Badania przesiewowe i identyfikacja chorób wątroby i dróg żółciowych poprzez głębokie uczenie się przy użyciu obrazów oka
16 sierpnia 2020 zaktualizowane przez: Haotian Lin, Sun Yat-sen University
Sztuczna inteligencja może zapewnić wgląd w badanie potencjalnego ukrytego związku i ujawnić pewne wczesne zmiany w architekturze oka u osób z zaburzeniami wątroby i dróg żółciowych.
Przeprowadziliśmy pionierską pracę w celu zbadania związku między okiem a wątrobą poprzez głębokie uczenie się, aby opracować i ocenić różne modele głębokiego uczenia się w celu przewidywania choroby wątroby i dróg żółciowych za pomocą obrazów ocznych.
Przegląd badań
Status
Zakończony
Interwencja / Leczenie
Typ studiów
Obserwacyjny
Zapisy (Rzeczywisty)
1789
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Guangdong
-
Guangzhou, Guangdong, Chiny, 510000
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
-
Kryteria uczestnictwa
Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.
Kryteria kwalifikacji
Wiek uprawniający do nauki
- DOROSŁY
- STARSZY_DOROŚLI
- DZIECKO
Akceptuje zdrowych ochotników
Tak
Płeć kwalifikująca się do nauki
Wszystko
Metoda próbkowania
Próbka prawdopodobieństwa
Badana populacja
Obrazy z lampy szczelinowej i dna siatkówki zebrane z Oddziału Chorób Zakaźnych, Trzeciego Szpitala Stowarzyszonego Uniwersytetu Sun Yat-sena, Oddziału Chorób Zakaźnych, Trzeciego Szpitala Stowarzyszonego Uniwersytetu Sun Yat-sena, Stowarzyszonego Szpitala Huadu Południowego Uniwersytetu Medycznego, Nantian Medical Center Aikang Health Care i Huanshidong Medical Center of Aikang Health Care.
Opis
Kryteria przyjęcia:
- Jakość obrazów dna oka i lampy szczelinowej powinna być klinicznie akceptowalna.
- Ponad 90% obszaru obrazu dna oka, w tym cztery główne obszary (dysk nerwu wzrokowego, plamka żółta, górne i dolne łuki naczyń siatkówki) są łatwe do odczytania i rozróżnienia.
- Ponad 90% obszaru obrazu w lampie szczelinowej, w tym trzy główne obszary (twardówka, źrenica i soczewka), są łatwe do odczytania i rozróżnienia.
Kryteria wyłączenia:
- Obrazy z wyciekiem światła (>10% powierzchni), plamami od odblasków lub plam obiektywu oraz prześwietleniem zostały wykluczone z dalszej analizy.
Plan studiów
Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
zestaw danych rozwojowych 01
Zdjęcia z lampy szczelinowej i dna siatkówki zebrane z Oddziału Chirurgii Wątroby i dróg żółciowych Trzeciego Szpitala Stowarzyszonego Uniwersytetu Sun Yat-sena.
|
Zestaw danych szkoleniowych został użyty do wytrenowania modelu głębokiego uczenia się, który został zweryfikowany i przetestowany przez pozostałe dwa zestawy danych.
|
|
zestaw danych rozwojowych 02
Zdjęcia z lampy szczelinowej i dna siatkówki zebrane z Affiliated Huadu Hospital of Southern Medical University.
|
Zestaw danych szkoleniowych został użyty do wytrenowania modelu głębokiego uczenia się, który został zweryfikowany i przetestowany przez pozostałe dwa zestawy danych.
|
|
zestaw danych rozwojowych 03
Zdjęcia z lampy szczelinowej i dna siatkówki zebrane z Nantian Medical Center of Aikang Health Care.
|
Zestaw danych szkoleniowych został użyty do wytrenowania modelu głębokiego uczenia się, który został zweryfikowany i przetestowany przez pozostałe dwa zestawy danych.
|
|
zestaw danych testowych 01
Zdjęcia z lampy szczelinowej i dna siatkówki zebrane z Oddziału Chorób Zakaźnych Trzeciego Szpitala Stowarzyszonego Uniwersytetu Sun Yat-sena.
|
Zestaw danych szkoleniowych został użyty do wytrenowania modelu głębokiego uczenia się, który został zweryfikowany i przetestowany przez pozostałe dwa zestawy danych.
|
|
zestaw danych testowych 02
Zdjęcia z lampy szczelinowej i dna siatkówki zebrane z Huanshidong Medical Center of Aikang Health Care.
|
Zestaw danych szkoleniowych został użyty do wytrenowania modelu głębokiego uczenia się, który został zweryfikowany i przetestowany przez pozostałe dwa zestawy danych.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
obszar pod krzywą charakterystyki działania odbiornika systemu głębokiego uczenia
Ramy czasowe: linia bazowa
|
Badacze obliczą pole pod krzywą charakterystyki działania odbiornika systemu głębokiego uczenia się i porównają ten wskaźnik między systemem głębokiego uczenia się a ludzkimi lekarzami
|
linia bazowa
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
czułość i specyficzność systemu głębokiego uczenia
Ramy czasowe: linia bazowa
|
Badacze obliczą czułość i specyficzność systemu głębokiego uczenia się i porównają ten wskaźnik między systemem głębokiego uczenia się a ludzkimi lekarzami
|
linia bazowa
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Daty zapisu na studia
Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.
Główne daty studiów
Rozpoczęcie studiów (RZECZYWISTY)
1 grudnia 2018
Zakończenie podstawowe (RZECZYWISTY)
31 stycznia 2020
Ukończenie studiów (RZECZYWISTY)
31 stycznia 2020
Daty rejestracji na studia
Pierwszy przesłany
25 grudnia 2019
Pierwszy przesłany, który spełnia kryteria kontroli jakości
25 grudnia 2019
Pierwszy wysłany (RZECZYWISTY)
30 grudnia 2019
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (RZECZYWISTY)
18 sierpnia 2020
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
16 sierpnia 2020
Ostatnia weryfikacja
1 sierpnia 2020
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- AEHD-2019
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIE
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Nie
Bada produkt urządzenia regulowany przez amerykańską FDA
Nie
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 .