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

Segmentacja samogłosek w celu klasyfikacji przewlekłej obturacyjnej choroby płuc za pomocą uczenia maszynowego

22 listopada 2024 zaktualizowane przez: Blekinge Institute of Technology
Niniejsza praca ma na celu ocenę, czy segmentacja nagrań samogłosek zebranych od pacjentów ze zdiagnozowaną POChP i zdrowych grup kontrolnych może zwiększyć precyzję klasyfikacji technik uczenia maszynowego.

Przegląd badań

Status

Aktywny, nie rekrutujący

Warunki

Interwencja / Leczenie

Szczegółowy opis

Dane głosowe oraz dane socjodemograficzne dotyczące płci i wieku będą zbierane za pośrednictwem aplikacji „VoiceDiganostic” firmy Voice Diagnostic. Zebrane nagrania samogłosek zostaną poddane segmentacji i przetestowane w celu ustalenia, czy niektóre segmenty zawierają więcej informacji umożliwiających odróżnienie POChP od zdrowych grup kontrolnych.

Każdy segment zostanie przekształcony w matematyczne miary wokalne zwane cechami głosowymi. Dla każdego segmentu zostanie skonstruowany zestaw danych składający się z funkcji głosowych w połączeniu z danymi demograficznymi i zdrowotnymi, który z kolei zostanie oceniony pod kątem skuteczności klasyfikacji przy użyciu kilku algorytmów uczenia maszynowego.

Opisowa analiza statystyczna zostanie przeprowadzona na atrybutach zawierających informacje o danych wejściowych i uzyskanych wynikach z algorytmów ML. Uzyskane wyniki zostaną zaprezentowane w formie zestawień tabelarycznych i wykresów.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

68

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Szwecja
    • Blekinge
      • Karlskrona, Blekinge, Szwecja, 37179
        • Blekinge Institute of Technology

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 dorosły

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Do badania zostaną zebrane dane od uczestników w wieku 18 lat i starszych, z diagnozą POChP lub bez niej.

Opis

Kryteria przyjęcia:

  • mając ukończone 18 lat.

Kryteria wyłączenia:

  • mieć mniej niż 18 lat i więcej.

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
POChP
30 uczestników POChP, 16 kobiet i 14 mężczyzn.
Inny: POChP
Zestaw danych dotyczących segmentacji samogłosek składający się z informacji z grup POChP i HC zostanie wykorzystany do eksperymentowania z wydajnością klasyfikacji kilku technik uczenia maszynowego w różnych segmentach nagrania samogłosek.
Inne nazwy:
  • HC
HC
38 uczestników HC, 20 kobiet i 18 mężczyzn.
Inny: POChP
Zestaw danych dotyczących segmentacji samogłosek składający się z informacji z grup POChP i HC zostanie wykorzystany do eksperymentowania z wydajnością klasyfikacji kilku technik uczenia maszynowego w różnych segmentach nagrania samogłosek.
Inne nazwy:
  • HC

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Wydajność klasyfikacji
Ramy czasowe: 30 tygodni
Wydajność klasyfikacji binarnej algorytmu ML w każdym segmencie.
30 tygodni

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Blekinge Institute of Technology

Współpracownicy

Excellence Center at Linköping - Lund in Information Technology (ELLIIT)

Śledczy

  • Główny śledczy: Johan Sanmartin Berglund, MD, PhD, Blekinge Institute of Technology

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)

28 listopada 2023

Zakończenie podstawowe (Rzeczywisty)

30 października 2024

Ukończenie studiów (Szacowany)

30 listopada 2024

Daty rejestracji na studia

Pierwszy przesłany

28 listopada 2023

Pierwszy przesłany, który spełnia kryteria kontroli jakości

5 grudnia 2023

Pierwszy wysłany (Rzeczywisty)

7 grudnia 2023

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

25 listopada 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

22 listopada 2024

Ostatnia weryfikacja

1 listopada 2024

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • BTH-6.1.1-0169-2023

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Dane uczestnika nie mogą być udostępniane ze względu na RODO. Utworzony zbiór danych może być jednak udostępniony na żądanie instytucji.

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 .

Subskrybuj