Identifikation af Hypospadi-parametre ved hjælp af digital fotografering og kunstig intelligens (ASHOKA)

Dette er en udviklingsprotokol for et digitalt mønstergenkendelsesprogram til identifikation af forskellige hypospadiparametre ved hjælp af kunstigt neuralt netværk. Populationen for denne undersøgelse er børn, der mistænkes for at have hypospadier, som er indlagt eller henvist til hospitaler i Indonesien.

Samtykke til optagelse af de nødvendige billeder i undersøgelsen vil blive indhentet fra forældre til hypospadipatienter som en del af standarden for pleje, der skal bruges som en klinisk reference. Billedet taget til denne undersøgelse blev opbevaret i en krypteret database. Inklusionskriterierne for denne undersøgelse er børn i alderen <18 år, som er mistænkt for at have hypospadi, med aldersmatchet kontrol. Dem med en historie med hypospadi-reparation eller dem, der nægter at deltage i undersøgelsen, er udelukket.

De kliniske resultater målt i denne undersøgelse er:

1. Hypospadistatus: hypospadier eller ikke-hypospadier
2. Kødplacering: glanulær, koronal, distal skaft, proksimal skaft, penoskrotal
3. Kødform: normal, unormal
4. Kvaliteten af ​​urinrørspladen: god, dårlig
5. Glans diameter: i mm
6. Glans form: normal, unormal De kliniske resultater blev målt præoperativt og 1 måned postoperativt

Et billede af hypospadi og normal penis med matchet aldersdatabase blev brugt til at træne det kunstige neurale netværk. Tre billedaspekter af penis (ventrale, dorsale og laterale aspekter, som omfatter glans, skaftet og pungen) blev taget fra hvert individ. Dataene blev mærket med hypospadiparametre: hypospadias status, kødets placering, kødformen, kvaliteten af ​​urinrørspladen, glansdiameter og glansform. Dataene blev uploadet for at træne det kunstige neurale netværk.

Den statistiske analyseplan vil blive fulgt for alle kliniske udfaldsanalyser. Standardfejl, 95 % konfidensintervaller og P-værdier vil blive rapporteret, når det er muligt. Intra- og interrater-analyse vil blive udført ved hjælp af Fleiss Kappa statistiske analyse. Dataene anses for at være statistisk signifikante, hvis p-værdien er mindre end 0,05. Derudover vil nøjagtighed, præcision, genkaldelse og f1-scoreværdier blive beregnet for at måle genkendelsesmodellens ydeevne.