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

Klinkersegmentatie voor classificatie van chronische obstructieve longziekten met behulp van machinaal leren

22 november 2024 bijgewerkt door: Blekinge Institute of Technology
Dit werk heeft tot doel te evalueren of de segmentatie van klinkeropnamen verzameld van patiënten met de diagnose COPD en gezonde controlegroepen de classificatieprecisie van machine learning-technieken kan vergroten.

Studie Overzicht

Toestand

Actief, niet wervend

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Spraakgegevens en sociodemografische gegevens over geslacht en leeftijd zullen worden verzameld via de applicatie "VoiceDiganostic" van het bedrijf Voice Diagnostic. Verzamelde klinkeropnames zullen worden gesegmenteerd en getest om te bepalen of sommige segmenten meer informatie bevatten voor de discriminatie van COPD ten opzichte van gezonde controlegroepen.

Elk segment wordt omgezet in wiskundige vocale maten, de zogenaamde stemfuncties. Voor elk segment zal een dataset bestaande uit stemfuncties in combinatie met demografische en gezondheidsgegevens worden samengesteld, die op zijn beurt zullen worden geëvalueerd op classificatieprestaties met behulp van verschillende machine learning-algoritmen.

Er zal een beschrijvende statistische analyse worden uitgevoerd op attributen die informatie bevatten over invoergegevens en verkregen resultaten van ML-algoritmen. De behaalde resultaten worden gepresenteerd in de vorm van samenvattende tabellen en grafieken.

Studietype

Observationeel

Inschrijving (Werkelijk)

68

Contacten en locaties

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

Studie Locaties

  • Zweden
    • Blekinge
      • Karlskrona, Blekinge, Zweden, 37179
        • Blekinge Institute of Technology

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

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Er zullen gegevens worden verzameld van deelnemers van 18 jaar en ouder met en zonder COPD-diagnose.

Beschrijving

Inclusiecriteria:

  • 18 jaar en ouder zijn.

Uitsluitingscriteria:

  • jonger zijn dan 18 jaar en ouder.

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

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
COPD
30 COPD-deelnemers, 16 vrouwen en 14 mannen.
Ander: COPD
Een dataset voor klinkersegmentatie bestaande uit informatie van COPD- en HC-groepen zal worden gebruikt om te experimenteren met de classificatieprestaties van verschillende Machine Learning-technieken op verschillende segmenten van een klinkeropname.
Andere namen:
  • HC
H.C
38 HC-deelnemers, 20 vrouwen en 18 mannen.
Ander: COPD
Een dataset voor klinkersegmentatie bestaande uit informatie van COPD- en HC-groepen zal worden gebruikt om te experimenteren met de classificatieprestaties van verschillende Machine Learning-technieken op verschillende segmenten van een klinkeropname.
Andere namen:
  • HC

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Classificatieprestaties
Tijdsspanne: 30 weken
Binaire classificatieprestaties van het ML-algoritme op elk segment.
30 weken

Medewerkers en onderzoekers

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

Sponsor

Blekinge Institute of Technology

Medewerkers

Excellence Center at Linköping - Lund in Information Technology (ELLIIT)

Onderzoekers

  • Hoofdonderzoeker: Johan Sanmartin Berglund, MD, PhD, Blekinge Institute of Technology

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)

28 november 2023

Primaire voltooiing (Werkelijk)

30 oktober 2024

Studie voltooiing (Geschat)

30 november 2024

Studieregistratiedata

Eerst ingediend

28 november 2023

Eerst ingediend dat voldeed aan de QC-criteria

5 december 2023

Eerst geplaatst (Werkelijk)

7 december 2023

Updates van studierecords

Laatste update geplaatst (Geschat)

25 november 2024

Laatste update ingediend die voldeed aan QC-criteria

22 november 2024

Laatst geverifieerd

1 november 2024

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • BTH-6.1.1-0169-2023

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Beschrijving IPD-plan

Gegevens van deelnemers kunnen vanwege de AVG niet worden gedeeld. De aangemaakte dataset kan echter op verzoek bij de instelling beschikbaar zijn.

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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 .

Abonneren