Een onderzoek naar de detectie van paroxysmale gebeurtenissen met behulp van computervisie en machinaal leren
De toegenomen rekenkracht heeft het mogelijk gemaakt om complexe beeldherkenningstaken en machine learning te implementeren voor dagelijks gebruik. De op computer vision en machine learning gebaseerde oplossing die in dit project wordt gebruikt (Nelli) is een automatische aanvalsdetectie- en rapportagemethode die een CE-markering heeft voor dit specifieke gebruik.
De huidige studie zal gegevens opleveren om het nut en de detectiecapaciteit van NELLI uit te breiden en de nauwkeurigheid en klinische bruikbaarheid van geautomatiseerde computervisie en op machine learning gebaseerde aanvalsdetectie te verbeteren.
Studie Overzicht
Toestand
Toestand
Conditie
Conditie
Interventie / Behandeling
Interventie / Behandeling
Gedetailleerde beschrijving
Studietype
Studietype
Inschrijving (Werkelijk)
Inschrijving
Contacten en locaties
Studie Locaties
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Verenigde Staten, 19107
- Thomas Jefferson University
-
-
Deelname Criteria
Geschiktheidscriteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Alle patiënten die video-EEG-monitoring ondergaan voor klinische doeleinden en die verdacht worden van epileptische aanvallen.
Uitsluitingscriteria:
-
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Ander
- Tijdsperspectieven: Prospectief
Wat meet het onderzoek?
Primaire uitkomstmaten
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Gevoeligheid van een aanvalsdetectiesysteem
Tijdsspanne: Tijdens routinecontrole van aanvallen in het ziekenhuis - tot een week
|
De primaire uitkomstmaat zal de gevoeligheid van het Nelli-systeem zijn om aanvallen met een positieve motorische component te detecteren in vergelijking met onafhankelijke neurologische beoordeling van vEEG verzameld in een epilepsiebewakingseenheid.
Dit is een blinde vergelijking met de klinische gouden standaard (vEEG)
|
Tijdens routinecontrole van aanvallen in het ziekenhuis - tot een week
|
Medewerkers en onderzoekers
Sponsor
Sponsor
Onderzoekers
Onderzoekers
- Hoofdonderzoeker: Michael Sperling, MD, Jefferson University
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Studie start
Primaire voltooiing (Werkelijk)
Primaire voltooiing
Studie voltooiing (Werkelijk)
Studie voltooiing
Studieregistratiedata
Eerst ingediend
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Eerst geplaatst
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update geplaatst
Laatste update ingediend die voldeed aan QC-criteria
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
Andere studie-ID-nummers
- TJU-20D.009
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .