Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Utvikling og validering av et dypt læringssystem for flere øyebunnssykdommer ved bruk av netthinnebilder

24. desember 2019 oppdatert av: Haotian Lin, Sun Yat-sen University

Utvikling og validering av et dypt læringssystem for multiple øyefundussykdommer ved bruk av netthinnebilder: en multisenter prospektiv studie

Netthinnebilder kan reflektere både fundus og systemiske tilstander (diabetes og kardiovaskulær sykdom) og for det første brukes til medisinsk kunstig intelligens (AI) algoritmetrening på grunn av fordelene av klinisk betydning og enkle å få tak i. Her utviklet etterforskerne en enkelt nettverksmodell som kan utvinne karakteristikkene blant flere fundussykdommer, som ble trent av mange fundusbilder med en eller flere sykdomsetiketter (hvis de har) i hver av dem. Modellytelsen ble sammenlignet med resultatene til både innfødte og internasjonale øyeleger. Modellen ble videre testet av datasett med forskjellige kameratyper og validert av tre eksterne datasett som prospektivt ble samlet inn fra de kliniske stedene der modellen skulle brukes.

Studieoversikt

Status

Ukjent

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Forventet)

300000

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

  • Kina
    • Guangdong
      • Guangzhou, Guangdong, Kina, 510060
        • Rekruttering
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Ta kontakt med:
        • Hovedetterforsker:
          • Haotian Lin, Ph.D

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Netthinnebilder ble samlet inn fra forskjellige helseinstitutter over hele Kina og andre land rundt om i verden.

Beskrivelse

Inklusjonskriterier:

  • Kvaliteten på fundusbilder bør være klinisk akseptabel. Mer enn 80 % av fundusbildeområdet, inkludert fire hovedområder (optisk disk, makulær, øvre og nedre netthinnekarbuer) er enkle å lese og skille mellom.

Ekskluderingskriterier:

  • Bilder med lyslekkasje (>30 % av arealet), flekker fra linseflammer eller flekker og overeksponering ble ekskludert fra videre analyse.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: Annen
  • Tidsperspektiver: Annen

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
Opplæringsdatasett
Netthinnebilder samlet fra sykehus og flere screeningssteder over hele Kina
Valideringsdatasett
Netthinnebilder separert fra treningsdatasettet
Annen: diagnostisk
Treningsdatasett ble brukt til å trene dyplæringsmodellen, som ble validert og testet av to andre datasett.
Testing av datasett
Netthinnebilder prospektivt samlet inn fra sykehusene og screeningstedene for øyesykdommer som er totalt forskjellige fra treningsdatasettet
Annen: diagnostisk
Treningsdatasett ble brukt til å trene dyplæringsmodellen, som ble validert og testet av to andre datasett.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Området under mottakerens driftskarakteristiske kurve for dyplæringssystemet
Tidsramme: grunnlinje
Etterforskerne vil beregne arealet under mottakerens funksjonskarakteristiske kurve for dyplæringssystem og sammenligne denne indeksen mellom dyplæringssystem og menneskelige leger.
grunnlinje

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Følsomhet av dyplæringssystemet
Tidsramme: grunnlinje
Etterforskerne vil beregne følsomheten til dyplæringssystem og sammenligne denne indeksen mellom dyplæringssystem og menneskelige leger.
grunnlinje
Spesifisiteten til dyplæringssystemet
Tidsramme: grunnlinje
Etterforskerne vil beregne spesifisiteten til dyplæringssystem og sammenligne denne indeksen mellom dyplæringssystem og menneskelige leger.
grunnlinje

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Sun Yat-sen University

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Generelle publikasjoner

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. januar 2014

Primær fullføring (Forventet)

1. februar 2020

Studiet fullført (Forventet)

1. mai 2020

Datoer for studieregistrering

Først innsendt

23. desember 2019

Først innsendt som oppfylte QC-kriteriene

24. desember 2019

Først lagt ut (Faktiske)

30. desember 2019

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

30. desember 2019

Siste oppdatering sendt inn som oppfylte QC-kriteriene

24. desember 2019

Sist bekreftet

1. desember 2019

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • CCPMOH2019- China8

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

Nei

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

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 diagnostisk

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Algeria

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

3
Abonnere