免费获得国外相关药品，最快 1 个工作日回馈药物信息
出境医 / 临床实验 / 深度神经网络的开发和验证，以闪烁识别和分类
深度神经网络的开发和验证，以闪烁识别和分类
研究描述
简要摘要：
这项研究的主要目的是对深神经网络系统的开发和验证，该系统自动检测并将眨眼归类为图像序列中的“完整”或“不完整”。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 眨眼深度学习 | 诊断测试：拟议的人工网络与地面真相的比较 |
详细说明：
该方法基于从获得的图像中的两只眼睛中的虹膜和巩膜分割，使用最先进的深度学习编码器神经体系结构（DLED）。后处理分段框架的序列，以计算每只眼睛的眼睑（骨裂缝）和相应的虹膜直径之间的距离。这些数量是时间过滤的，其分数可能会受到自适应阈值，以识别眨眼并确定其类型，并独立于每只眼睛。两个DLED通过手动分割图像进行了训练，并使用4分钟的视频进行了后处理。在训练DEL训练后，对拟议的系统进行了8个不同的主题测试，每个受试者都有4-10分钟的视频。计算了3位独立专家产生的眨眼检测和分类精度的几个指标，这些指标是由3个独立专家产生的，这些专家的冲突是由高级专家解决的。当且仅当存在足够的时间重叠时，并且闪烁的类型在DLED系统和地面真理之间相同时，假定两个独立的眨眼标识是一致的。
学习规划
| 研究类型 ： | 观察性[患者注册表] |
| 实际注册 ： | 8位参与者 |
| 观察模型： | 队列 |
| 时间观点： | 预期 |
| 目标随访时间： | 1天 |
| 官方标题： | 深度神经网络的开发和验证，以闪烁识别和分类 |
| 实际学习开始日期 ： | 2020年10月1日 |
| 实际的初级完成日期 ： | 2021年3月10日 |
| 实际 学习完成日期 ： | 2021年3月25日 |
武器和干预措施
| 小组/队列 | 干预/治疗 |
|---|---|
| 学习小组 8名未校正距离视力≥5/10的年龄在18至75岁之间的患者 | 诊断测试：拟议的人工网络与地面真相的比较 每个研究参与者都将包括两只眼睛。参与者在3.5m的观看距离处观看了标准介质环境照明条件下的4-10分钟视频。同时，将通过网络红外摄像机记录所有闪烁的动作。 对拟议的系统进行了对8个不同受试者的测试。计算了3位独立专家产生的眨眼检测和分类精度的几个指标，这些指标是由3个独立专家产生的，这些专家的冲突是由高级专家解决的。当且仅当存在足够的时间重叠时，并且闪烁的类型在DLED系统和地面真理之间相同时，假定两个独立的眨眼标识是一致的。 |
结果措施
主要结果指标 ：
- 识别完整和不完整的眨眼[时间范围：最多1周]完整和不完整的眨眼是由“骨裂谷至iris直径的长度”比率定义的
- 每个眨眼的第一帧[时间范围：最多1周]上眼睑开始向下移动并覆盖角膜的框架
- 每个眨眼的最后帧[时间范围：最多1周]眨眼后，眼睑完全打开的框架
次要结果度量 ：
- 两只眼睛的pal裂长度[时间范围：最多1周]上眼睑边缘和下眼睑边缘之间的距离（即骨裂缝的垂直尺寸），
- 两只眼睛的虹膜直径[时间范围：最多1周]虹膜的水平直径（即水平的白色至白色距离）
资格标准
| 符合研究资格的年龄： | 18年至75岁（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 是的 |
| 采样方法： | 概率样本 |
研究人群
未校正距离视力≥5/10的18至75岁的患者
标准
联系人和位置
位置
| 希腊 | |
| 亚历山德罗托利斯大学医院眼科系 | |
| Alexandroupolis，Evros，希腊，68100 | |
| 塞萨利大学计算机科学与生物医学信息学 | |
| 拉米亚，塞萨利，希腊，35100 | |
赞助商和合作者
丁香民主大学
塞萨利大学
调查人员
| 学习主席： | Georgios Labiris，医学博士，博士 | 希腊亚历山大罗普利斯亚历山大大学大学医院眼科系 |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2021年3月29日 | ||||
| 第一个发布日期 | 2021年4月1日 | ||||
| 最后更新发布日期 | 2021年4月1日 | ||||
| 实际学习开始日期 | 2020年10月1日 | ||||
