Platforma do multidyscyplinarnego rozwoju sztucznej inteligencji medycznej (AI)
Przegląd badań
Status
Status
Warunki
Warunki
Typ studiów
Typ studiów
Zapisy (Oczekiwany)
Zapisy
Kontakty i lokalizacje
Kontakt w sprawie studiów
Kontakt w sprawie studiów
- Nazwa: Haotian Lin, Ph.D, M.D.
- Numer telefonu: +86-020-87330274
- E-mail: gddlht@aliyun.com
Lokalizacje studiów
-
-
Guangdong
-
Guangzhou, Guangdong, Chiny, 510060
- Rekrutacyjny
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
Kontakt:
- Haotian Lin, Ph.D, M.D.
- Numer telefonu: +86-020-87330274
- E-mail: gddlht@aliyun.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- mieć dokumentację obrazowania medycznego (w tym okulistykę, patologię, radiografię, komórki krwi i endoskopię)
Kryteria wyłączenia:
- niewykwalifikowane obrazowanie medyczne
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
|---|
|
grupa współpracy człowiek-maszyna
pracowników służby zdrowia i współpracy maszynowej w celu tworzenia adnotacji i modeli AI
|
|
czysto manualna grupa
pracowników służby zdrowia w zakresie czysto ręcznych adnotacji i opracowywania modeli AI
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
dokładność adnotacji
Ramy czasowe: linia bazowa
|
obliczyć dokładność adnotacji dla porównania między grupami z wykorzystaniem wyników adnotacji
|
linia bazowa
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
dokładność wykonania modelu
Ramy czasowe: linia bazowa
|
obliczyć dokładność modelu AI do porównania między grupami przy użyciu przewidywanych wyników modelu
|
linia bazowa
|
|
AUC wydajności modelu
Ramy czasowe: linia bazowa
|
obliczyć AUC modelu AI w celu porównania między grupami przy użyciu przewidywanych wyników modelu
|
linia bazowa
|
|
koszt czasu adnotacji
Ramy czasowe: linia bazowa
|
obliczyć koszt czasu adnotacji dla porównania grup z wykorzystaniem czasu zarejestrowanego podczas testów
|
linia bazowa
|
Współpracownicy i badacze
Sponsor
Sponsor
Śledczy
Śledczy
- Główny śledczy: Haotian Lin, Ph.D, M.D., Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Rzeczywisty)
Zakończenie podstawowe
Ukończenie studiów (Oczekiwany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- AIplatform-2020
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .