Pesquisa de triagem automatizada de maculopatia com base em técnicas de IA usando imagens de OCT
22 de março de 2018 atualizado por: The First Affiliated Hospital with Nanjing Medical University
Pesquisa de Triagem Automatizada de Maculopatia por Técnicas de Aprendizagem Profunda Baseada em Tomografia Óptica Coerente
Os investigadores esperam desenvolver um algoritmo que possa interpretar imagens de OCT e determinar automaticamente se a mácula é normal ou não, usando técnicas de aprendizado profundo baseadas em imagens de OCT.
E os investigadores desejam desenvolver aplicativos de software que ajudem a rastrear e diagnosticar melhor as doenças maculares em áreas com recursos limitados.
Visão geral do estudo
Status
Desconhecido
Condições
Descrição detalhada
Os investigadores aplicarão a rede neural convolucional de aprendizado profundo usando o ImageNet para uma detecção automatizada de múltiplas doenças da retina com varreduras B horizontais de OCT com um banco de dados rotulado de alta qualidade.
Conjuntos de dados, incluindo conjunto de dados de treinamento, conjunto de dados de teste e conjuntos de dados de validação, serão construídos por oftalmologistas do primeiro hospital afiliado da Nanjing Medical University de acordo com as diretrizes de anotação padronizadas.
Tipo de estudo
Observacional
Inscrição (Antecipado)
20000
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
Jiangsu
-
Nanjing, Jiangsu, China, 210029
- The First Affiliated Hospital with Nanjing Medical University
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
N/D
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra Não Probabilística
População do estudo
sem limite de idade, sem gênero
Descrição
Critério de inclusão:
- Todos os pacientes atendidos no Departamento de Oftalmologia do Primeiro Hospital Afiliado da Nanjing Medical University dentro de 5 anos e que receberam diagnósticos conhecidos e claros com imagem digital da retina (incluindo OCT, fotografias digitais de fundo e angiografia de fluoresceína de fundo, pelo menos com imagens de OCT) como parte de seus cuidados clínicos de rotina, serão elegíveis para inclusão neste estudo.
Critério de exclusão:
- Exames impressos (ou seja, fotos de relatórios em papel de imagens de OCT realizadas em outros hospitais) não serão elegíveis.
- Dados de pacientes que solicitaram anteriormente manualmente que seus dados não fossem compartilhados, mesmo para fins de pesquisa de forma anônima, e informaram o Departamento de Oftalmologia do Primeiro Hospital Afiliado da Nanjing Medical University sobre esse desejo (mesmo em estudos conduzidos anteriormente ou outros estudos em andamento neste hospital), serão excluídos e seus dados não serão carregados na plataforma de nuvem antes do início da pesquisa.
- Os dados dos olhos tamponados com óleo ou gás de silicone (ou seja, C3F8) não serão elegíveis.
- Dados com baixa qualidade de imagem, como imagens incompletas, imagens invertidas, imagens borradas ou rachadas e imagens com sinal muito fraco (ou seja, hemorragia vítrea), não serão elegíveis.
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Outro
- Perspectivas de Tempo: Transversal
Coortes e Intervenções
Grupo / Coorte |
|---|
|
Normal
estrutura macular normal de OCT B-scans horizontais
|
|
Anormal
estrutura macular anormal de varreduras OCT B horizontais, incluindo muitas subcategorias de características patológicas, como membrana epirretiniana, descolamento do epitélio pigmentar, etc.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
curva característica de operação do receptor (ROC) do algoritmo
Prazo: aproximadamente 1 ano
|
Também é chamada de curva de sensibilidade.
A curva ROC mostra a sensibilidade do modelo do algoritmo para detectar automaticamente a saída desejada.
|
aproximadamente 1 ano
|
|
Área sob a curva ROC (AUC)
Prazo: aproximadamente 1 ano
|
Ele mostra o valor operacional do modelo de algoritmo, que pode representar o efeito do modelo.
|
aproximadamente 1 ano
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Investigadores
- Investigador principal: Songtao Yuan, doctor, The First Affiliated Hospital with Nanjing Medical University
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
30 de junho de 2017
Conclusão Primária (Antecipado)
1 de junho de 2018
Conclusão do estudo (Antecipado)
31 de dezembro de 2020
Datas de inscrição no estudo
Enviado pela primeira vez
26 de fevereiro de 2018
Enviado pela primeira vez que atendeu aos critérios de CQ
22 de março de 2018
Primeira postagem (Real)
26 de março de 2018
Atualizações de registro de estudo
Última Atualização Postada (Real)
26 de março de 2018
Última atualização enviada que atendeu aos critérios de controle de qualidade
22 de março de 2018
Última verificação
1 de fevereiro de 2018
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- JSPH-AIOCT-001
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Não
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .