Pilotstudie om dyp læring i øyet (IDLE)
5. januar 2021 oppdatert av: Pieter Nelis, CRG UZ Brussel
Validering av en overføringslærings-dyplæringsalgoritme for bildeklassifisering i flere patologier
Deep learning lar deg klassifisere bilder ved hjelp av en selvlærende algoritme.
Overføringslæring bygger på en eksisterende selvlærende algoritme for å muliggjøre bildeklassifisering med færre bilder.
I denne studien vil denne teknikken bli brukt på ulike bildemodaliteter ved ulike syndromer.
Retrospektiv studiedesign.
Studieoversikt
Status
Ukjent
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Forventet)
120
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
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
18 år til 100 år (Voksen, Eldre voksen)
Tar imot friske frivillige
Ja
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Friske og ikke-friske personer: trekk ut data fra tilgjengelige bilder
Beskrivelse
Inklusjonskriterier:
- Tilgjengelighet av bilder, som tillater diskriminering.
Ekskluderingskriterier:
- Ingen tilgjengelighet av klare data om sykdomsdifferensiering
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Ingen patologi
|
|
|
Patologi
|
Bildeklassifisering ved hjelp av dyp læringsalgoritme
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Validering av bildeklassifisering ved overføringslæringsalgoritme
Tidsramme: 1 år
|
1 år
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
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 (Forventet)
1. februar 2021
Primær fullføring (Forventet)
1. desember 2021
Studiet fullført (Forventet)
1. desember 2022
Datoer for studieregistrering
Først innsendt
7. desember 2020
Først innsendt som oppfylte QC-kriteriene
7. desember 2020
Først lagt ut (Faktiske)
11. desember 2020
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
7. januar 2021
Siste oppdatering sendt inn som oppfylte QC-kriteriene
5. januar 2021
Sist bekreftet
1. januar 2021
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- IDLE1000
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
produkt produsert i og eksportert fra USA
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 Diabetisk retinopati
-
Assiut UniversityUkjentom Vitreomacular Interface Abnormalities in Diabetic Retinopathy