人工智能对多视网膜疾病进行分类
2020年12月9日 更新者:Beijing Tongren Hospital
基于深度学习的眼底摄影多视网膜疾病自动分类
本研究的目的是建立深度学习 (DL) 算法,自动对眼底摄影中的多种疾病进行分类,并区分主要的视力威胁情况和其他视网膜异常。
所建立算法的有效性和准确性将在社区派生数据集中进行评估。
研究概览
详细说明
视网膜疾病严重威胁着视力和生活质量,但往往发展隐匿。 迄今为止,深度学习 (DL) 算法在生物医学科学领域显示出广阔的前景,尤其是在糖尿病视网膜病变、年龄相关性黄斑变性、早产儿视网膜病变、青光眼和视乳头水肿等眼部疾病的诊断方面。 然而,仍然缺乏一种可以从眼底摄影中对多种疾病进行分类的单一算法。
这项横断面研究将建立一种 DL 算法,自动对眼底摄影中的多种疾病进行分类,并区分主要的视力威胁条件和其他视网膜异常。 我们将使用接受者操作特征(ROC)曲线来检验对疾病的识别和分类能力。 以专家组的结果为金标准,我们将使用灵敏度、特异度、准确度、阳性预测值、阴性预测值等评价指标,比较AI识别系统与人类眼科医生的诊断能力.
研究类型
观察性的
注册 (预期的)
10000
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
-
-
Beijing
-
Beijing、Beijing、中国、100730
- 招聘中
- Wen-Bin Wei
-
-
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
社区衍生数据集
描述
纳入标准:
- 覆盖视盘和黄斑的45°视野周围的眼底照相
- 完整的患者身份信息;
排除标准:
- 患者身份信息不完整
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 |
|---|---|
|
DL算法诊断视网膜多种疾病
|
DL 算法自动对眼底摄影中的多种疾病进行分类,并区分主要的视力威胁情况和其他视网膜异常。
|
|
专家组确诊视网膜多种疾病
|
专家小组对眼底摄影的多种疾病进行分类,并区分主要的视力威胁状况和其他视网膜异常。
|
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 |
|---|---|---|
|
曲线下面积
大体时间:1周
|
我们将使用接受者操作特征(ROC)曲线来检验对疾病的识别和分类能力。
以专家组的结果为金标准,我们将使用曲线下面积来比较人工智能识别系统与人类眼科医生的诊断能力。
|
1周
|
|
敏感性和特异性
大体时间:1周
|
以专家组的结果为金标准,我们将使用灵敏度和特异性来比较人工智能识别系统与人类眼科医生的诊断能力。
|
1周
|
|
阳性和阴性预测值
大体时间:1周
|
以专家组的结果为金标准,我们将使用阳性预测值和阴性预测值来比较人工智能识别系统与人类眼科医生的诊断能力。
|
1周
|
|
准确性
大体时间:1周
|
以专家组的结果为金标准,我们将用准确率来比较AI识别系统与人类眼科医生的诊断能力。
|
1周
|
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11月1日
初级完成 (预期的)
2021年11月1日
研究完成 (预期的)
2021年12月1日
研究注册日期
首次提交
2020年10月13日
首先提交符合 QC 标准的
2020年10月15日
首次发布 (实际的)
2020年10月19日
研究记录更新
最后更新发布 (实际的)
2020年12月11日
上次提交的符合 QC 标准的更新
2020年12月9日
最后验证
2020年10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.