使用视网膜图像开发和验证针对多种眼底疾病的深度学习系统
2019年12月24日 更新者：Haotian Lin、Sun Yat-sen University
使用视网膜图像开发和验证用于多种眼底疾病的深度学习系统：一项多中心前瞻性研究
视网膜图像可以同时反映眼底和全身状况（糖尿病和心血管疾病），由于具有临床意义和易于获取等优点，首先被用于医学人工智能（AI）算法训练。
在这里，研究人员开发了一个单一的网络模型，可以挖掘多种眼底疾病之间的特征，该模型由大量眼底图像训练而成，每个图像中都有一个或多个疾病标签（如果有的话）。
模型性能与本地和国际眼科医生的性能进行了比较。
该模型通过具有不同相机类型的数据集进行了进一步测试，并通过从应用该模型的临床站点前瞻性收集的三个外部数据集进行了验证。
研究概览
研究类型
观察性的
注册 (预期的)
300000
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、510060
- 招聘中
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
接触：
- Haotian Lin, Ph.D
- 电话号码：+86-020-87330274
- 邮箱：gddlht@aliyun.com
-
首席研究员：
- Haotian Lin, Ph.D
-
-
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
- 孩子
- 成人
- 年长者
接受健康志愿者
不
有资格学习的性别
全部
取样方法
概率样本
研究人群
视网膜图像是从中国和世界其他国家的不同医疗机构收集的。
描述
纳入标准：
- 眼底图像的质量应该是临床可接受的。 包括四个主要区域（视盘、黄斑、上下视网膜血管弓）在内的超过 80% 的眼底图像区域易于阅读和区分。
排除标准：
- 具有漏光（>30% 的区域）、镜头光晕或污渍斑点以及过度曝光的图像被排除在进一步分析之外。
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
- 观测模型：其他
- 时间观点：其他
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
训练数据集
从中国各地的医院和多个筛查点收集的视网膜图像
|
|
|
验证数据集
从训练数据集中分离的视网膜图像
|
训练数据集用于训练深度学习模型，并通过其他两个数据集进行验证和测试。
|
|
测试数据集
从医院和眼科疾病筛查点前瞻性收集的视网膜图像与训练数据集完全不同
|
训练数据集用于训练深度学习模型，并通过其他两个数据集进行验证和测试。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
深度学习系统受试者工作特征曲线下面积
大体时间：基线
|
研究人员将计算深度学习系统受试者工作特征曲线下的面积，并将该指标与深度学习系统和人类医生进行比较。
|
基线
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
深度学习系统的灵敏度
大体时间：基线
|
研究人员将计算深度学习系统的敏感性，并将深度学习系统与人类医生之间的这一指标进行比较。
|
基线
|
|
深度学习系统的特殊性
大体时间：基线
|
研究人员将计算深度学习系统的特异性，并将该指标与深度学习系统和人类医生进行比较。
|
基线
|
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。
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
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)
2014年1月1日
初级完成 (预期的)
2020年2月1日
研究完成 (预期的)
2020年5月1日
研究注册日期
首次提交
2019年12月23日
首先提交符合 QC 标准的
2019年12月24日
首次发布 (实际的)
2019年12月30日
研究记录更新
最后更新发布 (实际的)
2019年12月30日
上次提交的符合 QC 标准的更新
2019年12月24日
最后验证
2019年12月1日
更多信息
与本研究相关的术语
其他相关的 MeSH 术语
其他研究编号
- CCPMOH2019- China8
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
不
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
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.