망막 질환 치료를 위한 새로운 기술
2021년 1월 18일 업데이트: Second Affiliated Hospital, School of Medicine, Zhejiang University
딥러닝 기반 정확한 망막질환 치료를 위한 지능형 진단 및 병변 자동 추적 연구
정밀의료 시대가 도래함에 따라 FFA 영상 딥러닝을 기반으로 안저 병변 부위를 파악하고 안저 질환의 정도에 따라 안저 영상을 등록하여 최적의 레이저 에너지와 경로를 설계하여 안저의 정확한 치료 질병에는 긴급한 임상적 필요와 매우 중요한 의미가 있습니다.
연구 개요
상태
모병
정황
상세 설명
- 구조화된 DR 이미지 데이터베이스 구축 및 정확한 주석: 후향적(2016년 1월 1일부터 윤리적 검토일까지) 및 전향적(윤리적 검토일부터 2023년 12월 31일까지) FFA 및 기타 다중 모드 이미지 데이터를 수집했습니다. 여러 명의 안과의사와 안저질환의 선임전문가들이 각 환자의 영상에 대해 진단평가를 하여 데이터에 대한 정확한 등급별 진단을 완료하여 단계적으로 구조화된 Dr 데이터베이스를 구축하였다. 본 논문은 FFA 영상의 품질 왜곡을 정량화하기 위해 컴퓨터 비전 이론을 사용하고, 컴퓨터가 기존 영상 향상 및 잡음 감소 알고리즘을 적응적으로 구성하도록 안내하고, 안저 영상 데이터의 전처리를 완료한다.
- 안저 영상 기반 Dr 지능형 등급 진단 시스템 구축: 첫째, 안저 영상을 안저 데이터 학습 데이터베이스로 사용하고 국제 임상 Dr 등급 진단 기준에 따라 많은 의사들이 안저 영상을 정확하게 표시합니다. 국제 임상 박사 등급 기준: 등급 0, 명백한 망막 이상이 없음; 1등급, 미세혈관종만; 등급 2, 미세혈관종보다 심하지만 중증보다는 덜 심함; 등급 3, 4개 사분면, 각 사분면에는 20개 이상의 망막 출혈이 있고, 2개 이상의 사분면에는 명확한 정맥 비드가 있으며, 1개 이상의 사분면에는 분명한 Irma가 있고, 증식성 망막병증의 징후는 없습니다. 등급 4, 혈관신생, 유리체 출혈 부피 혈액, 망막 전 출혈. Dr grading 지능형 진단 표준을 기반으로 안저 이미지를 훈련하고 등급을 매기기 위해 컨볼루션 신경망을 구성합니다. 딥러닝 시스템은 안저 영상의 훈련 세트의 각 영상에 대해 이 과정을 여러 번 반복한 후 안저 영상을 정확하게 진단하기 위해 훈련 세트의 모든 데이터를 분류하는 방법을 학습합니다.
- FFA 이미지 초점 영역에 대한 컨볼루션 신경망 구성: 딥 러닝의 컨볼루션 신경망은 수백만 개의 매개변수로 구성되며 주어진 작업을 훈련하고 수행하는 데 사용됩니다. 각 선형 컨벌루션 연산에 의해 생성된 출력은 풀링 레이어 및 완전 연결 레이어의 차원 감소와 결합된 비선형 활성화 함수에 의해 정규화되므로 심층 신경망의 최적화 프로세스는 그래디언트 분산을 극복할 뿐만 아니라 기능 생성에도 도움이 됩니다. 시각적 신호에 대한 인간 신경 세포의 계층적 인식 메커니즘과 유사합니다. FFA 이미지는 안저 데이터 교육 데이터베이스로 사용됩니다. 병변 부위(무관류 부위, 미세혈관종 부위 및 누출 부위)의 정확한 라벨링을 기반으로 FFA 영상을 처리하여 병변 부위의 지능적 인식이 필요합니다. 학습 과정에서 신경망의 매개변수는 초기에 임의의 값으로 설정됩니다. 그런 다음 각 이미지에 대해 함수에 의해 제공된 결과는 함수의 매개 변수를 최적화하기 위해 훈련 세트의 알려진 결과와 비교됩니다. 트레이닝 데이터 세트의 각 이미지에 대해 이 프로세스를 여러 번 반복한 후 딥 러닝 시스템은 FFA 이미지에서 Dr 병변을 정확하게 예측하기 위해 트레이닝 세트의 모든 데이터를 분류하는 방법을 학습했습니다.
- FFA 영상 및 안저 영상 등록 기반 지능형 안저 레이저 내비게이션 모델 구축 : 위 FFA 영상에서 Dr lesion 지능형 인식 시스템은 안저 레이저 치료가 필요한 부위를 정확하게 파악하여 의사가 치료가 필요한 병변을 판단하도록 돕고, 기계 학습의 이미지 매칭에서 병변 부위의 위치 및 크기 정보에 따라 설정된 안저 이미지 및 FFA 조합의 등록 이미지를 제공합니다. 일치하는 망막 직경 및 다른 레이저 스폿의 배열에 따라 개인화 레이저 치료 계획을 수립하고 지능형 안저 레이저 치료 유도 모델을 구축합니다.
연구 유형
관찰
등록 (예상)
2000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Jin Kai, MD
- 전화번호: 13646828461
- 이메일: jinkai@zju.edu.cn
연구 장소
-
-
Zhejiang
-
Hanzhou, Zhejiang, 중국
- 모병
- The Second Affiliated Hospital of Zhejiang University
-
연락하다:
- Jin Kai, MD
- 전화번호: 13646828461
-
-
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
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
연구 대상 성별
모두
샘플링 방법
확률 샘플
연구 인구
절강대학교 제2부속병원 안과에서 망막 검사를 받는 환자
설명
포함 기준:
- 망막질환 환자
제외 기준:
- 다른 질병을 가진 환자는 망막 검사에 영향을 미칩니다
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 |
|---|
|
환자
망막질환 환자
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
인공 지능
기간: 2016.01-2023.12
|
데이터를 사용하여 딥 러닝 모델 개발
|
2016.01-2023.12
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Jin Kai, MD, Zhejiang University
- 수석 연구원: Xu Yufeng, MD, Zhejiang University
- 수석 연구원: Lou Lixia, MD, Zhejiang University
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)
2016년 1월 1일
기본 완료 (예상)
2023년 1월 1일
연구 완료 (예상)
2023년 12월 31일
연구 등록 날짜
최초 제출
2021년 1월 18일
QC 기준을 충족하는 최초 제출
2021년 1월 18일
처음 게시됨 (실제)
2021년 1월 22일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2021년 1월 22일
QC 기준을 충족하는 마지막 업데이트 제출
2021년 1월 18일
마지막으로 확인됨
2021년 1월 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. .