近视智能诊断系统效用验证
2019年7月8日 更新者:Haotian Lin、Sun Yat-sen University
近视智能诊断系统效用验证:临床试验
通过人工智能筛查近视是计算医学领域的一项挑战。
在这里,研究人员使用“深度学习”创建了一个使用眼部外观图像进行近视筛查的自动诊断系统。
研究人员还使用该系统并进行临床试验以验证其性能。
研究概览
研究类型
介入性
注册 (预期的)
50
阶段
- 不适用
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。
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
6年 至 18年 (孩子、成人)
接受健康志愿者
不
有资格学习的性别
全部
描述
纳入标准:
- 6-18岁学生
排除标准:
-
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
- 主要用途:诊断
- 分配:不适用
- 介入模型:单组作业
- 屏蔽:无(打开标签)
武器和干预
参与者组/臂 |
干预/治疗 |
---|---|
实验性的:符合AI测试条件的患者
|
一种利用眼表图像诊断近视的人工智能
|
研究衡量的是什么?
主要结果指标
结果测量 |
大体时间 |
---|---|
近视智能诊断系统的AUC
大体时间:最多 3 个月
|
最多 3 个月
|
次要结果测量
结果测量 |
大体时间 |
---|---|
近视智能诊断系统的灵敏度
大体时间:最多 3 个月
|
最多 3 个月
|
近视智能诊断系统的特异性
大体时间:最多 3 个月
|
最多 3 个月
|
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 (预期的)
2019年7月10日
初级完成 (预期的)
2019年8月1日
研究完成 (预期的)
2019年8月1日
研究注册日期
首次提交
2019年7月1日
首先提交符合 QC 标准的
2019年7月8日
首次发布 (实际的)
2019年7月10日
研究记录更新
最后更新发布 (实际的)
2019年7月10日
上次提交的符合 QC 标准的更新
2019年7月8日
最后验证
2019年7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.