斜视智能诊断系统效用验证
2020年6月2日 更新者：Haotian Lin、Sun Yat-sen University
斜视智能诊断系统效用验证：临床试验
斜视影响大约 0.8%-6.8% 的世界人口，并且在 65% 的受影响个体中出现在 3 岁时。
手动测量偏差通常很费力，并且高度依赖于专家的经验和患者的合作。
目前的斜视评估技术严重依赖模型眼。
在这里，研究人员使用深度学习开发了一个由三个深度学习 (DL) 系统组成的人工智能 (AI) 平台，以筛查斜视、评估偏差并根据角膜光反射照片提出手术计划。
研究者还进行临床试验以验证其在临床实践中的多功能性。
研究概览
研究类型
观察性的
注册 (预期的)
323
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、510080
- 招聘中
- Zhongshan Ophthalmic Center, Sun Yat-sen University
-
接触：
- Keli Mao, M.D.
- 电话号码：87330493
- 邮箱：maokl@mail2.sysu.edu.cn
-
-
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
非概率样本
研究人群
一项验证斜视智能诊断系统在临床实践中准确性的前瞻性研究。
描述
纳入标准：
- 斜视科门诊的患者。
排除标准：
- 患者或其父母同意参加试验。
- 上睑下垂患者。
- 患者不能面向前方或缺乏固定。
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 |
|---|---|
|
符合AI测试条件的患者
装置：斜视诊断系统。
|
一个基于角膜光反射照片的人工智能平台，用于辅助斜视的诊断和角度评估，并为手术计划提供建议。
|
研究衡量的是什么？
主要结果指标
结果测量 |
大体时间 |
|---|---|
|
诊断系统准确、错误和漏检的比例。
大体时间：长达 3 年
|
长达 3 年
|
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9月1日
初级完成 (预期的)
2020年6月10日
研究完成 (预期的)
2020年6月10日
研究注册日期
首次提交
2020年6月2日
首先提交符合 QC 标准的
2020年6月2日
首次发布 (实际的)
2020年6月4日
研究记录更新
最后更新发布 (实际的)
2020年6月4日
上次提交的符合 QC 标准的更新
2020年6月2日
最后验证
2020年6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.