Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

KI-gestützte gesichtschirurgische Planung

16. Februar 2021 aktualisiert von: National Taiwan University Hospital

Künstliche Intelligenz unterstützte Gesichts-, Periokular- und Orbitalanalyse und chirurgische Planung

Computer Vision mit Deep-Learning-Architektur wird häufig bei der automatischen Erkennung eingesetzt. In der Forschung wird das Deep-Learning-Modell, das anhand kategorisierter Einzelaugenbilder trainiert wird, angewendet, um die gute Leistung des Modells bei der Autodiagnose von Blepharoptose zu erreichen.

Studienübersicht

Detaillierte Beschreibung

Dieses Autodiagnosesystem für Blepharoptose mithilfe einer Architektur für maschinelles Lernen wird in der Telemedizin hilfreich sein, beispielsweise beim frühen Screening von Ptosis im Kindesalter für eine sofortige Überweisung und Behandlung. Menschen könnten diese Software über mobile Geräte nutzen, um eine einfache Diagnose zu erhalten, bevor sie den Arzt erreichen. Darüber hinaus könnte die Software in der primären Gesundheitsversorgung, wo es keinen Augenchirurgen gibt, Hausärzten oder allgemeinen Augenärzten dabei helfen, die Notwendigkeit einer Überweisung zu ermitteln.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

17932

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Taipei, Taiwan
        • National Taiwan University Hospital

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

20 Jahre bis 65 Jahre (ERWACHSENE, OLDER_ADULT)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Alle Daten wurden in ophthalmologischen Ambulanzen des National Taiwan University Hospital gesammelt.

Beschreibung

[Einschlusskriterien]

  1. Die Teilnehmer, die 20 Jahre oder älter waren,
  2. Die chirurgische Einverständniserklärung wurde von den Teilnehmern selbst bestätigt.
  3. Teilnehmer, bei denen chirurgische Indikationen für Augen- und Gesichtsoperationen vorliegen, und
  4. Die Teilnehmer stimmten einer Fotoaufnahme nach Erklärung durch den Chirurgen in der Ambulanz zu.

[Ausschlusskriterien]

  1. Die Teilnehmer, die 19 Jahre oder jünger waren,
  2. Die Teilnehmer, bei denen keine chirurgische Indikation für okulofaziale Operationen besteht,
  3. Die Teilnehmer, die für minimalinvasive Behandlungen wie Botox oder jede Art von Füllstoffinjektion konzipiert waren,
  4. Die Teilnehmer, die das Fotografieren aus irgendeinem Grund verweigerten, und
  5. Die Teilnehmer, die für das Fotografieren in Standardqualität nicht zur Verfügung stehen, wie zum Beispiel bettlägerige Patienten.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Die Modellleistung wird anhand der Genauigkeit bewertet
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
Ein Ansatz der künstlichen Intelligenz
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
AUC (Fläche unter der Kurve)
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
Ein Ansatz der künstlichen Intelligenz
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
ROC-Kurve (Receiver Operating Characteristics).
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
Ein Ansatz der künstlichen Intelligenz
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
Ein Ansatz der künstlichen Intelligenz zur Identifizierung von Gesichts-, Periokular- und Orbitalerkrankungen
Zeitfenster: Bis zum Abschluss des Studiums durchschnittlich 1 Jahr
Auf die Interpretierbarkeit des Modells wird durch Grad-CAM (Class Activation Maps) zugegriffen.
Bis zum Abschluss des Studiums durchschnittlich 1 Jahr

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Mitarbeiter

Ermittler

  • Hauptermittler: Shu-Lang Liao, MD,MPH, EMBA, National Taiwan University Hospital

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (TATSÄCHLICH)

1. Januar 2009

Primärer Abschluss (TATSÄCHLICH)

31. Dezember 2018

Studienabschluss (TATSÄCHLICH)

30. Juli 2019

Studienanmeldedaten

Zuerst eingereicht

3. März 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

23. März 2020

Zuerst gepostet (TATSÄCHLICH)

24. März 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (TATSÄCHLICH)

18. Februar 2021

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

16. Februar 2021

Zuletzt verifiziert

1. Februar 2021

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Abonnieren