Новая методика лечения заболеваний сетчатки
18 января 2021 г. обновлено: Second Affiliated Hospital, School of Medicine, Zhejiang University
Исследование интеллектуальной диагностики и автоматического отслеживания поражений для точного лечения заболеваний сетчатки на основе глубокого обучения
С наступлением эры точной медицины на основе глубокого обучения изображений FFA для определения области поражений глазного дна, регистрации изображений глазного дна в зависимости от тяжести заболеваний глазного дна для разработки оптимальной лазерной энергии и пути, точного лечения глазного дна заболеваний имеет насущную клиническую необходимость и очень важное значение
Обзор исследования
Статус
Рекрутинг
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
Наблюдательный
Регистрация (Ожидаемый)
2000
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
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
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
- Ребенок
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Да
Полы, имеющие право на обучение
Все
Метод выборки
Вероятностная выборка
Исследуемая популяция
пациенты проходят обследование сетчатки в офтальмологическом центре Второй дочерней больницы Чжэцзянского университета
Описание
Критерии включения:
- пациенты с заболеваниями сетчатки
Критерий исключения:
- пациенты с другим заболеванием влияют на осмотр сетчатки
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 |
|---|
|
пациенты
пациенты с заболеваниями сетчатки
|
Что измеряет исследование?
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
Здесь вы найдете людей и организации, участвующие в этом исследовании.
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
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 января 2016 г.
Первичное завершение (Ожидаемый)
1 января 2023 г.
Завершение исследования (Ожидаемый)
31 декабря 2023 г.
Даты регистрации исследования
Первый отправленный
18 января 2021 г.
Впервые представлено, что соответствует критериям контроля качества
18 января 2021 г.
Первый опубликованный (Действительный)
22 января 2021 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
22 января 2021 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
18 января 2021 г.
Последняя проверка
1 января 2021 г.
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 研2019-428
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. .