Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Een platform voor multidisciplinaire medische ontwikkeling van kunstmatige intelligentie (AI)

16 mei 2021 bijgewerkt door: Haotian Lin, Sun Yat-sen University

Biomedisch diep leren (DL) is vaak sterk afhankelijk van het genereren van betrouwbare labels voor grootschalige gegevens en zeer technische vereisten voor modeltraining. Om DL-modellen efficiënt te ontwikkelen, hebben we een geïntegreerd platform opgezet om automatisering te introduceren in zowel annotatie als modeltraining - het primaire proces van DL-modelontwikkeling. Op basis van dit platform hebben we de annotatiestrategie en AI-modelontwikkeling kwantitatief gevalideerd en vergeleken met de zuiver handmatige annotatiemethode die wordt uitgevoerd op medische beelddatasets uit meerdere disciplines.

Studie Overzicht

Toestand

Werving

Conditie

Studietype

Observationeel

Inschrijving (Verwacht)

200

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Naam: Haotian Lin, Ph.D, M.D.
Telefoonnummer: +86-020-87330274
E-mail: gddlht@aliyun.com

Studie Locaties

China
- Guangdong
  - Guangzhou, Guangdong, China, 510060
    - Werving
    - Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
    - Contact:
      
      Haotian Lin, Ph.D, M.D.
      
      Telefoonnummer: +86-020-87330274
      
      E-mail: gddlht@aliyun.com

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

Kind
Volwassen
Oudere volwassene

Accepteert gezonde vrijwilligers

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

medische beeldvorming voor meerdere disciplines, waaronder oogheelkunde, pathologie, radiografie, bloedcellen en endoscopie

Beschrijving

Inclusiecriteria:

een medisch beeldvormingsdossier hebben (inclusief oogheelkunde, pathologie, radiografie, bloedcellen en endoscopie)

Uitsluitingscriteria:

ongekwalificeerde medische beeldvorming

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Aantal groepen / cohorten

Cohorten en interventies

Groep / Cohort
samenwerkingsgroep mens-machine zorgprofessionals en machine-samenwerking voor annotatie en AI-modelontwikkeling
pure manuele groep zorgprofessionals voor puur handmatige annotatie en AI-modelontwikkeling

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat	Maatregel Beschrijving	Tijdsspanne
annotatie nauwkeurigheid Tijdsspanne: basislijn	annotatienauwkeurigheid berekenen voor vergelijking tussen groepen met behulp van de annotatieresultaten	basislijn

Secundaire uitkomstmaten

Uitkomstmaat	Maatregel Beschrijving	Tijdsspanne
nauwkeurigheid van modelprestaties Tijdsspanne: basislijn	bereken de nauwkeurigheid van het AI-model voor vergelijking tussen groepen met behulp van de voorspelde resultaten van het model	basislijn
AUC van modelprestaties Tijdsspanne: basislijn	bereken AI-model-AUC's voor vergelijking tussen groepen met behulp van de door het model voorspelde resultaten	basislijn
annotatie tijd kost Tijdsspanne: basislijn	bereken de kosten van de annotatietijd voor vergelijking tussen groepen met behulp van de tijd die tijdens de tests is geregistreerd	basislijn

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Sun Yat-sen University

Onderzoekers

Hoofdonderzoeker: Haotian Lin, Ph.D, M.D., Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

18 maart 2021

Primaire voltooiing (Werkelijk)

1 april 2021

Studie voltooiing (Verwacht)

31 mei 2021

Studieregistratiedata

Eerst ingediend