Меню
Идёт набор NCT06669728

Study on the Diagnostic Efficacy of ICL Selection and Prediction Depth Model Based on Eye Images

— Наблюдательное Posterior Chamber Phakic Intraocular Lens Vault Deep Neural Network Myopia

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: AI diagnostic algorithm.
Кому может быть актуально
Состояния в реестре: Posterior Chamber Phakic Intraocular Lens, Vault, Deep Neural Network, Myopia. Базовые параметры: 18 лет — 45 лет · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Китай
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Официальное название

Diagnostic Efficacy of Deep Neural Network Algorithm Based on Preoperative Scheimpflug-based Anterior Segment Image for Implantable Collamer Lens Selection and Prediction

Обзор

To evaluate the diagnostic efficacy of deep learning network model in implantable collamer lens selection and prediction in a multicenter cross-sectional study

Подробное описание

Posterior chamber intraocular lens implantation is an main choice for myopia correction. Implantable collamer lens (ICL) is currently the most widely used, and the official reference index is mainly based on biological parameters obtained from eye images. The parameter acquisition and selection of ICL design are often controversial, forcing the doctors to synthesize multiple modal data, making the optimization of ICL formula being a focus of attention in refractive surgery. This research aimed to build an image-based ICL prediction algorithm to assist human physicians in decision-making and improve the accuracy, safety and predictability of ICL implantation.

Вмешательства

  • Диагностический тест AI diagnostic algorithm
    The ICL procedures collected would be assessed by the algorithm. The performance of the algorithm would be assessed, including accuracy, AUC, sensitivity and specificity.

Первичные конечные точки

  • AUROC of convolutional neural network in predicting vault after ICL surgery [Срок оценки: Day 7]
  • AUROC of convolutional neural network in predicting anterior chamber angle after ICL implantation [Срок оценки: Day 7]
Вторичные конечные точки (2)
  • Sensitivity and specificity of convolutional neural network in predicting Vault after ICL implantation [Срок оценки: Day 7]
  • Sensitivity and specificity of convolutional neural network in predicting anterior chamber angle after ICL implantation [Срок оценки: Day 7]

Критерии участия

Критерии включения

  • Aged 18-45 years ;
  • Myopia, with or without astigmatism, annual diopter change ≤ 0.50 D for 2 consecutive years ;
  • Anterior chamber depth ≥ 2.80 mm ;
  • Corneal endothelial cell count ≥ 2000 / mm2, stable cell morphology ;
  • There were no other ocular diseases that significantly affected vision and / or systemic organic lesions that affected surgical recovery.

Критерии исключения

  • There were no other ocular diseases that significantly affected vision and / or systemic organic lesions that affected surgical recovery;
  • Have a history of corneal refractive surgery or intraocular surgery ;
  • Corneal endothelial cell count is low ;
  • Those with systemic diseases ;
  • Lactating or pregnant women.

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Да

Дизайн исследования

Модель наблюдения
Другое

Центры проведения

Китай · 1 центр
  • The Second Affiliated Hospital of Nanchang University — Nanchang

Идентификаторы

NCT: NCT06669728 · [2024] NO.(93)

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