病情或疾病 | 干预/治疗 |
---|---|
血液学疾病人工智能急性白血病 | 其他:本研究中没有任何干预措施 |
研究类型 : | 观察 |
估计入学人数 : | 900名参与者 |
观察模型: | 只有案例 |
时间观点: | 预期 |
官方标题: | 建立自动计数和分类骨髓和外周血细胞的方法 |
实际学习开始日期 : | 2020年8月28日 |
估计初级完成日期 : | 2023年12月31日 |
估计 学习完成日期 : | 2023年12月31日 |
追踪信息 | |||||
---|---|---|---|---|---|
首先提交日期 | 2020年8月27日 | ||||
第一个发布日期 | 2020年9月16日 | ||||
最后更新发布日期 | 2020年9月16日 | ||||
实际学习开始日期 | 2020年8月28日 | ||||
估计初级完成日期 | 2023年12月31日(主要结果指标的最终数据收集日期) | ||||
当前的主要结果指标 | 通过使用深卷积神经网络的骨髓涂片和外周血涂片的数字显微镜照片,评估自动方法和手动方法之间的细胞计数和分类的准确性[时间范围:3年] | ||||
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 | 不提供 | ||||
原始的次要结果指标 | 不提供 | ||||
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 | 建立自动计数和分类骨髓和外周血细胞的方法 | ||||
官方头衔 | 建立自动计数和分类骨髓和外周血细胞的方法 | ||||
简要摘要 | 骨髓涂片和外周血涂片中血细胞的计数和分类对于临床血液学至关重要。到目前为止,在大多数临床环境中都以手动方式进行此过程。不同操作员之间的计数结果通常不一致,这主要是由于其手动性质。没有一种有效的标准方法用于血液涂片制备,自动计数和分类。最近的医学图像处理深度神经网络的出现为有效解决这个长期存在的问题提供了新的机会。关于卷积神经网络在临床图像识别任务中的有效性已发表了许多结果。 | ||||
详细说明 | 不提供 | ||||
研究类型 | 观察 | ||||
学习规划 | 观察模型:仅病例 时间观点:前瞻性 | ||||
目标随访时间 | 不提供 | ||||
生物测量 | 不提供 | ||||
采样方法 | 概率样本 | ||||
研究人群 | 怀疑或确认血液学疾病并在台湾大学癌症中心接受骨髓或外周血细胞形态检查的患者 | ||||
健康)状况 |
| ||||
干涉 | 其他:本研究中没有任何干预措施 这项研究没有任何干预措施 | ||||
研究组/队列 | 不提供 | ||||
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 | 招募 | ||||
估计入学人数 | 900 | ||||
原始估计注册 | 与电流相同 | ||||
估计学习完成日期 | 2023年12月31日 | ||||
估计初级完成日期 | 2023年12月31日(主要结果指标的最终数据收集日期) | ||||
资格标准 | 纳入标准:
排除标准: •不愿签署知情同意的患者 | ||||
性别/性别 |
| ||||
年龄 | 20岁以上(成人,老年人) | ||||
接受健康的志愿者 | 不 | ||||
联系人 |
| ||||
列出的位置国家 | 台湾 | ||||
删除了位置国家 | |||||
管理信息 | |||||
NCT编号 | NCT04551235 | ||||
其他研究ID编号 | 202007086RIPB | ||||
有数据监测委员会 | 不 | ||||
美国FDA调节的产品 |
| ||||
IPD共享声明 |
| ||||
责任方 | 台湾国家医院 | ||||
研究赞助商 | 台湾国家医院 | ||||
合作者 | 台湾国家台湾大学台湾细胞疗法中心,生物疾病公司 | ||||
调查人员 | 不提供 | ||||
PRS帐户 | 台湾国家医院 | ||||
验证日期 | 2020年8月 |
病情或疾病 | 干预/治疗 |
---|---|
血液学疾病人工智能急性白血病 | 其他:本研究中没有任何干预措施 |
研究类型 : | 观察 |
估计入学人数 : | 900名参与者 |
观察模型: | 只有案例 |
时间观点: | 预期 |
官方标题: | 建立自动计数和分类骨髓和外周血细胞的方法 |
实际学习开始日期 : | 2020年8月28日 |
估计初级完成日期 : | 2023年12月31日 |
估计 学习完成日期 : | 2023年12月31日 |
追踪信息 | |||||
---|---|---|---|---|---|
首先提交日期 | 2020年8月27日 | ||||
第一个发布日期 | 2020年9月16日 | ||||
最后更新发布日期 | 2020年9月16日 | ||||
实际学习开始日期 | 2020年8月28日 | ||||
估计初级完成日期 | 2023年12月31日(主要结果指标的最终数据收集日期) | ||||
当前的主要结果指标 | 通过使用深卷积神经网络的骨髓涂片和外周血涂片的数字显微镜照片,评估自动方法和手动方法之间的细胞计数和分类的准确性[时间范围:3年] | ||||
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 | 不提供 | ||||
原始的次要结果指标 | 不提供 | ||||
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 | 建立自动计数和分类骨髓和外周血细胞的方法 | ||||
官方头衔 | 建立自动计数和分类骨髓和外周血细胞的方法 | ||||
简要摘要 | 骨髓涂片和外周血涂片中血细胞的计数和分类对于临床血液学至关重要。到目前为止,在大多数临床环境中都以手动方式进行此过程。不同操作员之间的计数结果通常不一致,这主要是由于其手动性质。没有一种有效的标准方法用于血液涂片制备,自动计数和分类。最近的医学图像处理深度神经网络的出现为有效解决这个长期存在的问题提供了新的机会。关于卷积神经网络在临床图像识别任务中的有效性已发表了许多结果。 | ||||
详细说明 | 不提供 | ||||
研究类型 | 观察 | ||||
学习规划 | 观察模型:仅病例 时间观点:前瞻性 | ||||
目标随访时间 | 不提供 | ||||
生物测量 | 不提供 | ||||
采样方法 | 概率样本 | ||||
研究人群 | 怀疑或确认血液学疾病并在台湾大学癌症中心接受骨髓或外周血细胞形态检查的患者 | ||||
健康)状况 |
| ||||
干涉 | 其他:本研究中没有任何干预措施 这项研究没有任何干预措施 | ||||
研究组/队列 | 不提供 | ||||
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 | 招募 | ||||
估计入学人数 | 900 | ||||
原始估计注册 | 与电流相同 | ||||
估计学习完成日期 | 2023年12月31日 | ||||
估计初级完成日期 | 2023年12月31日(主要结果指标的最终数据收集日期) | ||||
资格标准 | 纳入标准:
排除标准: •不愿签署知情同意的患者 | ||||
性别/性别 |
| ||||
年龄 | 20岁以上(成人,老年人) | ||||
接受健康的志愿者 | 不 | ||||
联系人 |
| ||||
列出的位置国家 | 台湾 | ||||
删除了位置国家 | |||||
管理信息 | |||||
NCT编号 | NCT04551235 | ||||
其他研究ID编号 | 202007086RIPB | ||||
有数据监测委员会 | 不 | ||||
美国FDA调节的产品 |
| ||||
IPD共享声明 |
| ||||
责任方 | 台湾国家医院 | ||||
研究赞助商 | 台湾国家医院 | ||||
合作者 | 台湾国家台湾大学台湾细胞疗法中心,生物疾病公司 | ||||
调查人员 | 不提供 | ||||
PRS帐户 | 台湾国家医院 | ||||
验证日期 | 2020年8月 |