| 实际的初级完成日期 | 2021年3月10日（主要结果度量的最终数据收集日期） | ||||
| 当前的主要结果指标 |
| ||||
| 原始主要结果指标 | 与电流相同 | ||||
| 改变历史 | 没有发布更改 | ||||
| 当前的次要结果指标 |
| ||||
| 原始的次要结果指标 | 与电流相同 | ||||
| 当前其他预先指定的结果指标 | 不提供 | ||||
| 其他其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 深度神经网络的开发和验证，以闪烁识别和分类 | ||||
| 官方头衔 | 深度神经网络的开发和验证，以闪烁识别和分类 | ||||
| 简要摘要 | 这项研究的主要目的是对深神经网络系统的开发和验证，该系统自动检测并将眨眼归类为图像序列中的“完整”或“不完整”。 | ||||
| 详细说明 | 该方法基于从获得的图像中的两只眼睛中的虹膜和巩膜分割，使用最先进的深度学习编码器神经体系结构（DLED）。后处理分段框架的序列，以计算每只眼睛的眼睑（骨裂缝）和相应的虹膜直径之间的距离。这些数量是时间过滤的，其分数可能会受到自适应阈值，以识别眨眼并确定其类型，并独立于每只眼睛。两个DLED通过手动分割图像进行了训练，并使用4分钟的视频进行了后处理。在训练DEL训练后，对拟议的系统进行了8个不同的主题测试，每个受试者都有4-10分钟的视频。计算了3位独立专家产生的眨眼检测和分类精度的几个指标，这些指标是由3个独立专家产生的，这些专家的冲突是由高级专家解决的。当且仅当存在足够的时间重叠时，并且闪烁的类型在DLED系统和地面真理之间相同时，假定两个独立的眨眼标识是一致的。 | ||||
| 研究类型 | 观察性[患者注册表] | ||||
| 学习规划 | 观察模型：队列 时间观点：前瞻性 | ||||
| 目标随访时间 | 1天 | ||||
| 生物测量 | 不提供 | ||||
| 采样方法 | 概率样本 | ||||
| 研究人群 | 未校正距离视力≥5/10的18至75岁的患者 | ||||
| 健康）状况 |
| ||||
| 干涉 | 诊断测试：拟议的人工网络与地面真相的比较 每个研究参与者都将包括两只眼睛。参与者在3.5m的观看距离处观看了标准介质环境照明条件下的4-10分钟视频。同时，将通过网络红外摄像机记录所有闪烁的动作。 对拟议的系统进行了对8个不同受试者的测试。计算了3位独立专家产生的眨眼检测和分类精度的几个指标，这些指标是由3个独立专家产生的，这些专家的冲突是由高级专家解决的。当且仅当存在足够的时间重叠时，并且闪烁的类型在DLED系统和地面真理之间相同时，假定两个独立的眨眼标识是一致的。 | ||||
| 研究组/队列 | 学习小组 8名未校正距离视力≥5/10的年龄在18至75岁之间的患者 干预：诊断测试：拟议人工网络与地面真相的比较 | ||||
| 出版物 * | 不提供 | ||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符（NCT编号）确定的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 完全的 | ||||
| 实际注册 | 8 | ||||
| 原始的实际注册 | 与电流相同 | ||||
| 实际学习完成日期 | 2021年3月25日 | ||||
| 实际的初级完成日期 | 2021年3月10日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准
排除标准：
| ||||
| 性别/性别 |
| ||||
| 年龄 | 18年至75岁（成人，老年人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 | 仅当研究招募主题时才显示联系信息 | ||||
| 列出的位置国家 | 希腊 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04828187 | ||||
| 其他研究ID编号 | ES2/TH15/25-2-2021 | ||||
| 有数据监测委员会 | 是的 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 |
| ||||
