A Study of Detection of Paroxysmal Events Utilizing Computer Vision and Machine Learning (USF)

Rövid összefoglaló (regiszter, angolul)

Increased computational power has made it possible to implement complex image recognition tasks and machine learning to be implemented in every day usage. The computer vision and machine learning based solution used in this project (Nelli) is an automatic seizure detection and reporting method that has a CE mark for this specific use. The present study will provide data to expand the utility and detection capability of NELLI and enhance the accuracy and clinical utility of automated computer vision and machine learning based seizure detection.

Mit vállalsz

• Vizsgálat típusa: Megfigyeléses
• Bevont résztvevők: 33
• 2024. nov. 15. és az elsődleges befejezés (2025. dec. 31.) között
• 1 helyszín, 1 országban
• Vizitek és vizsgálatok: kérdezd a vizsgálat csapatát, a regiszter nem sorolja fel őket

A(z) ClinicalTrials.gov regisztermezőiből összeállítva. A vizsgálat felépítését írja le.

Ki nem vehet részt

Szó szerint a(z) ClinicalTrials.gov forrásból, témák szerint csoportosítva. Hogy ki vehet részt, azt csak a vizsgálat csapata dönti el.

Kiket keres a vizsgálat

Életkor a regiszterben: 18 év – 99 év · Nem: nők és férfiak · Egészséges önkénteseket nem fogad

A teljes feltétellista: ClinicalTrials.gov

Helyszínek (1)

Helyszínek a regiszter sorrendjében. Ha a profilodba mented a városodat, távolság szerint rendeződnek.

Te vagy a koordinátor? Erősítsd meg az adatokat