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 / 关于先天性心脏病筛查中心脏声音的AI识别系统的研究
关于先天性心脏病筛查中心脏声音的AI识别系统的研究
研究描述
简要摘要：
这项研究的目的是基于深度学习来建立AI算法，以增强健康人和不同的主要或其他细分的心脏病' target='_blank'>先天性心脏病（CHD）的心脏杂音的能力，并评估人工智能技术辅助的有效性心脏声音识别系统（称为：心脏声音AI识别系统）用于多中心CHD筛查。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 儿童心脏病' target='_blank'>先天性心脏病 | 诊断测试：心理学和超声心动图 |
详细说明：
这是中国的一项多中心集群横断面研究。在10个儿科医疗中心的门诊或住院期间，使用超声心动图证实，使用电子听诊器（0〜18岁）的电子听诊器（0〜18岁），通过听诊来收集心脏声音。心脏声音将可视化为Phonocartiogron，并且在对正常和异常心脏声音分类并通过小儿心血管专家标记心脏杂音的特征后，将进行特征提取。人工智能算法（机器学习，深度学习等）将通过上述数据培训以建立心脏声音识别系统。我们将使用接收器操作特征（ROC）曲线比较识别和分类异常的能力不同人工智能算法之间的心脏声音。以超声心动图作为黄金标准的结果，我们将使用评估索引，例如灵敏度，特异性，准确性，正预测价值，负预测价值等，以比较AI识别系统和人类CD筛查的诊断能力心血管儿科医生。我们的目标是使用人工智能技术来帮助心脏诊断进行CHD筛查。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 5000名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 横截面 |
| 官方标题： | 在儿童心脏病' target='_blank'>先天性心脏病筛查中，关于人工智能技术辅助心脏识别系统探索和应用的多中心研究 |
| 估计研究开始日期 ： | 2020年7月1日 |
| 估计的初级完成日期 ： | 2021年12月31日 |
| 估计 学习完成日期 ： | 2023年6月30日 |
武器和干预措施
| 组/队列 | 干预/治疗 |
|---|---|
| 0〜18岁的孩子 儿童在门诊或住院期间 | 诊断测试：心理学和超声心动图 心血管儿科医生和超声心动学医生将通过心血管造影和超声心动图进行心脏听觉 |
结果措施
主要结果指标 ：
- 敏感性的接收器操作特征（ROC）[时间范围：2020年7月至2021年12月]通过不同的人工智能算法和听诊的CHD筛查中的敏感性ROC
资格标准
| 有资格学习的年龄： | 最多18岁（儿童，成人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 是的 |
| 采样方法： | 非概率样本 |
研究人群
中国十个儿科医疗中心的门诊服务或住院期间的小儿人口
标准
联系人和位置
联系人
| 联系人：医学博士Kun Sun | 8621-25076045 | drsunkun@xinhuamed.com.cn |
位置
| 中国 | |
| 比吉第一市医院 | |
| 中国比吉 | |
| 联系人：Zhengke粉丝0857-8294042 1920228145@qq.com | |
| 儿童医院隶属于重庆医科大学 | |
| 中国重庆 | |
| 联系人：Jia Liu 0086-13438054141 597256423@qq.com | |
| 儿童医院隶属于郑安吉医科大学 | |
| 中国杭州 | |
| 联系人：Yujia Wang 0086-13588747101 wangyujia@zju.edu.cn | |
| 山东省医院 | |
| 中国吉南 | |
| 联系人：Jianli LV，MD 0086-15562565679 smart.jaly@163.com | |
| Linhai妇女和儿童医院 | |
| 中国Linhai | |
| 联系人：Saihua Zhu 0576-89119162 M15921979026@163.com | |
| linyi妇女和儿童医院 | |
| 中国利尼 | |
| 联系人：Shiqiang Wu 0539-3216251 604287252@qq.com | |
| 上海儿童医疗中心 | |
| 上海，中国 | |
| 联系人：Tianji Yi，MD 0086-15317026159 15317026159@126.com | |
| Shiyan Taihe医院 | |
| 中国希亚恩 | |
| 联系人：Shibing XI 0086-13397298282 xishibing2009@163.com | |
| 第二家医院隶属于温州医科大学 | |
| 中国温州 | |
| 联系人：Xing Rong，MD 0577-88002178 rstar1978mail@163.com | |
赞助商和合作者
上海若o汤大学医学院新华社医院
调查人员
| 首席研究员： | 医学博士Kun Sun | 上海若o汤大学医学院新华社医院 |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2020年3月11日 | ||||
| 第一个发布日期 | 2020年3月13日 | ||||
| 上次更新发布日期 | 2020年3月13日 | ||||
| 估计研究开始日期 | 2020年7月1日 | ||||
| 估计的初级完成日期 | 2021年12月31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 | 敏感性的接收器操作特征（ROC）[时间范围：2020年7月至2021年12月] 通过不同的人工智能算法和听诊的CHD筛查中的敏感性ROC | ||||
| 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 | ||||
| 原始其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 关于心脏病' target='_blank'>先天性心脏病筛查中心脏声音的AI识别系统的研究 | ||||
| 官方头衔 | 在儿童心脏病' target='_blank'>先天性心脏病筛查中，关于人工智能技术辅助心脏识别系统探索和应用的多中心研究 | ||||
| 简要摘要 | 这项研究的目的是基于深度学习来建立AI算法，以增强健康人和不同的主要或其他细分的心脏病' target='_blank'>先天性心脏病（CHD）的心脏杂音的能力，并评估人工智能技术辅助的有效性心脏声音识别系统（称为：心脏声音AI识别系统）用于多中心CHD筛查。 | ||||
| 详细说明 | 这是中国的一项多中心集群横断面研究。在10个儿科医疗中心的门诊或住院期间，使用超声心动图证实，使用电子听诊器（0〜18岁）的电子听诊器（0〜18岁），通过听诊来收集心脏声音。心脏声音将可视化为Phonocartiogron，并且在对正常和异常心脏声音分类并通过小儿心血管专家标记心脏杂音的特征后，将进行特征提取。人工智能算法（机器学习，深度学习等）将通过上述数据培训以建立心脏声音识别系统。我们将使用接收器操作特征（ROC）曲线比较识别和分类异常的能力不同人工智能算法之间的心脏声音。以超声心动图作为黄金标准的结果，我们将使用评估索引，例如灵敏度，特异性，准确性，正预测价值，负预测价值等，以比较AI识别系统和人类CD筛查的诊断能力心血管儿科医生。我们的目标是使用人工智能技术来帮助心脏诊断进行CHD筛查。 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：队列 时间视角：横截面 | ||||
| 目标随访时间 | 不提供 | ||||
| 生物测量 | 不提供 | ||||
| 采样方法 | 非概率样本 | ||||
| 研究人群 | 中国十个儿科医疗中心的门诊服务或住院期间的小儿人口 | ||||
| 健康）状况 | 儿童心脏病' target='_blank'>先天性心脏病 | ||||
| 干涉 | 诊断测试：心理学和超声心动图 心血管儿科医生和超声心动学医生将通过心血管造影和超声心动图进行心脏听觉 | ||||
| 研究组/队列 | 0〜18岁的孩子 儿童在门诊或住院期间 干预：诊断测试：心理学和超声心动图 | ||||
| 出版物 * | 不提供 | ||||
*包括由数据提供商提供的出版物以及Medline中临床标识符（NCT编号）的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 尚未招募 | ||||
| 估计入学人数 | 5000 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2023年6月30日 | ||||
| 估计的初级完成日期 | 2021年12月31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 | 最多18岁（儿童，成人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 |
| ||||
| 列出的位置国家 | 中国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04307030 | ||||
| 其他研究ID编号 | XH-20-003 | ||||
| 有数据监测委员会 | 不提供 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 |
| ||||
| 责任方 | 上海若昂大学医学院新华社Kun Sun医院 | ||||
| 研究赞助商 | 上海若o汤大学医学院新华社医院 | ||||
| 合作者 | 不提供 | ||||
| 调查人员 |
| ||||
