Пилотное исследование глубокого обучения в глазах (IDLE)
5 января 2021 г. обновлено: Pieter Nelis, CRG UZ Brussel
Проверка алгоритма глубокого обучения на основе трансферного обучения для классификации изображений при множественных патологиях
Глубокое обучение позволяет классифицировать изображения с помощью алгоритма самообучения.
Трансферное обучение основано на существующем алгоритме самообучения, чтобы обеспечить классификацию изображений с меньшим количеством изображений.
В этом исследовании этот метод будет применяться к различным модальностям изображений при различных синдромах.
Дизайн ретроспективного исследования.
Обзор исследования
Статус
Неизвестный
Вмешательство/лечение
Тип исследования
Наблюдательный
Регистрация (Ожидаемый)
120
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
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
От 18 лет до 100 лет (Взрослый, Пожилой взрослый)
Принимает здоровых добровольцев
Да
Полы, имеющие право на обучение
Все
Метод выборки
Невероятностная выборка
Исследуемая популяция
Здоровые и нездоровые предметы: извлекайте данные из доступных изображений
Описание
Критерии включения:
- Наличие изображений, допускающих дискриминацию.
Критерий исключения:
- Отсутствие четких данных о дифференциации заболевания
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 |
|---|---|
|
Нет патологии
|
|
|
Патология
|
Классификация изображений с использованием алгоритма глубокого обучения
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Временное ограничение |
|---|---|
|
Проверка классификации изображений с помощью алгоритма трансферного обучения
Временное ограничение: 1 год
|
1 год
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
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 (Ожидаемый)
1 февраля 2021 г.
Первичное завершение (Ожидаемый)
1 декабря 2021 г.
Завершение исследования (Ожидаемый)
1 декабря 2022 г.
Даты регистрации исследования
Первый отправленный
7 декабря 2020 г.
Впервые представлено, что соответствует критериям контроля качества
7 декабря 2020 г.
Первый опубликованный (Действительный)
11 декабря 2020 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
7 января 2021 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
5 января 2021 г.
Последняя проверка
1 января 2021 г.
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- IDLE1000
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
продукт, произведенный в США и экспортированный из 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. .