皮肤病智能诊疗系统多中心中国临床试验
2022年12月18日 更新者：Xiangya Hospital of Central South University
基于人工智能、增强现实和新型光学影像技术的皮肤病智能诊疗系统研发：国内多中心临床试验
针对临床需求，将红外多光谱影像与传统临床影像等多模态数据相结合，构建更高效的皮肤健康与疾病智能辅助诊断系统和智能设备，包括对皮肤病图像进行皮损自动分割, 自动设计皮肤肿瘤手术的手术切缘和规划。
研究概览
详细说明
数据库：依托前期基础，建设国内首个标准化红外多光谱皮肤病影像数据库，并进一步整合其他医学影像和病史文本，迭代形成大型多模态皮肤病数据库。
模型：设计一个基于多尺度、多层次的深度学习网络。 协同注意力学习网络实现多模态数据在特征层面的协同表示，构建多模态皮肤病辅助诊断模型，实现算法突破。 开发皮肤病变分割网络和手术计划模型，包括手术切缘设计和术中取样导航。
系统：提出结合实时增强现实的人工智能系统，以辅助皮肤病的诊断和手术。
设备：基于自主研发的高性能系统，构建组装红外多光谱皮肤病辅助诊断设备和皮肤肿瘤手术多功能设备。
研究类型
观察性的
注册 (预期的)
200
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
-
-
Hunan
-
Changsha、Hunan、中国
- 招聘中
- Xiangya Hospital
-
接触：
- Kai Huang
- 电话号码：13080564083
- 邮箱：1145371482@qq.com
-
-
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
研究人群被至少 3 名皮肤科医生诊断为皮肤病。
对于需要使用系统和设备、需要手术治疗并愿意接受新方式的人群。
排除包括一般情况差和难以跟进。
描述
纳入标准：
- 知情同意。
- 至少由 3 名皮肤科医生诊断为皮肤病。
- 没有危及生命的风险进行干预。
- 需要手术治疗（对于设备）。
排除标准：
- 难以跟进。
- 一般状况不佳。
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：仅案例
- 时间观点：预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
数码相机
具有人工智能集成的实时增强现实设备，获取患者皮肤病变图像作为数据
|
有别于传统模式，借助人工智能、增强现实和新型光学影像技术对患者进行诊断和治疗。
|
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 |
|---|---|---|
|
医生评价
大体时间：使用系统和设备后立即进行评价。
|
在诊断和病灶分割方面将所提出的系统的性能与医生进行比较。
医生在使用该系统和设备后，对其在皮损边界描述、边缘设计、采样导航、投影效果、安全性、耗时性和便利性等方面的性能进行了评价。
每项指标0-10分由4名医生独立评分。
|
使用系统和设备后立即进行评价。
|
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)
2022年4月15日
初级完成 (预期的)
2023年12月31日
研究完成 (预期的)
2025年12月31日
研究注册日期
首次提交
2021年12月9日
首先提交符合 QC 标准的
2022年7月18日
首次发布 (实际的)
2022年7月19日
研究记录更新
最后更新发布 (估计)
2022年12月21日
上次提交的符合 QC 标准的更新
2022年12月18日
最后验证
2021年12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.