| 责任方 | 乔治斯·拉德斯（Georgios Labiris） | ||||
| 研究赞助商 | 丁香民主大学 | ||||
| 合作者 | 塞萨利大学 | ||||
| 调查人员 |
| ||||
| PRS帐户 | 丁香民主大学 | ||||
| 验证日期 | 2021年3月 | ||||
研究描述
简要摘要：
这项研究的主要目的是对深神经网络系统的开发和验证，该系统自动检测并将眨眼归类为图像序列中的“完整”或“不完整”。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 眨眼深度学习 | 诊断测试：拟议的人工网络与地面真相的比较 |
详细说明：
该方法基于从获得的图像中的两只眼睛中的虹膜和巩膜分割，使用最先进的深度学习编码器神经体系结构（DLED）。后处理分段框架的序列，以计算每只眼睛的眼睑（骨裂缝）和相应的虹膜直径之间的距离。这些数量是时间过滤的，其分数可能会受到自适应阈值，以识别眨眼并确定其类型，并独立于每只眼睛。两个DLED通过手动分割图像进行了训练，并使用4分钟的视频进行了后处理。在训练DEL训练后，对拟议的系统进行了8个不同的主题测试，每个受试者都有4-10分钟的视频。计算了3位独立专家产生的眨眼检测和分类精度的几个指标，这些指标是由3个独立专家产生的，这些专家的冲突是由高级专家解决的。当且仅当存在足够的时间重叠时，并且闪烁的类型在DLED系统和地面真理之间相同时，假定两个独立的眨眼标识是一致的。
学习规划
| 研究类型 ： | 观察性[患者注册表] |
| 实际注册 ： | 8位参与者 |
| 观察模型： | 队列 |
| 时间观点： | 预期 |
| 目标随访时间： | 1天 |
| 官方标题： | 深度神经网络的开发和验证，以闪烁识别和分类 |
| 实际学习开始日期 ： | 2020年10月1日 |
| 实际的初级完成日期 ： | 2021年3月10日 |
| 实际 学习完成日期 ： | 2021年3月25日 |
武器和干预措施
| 小组/队列 | 干预/治疗 |
|---|---|
| 学习小组 8名未校正距离视力≥5/10的年龄在18至75岁之间的患者 | 诊断测试：拟议的人工网络与地面真相的比较 每个研究参与者都将包括两只眼睛。参与者在3.5m的观看距离处观看了标准介质环境照明条件下的4-10分钟视频。同时，将通过网络红外摄像机记录所有闪烁的动作。 对拟议的系统进行了对8个不同受试者的测试。计算了3位独立专家产生的眨眼检测和分类精度的几个指标，这些指标是由3个独立专家产生的，这些专家的冲突是由高级专家解决的。当且仅当存在足够的时间重叠时，并且闪烁的类型在DLED系统和地面真理之间相同时，假定两个独立的眨眼标识是一致的。 |
结果措施
主要结果指标 ：
- 识别完整和不完整的眨眼[时间范围：最多1周]完整和不完整的眨眼是由“骨裂谷至iris直径的长度”比率定义的
- 每个眨眼的第一帧[时间范围：最多1周]上眼睑开始向下移动并覆盖角膜的框架
- 每个眨眼的最后帧[时间范围：最多1周]眨眼后，眼睑完全打开的框架
次要结果度量 ：
- 两只眼睛的pal裂长度[时间范围：最多1周]上眼睑边缘和下眼睑边缘之间的距离（即骨裂缝的垂直尺寸），
- 两只眼睛的虹膜直径[时间范围：最多1周]虹膜的水平直径（即水平的白色至白色距离）
资格标准
| 符合研究资格的年龄： | 18年至75岁（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 是的 |
| 采样方法： | 概率样本 |
研究人群
未校正距离视力≥5/10的18至75岁的患者
标准
联系人和位置
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2021年3月29日 | ||||
| 第一个发布日期 | 2021年4月1日 | ||||
| 最后更新发布日期 | 2021年4月1日 | ||||
| 实际学习开始日期 | 2020年10月1日 | ||||
| 实际的初级完成日期 | 2021年3月10日（主要结果度量的最终数据收集日期） | ||||
| 当前的主要结果指标 |
| ||||
| 原始主要结果指标 | 与电流相同 | ||||
| 改变历史 | 没有发布更改 | ||||
| 当前的次要结果指标 |
| ||||
| 原始的次要结果指标 | 与电流相同 | ||||