| PRS帐户 | 上海若o汤大学医学院新华社医院 | ||||
| 验证日期 | 2020年3月 | ||||
研究描述
简要摘要：
这项研究的目的是基于深度学习来建立AI算法，以增强健康人和不同的主要或其他细分的先天性心脏病' target='_blank'>先天性心脏病（CHD）的心脏杂音的能力，并评估人工智能技术辅助的有效性心脏声音识别系统（称为：心脏声音AI识别系统）用于多中心CHD筛查。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 儿童先天性心脏病' target='_blank'>先天性心脏病 | 诊断测试：心理学和超声心动图 |
详细说明：
这是中国的一项多中心集群横断面研究。在10个儿科医疗中心的门诊或住院期间，使用超声心动图证实，使用电子听诊器（0〜18岁）的电子听诊器（0〜18岁），通过听诊来收集心脏声音。心脏声音将可视化为Phonocartiogron，并且在对正常和异常心脏声音分类并通过小儿心血管专家标记心脏杂音的特征后，将进行特征提取。人工智能算法（机器学习，深度学习等）将通过上述数据培训以建立心脏声音识别系统。我们将使用接收器操作特征（ROC）曲线比较识别和分类异常的能力不同人工智能算法之间的心脏声音。以超声心动图作为黄金标准的结果，我们将使用评估索引，例如灵敏度，特异性，准确性，正预测价值，负预测价值等，以比较AI识别系统和人类CD筛查的诊断能力心血管儿科医生。我们的目标是使用人工智能技术来帮助心脏诊断进行CHD筛查。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 5000名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 横截面 |
| 官方标题： | 在儿童先天性心脏病' target='_blank'>先天性心脏病筛查中，关于人工智能技术辅助心脏识别系统探索和应用的多中心研究 |
| 估计研究开始日期 ： | 2020年7月1日 |
| 估计的初级完成日期 ： | 2021年12月31日 |
| 估计 学习完成日期 ： | 2023年6月30日 |
武器和干预措施
| 组/队列 | 干预/治疗 |
|---|---|
| 0〜18岁的孩子 儿童在门诊或住院期间 | 诊断测试：心理学和超声心动图 心血管儿科医生和超声心动学医生将通过心血管造影和超声心动图进行心脏听觉 |
结果措施
主要结果指标 ：
- 敏感性的接收器操作特征（ROC）[时间范围：2020年7月至2021年12月]通过不同的人工智能算法和听诊的CHD筛查中的敏感性ROC
资格标准
| 有资格学习的年龄： | 最多18岁（儿童，成人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 是的 |
| 采样方法： | 非概率样本 |
研究人群
中国十个儿科医疗中心的门诊服务或住院期间的小儿人口
标准
联系人和位置
联系人
| 联系人：医学博士Kun Sun | 8621-25076045 | drsunkun@xinhuamed.com.cn |
位置
| 中国 | |
| 比吉第一市医院 | |
| 中国比吉 | |
| 联系人：Zhengke粉丝0857-8294042 1920228145@qq.com | |
| 儿童医院隶属于重庆医科大学 | |
| 中国重庆 | |
| 联系人：Jia Liu 0086-13438054141 597256423@qq.com | |
| 儿童医院隶属于郑安吉医科大学 | |
| 中国杭州 | |
| 联系人：Yujia Wang 0086-13588747101 wangyujia@zju.edu.cn | |
| 山东省医院 | |
| 中国吉南 | |
| 联系人：Jianli LV，MD 0086-15562565679 smart.jaly@163.com | |
| Linhai妇女和儿童医院 | |
| 中国Linhai | |
| 联系人：Saihua Zhu 0576-89119162 M15921979026@163.com | |
| linyi妇女和儿童医院 | |
| 中国利尼 | |
| 联系人：Shiqiang Wu 0539-3216251 604287252@qq.com | |
| 上海儿童医疗中心 | |
| 上海，中国 | |
| 联系人：Tianji Yi，MD 0086-15317026159 15317026159@126.com | |
| Shiyan Taihe医院 | |
| 中国希亚恩 | |
| 联系人：Shibing XI 0086-13397298282 xishibing2009@163.com | |
| 第二家医院隶属于温州医科大学 | |
| 中国温州 | |
| 联系人：Xing Rong，MD 0577-88002178 rstar1978mail@163.com | |
赞助商和合作者
上海若o汤大学医学院新华社医院
调查人员
