Kunstig intelligens i kinematisk analyse
Anvendelsesforskning af nøglepunktersdetektionsteknologi for kunstig intelligens i kinematikanalyse
- Etabler datasæt. Det private datasæt indeholder relevante parametre, herunder video af forsøgspersonens gang og standardmetoder til kinematisk analyse;
- Udvikle nye modeller. Baseret på offentlige og private datasæt videreudvikles den kinematiske analysemodel for human key point detection.
- Test den nye model. Ved at sammenligne parametrene med standardmetoden blev modellens nøjagtighed verificeret, og kinematikanalysemodellen for kunstig intelligens med nøjagtighed over 98% blev opnået
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Undersøgelsestype
Undersøgelsestype
Tilmelding (Forventet)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Mouwang Zhou
- Telefonnummer: 13910092892
- E-mail: zhoumouwang@outlook.com
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- 1. Unormal gang.
- Kan gå 6m eller mere selvstændigt.
- Ældre end 18.
Ekskluderingskriterier:
- Fraktur kan forværres ved at gå i det akutte eller tidlige postoperative stadium. Har hjerte, lunge, lever og nyre Og andre alvorlige sygdomme, hjertefunktionsgrad over GRADE I (NYHA), respirationssvigt og andre symptomer og tegn eller Tjek resultaterne.
- Den mentale og psykologiske tilstand kan ikke samarbejde med afslutningen af eksperimentet.
- Høj risiko for fald (Berg score ≤20)
- Gangkinematikanalyseudstyr kan ikke bruges sammen.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Case-Control
- Tidsperspektiver: Tværsnit
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Normale fag
Ganganalyse med kunstig intelligens og traditionelle metoder
|
Kunstig intelligens menneskelige nøglepunkt detektionsmodel har hovedsageligt traditionel algoritme, "top-down" algoritme og "bottom-up" algoritme tre metoder, tre metoder har fordele.
Dette projekt vil omfattende bruge ovenstående tre metoder til at udføre algoritme- og parameterfejlfinding i det offentlige datasæt og teste i det private datasæt, for at opnå den bedst egnede metode til genkendelse af menneskelige nøglepunkter til ganganalyse
|
|
Emner med unormal gang
Ganganalyse med kunstig intelligens og traditionelle metoder
|
Kunstig intelligens menneskelige nøglepunkt detektionsmodel har hovedsageligt traditionel algoritme, "top-down" algoritme og "bottom-up" algoritme tre metoder, tre metoder har fordele.
Dette projekt vil omfattende bruge ovenstående tre metoder til at udføre algoritme- og parameterfejlfinding i det offentlige datasæt og teste i det private datasæt, for at opnå den bedst egnede metode til genkendelse af menneskelige nøglepunkter til ganganalyse
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Gangrelaterede parametre
Tidsramme: 30 min
|
Skridtfrekvens/tempo/gangcyklus/trinlængde
|
30 min
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Forventet)
Studiestart
Primær færdiggørelse (Forventet)
Primær færdiggørelse
Studieafslutning (Forventet)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- M2021231
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .