- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT02932176
Maskinlæring for håndholdte vaskulære studier (DopplerZAM)
Utvikling og validering av en ny maskinlæringsalgoritme for å hjelpe til med håndholdt vaskulær diagnostikk
Bruken av håndholdte arterielle 'stetoskoper' (kontinuerlig bølge Doppler-enheter) er allestedsnærværende i klinisk praksis. De fleste brukere har imidlertid ikke fått noen formell opplæring i bruken eller tolkningen av de returnerte dataene. Dette fører til forsinkelser i diagnose og feil i diagnose.
Etterforskerne har til hensikt å lage en ny maskinlæringsalgoritme for å hjelpe klinikere med å bruke disse dataene. Denne studien vil tillate etterforskerne å samle inn lydfiler fra bruken av enhetene og sammenligne utdataene fra algoritmene med etablerte, eksisterende vaskulære tester. Det vil ikke være noen invasive prosedyrer, og bruk av disse stetoskopene er en del av rutinemessig klinisk behandling.
Hvis det lykkes, vil disse dataene og algoritmen senere distribueres via smarttelefonappen for testing i en egen studie
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Det er tre hovedforskningsoppgaver for dette prosjektet: 1) identifisering av diskriminerende trekk ved Doppler-lyd for pasientklassifisering, 2) valg og opplæring av klassifiseringsalgoritmer, og 3) CWD-lyddataberikelse ved bruk av fysikkbaserte modeller. Etterforskerne vil finne ut hvilke diskriminerende funksjoner som er optimale for pasientklassifisering fra ultralyd Doppler-lyd.
For dette formål vil etterforskerne bruke signalfunksjoner i frekvensdomenet som blant annet båndbredde, toppfrekvens, gjennomsnittlig effekt, gjennomsnittlig frekvens og tidsharmonisk forvrengning.
Videre vil etterforskerne undersøke om tidsdomenefunksjoner er nødvendige for nøyaktig lydklassifisering. Andre studier har vist at spesifikke funksjoner ved lydbølgeformer kan klassifisere dataene. Etterforskerne vil bruke noen av de mest effektive maskinlæringsalgoritmene for klassifisering som SVM, logistisk regresjon og Naive Bayes, blant andre. Etterforskerne vil starte med et binært klassifiseringsproblem der individer vil bli klassifisert som sunne eller usunne. Deretter vil etterforskerne gå i kompleksitet til multi-klasse klassifiseringsproblemer der individer vil bli kategorisert i forskjellige grupper i henhold til definerte unormale arterielle forhold. Dataanriking ved bruk av fysikkbaserte modeller som bruker fysiologisk nøyaktige endelige elementmodeller av væskestrøm i arterier for å generere syntetiske lydsignaler som tilsvarer forskjellige arterielle forhold. Fysikkbaserte simuleringer vil tillate etterforskerne å produsere et vell av treningsdata som kan spenne over mange kjente arterielle forhold. Denne evnen kan øke klassifiseringsnøyaktigheten og generaliseringen av våre algoritmer, ettersom kliniske data kanskje ikke er uttømmende nok til å inkludere alle kjente arterielle tilstander. Etterforskerne vil studere ytelsen til de trente algoritmene på pasientdata. For dette formål vil etterforskerne dele dataene inn i trenings- og testprøver. Treningsprøvene vil bli brukt til trening av algoritmene, mens testsettet vil bli brukt til å vurdere generaliseringsevne. Etterforskerne vil beregne feilklassifiseringsrater for hver algoritme som en beregning for ytelse.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiesteder
-
-
North Carolina
-
Durham, North Carolina, Forente stater, 27710
- Duke University Medical Center
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- En klinisk drevet anmodning om ikke-invasiv vaskulær testing må foreligge
Ekskluderingskriterier:
- Ingen (annet enn pasienten nekter å delta)
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Kohort
- Tidsperspektiver: Potensielle
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
---|---|
Ikke-invasiv vaskulær testing
Alle pasienter som gjennomgår ikke-invasiv vaskulær testing vil være kvalifisert for denne studien.
De offisielle resultatene vil bli brukt til å utvikle algoritmen og for å evaluere nøyaktigheten til algoritmen
|
Resultater av klinisk indiserte ikke-invasive vaskulære tester vil bli brukt til å utvikle en maskinlæringsalgoritme
Andre navn:
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tidsramme |
---|---|
Algoritmegenerert Doppler-klassifisering
Tidsramme: 1 år
|
1 år
|
Sekundære resultatmål
Resultatmål |
Tidsramme |
---|---|
Tilstedeværelse eller fravær av puls
Tidsramme: 1 år
|
1 år
|
Kvalitet på puls
Tidsramme: 1 år
|
1 år
|
Tilstedeværelse eller fravær av Doppler-signal
Tidsramme: 1 år
|
1 år
|
Kvaliteten på Doppler-signalet
Tidsramme: 1 år
|
1 år
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Antatt)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- Pro00070090
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .
Kliniske studier på Sår og skader
-
University Hospital Schleswig-HolsteinAktiv, ikke rekrutterendeDigit Tip Wound | Splitt huddonorsideTyskland
-
University of PittsburghNational Institute of Dental and Craniofacial Research (NIDCR); Kaiser...FullførtPit-and-fissure tetningsmidlerForente stater
-
Penn State UniversityRekruttering
-
TakedaFullført
-
Center for International Blood and Marrow Transplant...Cellular Dynamics International, Inc. - A FUJIFILM CompanyAvsluttetiPS Cell Manufacturing and Banking
-
Istituto Clinico HumanitasFullførtGnRH Trigger and Rescue Protocol
-
Prisma Health-UpstateFullført
-
Gangnam Severance HospitalFullførtAnterior Cervical Discectomy and Fusion (ACDF) kirurgiKorea, Republikken
-
University of LiegeDMG Paris DescartesUkjentZirconia Monolithic Dental Restorations: In-mouth Behaviour, LTD and WearBelgia
-
Mundipharma Research LimitedAvsluttetACOS (Fixed Airflow Obstruction and Elevated Eosinophils)Slovakia
Kliniske studier på Ikke-invasiv vaskulær testing
-
Assistance Publique - Hôpitaux de ParisFullført
-
University Hospital, CaenAvsluttet
-
Obstetrix Medical GroupFullført
-
Mayo ClinicQatar National Research FundFullførtAkutt koronarsyndromForente stater
-
Menarini Biomarkers SingaporeRekruttering
-
Arkansas Children's Hospital Research InstituteNational Institute of Allergy and Infectious Diseases (NIAID); Children...RekrutteringLungeinvasive soppinfeksjoner | Pulmonal invasiv aspergilloseForente stater, Canada
-
Aalborg University HospitalAarhus University Hospital; Rigshospitalet, Denmark; Horsens Hospital; Kolding... og andre samarbeidspartnereFullførtPreimplantasjons genetisk diagnose | Prenatale diagnoserDanmark
-
University of California, San FranciscoRekrutteringFostervekstrestriksjon | Svangerskapsforgiftning alvorligForente stater
-
The University of Hong KongRekrutteringPreimplantasjonsdiagnoseKina
-
Queen Mary Hospital, Hong KongHar ikke rekruttert ennåInfertilitetHong Kong