백내장 수술의 지능형 평가 및 감독
2022년 2월 27일 업데이트: Haotian Lin, Sun Yat-sen University
연구 목적: 백내장 수술 단계의 지능적 식별 및 평가 연구 방법: 노인성 백내장 환자의 수술 영상과 전자 기록된 임상 데이터에서 총 9개 항목(성별, 연령, 시력 등) 추출 의료 기록 시스템.
기계 학습 알고리즘 3D-CNN을 적용하여 백내장 수술의 11단계와 수술 중 안구에 기구 조작 없이 사진(빈 사진)을 식별했습니다.
6가지 주요 백내장 수술 단계는 딥 러닝 알고리즘(확률 스무딩 창 및 소프트맥스)을 사용하여 점수를 매겼습니다.
수술 단계를 인식하기 위한 모델의 성능을 평가하기 위해 정밀도, 정밀도, 리콜 및 F1 점수를 사용합니다.
모델의 수술 단계 채점의 신뢰성을 평가하기 위해 인간-기계 비교 방법을 사용하여 기계 점수와 전문가 점수 간의 일치도(카파 값)를 계산했습니다.
연구 개요
연구 유형
관찰
등록 (실제)
344
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Guangdong
-
Guangzhou, Guangdong, 중국, 510060
- Zhognshan Ophthalmic Center, Sun Yat-sen University
-
-
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
46년 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
해당 없음
연구 대상 성별
모두
샘플링 방법
확률 샘플
연구 인구
Zhongshan Ophthalmic Center (ZOC, Guangzhou, Guangdong, China) 및 Shenzhen Eye Hospital (Shenzhen, Guangdong, China)에서 노인성 백내장 및 수정체 유화 술 및 IOL 이식을받은 참가자
설명
포함 기준:
-노인성 백내장에 대한 수정체유화술과 인공수정체 삽입 영상이 포함됩니다.
제외 기준:
-최대 신호 대 잡음비(PSNR)는 비디오가 흐려졌는지 여부를 평가하는 데 사용됩니다. 비디오의 PSNR이 20dB 미만이면 전체 비디오가 삭제됩니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 다른
- 시간 관점: 회고전
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
개발 데이터 세트
백내장 수술은 (1)주 절개술, (2)측면 절개술, (3)안과용 점탄성 장치(OVD) 주입술, (4)낭정맥 형성술, (5)수압해부술, (6)파코술, (7)피질 물질 제거, (8) 안내 렌즈(IOL) 이식, (9) OVD 제거, (10) IOL 중심화 및 (11) 각막 수화를 통한 상처 봉합, 및 (12) 유휴 단계.
|
개발 데이터 세트는 딥 러닝 모델을 훈련하는 데 사용되었습니다.
검증 및 테스트 그룹은 하이퍼파라미터를 최적화하는 데 사용되었습니다.
|
|
검증 데이터 세트
백내장 수술은 (1)주 절개술, (2)측면 절개술, (3)안과용 점탄성 장치(OVD) 주입술, (4)낭정맥 형성술, (5)수압해부술, (6)파코술, (7)피질 물질 제거, (8) 안내 렌즈(IOL) 이식, (9) OVD 제거, (10) IOL 중심화 및 (11) 각막 수화를 통한 상처 봉합, 및 (12) 유휴 단계.
|
개발 데이터 세트는 딥 러닝 모델을 훈련하는 데 사용되었습니다.
검증 및 테스트 그룹은 하이퍼파라미터를 최적화하는 데 사용되었습니다.
|
|
테스트 데이터세트
백내장 수술은 (1)주 절개술, (2)측면 절개술, (3)안과용 점탄성 장치(OVD) 주입술, (4)낭정맥 형성술, (5)수압해부술, (6)파코술, (7)피질 물질 제거, (8) 안내 렌즈(IOL) 이식, (9) OVD 제거, (10) IOL 중심화 및 (11) 각막 수화를 통한 상처 봉합, 및 (12) 유휴 단계.
|
개발 데이터 세트는 딥 러닝 모델을 훈련하는 데 사용되었습니다.
검증 및 테스트 그룹은 하이퍼파라미터를 최적화하는 데 사용되었습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
정확성
기간: 기준선
|
조사관은 딥 러닝 시스템의 정확도를 계산하고 딥 러닝 시스템과 인간 의사 간의 이 지수를 비교합니다.
|
기준선
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
카파
기간: 기준선
|
Cohen의 카파 계수는 인간 의사와 DeepSurgery가 부여한 등급 간의 일치를 평가하기 위해 계산되었습니다.
|
기준선
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 연구 의자: Yizhi Liu, M.D., Ph.D., Zhongshan Ophthalmic Center, Sun Yat-sen 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)
2019년 1월 1일
기본 완료 (실제)
2021년 9월 30일
연구 완료 (실제)
2021년 12월 30일
연구 등록 날짜
최초 제출
2022년 2월 27일
QC 기준을 충족하는 최초 제출
2022년 2월 27일
처음 게시됨 (실제)
2022년 3월 2일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 3월 2일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 2월 27일
마지막으로 확인됨
2022년 2월 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. .