Vokalsegmentering för klassificering av kronisk obstruktiv lungsjukdom med hjälp av maskininlärning
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Röstdata och sociodemografisk data om kön och ålder kommer att samlas in genom applikationen "VoiceDiganostic" från företaget Voice Diagnostic. Insamlade vokalinspelningar kommer att segmenteras och testas för att avgöra om vissa segment innehåller mer information för att särskilja KOL från friska kontrollgrupper.
Varje segment kommer att omvandlas till matematiska sångmått som kallas röstfunktioner. En datauppsättning bestående av röstfunktioner i samband med demografi och hälsodata kommer att konstrueras för varje segment som i sin tur kommer att utvärderas för klassificeringsprestanda med hjälp av flera maskininlärningsalgoritmer.
Beskrivande statistisk analys kommer att hållas på attribut som innehåller information om indata och erhållna resultat från ML-algoritmer. De uppnådda resultaten kommer att presenteras i form av sammanfattande tabeller och grafer.
Studietyp
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
Blekinge
-
Karlskrona, Blekinge, Sverige, 37179
- Blekinge Institute of Technology
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- att vara 18 år och äldre.
Exklusions kriterier:
- vara under 18 år och äldre.
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
|---|---|
|
KOL
30 KOL-deltagare, 16 kvinnor och 14 män.
|
En vokalsegmenteringsdatauppsättning bestående av information från KOL- och HC-grupper kommer att användas för att experimentera med klassificeringsprestandan för flera maskininlärningstekniker på olika segment av en vokalinspelning.
Andra namn:
|
|
HC
38 HC-deltagare, 20 kvinnor och 18 män.
|
En vokalsegmenteringsdatauppsättning bestående av information från KOL- och HC-grupper kommer att användas för att experimentera med klassificeringsprestandan för flera maskininlärningstekniker på olika segment av en vokalinspelning.
Andra namn:
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Klassificeringsprestanda
Tidsram: 30 veckor
|
Binär klassificeringsprestanda för ML-algoritmen på varje segment.
|
30 veckor
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Johan Sanmartin Berglund, MD, PhD, Blekinge Institute of Technology
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Beräknad)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- BTH-6.1.1-0169-2023
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .