CNN在视野分化中的诊断功效
2020年1月23日 更新者：Xiulan Zhang、Sun Yat-sen University
基于卷积神经网络的算法在鉴别青光眼视野和非青光眼视野中的诊断效果
青光眼目前是世界上不可逆转失明的主要原因。
这项多中心研究旨在评估基于卷积神经网络的算法在区分青光眼和非青光眼视野方面的功效，并评估其在现实世界中的实用性。
研究概览
详细说明
青光眼是世界上导致不可逆性失明的主要原因，其特征是进行性视网膜神经纤维层变薄和视野缺损。
视野检查是诊断和评估青光眼进展的金标准之一。
然而，对于视野结果的解释并没有普遍接受的标准，这是主观的并且需要大量的经验。
目前，人工智能在很多不同疾病的医学影像解读上已经达到了与人类医生相媲美的准确度。
此前，我们训练了一个深度卷积神经网络来读取视野报告，其诊断效能甚至比眼科医生还要高。
目前的多中心研究旨在评估基于卷积神经网络的算法在区分青光眼和非青光眼视野方面的功效，将其性能与眼科医生进行比较，并评估其在现实世界中的实用性。
研究类型
观察性的
注册 (实际的)
437
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Guangdong
-
Guangzhou、Guangdong、中国、51000
- Zhongshan Ophthalmic Center
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、OLDER_ADULT)
接受健康志愿者
是的
有资格学习的性别
全部
取样方法
非概率样本
研究人群
来自中国不同眼科中心诊所的患者。
每个受试者都必须根据全面的医学检查和医疗记录进行诊断。
领先的中心会读取所有的医疗数据，以给出诊断作为金标准。
描述
纳入标准：
- 年龄≥18；
- 获得知情同意；
- 被诊断患有特定的眼部疾病；
- 能够进行视野测试
排除标准：
不完整的临床数据支持诊断
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
人工智能组
该组中的视野报告将由卷积神经网络进行评估。
|
收集到的视野将由算法和眼科医生独立评估。
将比较算法和眼科医生的性能，包括准确性、AUC、灵敏度和特异性。
其他名称：
|
|
人类组
本组视野报告将由3名眼科医生独立评价。
|
研究衡量的是什么？
主要结果指标
结果测量 |
大体时间 |
|---|---|
|
卷积神经网络区分青光眼视野与非青光眼视野的AUC值
大体时间：2019年1月至2020年1月
|
2019年1月至2020年1月
|
次要结果测量
结果测量 |
大体时间 |
|---|---|
|
卷积神经网络在青光眼视野检测中的敏感性和特异性
大体时间：2019年1月至2020年1月
|
2019年1月至2020年1月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2019年3月15日
初级完成 (实际的)
2019年12月31日
研究完成 (实际的)
2019年12月31日
研究注册日期
首次提交
2018年11月26日
首先提交符合 QC 标准的
2018年11月28日
首次发布 (实际的)
2018年11月30日
研究记录更新
最后更新发布 (实际的)
2020年1月27日
上次提交的符合 QC 标准的更新
2020年1月23日
最后验证
2020年1月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.
人工智能诊断算法的临床试验
-
Norwegian Institute of Public HealthNorwegian University of Science and Technology完全的
-
Medtronic Cardiac Rhythm and Heart Failure完全的
-
Norwegian Institute of Public HealthStatistics Norway; Society of Interventional Oncology完全的