- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT04319055
AI-assisteret ansigtskirurgisk planlægning
16. februar 2021 opdateret af: National Taiwan University Hospital
Kunstig intelligens-assisteret ansigts-, periokulær- og orbitalanalyse og kirurgisk planlægning
Computervision ved hjælp af dyb læringsarkitektur bruges bredt i autogenkendelse.
I forskningen anvendes den dybe læringsmodel, som trænes af kategoriserede enkeltøjebilleder, for at opnå den gode præstation af modellen i blepharoptosis auto-diagnose.
Studieoversigt
Status
Afsluttet
Detaljeret beskrivelse
Dette autodiagnosesystem for blepharoptose ved hjælp af maskinlæringsarkitektur vil hjælpe med telemedicin, såsom tidlig screening af ptose i barndommen for hurtig henvisning og behandling.
Folk kunne bruge denne software via mobile enheder til at få en primitiv diagnose, før de når frem til lægerne.
Desuden kan softwaren i primær sundhedspleje, hvor der ikke er nogen okuloplastisk kirurg, hjælpe primære læger eller almindelige øjenlæger med at identificere behovet for en henvisning.
Undersøgelsestype
Observationel
Tilmelding (Faktiske)
17932
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
-
Taipei, Taiwan
- National Taiwan University Hospital
-
-
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
20 år til 65 år (VOKSEN, OLDER_ADULT)
Tager imod sunde frivillige
Ingen
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Sandsynlighedsprøve
Studiebefolkning
Alle data blev indsamlet på oftalmiske ambulatorier på National Taiwan University Hospital.
Beskrivelse
[Inklusionskriterier]
- Deltagerne, der var 20-årige eller derover,
- Kirurgisk informeret samtykke blev godkendt af deltagerne selv,
- Deltagere, der har kirurgiske indikationer af de oculofaciale operationer, og
- Deltagerne, der blev enige om fotografering efter forklaring fra kirurgen på ambulatorier.
[Ekskluderingskriterier]
- Deltagerne, der var 19-årige eller derunder,
- De deltagere, der ikke har kirurgiske indikationer af de okulofaciale operationer,
- Deltagerne, der var designet til minimalt invasive behandlinger, såsom Botox eller enhver form for fillerinjektion,
- De deltagere, der nægtede fotografering af en eller anden grund, og
- De deltagere, der ikke er tilgængelige for standardkvalitet af fotografering, såsom sengeliggende patienter.
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Modellens ydeevne evalueres efter nøjagtighed
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
En kunstig intelligens-tilgang
|
Gennem studieafslutning i gennemsnit 1 år
|
|
AUC (Area Under the Curve)
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
En kunstig intelligens-tilgang
|
Gennem studieafslutning i gennemsnit 1 år
|
|
ROC (Receiver Operating Characteristics) kurve.
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
En kunstig intelligens-tilgang
|
Gennem studieafslutning i gennemsnit 1 år
|
|
En kunstig intelligens tilgang til at identificere ansigts-, periokulære og orbitale sygdomme
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Modellens fortolkningsmuligheder tilgås af Grad-CAM (Class Activation Maps).
|
Gennem studieafslutning i gennemsnit 1 år
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Shu-Lang Liao, MD,MPH, EMBA, National Taiwan University Hospital
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 (FAKTISKE)
1. januar 2009
Primær færdiggørelse (FAKTISKE)
31. december 2018
Studieafslutning (FAKTISKE)
30. juli 2019
Datoer for studieregistrering
Først indsendt
3. marts 2020
Først indsendt, der opfyldte QC-kriterier
23. marts 2020
Først opslået (FAKTISKE)
24. marts 2020
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (FAKTISKE)
18. februar 2021
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
16. februar 2021
Sidst verificeret
1. februar 2021
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 201908066RIND
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
INGEN
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
Ingen
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 .