眼底图像图像质量评估人工智能系统及其对诊断的影响
2020年2月26日 更新者：Haotian Lin、Sun Yat-sen University
用于评估眼底图像图像质量的人工智能系统及其对诊断的影响：一项临床试验
眼底图像广泛应用于眼科，用于检测糖尿病视网膜病变、青光眼等疾病。
在现实世界的实践中，眼底图像的质量可能是不可接受的，这会降低诊断的准确性和效率。
在这里，研究人员建立并验证了一个人工智能系统，以在捕获时实现眼底图像的自动质量评估。
该系统还可以根据低质量的原因为摄影师提供指导。
研究概览
研究类型
观察性的
注册 (预期的)
300
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
- Zhongshan Ophthalmic Center, Sun Yat-sen University
-
-
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
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
纳入标准：
- 患者应知晓内容并签署知情同意书。
排除标准：
- 1. 无法配合摄影师的患者，如部分瘫痪患者、痴呆症患者和严重精神病患者。
- 2.不同意者签署知情同意书。
描述
纳入标准：
- 患者应知晓内容并签署知情同意书。
排除标准：
- 1. 无法配合摄影师的患者，如部分瘫痪患者、痴呆症患者和严重精神病患者。
- 2.不同意者签署知情同意书。
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 |
|---|---|
|
眼底图像质量评估
设备：用于眼底图像质量评估的人工智能系统。
这些患者在中山眼科中心的基层医疗机构或 AI 门诊就诊。
|
参与者只需像往常一样拍摄眼底图像。
|
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 |
|---|---|---|
|
人工智能系统区分好图像质量和差图像质量的性能
大体时间：3个月
|
受试者工作特征曲线下面积、灵敏度、特异性、阳性和阴性预测值、准确度
|
3个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
以往人工智能诊断系统与不同图像质量眼底图像的性能比较
大体时间：3个月
|
Cohen's kappa系数、P值等相关统计结果
|
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 (实际的)
2020年2月1日
初级完成 (预期的)
2020年7月1日
研究完成 (预期的)
2020年7月1日
研究注册日期
首次提交
2020年2月26日
首先提交符合 QC 标准的
2020年2月26日
首次发布 (实际的)
2020年2月28日
研究记录更新
最后更新发布 (实际的)
2020年2月28日
上次提交的符合 QC 标准的更新
2020年2月26日
最后验证
2020年2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.