Triagem e identificação de doenças hepatobiliares por meio de aprendizado profundo usando imagens oculares
16 de agosto de 2020 atualizado por: Haotian Lin, Sun Yat-sen University
A Inteligência Artificial pode fornecer informações sobre como explorar a potencial associação oculta por trás e revelar algumas mudanças iniciais na arquitetura ocular em indivíduos com distúrbios hepatobiliares.
Conduzimos um trabalho pioneiro para explorar a associação entre o olho e o fígado via aprendizado profundo, para desenvolver e avaliar diferentes modelos de aprendizado profundo para prever a doença hepatobiliar usando imagens oculares.
Visão geral do estudo
Status
Concluído
Intervenção / Tratamento
Tipo de estudo
Observacional
Inscrição (Real)
1789
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
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510000
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
-
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
- ADULTO
- OLDER_ADULT
- CRIANÇA
Aceita Voluntários Saudáveis
Sim
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra de Probabilidade
População do estudo
Imagens de lâmpada de fenda e fundo de retina coletadas do Departamento de Doenças Infecciosas, Terceiro Hospital Afiliado da Universidade Sun Yat-sen, Departamento de Doenças Infecciosas, Terceiro Hospital Afiliado da Universidade Sun Yat-sen, Hospital Afiliado Huadu da Southern Medical University, Nantian Medical Center da Aikang Health Care e Huanshidong Medical Center da Aikang Health Care.
Descrição
Critério de inclusão:
- A qualidade das imagens do fundo de olho e da lâmpada de fenda deve ser clinicamente aceitável.
- Mais de 90% da área da imagem do fundo, incluindo quatro regiões principais (disco óptico, macular, arcos dos vasos retinianos superiores e inferiores) são fáceis de ler e discriminar.
- Mais de 90% da área da imagem da lâmpada de fenda, incluindo três regiões principais (esclera, pupila e lente), são fáceis de ler e discriminar.
Critério de exclusão:
- Imagens com vazamento de luz (>10% da área), manchas de reflexos de lente ou manchas e superexposição foram excluídas de análises posteriores.
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
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
conjunto de dados de desenvolvimento 01
Imagens de lâmpada de fenda e fundo de retina coletadas do Departamento de Cirurgia Hepatobiliar do Terceiro Hospital Afiliado da Universidade Sun Yat-sen.
|
O conjunto de dados de treinamento foi usado para treinar o modelo de aprendizado profundo, que foi validado e testado pelos outros dois conjuntos de dados.
|
|
conjunto de dados de desenvolvimento 02
Imagens de lâmpada de fenda e fundo de retina coletadas do Affiliated Huadu Hospital da Southern Medical University.
|
O conjunto de dados de treinamento foi usado para treinar o modelo de aprendizado profundo, que foi validado e testado pelos outros dois conjuntos de dados.
|
|
conjunto de dados de desenvolvimento 03
Imagens de lâmpada de fenda e fundo de retina coletadas do Nantian Medical Center of Aikang Health Care.
|
O conjunto de dados de treinamento foi usado para treinar o modelo de aprendizado profundo, que foi validado e testado pelos outros dois conjuntos de dados.
|
|
conjunto de dados de teste 01
Imagens de lâmpada de fenda e fundo de retina coletadas do Departamento de Doenças Infecciosas, Terceiro Hospital Afiliado da Universidade Sun Yat-sen.
|
O conjunto de dados de treinamento foi usado para treinar o modelo de aprendizado profundo, que foi validado e testado pelos outros dois conjuntos de dados.
|
|
conjunto de dados de teste 02
Imagens de lâmpada de fenda e fundo de retina coletadas do Huanshidong Medical Center of Aikang Health Care.
|
O conjunto de dados de treinamento foi usado para treinar o modelo de aprendizado profundo, que foi validado e testado pelos outros dois conjuntos de dados.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
área sob a curva característica de operação do receptor do sistema de aprendizado profundo
Prazo: linha de base
|
Os investigadores calcularão a área sob a curva característica de operação do receptor do sistema de aprendizado profundo e compararão esse índice entre o sistema de aprendizado profundo e os médicos humanos
|
linha de base
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
sensibilidade e especificidade do sistema de aprendizado profundo
Prazo: linha de base
|
Os investigadores calcularão a sensibilidade e a especificidade do sistema de aprendizado profundo e compararão esse índice entre o sistema de aprendizado profundo e os médicos humanos
|
linha de base
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
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)
1 de dezembro de 2018
Conclusão Primária (REAL)
31 de janeiro de 2020
Conclusão do estudo (REAL)
31 de janeiro de 2020
Datas de inscrição no estudo
Enviado pela primeira vez
25 de dezembro de 2019
Enviado pela primeira vez que atendeu aos critérios de CQ
25 de dezembro de 2019
Primeira postagem (REAL)
30 de dezembro de 2019
Atualizações de registro de estudo
Última Atualização Postada (REAL)
18 de agosto de 2020
Última atualização enviada que atendeu aos critérios de controle de qualidade
16 de agosto de 2020
Última verificação
1 de agosto de 2020
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- AEHD-2019
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 .