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 / 人工智能系统用于评估眼底图像的图像质量及其对诊断的影响
人工智能系统用于评估眼底图像的图像质量及其对诊断的影响
研究描述
简要摘要：
眼底图像被广泛用于眼科中，用于检测糖尿病性视网膜病，青光眼和其他疾病。在现实世界实践中，底面图像的质量可能是不可接受的，这可能会破坏诊断的准确性和效率。在这里，研究人员建立了并验证了一个人工智能系统，以在捕获后自动对眼底图像进行自动质量评估。该系统还可以根据质量低的原因为摄影师提供指导。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 视网膜疾病人工智能 | 设备：拍摄底面图像 |
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 300名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 预期 |
| 官方标题： | 人工智能系统用于评估底底图像的图像质量及其对诊断的影响：临床试验 |
| 实际学习开始日期 ： | 2020年2月1日 |
| 估计的初级完成日期 ： | 2020年7月1日 |
| 估计 学习完成日期 ： | 2020年7月1日 |
武器和干预措施
| 组/队列 | 干预/治疗 |
|---|---|
| 眼睛图像质量评估 设备：用于质量评估底面图像的人工智能系统。这些患者被纳入宗山眼科中心的初级医疗单位或AI诊所。 | 设备：拍摄底面图像 参与者只需要照常拍摄底面图像。 |
结果措施
主要结果指标 ：
- 人工智能系统的性能，以区分良好的图像质量和差的图像质量[时间范围：3个月]接收器操作特征曲线下的区域，灵敏度，特异性，正面和阴性预测值，准确性
次要结果度量 ：
- 以前人工智能诊断系统的性能与不同图像质量的眼底图像的比较[时间范围：3个月]Cohen的Kappa系数，P值和其他相关统计结果
资格标准
| 有资格学习的年龄： | 儿童，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： | 非概率样本 |
研究人群
纳入标准：
- 患者应意识到内容并签署知情同意。
排除标准：
- 1.无法与摄影师合作的患者，例如某些瘫痪者，痴呆症患者和严重的精神病患者。
- 2.不同意签署知情同意的患者。
标准
纳入标准：
- 患者应意识到内容并签署知情同意。
排除标准：
- 1.无法与摄影师合作的患者，例如某些瘫痪者，痴呆症患者和严重的精神病患者。
- 2.不同意签署知情同意的患者。
联系人和位置
位置
| 中国，广东 | |
| Sun Yat-Sen University的中央眼科中心 | |
| 广东，中国广东，510060 | |
赞助商和合作者
太阳YAT-SEN大学
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2020年2月26日 | ||||
| 第一个发布日期 | 2020年2月28日 | ||||
| 上次更新发布日期 | 2020年2月28日 | ||||
| 实际学习开始日期 | 2020年2月1日 | ||||
| 估计的初级完成日期 | 2020年7月1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 | 人工智能系统的性能，以区分良好的图像质量和差的图像质量[时间范围：3个月] 接收器操作特征曲线下的区域，灵敏度，特异性，正面和阴性预测值，准确性 | ||||
| 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 | 以前人工智能诊断系统的性能与不同图像质量的眼底图像的比较[时间范围：3个月] Cohen的Kappa系数，P值和其他相关统计结果 | ||||
| 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 | ||||
| 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 | 人工智能系统用于评估眼底图像的图像质量及其对诊断的影响 | ||||
| 官方头衔 | 人工智能系统用于评估底底图像的图像质量及其对诊断的影响：临床试验 | ||||
| 简要摘要 | 眼底图像被广泛用于眼科中，用于检测糖尿病性视网膜病，青光眼和其他疾病。在现实世界实践中，底面图像的质量可能是不可接受的，这可能会破坏诊断的准确性和效率。在这里，研究人员建立了并验证了一个人工智能系统，以在捕获后自动对眼底图像进行自动质量评估。该系统还可以根据质量低的原因为摄影师提供指导。 | ||||
| 详细说明 | 不提供 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：队列 时间观点：潜在 | ||||
| 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 | 纳入标准：
排除标准：
| ||||
| 健康）状况 |
| ||||
| 干涉 | 设备：拍摄底面图像 参与者只需要照常拍摄底面图像。 | ||||
| 研究组/队列 | 眼睛图像质量评估 设备：用于质量评估底面图像的人工智能系统。这些患者被纳入宗山眼科中心的初级医疗单位或AI诊所。 干预：设备：拍摄底面图像 | ||||
| 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 | 活跃，不招募 | ||||
| 估计入学人数 | 300 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2020年7月1日 | ||||
| 估计的初级完成日期 | 2020年7月1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 | 儿童，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 | 中国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04289064 | ||||
| 其他研究ID编号 | Imaqua2020-China-01 | ||||
| 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 | Haotian Lin，Sun Yat-Sen University | ||||
| 研究赞助商 | 太阳YAT-SEN大学 | ||||
| 合作者 | 不提供 | ||||
