Diep leren in detectie en monitoring van retinoblastoom.
Deep Learning computerondersteund detectiesysteem voor detectie en monitoring van retinoblastoom.
Studie Overzicht
Toestand
Toestand
Conditie
Conditie
Interventie / Behandeling
Interventie / Behandeling
Gedetailleerde beschrijving
Studietype
Studietype
Inschrijving (Verwacht)
Inschrijving
Contacten en locaties
Studiecontact
Studiecontact
- Naam: Wenbin Wei, MD
- Telefoonnummer: 010-58269523
- E-mail: weiwenbintr@163.com
Studie Contact Back-up
- Naam: Ruiheng Zhang, MD
- E-mail: zhangruihengsy@outlook.com
Studie Locaties
-
-
Beijing
-
Beijing, Beijing, China, 100730
- Werving
- Wen-Bin Wei
-
-
Deelname Criteria
Geschiktheidscriteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Patiënten met retinoblastoom ondergaan standaard medische behandeling.
Uitsluitingscriteria:
- De operators identificeerden afbeeldingen die niet beoordeeld konden worden voor een juiste diagnose, vanwege redenen zoals onscherpte en onscherpte, en sloten ze uit van verdere analyse.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Aantal groepen / cohorten
Cohorten en interventies
Groep / CohortGroep / Cohort |
Interventie / BehandelingInterventie / Behandeling |
|---|---|
|
Patiënten met retinoblastoom
Retinoblastoompatiënten die standaard medische zorg ondergaan in het Beijing Tongren Hospital.
Het anonieme beeld van deze patiënten zal prospectief worden verzameld en geëtiketteerd door ervaren oogartsen.
|
Een eerder ontwikkeld algoritme voor diep leren zou worden toegepast om retinoblastoomtumoren op Retcam-beelden te identificeren en onderscheid te maken tussen actieve en inactieve retinoblastoomtumoren.
De beslissing van twee verschillende senior oogartsen zou de gouden standaard zijn.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Diagnose nauwkeurigheid van deep learning algorisme
Tijdsspanne: 1 week
|
De diagnostische nauwkeurigheid van dit deep learning-algoritme is de verhouding tussen echt positief en echt negatief in alle geëvalueerde gevallen
|
1 week
|
Medewerkers en onderzoekers
Sponsor
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (WERKELIJK)
Studie start
Primaire voltooiing (VERWACHT)
Primaire voltooiing
Studie voltooiing (VERWACHT)
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 (WERKELIJK)
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
- Neoplasmata per histologisch type
- Neoplasmata
- Neoplasmata per site
- Neoplasmata, glandulair en epitheel
- Oogziekten
- Ziekten van het netvlies
- Neoplasmata, neuro-epitheliaal
- Neuro-ectodermale tumoren
- Neoplasmata, kiemcellen en embryonaal
- Neoplasmata, zenuwweefsel
- Oogziekten, Erfelijk
- Oog neoplasmata
- Retinale neoplasmata
- Retinoblastoom
Andere studie-ID-nummers
Andere studie-ID-nummers
- AI in retinoblastoma
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 .