Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Opracowanie i walidacja systemu głębokiego uczenia się dla wielu chorób dna oka z wykorzystaniem obrazów siatkówki

24 grudnia 2019 zaktualizowane przez: Haotian Lin, Sun Yat-sen University

Opracowanie i walidacja systemu głębokiego uczenia się dla wielu chorób dna oka przy użyciu obrazów siatkówki: wieloośrodkowe badanie prospektywne

Obrazy siatkówki mogą odzwierciedlać zarówno stan dna oka, jak i układowe (cukrzycę i choroby układu krążenia), a przede wszystkim mogą być wykorzystywane do szkolenia algorytmów sztucznej inteligencji (AI) ze względu na zalety o znaczeniu klinicznym i łatwe do uzyskania. W tym przypadku badacze opracowali pojedynczy model sieciowy, który może wydobywać cechy wielu chorób dna oka, który został przeszkolony przez wiele obrazów dna oka z jedną lub kilkoma etykietami chorób (jeśli mają) w każdym z nich. Wydajność modelu porównano z wydajnością okulistów krajowych i międzynarodowych. Model został następnie przetestowany za pomocą zestawów danych z różnymi typami kamer i zweryfikowany za pomocą trzech zewnętrznych zestawów danych zebranych prospektywnie z ośrodków klinicznych, w których model miał zostać zastosowany.

Przegląd badań

Status

Nieznany

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Oczekiwany)

300000

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny, 510060
        • Rekrutacyjny
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Kontakt:
        • Główny śledczy:
          • Haotian Lin, Ph.D

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

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

Obrazy siatkówki zostały zebrane z różnych instytutów opieki zdrowotnej w całych Chinach i innych krajach na całym świecie.

Opis

Kryteria przyjęcia:

  • Jakość obrazów dna oka powinna być akceptowalna klinicznie. Ponad 80% 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.

Kryteria wyłączenia:

  • Obrazy z wyciekiem światła (>30% 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

  • Modele obserwacyjne: Inny
  • Perspektywy czasowe: Inny

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Zestaw danych szkoleniowych
Obrazy siatkówki zebrane ze szpitali i wielu ośrodków badań przesiewowych w całych Chinach
Zbiór danych walidacji
Obrazy siatkówki oddzielone od zestawu danych treningowych
Inny: diagnostyczny
Zbiór danych szkoleniowych został wykorzystany do wytrenowania modelu głębokiego uczenia się, który został zweryfikowany i przetestowany na dwóch innych zestawach danych.
Testowanie zestawu danych
Obrazy siatkówki zebrane prospektywnie ze szpitali i miejsc badań przesiewowych chorób oczu całkowicie różnią się od zbioru danych treningowych
Inny: diagnostyczny
Zbiór danych szkoleniowych został wykorzystany do wytrenowania modelu głębokiego uczenia się, który został zweryfikowany i przetestowany na dwóch innych zestawach 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 charakterystyczną 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 systemu głębokiego uczenia
Ramy czasowe: linia bazowa
Badacze obliczą czułość systemu głębokiego uczenia się i porównają ten wskaźnik między systemem głębokiego uczenia się a ludzkimi lekarzami.
linia bazowa
Specyfika systemu głębokiego uczenia
Ramy czasowe: linia bazowa
Badacze obliczą specyfikę 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.

Sponsor

Sun Yat-sen University

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

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 stycznia 2014

Zakończenie podstawowe (Oczekiwany)

1 lutego 2020

Ukończenie studiów (Oczekiwany)

1 maja 2020

Daty rejestracji na studia

Pierwszy przesłany

23 grudnia 2019

Pierwszy przesłany, który spełnia kryteria kontroli jakości

24 grudnia 2019

Pierwszy wysłany (Rzeczywisty)

30 grudnia 2019

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

30 grudnia 2019

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

24 grudnia 2019

Ostatnia weryfikacja

1 grudnia 2019

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • CCPMOH2019- China8

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 .

Badania kliniczne na Zaburzenie okulistyczne

Badania kliniczne na diagnostyczny

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Hungary

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

3
Subskrybuj