- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT04319055
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
Status
Abgeschlossen
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]
- Die Teilnehmer, die 20 Jahre oder älter waren,
- Die chirurgische Einverständniserklärung wurde von den Teilnehmern selbst bestätigt.
- Teilnehmer, bei denen chirurgische Indikationen für Augen- und Gesichtsoperationen vorliegen, und
- Die Teilnehmer stimmten einer Fotoaufnahme nach Erklärung durch den Chirurgen in der Ambulanz zu.
[Ausschlusskriterien]
- Die Teilnehmer, die 19 Jahre oder jünger waren,
- Die Teilnehmer, bei denen keine chirurgische Indikation für okulofaziale Operationen besteht,
- Die Teilnehmer, die für minimalinvasive Behandlungen wie Botox oder jede Art von Füllstoffinjektion konzipiert waren,
- Die Teilnehmer, die das Fotografieren aus irgendeinem Grund verweigerten, und
- 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
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 201908066RIND
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 .