用于区分不同类型角膜炎的深度学习:一项全国性研究
2023年10月25日 更新者:Ningbo Eye Hospital
深度学习鉴别细菌性、真菌性、病毒性、阿米巴性和非感染性角膜炎:一项全国性研究
快速发现角膜炎的病因是提供靶向治疗以减少视力下降和预防严重并发症的前提。
由于炎性特征的重叠,即使是专业的角膜专家,在感染性角膜炎的病原体鉴定方面也相对较差。
在这个项目中,研究人员旨在开发一个自动化和准确的深度学习系统,以根据裂隙灯图像区分细菌、真菌、病毒、阿米巴和非感染性角膜炎,并使用从中国多个独立临床中心获得的数据集评估该系统.
研究概览
研究类型
观察性的
注册 (实际的)
10369
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。
学习联系方式
- 姓名:Zhongwen Li, PhD
- 电话号码:+86 15626187616
- 邮箱:li.zhw@qq.com
学习地点
-
-
-
Wenzhou、中国
- Eye Hospital of Wenzhou Medical University
-
-
Zhejiang
-
Ningbo、Zhejiang、中国
- Ningbo Eye Hospital
-
-
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
1周 至 100年 (孩子、成人、年长者)
接受健康志愿者
不
取样方法
概率样本
研究人群
儿童、成人、老年人
描述
纳入标准:
裂隙灯图像具有足够的诊断确定性并显示处于活动期的角膜炎。
排除标准:
- 图像质量差
- 呈现混合感染的图像(即角膜被两种或多种致病病原体感染)
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:其他
- 时间观点:其他
研究衡量的是什么?
主要结果指标
结果测量 |
大体时间 |
---|---|
深度学习系统受试者工作特征曲线下面积
大体时间:2020-2022
|
2020-2022
|
次要结果测量
结果测量 |
大体时间 |
---|---|
深度学习系统的准确性
大体时间:2020-2022
|
2020-2022
|
深度学习系统的灵敏度
大体时间:2020-2022
|
2020-2022
|
深度学习系统的特殊性
大体时间:2020-2022
|
2020-2022
|
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7月1日
初级完成 (实际的)
2023年9月30日
研究完成 (实际的)
2023年10月20日
研究注册日期
首次提交
2022年9月11日
首先提交符合 QC 标准的
2022年9月11日
首次发布 (实际的)
2022年9月14日
研究记录更新
最后更新发布 (实际的)
2023年10月27日
上次提交的符合 QC 标准的更新
2023年10月25日
最后验证
2023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.