Новая методика лечения заболеваний сетчатки
Исследование интеллектуальной диагностики и автоматического отслеживания поражений для точного лечения заболеваний сетчатки на основе глубокого обучения
Обзор исследования
Статус
Статус
Условия
Условия
Подробное описание
- Структурированная база данных изображений DR Построение и точная аннотация: ретроспективные (с 1 января 2016 г. до дня этической проверки) и проспективные (со дня этической проверки до 31 декабря 2023 г.) собранные данные FFA и другие мультимодальные изображения. Несколько офтальмологов и старших экспертов по заболеваниям глазного дна провели диагностическую оценку каждого изображения каждого пациента и выполнили точную градацию данных. Наконец, шаг за шагом была создана структурированная база данных Dr. В этой статье используется теория компьютерного зрения для количественной оценки искажения качества изображения FFA, направляет компьютер для адаптивной настройки существующих алгоритмов улучшения изображения и шумоподавления, а также завершается предварительная обработка данных изображения глазного дна.
- Построение интеллектуальной диагностической системы Dr на основе изображения глазного дна: во-первых, изображение глазного дна используется в качестве обучающей базы данных данных глазного дна, и в соответствии с международным стандартом клинической диагностики доктора, многие врачи точно отмечают изображение глазного дна. Международные клинические критерии оценки Dr: степень 0, отсутствие явных аномалий сетчатки; 1 степень, только микроангиома; степень 2, более тяжелая, чем микроангиома, но менее тяжелая, чем тяжелая; 3 степень, четыре квадранта, в каждом квадранте более 20 ретинальных кровоизлияний, более чем в двух квадрантах имеются определенные венозные бусы, более чем в одном квадранте - выраженная Ирма, признаков пролиферативной ретинопатии нет; 4 степень, неоваскуляризация, кровоизлияние в стекловидное тело, объемная кровь, преретинальное кровоизлияние. На основе стандарта интеллектуальной диагностики Dr grading построена сверточная нейронная сеть для обучения и оценки изображений глазного дна. После многократного повторения этого процесса для каждого изображения в обучающем наборе изображений глазного дна система глубокого обучения учится классифицировать все данные в обучающем наборе для точной диагностики изображений глазного дна.
- Построение сверточной нейронной сети для области фокусировки изображения FFA: сверточная нейронная сеть глубокого обучения состоит из миллионов параметров, которые используются для обучения и выполнения заданных задач. Выходные данные, генерируемые каждой операцией линейной свертки, регулируются нелинейной функцией активации в сочетании с уменьшением размерности слоя объединения и слоя полного соединения, так что процесс оптимизации глубокой нейронной сети не только преодолевает дисперсию градиента, но также помогает генерировать функции аналогичен иерархическому механизму восприятия нервными клетками человека зрительных сигналов. Изображение FFA используется в качестве обучающей базы данных данных о глазном дне. На основе точной маркировки области поражения (область отсутствия перфузии, область микроангиомы и область просачивания) необходимо обработать изображение FFA для интеллектуального распознавания области поражения. В процессе обучения параметры нейронной сети изначально задаются случайными значениями. Затем для каждого изображения результаты, выдаваемые функцией, сравниваются с известными результатами обучающей выборки для оптимизации параметров функции. После многократного повторения этого процесса для каждого изображения в наборе обучающих данных система глубокого обучения научилась классифицировать все данные в обучающем наборе, чтобы точно предсказывать поражения Dr на изображениях FFA.
- Построение интеллектуальной лазерной навигационной модели глазного дна на основе изображения FFA и регистрации изображения глазного дна: интеллектуальная система распознавания поражений Dr на приведенном выше изображении FFA точно определяет области, которые нуждаются в лазерной обработке глазного дна, помогает врачам определить поражения, которые необходимо лечить, и на основе на сопоставлении изображений машинного обучения обеспечивает регистрационное изображение комбинации изображения глазного дна и FFA, которое устанавливается в соответствии с информацией о местоположении и размере области поражения. В соответствии с соответствующим диаметром сетчатки и расположением различных лазерных пятен персонализированный лазер формулируется схема лечения и строится интеллектуальная модель управления лазерным лечением глазного дна.
Тип исследования
Тип исследования
Регистрация (Ожидаемый)
Регистрация
Контакты и местонахождение
Контакты исследования
Контакты исследования
- Имя: Jin Kai, MD
- Номер телефона: 13646828461
- Электронная почта: jinkai@zju.edu.cn
Места учебы
-
-
Zhejiang
-
Hanzhou, Zhejiang, Китай
- Рекрутинг
- The Second Affiliated Hospital of Zhejiang University
-
Контакт:
- Jin Kai, MD
- Номер телефона: 13646828461
-
-
Критерии участия
Критерии приемлемости
Критерии приемлемости
Возраст, подходящий для обучения
- Ребенок
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- пациенты с заболеваниями сетчатки
Критерий исключения:
- пациенты с другим заболеванием влияют на осмотр сетчатки
Учебный план
Как устроено исследование?
Детали дизайна
Количество групп / когорт
Когорты и вмешательства
Группа / когортаГруппа / когорта |
|---|
|
пациенты
пациенты с заболеваниями сетчатки
|
Что измеряет исследование?
Первичные показатели результатов
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
искусственный интеллект
Временное ограничение: 2016.01-2023.12
|
использование данных для разработки моделей глубокого обучения
|
2016.01-2023.12
|
Соавторы и исследователи
Спонсор
Спонсор
Следователи
Следователи
- Главный следователь: Jin Kai, MD, Zhejiang University
- Главный следователь: Xu Yufeng, MD, Zhejiang University
- Главный следователь: Lou Lixia, MD, Zhejiang University
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Начало исследования
Первичное завершение (Ожидаемый)
Первичное завершение
Завершение исследования (Ожидаемый)
Завершение исследования
Даты регистрации исследования
Первый отправленный
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Первый опубликованный
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее опубликованное обновление
Последнее отправленное обновление, отвечающее критериям контроля качества
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
Другие идентификационные номера исследования
- 研2019-428
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .