- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT03662802
Разработка новой сверточной нейронной сети для классификации аритмий (AI-ECG)
4 ноября 2020 г. обновлено: Sanjeev Bhavnani MD, Scripps Clinic
Разработка новой сверточной нейронной сети для классификации аритмий для сердечных ритмов, требующих разряда
Выявление правильной аритмии во время клинического события, включая остановку сердца, имеет первостепенное значение для пациентов, организаций здравоохранения и общественного здравоохранения.
Недавние разработки в области искусственного интеллекта и машинного обучения открывают новые возможности для быстрой и точной диагностики сердечных аритмий, а также того, как новые мобильные медицинские и кардиотелеметрические устройства используются при лечении пациентов.
Текущее исследование направлено на проверку нового статистического подхода искусственного интеллекта, называемого «классификатор сверточной нейронной сети», и его эффективности в отношении различных аритмий, диагностированных на ЭКГ в 12 отведениях и холтеровском мониторировании/мониторинге событий в одном отведении.
Эти аритмии включают; мерцательной аритмии, суправентрикулярной тахикардии, АВ-блокаде, асистолии, желудочковой тахикардии и фибрилляции желудочков, и будет сравниваться с критериями эффективности Американской кардиологической ассоциации (95% односторонний доверительный интервал 67-92% в зависимости от типа аритмии).
Для этого исследовательский подход заключается в создании большой базы данных ЭКГ с деидентифицированными необработанными данными ЭКГ и обучении нейронной сети на данных ЭКГ для повышения точности диагностики.
Обзор исследования
Статус
Завершенный
Вмешательство/лечение
Тип исследования
Наблюдательный
Регистрация (Действительный)
25458
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Места учебы
-
-
California
-
San Diego, California, Соединенные Штаты, 92037
- Scripps Clinic
-
-
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
- ВЗРОСЛЫЙ
- OLDER_ADULT
- РЕБЕНОК
Принимает здоровых добровольцев
Да
Полы, имеющие право на обучение
Все
Метод выборки
Невероятностная выборка
Исследуемая популяция
Лица, проходящие ЭКГ в 12 отведениях или холтеровское мониторирование/событие
Описание
Критерии включения:
- Все данные ЭКГ собраны из баз данных ЭКГ в 12 отведениях, одиночных и множественных отведениях.
Критерий исключения:
- Никто
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
---|---|
Данные ЭКГ
Кодированные данные в том числе; длина волны, амплитуда, интервалы, время, частота
|
Сверточная нейронная сеть выполнена с возможностью приема сегмента электрокардиограммы в качестве входных данных и формирования выходных данных, указывающих, представляет ли полученный сегмент электрокардиограммы сердечную аритмию.
Никакие особенности электрокардиограммы не идентифицируются сверточной нейронной сетью, а полученный сегмент электрокардиограммы не фильтруется, не трансформируется и не обрабатывается перед приемом алгоритмом.
Алгоритм обучается аналогичным образом — сегменты электрокардиограммы являются единственным входом для сверточной нейронной сети.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Точность диагностики
Временное ограничение: 1 ГОД
|
Критерии эффективности ЭКГ Американской кардиологической ассоциации
|
1 ГОД
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Следователи
- Главный следователь: Sanjeev Bhavnani, MD, Scripps Clinic Medical Group
Публикации и полезные ссылки
Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.
Общие публикации
- Johnson KW, Torres Soto J, Glicksberg BS, Shameer K, Miotto R, Ali M, Ashley E, Dudley JT. Artificial Intelligence in Cardiology. J Am Coll Cardiol. 2018 Jun 12;71(23):2668-2679. doi: 10.1016/j.jacc.2018.03.521.
- Kiranyaz S, Ince T, Gabbouj M. Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks. IEEE Trans Biomed Eng. 2016 Mar;63(3):664-75. doi: 10.1109/TBME.2015.2468589. Epub 2015 Aug 14.
- Bhavnani SP, Parakh K, Atreja A, Druz R, Graham GN, Hayek SS, Krumholz HM, Maddox TM, Majmudar MD, Rumsfeld JS, Shah BR. 2017 Roadmap for Innovation-ACC Health Policy Statement on Healthcare Transformation in the Era of Digital Health, Big Data, and Precision Health: A Report of the American College of Cardiology Task Force on Health Policy Statements and Systems of Care. J Am Coll Cardiol. 2017 Nov 28;70(21):2696-2718. doi: 10.1016/j.jacc.2017.10.018. No abstract available.
- Bhavnani SP, Narula J, Sengupta PP. Mobile technology and the digitization of healthcare. Eur Heart J. 2016 May 7;37(18):1428-38. doi: 10.1093/eurheartj/ehv770. Epub 2016 Feb 11.
- Vandendriessche B, Abas M, Dick TE, Loparo KA, Jacono FJ. A Framework for Patient State Tracking by Classifying Multiscalar Physiologic Waveform Features. IEEE Trans Biomed Eng. 2017 Dec;64(12):2890-2900. doi: 10.1109/TBME.2017.2684244. Epub 2017 Mar 17.
- Arvanaghi R, Daneshvar S, Seyedarabi H, Goshvarpour A. Fusion of ECG and ABP signals based on wavelet transform for cardiac arrhythmias classification. Comput Methods Programs Biomed. 2017 Nov;151:71-78. doi: 10.1016/j.cmpb.2017.08.013. Epub 2017 Aug 24.
- Figuera C, Irusta U, Morgado E, Aramendi E, Ayala U, Wik L, Kramer-Johansen J, Eftestol T, Alonso-Atienza F. Machine Learning Techniques for the Detection of Shockable Rhythms in Automated External Defibrillators. PLoS One. 2016 Jul 21;11(7):e0159654. doi: 10.1371/journal.pone.0159654. eCollection 2016.
- Li Q, Rajagopalan C, Clifford GD. Ventricular fibrillation and tachycardia classification using a machine learning approach. IEEE Trans Biomed Eng. 2014 Jun;61(6):1607-13. doi: 10.1109/TBME.2013.2275000. Epub 2013 Jul 26.
- Lyon A, Minchole A, Martinez JP, Laguna P, Rodriguez B. Computational techniques for ECG analysis and interpretation in light of their contribution to medical advances. J R Soc Interface. 2018 Jan;15(138):20170821. doi: 10.1098/rsif.2017.0821.
- Mjahad A, Rosado-Munoz A, Bataller-Mompean M, Frances-Villora JV, Guerrero-Martinez JF. Ventricular Fibrillation and Tachycardia detection from surface ECG using time-frequency representation images as input dataset for machine learning. Comput Methods Programs Biomed. 2017 Apr;141:119-127. doi: 10.1016/j.cmpb.2017.02.010. Epub 2017 Feb 10.
- Xiong Z, Nash MP, Cheng E, Fedorov VV, Stiles MK, Zhao J. ECG signal classification for the detection of cardiac arrhythmias using a convolutional recurrent neural network. Physiol Meas. 2018 Sep 24;39(9):094006. doi: 10.1088/1361-6579/aad9ed.
- Fan X, Yao Q, Cai Y, Miao F, Sun F, Li Y. Multiscaled Fusion of Deep Convolutional Neural Networks for Screening Atrial Fibrillation From Single Lead Short ECG Recordings. IEEE J Biomed Health Inform. 2018 Nov;22(6):1744-1753. doi: 10.1109/JBHI.2018.2858789. Epub 2018 Aug 7.
- Warrick PA, Nabhan Homsi M. Ensembling convolutional and long short-term memory networks for electrocardiogram arrhythmia detection. Physiol Meas. 2018 Oct 30;39(11):114002. doi: 10.1088/1361-6579/aad386.
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (ДЕЙСТВИТЕЛЬНЫЙ)
1 октября 2018 г.
Первичное завершение (ДЕЙСТВИТЕЛЬНЫЙ)
1 марта 2020 г.
Завершение исследования (ДЕЙСТВИТЕЛЬНЫЙ)
1 октября 2020 г.
Даты регистрации исследования
Первый отправленный
5 сентября 2018 г.
Впервые представлено, что соответствует критериям контроля качества
5 сентября 2018 г.
Первый опубликованный (ДЕЙСТВИТЕЛЬНЫЙ)
7 сентября 2018 г.
Обновления учебных записей
Последнее опубликованное обновление (ДЕЙСТВИТЕЛЬНЫЙ)
6 ноября 2020 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
4 ноября 2020 г.
Последняя проверка
1 ноября 2020 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 027527
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
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. .
Клинические исследования Классификатор нейронной сети
-
University of ManitobaButterfly NetworkРекрутингЗаболевания височно-нижнечелюстного сустава | Магнитно-резонансное изображение | Ручной ультразвукКанада
-
Ospedale Generale Di Zona Moriggia-PelasciniOspedale di Vipiteno-Sterzing (SABES-ASDAA)ЗавершенныйНадъядерный паралич, прогрессирующий | Множественная системная атрофия | Первичный паркинсонизм | Вторичная сосудистая болезнь ПаркинсонаИталия
-
Centre Hospitalier Universitaire, AmiensЗавершенныйИнсульт | Поведенческие расстройства | Когнитивные расстройстваФранция
-
University Health Network, TorontoЗавершенный
-
University Hospital, CaenРекрутингПреждевременные роды | Нарушения развития нервной системыФранция
-
University Hospital, CaenРекрутинг