| 首席研究员： | 医学博士Kun Sun | 上海若o汤大学医学院新华社医院 |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2020年3月11日 | ||||
| 第一个发布日期 | 2020年3月13日 | ||||
| 上次更新发布日期 | 2020年3月13日 | ||||
| 估计研究开始日期 | 2020年7月1日 | ||||
| 估计的初级完成日期 | 2021年12月31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 | 敏感性的接收器操作特征（ROC）[时间范围：2020年7月至2021年12月] 通过不同的人工智能算法和听诊的CHD筛查中的敏感性ROC | ||||
| 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 | ||||
| 原始其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 关于先天性心脏病' target='_blank'>先天性心脏病筛查中心脏声音的AI识别系统的研究 | ||||
| 官方头衔 | 在儿童先天性心脏病' target='_blank'>先天性心脏病筛查中，关于人工智能技术辅助心脏识别系统探索和应用的多中心研究 | ||||
| 简要摘要 | 这项研究的目的是基于深度学习来建立AI算法，以增强健康人和不同的主要或其他细分的先天性心脏病' target='_blank'>先天性心脏病（CHD）的心脏杂音的能力，并评估人工智能技术辅助的有效性心脏声音识别系统（称为：心脏声音AI识别系统）用于多中心CHD筛查。 | ||||
| 详细说明 | 这是中国的一项多中心集群横断面研究。在10个儿科医疗中心的门诊或住院期间，使用超声心动图证实，使用电子听诊器（0〜18岁）的电子听诊器（0〜18岁），通过听诊来收集心脏声音。心脏声音将可视化为Phonocartiogron，并且在对正常和异常心脏声音分类并通过小儿心血管专家标记心脏杂音的特征后，将进行特征提取。人工智能算法（机器学习，深度学习等）将通过上述数据培训以建立心脏声音识别系统。我们将使用接收器操作特征（ROC）曲线比较识别和分类异常的能力不同人工智能算法之间的心脏声音。以超声心动图作为黄金标准的结果，我们将使用评估索引，例如灵敏度，特异性，准确性，正预测价值，负预测价值等，以比较AI识别系统和人类CD筛查的诊断能力心血管儿科医生。我们的目标是使用人工智能技术来帮助心脏诊断进行CHD筛查。 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：队列 时间视角：横截面 | ||||
| 目标随访时间 | 不提供 | ||||
| 生物测量 | 不提供 | ||||
| 采样方法 | 非概率样本 | ||||
| 研究人群 | 中国十个儿科医疗中心的门诊服务或住院期间的小儿人口 | ||||
| 健康）状况 | 儿童先天性心脏病' target='_blank'>先天性心脏病 | ||||
| 干涉 | 诊断测试：心理学和超声心动图 心血管儿科医生和超声心动学医生将通过心血管造影和超声心动图进行心脏听觉 | ||||
| 研究组/队列 | 0〜18岁的孩子 儿童在门诊或住院期间 干预：诊断测试：心理学和超声心动图 | ||||
| 出版物 * | 不提供 | ||||
*包括由数据提供商提供的出版物以及Medline中临床标识符（NCT编号）的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 尚未招募 | ||||
| 估计入学人数 | 5000 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2023年6月30日 | ||||
| 估计的初级完成日期 | 2021年12月31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 | 最多18岁（儿童，成人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 |
| ||||
| 列出的位置国家 | 中国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04307030 | ||||
| 其他研究ID编号 | XH-20-003 | ||||
| 有数据监测委员会 | 不提供 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 |
| ||||
| 责任方 | 上海若昂大学医学院新华社Kun Sun医院 | ||||
| 研究赞助商 | 上海若o汤大学医学院新华社医院 | ||||
| 合作者 | 不提供 | ||||
| 调查人员 |
| ||||
| PRS帐户 | 上海若o汤大学医学院新华社医院 | ||||
| 验证日期 | 2020年3月 | ||||
