간의 이 지수를 비교합니다.
|
기준선
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
딥러닝 시스템의 민감도와 특이도
기간: 기준선
|
조사관은 딥 러닝 시스템의 민감도와 특이성을 계산하고 딥 러닝 시스템과 인간 의사 간의 이 지수를 비교할 것입니다.
|
기준선
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2018년 12월 1일
기본 완료 (실제)
2020년 1월 31일
연구 완료 (실제)
2020년 1월 31일
연구 등록 날짜
최초 제출
2019년 12월 25일
QC 기준을 충족하는 최초 제출
2019년 12월 25일
처음 게시됨 (실제)
2019년 12월 30일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2020년 8월 18일
QC 기준을 충족하는 마지막 업데이트 제출
2020년 8월 16일
마지막으로 확인됨
2020년 8월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .