Kunstig intelligens for screening av flere hornhinnesykdommer
31. oktober 2024 oppdatert av: Tianjin Eye Hospital
Anvendelse av dyp læring for screening av flere hornhinnesykdommer
Denne studien utviklet en dyp læringsalgoritme basert på fremre segmentbilder og validerte prospektivt dens evne til å identifisere hornhinnesykdommer. Effektiviteten og nøyaktigheten til denne algoritmen ble evaluert ut fra sensitivitet, spesifisitet, positiv prediktiv verdi, negativ prediktiv verdi og område under kurve.
Studieoversikt
Status
Rekruttering
Forhold
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Antatt)
3000
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Yan Huo, Master
- Telefonnummer: 13102118953
- E-post: hy13102118953@163.com
Studiesteder
-
-
Tianjin
-
Tianjin, Tianjin, Kina
- Rekruttering
- Tiajin Eye Hospital
-
-
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
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Studiepopulasjonen er avledet fra en anonym database som inneholder helseundersøkelsesresultater for befolkningen generelt.
Beskrivelse
Inklusjonskriterier:
- Kvaliteten på spaltelampebilder bør være klinisk akseptabel.
- Mer enn 90 % av spaltelampens bildeareal inkludert tre hovedområder (sklera, pupill og linse) er enkle å lese og skille mellom.
Ekskluderingskriterier:
1）Utilstrekkelig informasjon for diagnose.
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 |
|---|---|
|
Hornhinnesykdommer diagnostisert av kunstig intelligens-algoritme
|
En kunstig intelligensalgoritme ble brukt for å diagnostisere hornhinnesykdommer fra spaltelampebilder.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Område under kurve
Tidsramme: 1 uke
|
Vi brukte mottakeroperasjonskarakteristikken (ROC) og arealet under kurve for å undersøke evnen til denne kunstige intelligensalgoritmen gjenkjennelse og klassifisering av hornhinnesykdommer.
|
1 uke
|
|
Sensitivitet og spesifisitet
Tidsramme: 1 uke
|
Vi brukte sensitivitet og spesifisitet for å undersøke evnen til denne kunstige intelligensalgoritmen gjenkjennelse og klassifisering av hornhinnesykdommer.
|
1 uke
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Etterforskere
- Studiestol: Yan Wang, Prof, Tianjin Eye Hospital
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)
6. desember 2020
Primær fullføring (Faktiske)
6. desember 2021
Studiet fullført (Antatt)
6. desember 2024
Datoer for studieregistrering
Først innsendt
8. januar 2024
Først innsendt som oppfylte QC-kriteriene
8. januar 2024
Først lagt ut (Faktiske)
18. januar 2024
Oppdateringer av studieposter
Sist oppdatering lagt ut (Antatt)
4. november 2024
Siste oppdatering sendt inn som oppfylte QC-kriteriene
31. oktober 2024
Sist bekreftet
1. oktober 2024
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- KY-2023083
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
UBESLUTTE
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. .