| 当前其他预先指定的结果指标 | 不提供 | ||||
| 其他其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 深度神经网络的开发和验证，以闪烁识别和分类 | ||||
| 官方头衔 | 深度神经网络的开发和验证，以闪烁识别和分类 | ||||
| 简要摘要 | 这项研究的主要目的是对深神经网络系统的开发和验证，该系统自动检测并将眨眼归类为图像序列中的“完整”或“不完整”。 | ||||
| 详细说明 | 该方法基于从获得的图像中的两只眼睛中的虹膜和巩膜分割，使用最先进的深度学习编码器神经体系结构（DLED）。后处理分段框架的序列，以计算每只眼睛的眼睑（骨裂缝）和相应的虹膜直径之间的距离。这些数量是时间过滤的，其分数可能会受到自适应阈值，以识别眨眼并确定其类型，并独立于每只眼睛。两个DLED通过手动分割图像进行了训练，并使用4分钟的视频进行了后处理。在训练DEL训练后，对拟议的系统进行了8个不同的主题测试，每个受试者都有4-10分钟的视频。计算了3位独立专家产生的眨眼检测和分类精度的几个指标，这些指标是由3个独立专家产生的，这些专家的冲突是由高级专家解决的。当且仅当存在足够的时间重叠时，并且闪烁的类型在DLED系统和地面真理之间相同时，假定两个独立的眨眼标识是一致的。 | ||||
| 研究类型 | 观察性[患者注册表] | ||||
| 学习规划 | 观察模型：队列 时间观点：前瞻性 | ||||
| 目标随访时间 | 1天 | ||||
| 生物测量 | 不提供 | ||||
| 采样方法 | 概率样本 | ||||
| 研究人群 | 未校正距离视力≥5/10的18至75岁的患者 | ||||
| 健康）状况 |
| ||||
| 干涉 | 诊断测试：拟议的人工网络与地面真相的比较 每个研究参与者都将包括两只眼睛。参与者在3.5m的观看距离处观看了标准介质环境照明条件下的4-10分钟视频。同时，将通过网络红外摄像机记录所有闪烁的动作。 对拟议的系统进行了对8个不同受试者的测试。计算了3位独立专家产生的眨眼检测和分类精度的几个指标，这些指标是由3个独立专家产生的，这些专家的冲突是由高级专家解决的。当且仅当存在足够的时间重叠时，并且闪烁的类型在DLED系统和地面真理之间相同时，假定两个独立的眨眼标识是一致的。 | ||||
| 研究组/队列 | 学习小组 8名未校正距离视力≥5/10的年龄在18至75岁之间的患者 干预：诊断测试：拟议人工网络与地面真相的比较 | ||||
| 出版物 * | 不提供 | ||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符（NCT编号）确定的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 完全的 | ||||
| 实际注册 | 8 | ||||
| 原始的实际注册 | 与电流相同 | ||||
| 实际学习完成日期 | 2021年3月25日 | ||||
| 实际的初级完成日期 | 2021年3月10日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准
排除标准：
| ||||
| 性别/性别 |
| ||||
| 年龄 | 18年至75岁（成人，老年人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 | 仅当研究招募主题时才显示联系信息 | ||||
| 列出的位置国家 | 希腊 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04828187 | ||||
| 其他研究ID编号 | ES2/TH15/25-2-2021 | ||||
| 有数据监测委员会 | 是的 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 |
| ||||
| 责任方 | 乔治斯·拉德斯（Georgios Labiris） | ||||
| 研究赞助商 | 丁香民主大学 | ||||
| 合作者 | 塞萨利大学 | ||||
| 调查人员 |
| ||||
| PRS帐户 | 丁香民主大学 | ||||
| 验证日期 | 2021年3月 | ||||
