Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

En plattform för multidisciplinär medicinsk artificiell intelligensutveckling (AI)

16 maj 2021 uppdaterad av: Haotian Lin, Sun Yat-sen University

Biomedicinsk djupinlärning (DL) förlitar sig ofta mycket på att generera tillförlitliga etiketter för storskalig data och mycket tekniska krav för modellutbildning. För att effektivt utveckla DL-modeller etablerade vi en integrerad plattform för att introducera automatisering för både annotering och modellträning - den primära processen för DL-modellutveckling. Baserat på denna plattform validerade och jämförde vi annoteringsstrategin och AI-modellutvecklingen kvantitativt med den rena manuella annoteringsmetoden utförd på medicinska bilddataset från flera discipliner.

Studieöversikt

Status

Rekrytering

Betingelser

Studietyp

Observationell

Inskrivning (Förväntat)

200

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Namn: Haotian Lin, Ph.D, M.D.
Telefonnummer: +86-020-87330274
E-post: gddlht@aliyun.com

Studieorter

Kina
- Guangdong
  - Guangzhou, Guangdong, Kina, 510060
    - Rekrytering
    - Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
    - Kontakt:
      
      Haotian Lin, Ph.D, M.D.
      
      Telefonnummer: +86-020-87330274
      
      E-post: gddlht@aliyun.com

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

Barn
Vuxen
Äldre vuxen

Tar emot friska volontärer

Kön som är behöriga för studier

Allt

Testmetod

Sannolikhetsprov

Studera befolkning

medicinsk bildbehandling för flera discipliner inklusive oftalmologi, patologi, radiografi, blodkroppar och endoskopi

Beskrivning

Inklusionskriterier:

ha medicinsk bildbehandling (inklusive oftalmologi, patologi, radiografi, blodkroppar och endoskopi)

Exklusions kriterier:

okvalificerad medicinsk bildbehandling

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Antal grupper/kohorter

Kohorter och interventioner

Grupp / Kohort
människa-maskin samarbetsgrupp vårdpersonal och maskinsamarbete för utveckling av annotering och AI-modell
ren manuell grupp vårdpersonal för ren manuell anteckning och AI-modellutveckling

Vad mäter studien?

Primära resultatmått

Resultatmått	Åtgärdsbeskrivning	Tidsram
anteckningsnoggrannhet Tidsram: baslinje	beräkna anteckningsnoggrannheten för jämförelse mellan grupper med hjälp av anteckningsresultaten	baslinje

Sekundära resultatmått

Resultatmått	Åtgärdsbeskrivning	Tidsram
noggrannhet av modellens prestanda Tidsram: baslinje	beräkna AI-modellens noggrannhet för jämförelse mellan grupper med hjälp av modellens förutspådda resultat	baslinje
AUC för modellprestanda Tidsram: baslinje	beräkna AI-modellens AUC för jämförelse mellan grupper med hjälp av modellens förutspådda resultat	baslinje
tidskostnad för anteckningar Tidsram: baslinje	beräkna anteckningstidskostnad för jämförelse mellan grupper med användning av den tid som registrerats under testerna	baslinje

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Sun Yat-sen University

Utredare

Huvudutredare: Haotian Lin, Ph.D, M.D., Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

18 mars 2021

Primärt slutförande (Faktisk)

1 april 2021

Avslutad studie (Förväntat)

31 maj 2021

Studieregistreringsdatum

Först inskickad