Reconstruction Technology to Auxiliary Diagnosis and Guarantee Patient Privacy
16. september 2021 oppdatert av: Haotian Lin, Sun Yat-sen University
Using a Reconstruction Technology With Facial Pathological Features to Auxiliary Diagnosis and Guarantee Patient Privacy
Medical data that contain facial images are particularly sensitive as they retain important personal biometric identity, privacy protection.
We developed a novel technology called "Digital Mask" (DM), based on real-time three-dimensional (3D) reconstruction and deep learning algorithm, to extract disease-relevant features but remove patient identifiable features from facial images of patients.
Studieoversikt
Status
Rekruttering
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Forventet)
400
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Haotian Lin
- Telefonnummer: 13802793086
- E-post: gddlht@aliyun.com
Studiesteder
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510000
- Rekruttering
- Zhongshan Ophthalmic Center
-
Ta kontakt med:
- Haotian Lin
- Telefonnummer: +86-020-87330274
- E-post: gddlht@aliyun.com
-
-
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
Ja
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Outpatients from strabismus departments, paediatric ophthalmology departments, TAO departments, and ophthalmic plastic departments.
Beskrivelse
Inclusion Criteria:
- The quality of facial images should be clinically acceptable.
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 |
|---|---|
|
facial videos dataset
facial videos collected from Zhongshan Ophthalmic Center of Sun Yat-sen University.
|
A new technology based on 3D reconstruction and deep learning algorithm to irreversibly erase the biometric attributes whilst retaining the clinical attributes needed for diagnosis and management
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnostic consistency
Tidsramme: baseline
|
For each eye, both the diagnosis from the original videos and the diagnosis from the DM-reconstructed videos were recorded and compared.
If the two diagnoses were consistent, it suggests that the reconstruction would be precise enough in clinical practice.
|
baseline
|
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 (Faktiske)
10. mai 2020
Primær fullføring (Forventet)
20. september 2021
Studiet fullført (Forventet)
30. januar 2022
Datoer for studieregistrering
Først innsendt
16. september 2021
Først innsendt som oppfylte QC-kriteriene
16. september 2021
Først lagt ut (Faktiske)
28. september 2021
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
28. september 2021
Siste oppdatering sendt inn som oppfylte QC-kriteriene
16. september 2021
Sist bekreftet
1. september 2021
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- 2021KYPJ77
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. .