딥러닝 기반 근시 및 근시성 황반병증 검출 및 예측 시스템 개발 및 검증
연구 개요
상세 설명
근시는 세계적인 공중 보건 문제가 되었습니다. 근시는 어린이와 청소년의 심리적 건강에 영향을 미치고 경제적 부담을 안겨줍니다. 또한 근시가 진행됨에 따라 근시성 황반변성과 같은 안구 합병증의 위험이 증가하여 돌이킬 수 없는 시각 장애 또는 심지어 실명에 이르게 됩니다. 세계보건기구(WHO)에 따르면 전 세계적으로 10억 명이 넘는 사람들이 늦은 발견으로 인해 근시, 원시 및 기타 문제로 인한 시력 손상을 겪고 있습니다. 따라서 근시 발달 및 진행 위험이 높은 어린이의 조기 발견 및 예측은 정확하고 효과적인 개입에 중요합니다.
이 연구에서 우리는 다음과 같은 목표를 가진 안저 이미지를 기반으로 하는 딥 러닝 시스템 DeepMyopia를 개발했습니다. 1) 근시 발병 및 진행 예측; 2) AI 보조 진단을 위한 근시성 황반 변성을 검출하기 위해; 3) 근시 황반 변성의 진행을 예측하기 위해; 4) 비용 효율성을 평가합니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
Shanghai
-
Shanghai, Shanghai, 중국, 200041
- Shanghai Eye Disease Prevention and Treatment Center
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
전향적 학교 기반 연구인 SCALE에는 상하이에 거주하는 4세에서 14세 사이의 모든 어린이가 포함됩니다.
SCALE-HM은 인구 기반, 전향적, 검사자 마스크 연구로 고도 근시가 있는 4세에서 18세 사이의 어린이와 청소년을 포함합니다.
STORM 시험은 학교 기반의 전향적 시험관 마스크 클러스터 무작위 시험으로 6세에서 9세 사이의 어린이를 포함합니다.
SMS 연구는 1학년과 2학년의 유치원과 초등학교 학생들을 포함하여 상하이에서 학교 기반 단면 조사입니다.
Beijing Children Eye 연구에는 Beijing Friendship Hospital의 외래 진료소에 온 아이들이 포함되었습니다.
JFFT 연구에는 상하이, 윈난, 내몽고, 신장 및 광저우의 단면 데이터가 포함되어 있습니다.
홍콩 어린이 눈 연구는 6-8세 어린이의 눈 상태에 대한 인구 기반 코호트 연구입니다.
설명
포함 기준:
- Shanghai Child and Adolescent Large-scale Eye Study (SCALE)에서 안저 이미지가 있는 피험자;
- 근시를 줄이기 위한 상하이 외부 시간[STORM] 시험에서 안저 이미지가 있는 피험자;
- 고도 근시 등록 연구[SCALE-HM]에서 안저 이미지가 있는 피험자
- SMS(Shanghai Myopia Screening) 연구에서 안저 이미지가 있는 피험자;
- 베이징 어린이 눈 연구에서 안저 이미지가 있는 피험자
- 쿤밍 의과대학 제1부속병원의 안저 이미지가 있는 피험자;
- Xinjiang Medical University 제1부속병원 안과에서 안저 이미지가 있는 피험자;
- 내몽골 의과 대학 부속 병원 안과에서 안저 이미지가 있는 피험자;
- Sun Yat-sen University의 Zhongshan Eye Centre에서 안저 이미지가 있는 피험자;
- 홍콩 어린이 눈 연구에서 안저 이미지가 있는 피험자;
제외 기준:
- 안저 이미지 품질이 좋지 않은 참가자
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
훈련 데이터 세트
교육 데이터 세트는 학교 기반의 전향적 코호트(STORM(Shanghai Time Outside to Reduce Myopia) 시험)의 데이터와 다른 인구 기반의 전향적 연구인 고도 근시 등록 연구(SCALE-HM)의 데이터로 구성되었습니다. 연간 후속 조치와 함께.
두 연구의 참가자는 훈련 세트(70%), 튜닝 세트(10%), 내부 테스트 세트(20%)로 나누어 참가자 수준에서 서로 중복되지 않았습니다.
|
이 딥 러닝 시스템은 근시 병기, 근시 황반병증 감지, 안근마비 굴절 추정 및 예측, 근시 및 근시 황반병증 발병의 위험 계층화를 위한 안저 이미지를 분석할 수 있습니다.
|
|
내부 유효성 검사 데이터 세트
내부 검증 데이터 세트는 학교 기반의 전향적 코호트(STORM(Shanghai Time Outside to Reduce Myopia) 시험)의 데이터와 다른 인구 기반의 전향적 연구인 고도 근시 등록 연구(SCALE-HM)의 데이터로 구성되었습니다. , 연간 후속 조치와 함께.
두 연구의 참가자는 훈련 세트(70%), 튜닝 세트(10%), 내부 테스트 세트(20%)로 나누어 참가자 수준에서 서로 중복되지 않았습니다.
|
이 딥 러닝 시스템은 근시 병기, 근시 황반병증 감지, 안근마비 굴절 추정 및 예측, 근시 및 근시 황반병증 발병의 위험 계층화를 위한 안저 이미지를 분석할 수 있습니다.
|
|
외부 유효성 검사 데이터 세트
딥 러닝 시스템의 외삽 기능을 테스트하기 위해 JFFT(Joint Five-site Fundus Test)와 HKCES(Hong Kong Children Eye Study)라는 두 개의 독립적인 데이터 세트를 외부 테스트 세트로 적용했습니다.
다중 사이트 데이터 세트인 JFFT 연구에는 상하이, 윈난, 내몽고, 신장 및 광저우의 단면 데이터가 포함되어 있습니다.
HKCES, 6-8세 아동의 눈 상태에 대한 인구 기반 코호트 연구.
|
이 딥 러닝 시스템은 근시 병기, 근시 황반병증 감지, 안근마비 굴절 추정 및 예측, 근시 및 근시 황반병증 발병의 위험 계층화를 위한 안저 이미지를 분석할 수 있습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
근시 병기 검출 가능성 점수
기간: 데이터 입력 직후
|
근시 준비 작업의 출력
|
데이터 입력 직후
|
|
근시성 황반병증 검출 가능성 점수
기간: 데이터 입력 직후
|
근시성 황반병증 검출 작업의 출력
|
데이터 입력 직후
|
|
예상 구형 등가물
기간: 데이터 입력 직후
|
구형 등가 작업 평가 결과
|
데이터 입력 직후
|
|
예측된 미래 연간 구형 등가물
기간: 데이터 입력 직후
|
미래 구형 등가 작업 예측 결과
|
데이터 입력 직후
|
|
근시 및 근시 황반병증 진행의 위험 점수
기간: 데이터 입력 직후
|
근시 및 근시성 황반병증 예측 작업의 진행 결과
|
데이터 입력 직후
|
공동 작업자 및 조사자
협력자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
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. .