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

Entwicklung von dreidimensionalem Deep Learning für das automatische Design von Schädelimplantaten

10. Februar 2023 aktualisiert von: Yau-Zen Chang, Chang Gung Memorial Hospital
Dieses Projekt zielt darauf ab, ein effektives Deep-Learning-System zu entwickeln, um eine numerische Implantatgeometrie auf der Grundlage von 3D-Defektschädelmodellen aus CT-Scans zu generieren. Diese Technik ist vorteilhaft für das Design von Implantaten zur Reparatur von Schädeldefekten oberhalb der Frankfurter Horizontalebene.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Die Entwicklung eines personalisierten Implantats zur Wiederherstellung der schützenden und ästhetischen Funktionen des Schädels des Patienten ist eine Herausforderung. Die Schädeldefekte können durch Traumata, angeborene Missbildungen, Infektionen und iatrogene Behandlungen wie Dekompressionskraniektomie, plastische Chirurgie und Tumorresektion verursacht werden. Das Projekt zielt darauf ab, ein Deep-Learning-System mit 3D-Formrekonstruktionsfähigkeiten zu entwickeln. Das System erfüllt die Anforderung, hochaufgelöste numerische 3D-Implantatmodelle effizient zu entwerfen.

Eine Sammlung von Schädelbildern wurde zum Trainieren des Deep-Learning-Systems verwendet. Defekte Modelle in den Datensätzen wurden durch numerisches Maskieren von Bereichen intakter 3D-Schädelmodelle erstellt. Das endgültige Implantatdesign sollte von Neurochirurgen anhand von 3D-gedruckten Modellen überprüft werden.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

6

Kontakte und Standorte

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

Studienkontakt

Studienorte

  • Taiwan
      • Taoyuan City, Taiwan, 333
        • Rekrutierung
        • Linkou Chang Gung Memorial Hospital
        • Kontakt:
          • Yau-zen Chang, PhD

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

15 Jahre bis 80 Jahre (ERWACHSENE, OLDER_ADULT, KIND)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Nehmen Sie als Forschungsobjekt ein medizinisches Zentrum

Beschreibung

Einschlusskriterien:

  1. Kranioplastik geplant
  2. Einverständniserklärung

Ausschlusskriterien:

(1) Keine Einverständniserklärung

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Nur Fall
  • Zeitperspektiven: Retrospektive

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
experimentelle Gruppe
Gerät: 3D Deep Learning neuronales Netzwerksystem
Mit Zustimmung des Patienten unterstützen wir bei der Erstellung von Bildern von 3D-Defektblöcken kostenlos (3D-Deep-Learning-Neural-Network-System (3D-DNN)-Systemprozessplanung), führen die Reparatur und Rekonstruktion im Rahmen der klinischen Routineoperation durch und verfolgen sie die Reparaturergebnisse nach der Operation. medizinischen Bedarf decken.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Anzahl der Patienten, bei denen keine Anpassung der Kanten des patientenspezifischen Implantats (PSI) erforderlich ist
Zeitfenster: 6 Wochen postoperativ mittels standardisiertem Fragebogen
Anzahl der Patienten, bei denen keine Anpassung der Kanten des patientenspezifischen Implantats (PSI) erforderlich ist
6 Wochen postoperativ mittels standardisiertem Fragebogen
Anzahl der Patienten, bei denen keine Lücken zwischen dem patientenspezifischen Implantat (PSI) und dem Knochen des Patienten augmentiert/gefüllt werden müssen
Zeitfenster: 6 Wochen postoperativ mittels standardisiertem Fragebogen
Anzahl der Patienten, bei denen keine Lücken zwischen dem patientenspezifischen Implantat (PSI) und dem Knochen des Patienten augmentiert/gefüllt werden müssen
6 Wochen postoperativ mittels standardisiertem Fragebogen

Mitarbeiter und Ermittler

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

Sponsor

Chang Gung Memorial Hospital

Mitarbeiter

Ministry of Science and Technology, Taiwan

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)

3. Februar 2023

Primärer Abschluss (ERWARTET)

15. Juli 2023

Studienabschluss (ERWARTET)

15. Juli 2023

Studienanmeldedaten

Zuerst eingereicht

7. September 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

1. November 2022

Zuerst gepostet (TATSÄCHLICH)

3. November 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (TATSÄCHLICH)

13. Februar 2023

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

10. Februar 2023

Zuletzt verifiziert

1. Februar 2023

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • 202201082B0

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