眼睛深度学习的试点研究 (IDLE)
2021年1月5日 更新者:Pieter Nelis、CRG UZ Brussel
用于多种病理图像分类的迁移学习深度学习算法的验证
深度学习允许您使用自学习算法对图像进行分类。
迁移学习建立在现有的自学习算法之上,可以用更少的图像进行图像分类。
在这项研究中,该技术将应用于不同综合征的不同图像模式。
回顾性研究设计。
研究概览
研究类型
观察性的
注册 (预期的)
120
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
18年 至 100年 (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
健康和不健康的受试者:从可用图像中提取数据
描述
纳入标准:
- 图像的可用性,允许歧视。
排除标准:
- 没有关于疾病分化的明确数据
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 |
---|---|
无病理
|
|
病理
|
使用深度学习算法进行图像分类
|
研究衡量的是什么?
主要结果指标
结果测量 |
大体时间 |
---|---|
通过迁移学习算法验证图像分类
大体时间:1年
|
1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 (预期的)
2021年2月1日
初级完成 (预期的)
2021年12月1日
研究完成 (预期的)
2022年12月1日
研究注册日期
首次提交
2020年12月7日
首先提交符合 QC 标准的
2020年12月7日
首次发布 (实际的)
2020年12月11日
研究记录更新
最后更新发布 (实际的)
2021年1月7日
上次提交的符合 QC 标准的更新
2021年1月5日
最后验证
2021年1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.