| 调查人员 | 不提供 | ||||
| PRS帐户 | 太阳YAT-SEN大学 | ||||
| 验证日期 | 2020年2月 | ||||
研究描述
简要摘要：
眼底图像被广泛用于眼科中，用于检测糖尿病性视网膜病，青光眼和其他疾病。在现实世界实践中，底面图像的质量可能是不可接受的，这可能会破坏诊断的准确性和效率。在这里，研究人员建立了并验证了一个人工智能系统，以在捕获后自动对眼底图像进行自动质量评估。该系统还可以根据质量低的原因为摄影师提供指导。
| 病情或疾病 | 干预/治疗 |
|---|---|
| 视网膜疾病人工智能 | 设备：拍摄底面图像 |
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 300名参与者 |
| 观察模型： | 队列 |
| 时间观点： | 预期 |
| 官方标题： | 人工智能系统用于评估底底图像的图像质量及其对诊断的影响：临床试验 |
| 实际学习开始日期 ： | 2020年2月1日 |
| 估计的初级完成日期 ： | 2020年7月1日 |
| 估计 学习完成日期 ： | 2020年7月1日 |
武器和干预措施
| 组/队列 | 干预/治疗 |
|---|---|
| 眼睛图像质量评估 设备：用于质量评估底面图像的人工智能系统。这些患者被纳入宗山眼科中心的初级医疗单位或AI诊所。 | 设备：拍摄底面图像 参与者只需要照常拍摄底面图像。 |
结果措施
主要结果指标 ：
- 人工智能系统的性能，以区分良好的图像质量和差的图像质量[时间范围：3个月]接收器操作特征曲线下的区域，灵敏度，特异性，正面和阴性预测值，准确性
次要结果度量 ：
- 以前人工智能诊断系统的性能与不同图像质量的眼底图像的比较[时间范围：3个月]Cohen的Kappa系数，P值和其他相关统计结果
资格标准
| 有资格学习的年龄： | 儿童，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： | 非概率样本 |
研究人群
纳入标准：
- 患者应意识到内容并签署知情同意。
排除标准：
- 1.无法与摄影师合作的患者，例如某些瘫痪者，痴呆症患者和严重的精神病患者。
- 2.不同意签署知情同意的患者。
标准
纳入标准：
- 患者应意识到内容并签署知情同意。
排除标准：
- 1.无法与摄影师合作的患者，例如某些瘫痪者，痴呆症患者和严重的精神病患者。
- 2.不同意签署知情同意的患者。
联系人和位置
位置
| 中国，广东 | |
| Sun Yat-Sen University的中央眼科中心 | |
| 广东，中国广东，510060 | |
赞助商和合作者
太阳YAT-SEN大学
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2020年2月26日 | ||||
| 第一个发布日期 | 2020年2月28日 | ||||
| 上次更新发布日期 | 2020年2月28日 | ||||
| 实际学习开始日期 | 2020年2月1日 | ||||
| 估计的初级完成日期 | 2020年7月1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 | 人工智能系统的性能，以区分良好的图像质量和差的图像质量[时间范围：3个月] 接收器操作特征曲线下的区域，灵敏度，特异性，正面和阴性预测值，准确性 | ||||
| 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 | 以前人工智能诊断系统的性能与不同图像质量的眼底图像的比较[时间范围：3个月] Cohen的Kappa系数，P值和其他相关统计结果 | ||||
| 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 | ||||
| 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 | 人工智能系统用于评估眼底图像的图像质量及其对诊断的影响 | ||||
| 官方头衔 | 人工智能系统用于评估底底图像的图像质量及其对诊断的影响：临床试验 | ||||
| 简要摘要 | 眼底图像被广泛用于眼科中，用于检测糖尿病性视网膜病，青光眼和其他疾病。在现实世界实践中，底面图像的质量可能是不可接受的，这可能会破坏诊断的准确性和效率。在这里，研究人员建立了并验证了一个人工智能系统，以在捕获后自动对眼底图像进行自动质量评估。该系统还可以根据质量低的原因为摄影师提供指导。 | ||||
| 详细说明 | 不提供 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：队列 时间观点：潜在 | ||||
| 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 | 纳入标准：
排除标准：
| ||||
| 健康）状况 |
| ||||
| 干涉 | 设备：拍摄底面图像 参与者只需要照常拍摄底面图像。 | ||||
| 研究组/队列 | 眼睛图像质量评估 设备：用于质量评估底面图像的人工智能系统。这些患者被纳入宗山眼科中心的初级医疗单位或AI诊所。 干预：设备：拍摄底面图像 | ||||
| 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 | 活跃，不招募 | ||||
| 估计入学人数 | 300 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2020年7月1日 | ||||
| 估计的初级完成日期 | 2020年7月1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 | 儿童，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 | 中国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04289064 | ||||
| 其他研究ID编号 | Imaqua2020-China-01 | ||||
| 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 | Haotian Lin，Sun Yat-Sen University | ||||
| 研究赞助商 | 太阳YAT-SEN大学 | ||||
| 合作者 | 不提供 | ||||
| 调查人员 | 不提供 | ||||
| PRS帐户 | 太阳YAT-SEN大学 | ||||
| 验证日期 | 2020年2月 | ||||
