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

Platforma do multidyscyplinarnego rozwoju sztucznej inteligencji medycznej (AI)

16 maja 2021 zaktualizowane przez: Haotian Lin, Sun Yat-sen University
Głębokie uczenie się biomedyczne (DL) często polega w dużej mierze na generowaniu niezawodnych etykiet dla danych na dużą skalę i wysoce technicznych wymaganiach dotyczących szkolenia modeli. Aby skutecznie opracowywać modele DL, stworzyliśmy zintegrowaną platformę, która wprowadza automatyzację zarówno do adnotacji, jak i szkolenia modeli — podstawowego procesu opracowywania modeli DL. W oparciu o tę platformę przeprowadziliśmy ilościową walidację i porównaliśmy strategię adnotacji i rozwój modelu AI z czysto ręczną metodą adnotacji wykonaną na zestawach danych obrazów medycznych z wielu dyscyplin.

Przegląd badań

Status

Rekrutacyjny

Warunki

Typ studiów

Obserwacyjny

Zapisy (Oczekiwany)

200

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

  • Nazwa: Haotian Lin, Ph.D, M.D.
  • Numer telefonu: +86-020-87330274
  • E-mail: gddlht@aliyun.com

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny, 510060
        • Rekrutacyjny
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
        • Kontakt:

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

Tak

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

obrazowanie medyczne dla wielu dyscyplin, w tym okulistyki, patologii, radiografii, komórek krwi i endoskopii

Opis

Kryteria przyjęcia:

  • mieć dokumentację obrazowania medycznego (w tym okulistykę, patologię, radiografię, komórki krwi i endoskopię)

Kryteria wyłączenia:

  • niewykwalifikowane obrazowanie medyczne

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
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

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

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

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Sun Yat-sen University

Śledczy

  • Główny śledczy: Haotian Lin, Ph.D, M.D., Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity

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)

18 marca 2021

Zakończenie podstawowe (Rzeczywisty)

1 kwietnia 2021

Ukończenie studiów (Oczekiwany)

31 maja 2021

Daty rejestracji na studia

Pierwszy przesłany

18 marca 2021

Pierwszy przesłany, który spełnia kryteria kontroli jakości

16 maja 2021

Pierwszy wysłany (Rzeczywisty)

18 maja 2021

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

18 maja 2021

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

16 maja 2021

Ostatnia weryfikacja

1 maja 2021

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • AIplatform-2020

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 Obrazowanie medyczne

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Cameroon

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj