Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Antropometrisk mønstergenkendelsesteknologi til computerstøttet diagnose af menneskelige genetiske lidelser. (DW-6/2007)

8. august 2017 opdateret af: Carmel Medical Center

Antropometrisk mønstergenkendelsesteknologi, baseret på 3D-rekonstruktionsteknologi, til computerstøttet diagnose af menneskelige genetiske lidelser. Multicenter Collaborative Study.

Hypotesen, der skal testes: Efter konstruktionen af ​​en database med antropometriske målinger, vil systemet udtrække vigtige træk ved en given ansigtsoverflade og være i stand til at matche den med eksisterende morfometriske figurer. En given kombination af normale og unormale målinger vil åbne en "sandsynlig diagnose" og en liste over "differentialdiagnose", der vil blive udtrykt som procent af matchning i en nedadgående rækkefølge til undersøgeren.

Studieoversigt

Status

Afsluttet

Betingelser

Detaljeret beskrivelse

Sammenfatning af relevante baggrundsundersøgelser: Medfødte anomalier spiller en stor rolle i pædiatrisk pleje. En af de førende årsager til spædbørnsdødelighed i udviklede lande er følgerne af disse medfødte anomalier. I nogle tilfælde overstiger dette dødsraten for præmaturitet, SIDS og andre almindelige årsager til spædbarns- eller neonataldød. De tilgængelige værktøjer til vurdering af et dysmorfisk spædbarn eller barn er hovedsageligt baseret på undersøgerens erfaring og dennes evne til at oversætte fund og målinger fra den fysiske undersøgelse til en kvalitativ og kvantitativ oversigt over accepterede værdier plottet for den tilsvarende alder (1, 2). Forskellige usædvanlige træk kommer til udtryk i kvalitative termer såsom kort statur, lange fingre, pæreformet næse, små ører eller andre udtryk, som indebærer en sammenligning med andre kropsproportioner og det subjektive indtryk af undersøgeren. Herefter dannes et indtryk af patienten som en 'gestalt' i undersøgerens sind.

Databaserne og det meste af det skriftlige materiale er beskrivende med sparsom grafik og fotografier, hvilket gør sammenligningen af ​​det beskrevne emnes fænotypiske udtryk med det, der skal diagnosticeres, vanskelig. Selv med de omfattende eksisterende data om objektive målinger, der er tilgængelige for at karakterisere en fænotype, vil mange af de læger, der er involveret i diagnosticeringen af ​​et specifikt tilfælde, basere en del af deres diagnose på "det ligner" og sætte det indtryk i sammenhæng med andre fysiske og laboratoriefund.

Mange syndromer i menneskelig patologi genkendes af deres unikke og karakteristiske ansigts- og kropsegenskaber. Disse stereotype fænotypiske karakteristika er for det meste reproducerbare ved hjælp af antropometriske målinger.

Diagrammer er tilgængelige for normale dataværdier for forskellige morfometriske variable (1,2). Nogle af disse tal kan dog kun måles nøjagtigt på 3D-strukturer (hoved, ansigt). Følgende figur viser målingen af ​​vinklen på den palpebrale fissur:

Fig. 1: En opadgående skævhed til de palpebrale fissurer er kendt som en mongoloid skråning, mens nedadgående skråstilling omtales som en antimongoloid skråning. For at opnå sådanne målinger i livmoderen er en 3D-konfiguration og passende billedanalyse nødvendig (figur fra ref. 2).

Føtalt alkoholsyndrom (FAS) er et eksempel på et syndrom, der har gennemgået karakterisering ved grafiske dataanalysemetoder (3). Forekomsten af ​​føtalt alkoholsyndrom (FAS) blev bestemt i en plejebefolkning og evaluerede ydeevnen af ​​FAS Facial Photographic Screening Tool. Forfatterne konkluderede, at screeningsværktøjet udførte med meget høj nøjagtighed og kunne bruges til at spore FAS-prævalens over tid i plejebefolkningen for præcist at vurdere effektiviteten af ​​primær forebyggelse. En ekspert kan genkende ansigtskarakteristika og give nøjagtige analyser. Objektive målinger kunne give mindre erfarne observatører værktøjer, der klassificerer anatomiske karakteristika ved forskellige sygdomme og syndromer. Ansigtsfænotypiske mønstre kan udvindes fra store databaser af ansigtsoverflader. Disse biometriske målinger kan bruges til analyse, når de evalueres med hensyn til deres "normale" værdier i den generelle befolkning.

3- Undersøgelsesmetoder: Efter godkendelse af Helsinki-komiteen vil projektet blive udført i flere successive trin som følger: A. Nyfødtscanning: En database med 3D-billeder (scanninger) af ansigtet på nyfødte spædbørn vil blive oprettet. Scanningen vil i første omgang blive udført på Carmel Medical Center under deres hospitalsophold. Eksaminanderne vil blive scannet én gang, for at opbygge en database baseret på data opnået fra hvert scannet billede.

De antropometriske ansigtsmønstre i de opnåede 3D-billeder vil blive studeret off-line ved hjælp af et computeriseret ansigtsmønstergenkendelsessystem udviklet og brugt på Det Datavidenskabelige Fakultet på Technion. De opnåede målinger vil blive sammenlignet med geometriske antropometriske data, der allerede er i brug af medicinske genetikere og klinikere (1-9).

B. Hardware- og softwarebeskrivelse:

3D billedoptagelse: Speciel hardware, der er specielt forberedt i vores afdeling, er udviklet til 3D billedoptagelse af nyfødte (se figur 2).

Hardwaren består af: en struktureret lysprojektor (DLP Projector Casio 350j, et digitalt videokamera (PTGray Flea CCD Camera (Point Grey Research® Inc.( Sort og hvid (640x480), aluminiumsprojektorbur, Special medicinsk stativ med hjul,Personlig Computer - Pentium 4 - XP, Fladskærm 17" med stativmontering, Firewire-kabler, I/O-kabler.

Systemer, der bruges til billedoptagelse: I øjeblikket er der to grundlæggende teknologier. Den ene er en laserscanning, hvor et smalt lasergenereret lysplan scanner et ansigt i lodret retning, og ansigtets 3D-struktur gendannes baseret på formen af ​​lyskonturen i skæringspunktet mellem lysplanet og ansigtsfladen.

Den anden metode er baseret på den såkaldte strukturerede lysteknologi (almindeligt lys), hvor et eller flere specialdesignede lysmønstre projiceres på en flade, og 3D-strukturen gendannes ud fra positionsmålingerne af kendte mønsterelementers projektioner på ansigt.

Dernæst konverteres afstandsbilledet til en trianguleret overflade. Nettet kan eventuelt sub-samples for at reducere mængden af ​​data. Valget af antallet af delprøver er en afvejning mellem nøjagtighed og beregningsmæssig kompleksitet. Ved at bruge denne teknik tager billedoptagelse og rekonstruktion omkring 2-3 sekunder.

C. Morfometriske parametre og deres beregning: For at beregne almindelige morfometriske parametre som indre og ydre kantalafstand, interpupilafstand osv., er der behov for at genkende forskellige interessepunkter i 3D-fladen. Dette vil blive gjort ved hjælp af forskellige mønstergenkendelsesalgoritmer. I den indledende fase vil en manuel procedure blive brugt til at markere træk på projektionen af ​​ansigtsoverfladen.

Baseret på resultaterne af den første fase vil der blive udviklet automatiske metoder til at opdage funktioner ved hjælp af statistiske og algebraiske algoritmer. Efter at have sikret de relevante ankerpunkter, vil simpel 3D-geometri blive brugt til at beregne almindelige morfometriske data. Parametre inkluderer ydre kantalafstand, interpupillær afstand, palpebral fissurlængde, palpebral fissurvinkel, nasal-labial (philtrum) længde, ørelængde, ørehøjde osv. De tilgængelige 3D-data kan bruges til at prøve at søge efter andre parametre, der kan betragtes som statistisk meningsfulde indikatorer.

En anden forskningsvej er at undersøge betydningen af ​​andre målinger til afstandsestimering. En mulighed er at kontrollere bidraget fra geodætiske afstande som indikatorer. Geodesisk afstand er et afstandskort beregnet på selve overfladen (Riemannsk metrisk). En minimal geodætisk vej er den korteste vej på overfladen, der forbinder to punkter.

En effektiv metode til at beregne de minimale geodætiske afstande på et trianguleret domæne blev udviklet af Kimmel og Sethian (10). Da ansigtet er en deformerbar overflade, er det vigtigt at bruge en sådan repræsentation for ansigtsoverfladen, at de målinger, der udføres på den, vil være uforanderlige i forhold til mulige deformationer (dvs. forskellige ansigtsudtryk). I dette tilfælde vil en bøjningsinvariant overfladerepræsentation introduceret af Elad og Kimmel blive brugt (11).

D. Statistiske metoder vil blive brugt til at detektere de bedste uafhængige signifikante morfometriske variabler, som signifikant korrelerer med de forskellige syndromer: Diskriminerende scores vil blive konstrueret ved hjælp af regressionskoefficienterne for de multivariate analysetests, og de bedste afskæringspunkter vil blive fundet, forudsige mellem forskellige genetiske anomalier . Afprøvning af metoden og af resultaterne vil blive udført ved hjælp af en valideringsgruppe af patienter og raske kontroller af uafhængige observatører. De syndromatisk undersøgte nyfødte spædbørn vil blive vurderet af en genetiker og bekræftelse af diagnosen vil blive foretaget ved laboratorieundersøgelser, når det er relevant.

E. Statistisk styrke og antal patienter: Mange morfometriske variable vil blive vurderet, baseret på vores 3D-rekonstruktionsmetoder. Først efter at have anvendt den multivariate analyse på resultaterne, vil den relative diagnostiske betydning af hver variabel blive afsløret. Således kan ingen enkelt variabel betragtes på dette tidspunkt som en absolut diskriminator mellem normal og unormal værdi. Men hvis man for eksempel kun overvejer én 3D morfometrisk variabel, såsom graden af ​​skrå palpebral fissur, for at skelne mellem "Trisomy 21" og "normal" i den kaukasiske befolkning, kan følgende effektanalyse beregnes: Gennemsnittet og SD-værdier for den skrå øjenvinkel i "normal" er: 3,5 (grader) ± 1,5. Hos en Trisomi 21-patient er der en opadgående forskydning af denne værdi. For at detektere et skift på mere end 2 SD'er (dvs. mere end 3 grader) og antage, at SD vil være større end 3 grader i den patologiske population, har vi brug for et minimalt antal på 21 patienter og kontroller, for at opnå en statistisk styrke på 90%.

Samlet antal patienter: Vores formål er at få scanninger fra 800 nyfødte spædbørn i løbet af den toårige undersøgelsesperiode.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

1000

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

      • Beer Sheva, Israel
        • Department of Neonatology, Soroka University Medical Center
      • Haifa, Israel
        • Department of Neonatology, Carmel Medical Center

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

1 time til 2 uger (BARN)

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Nyfødte spædbørn født på Carmel Medical Center eller på Soroka Medical Center

Beskrivelse

Inklusionskriterier:

  • alle nyfødte spædbørn født på Carmel Medical Center efter forældres samtykke og på Soroka Medical Center.

Ekskluderingskriterier:

  • Ingen forældres samtykke; Ansigtsdeformation, der ikke er relateret til kromosomale eller genetiske anomalier; spædbørn overført til neonatal intensivafdeling, som har brug for ventilatorstøtte.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
1
Normale hanner
2
Normale hunner
3
Unormale hanner
4
Unormale kvinder

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
At skabe grundlaget for en "normale mønstre"-database

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Efterforskere

  • Ledende efterforsker: Dan Waisman, MD, Department of Neonatology, Carmel Medical Center

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart

1. november 2007

Primær færdiggørelse (FAKTISKE)

30. december 2013

Studieafslutning (FAKTISKE)

30. december 2013

Datoer for studieregistrering

Først indsendt

19. juni 2008

Først indsendt, der opfyldte QC-kriterier

24. juni 2008

Først opslået (SKØN)

25. juni 2008

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

9. august 2017

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

8. august 2017

Sidst verificeret

1. november 2013

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • CMC-07-0018-CTIL
  • DW 6/2007 (ANDET: Carmel Medical Center, Dr. Dan Waisman, 2007)

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 .

Abonner