Reconstruction Technology to Auxiliary Diagnosis and Guarantee Patient Privacy
16 september 2021 uppdaterad av: Haotian Lin, Sun Yat-sen University
Using a Reconstruction Technology With Facial Pathological Features to Auxiliary Diagnosis and Guarantee Patient Privacy
Medical data that contain facial images are particularly sensitive as they retain important personal biometric identity, privacy protection.
We developed a novel technology called "Digital Mask" (DM), based on real-time three-dimensional (3D) reconstruction and deep learning algorithm, to extract disease-relevant features but remove patient identifiable features from facial images of patients.
Studieöversikt
Status
Rekrytering
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Förväntat)
400
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studiekontakt
- Namn: Haotian Lin
- Telefonnummer: 13802793086
- E-post: gddlht@aliyun.com
Studieorter
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510000
- Rekrytering
- Zhongshan Ophthalmic Center
-
Kontakt:
- Haotian Lin
- 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
Ja
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Outpatients from strabismus departments, paediatric ophthalmology departments, TAO departments, and ophthalmic plastic departments.
Beskrivning
Inclusion Criteria:
- The quality of facial images should be clinically acceptable.
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
facial videos dataset
facial videos collected from Zhongshan Ophthalmic Center of Sun Yat-sen University.
|
A new technology based on 3D reconstruction and deep learning algorithm to irreversibly erase the biometric attributes whilst retaining the clinical attributes needed for diagnosis and management
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Diagnostic consistency
Tidsram: baseline
|
For each eye, both the diagnosis from the original videos and the diagnosis from the DM-reconstructed videos were recorded and compared.
If the two diagnoses were consistent, it suggests that the reconstruction would be precise enough in clinical practice.
|
baseline
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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)
10 maj 2020
Primärt slutförande (Förväntat)
20 september 2021
Avslutad studie (Förväntat)
30 januari 2022
Studieregistreringsdatum
Först inskickad
16 september 2021
Först inskickad som uppfyllde QC-kriterierna
16 september 2021
Första postat (Faktisk)
28 september 2021
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
28 september 2021
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
16 september 2021
Senast verifierad
1 september 2021
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- 2021KYPJ77
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Nej
Studerar en amerikansk FDA-reglerad produktprodukt
Nej
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .