Inteligencia artificial en análisis cinemático
1 de julio de 2022 actualizado por: Zhou Mouwang, Peking University Third Hospital
Investigación de aplicación de tecnología de detección de puntos clave de inteligencia artificial en análisis cinemático
- Establecer conjuntos de datos. El conjunto de datos privados incluye parámetros relevantes, incluido un video de la marcha del sujeto y métodos estándar para el análisis cinemático;
- Desarrollar nuevos modelos. Basado en conjuntos de datos públicos y privados, se desarrolla aún más el modelo de análisis cinemático de detección de puntos clave humanos.
- Prueba el nuevo modelo. Al comparar los parámetros con el método estándar, se verificó la precisión del modelo y se obtuvo el modelo de análisis cinemático de inteligencia artificial con una precisión superior al 98 %.
Descripción general del estudio
Estado
Aún no reclutando
Condiciones
Intervención / Tratamiento
Descripción detallada
El modelo de detección de puntos clave humanos de inteligencia artificial tiene principalmente algoritmo tradicional, algoritmo "de arriba hacia abajo" y algoritmo de "abajo hacia arriba" tres métodos, tres métodos tienen ventajas.
Este proyecto utilizará de manera integral los tres métodos anteriores para realizar la depuración de algoritmos y parámetros en el conjunto de datos públicos y la prueba en el conjunto de datos privados, a fin de obtener el método de reconocimiento de puntos clave humanos más adecuado para el análisis de la marcha.
Tipo de estudio
De observación
Inscripción (Anticipado)
30
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Estudio Contacto
- Nombre: Mouwang Zhou
- Número de teléfono: 13910092892
- Correo electrónico: zhoumouwang@outlook.com
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
18 años a 75 años (Adulto, Adulto Mayor)
Acepta Voluntarios Saludables
No
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra no probabilística
Población de estudio
Sujetos con marcha normal y sujetos con marcha anormal
Descripción
Criterios de inclusión:
- 1. Marcha anormal.
- Puede caminar 6 m o más de forma independiente.
- Mayor de 18 años.
Criterio de exclusión:
- La fractura puede agravarse al caminar en la etapa aguda o en la etapa posoperatoria temprana. Tiene enfermedades cardíacas, pulmonares, hepáticas y renales y otras enfermedades graves, función cardíaca con un grado superior al GRADO I (NYHA), insuficiencia respiratoria y otros síntomas y signos o Verifique los resultados.
- El estado mental y psicológico no puede cooperar con la realización del experimento.
- Alto riesgo de caídas (puntuación de Berg ≤20)
- Los equipos de análisis de cinemática de la marcha no se pueden utilizar juntos.
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Control de caso
- Perspectivas temporales: Transversal
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Sujetos normales
Análisis de la marcha con inteligencia artificial y métodos tradicionales
|
El modelo de detección de puntos clave humanos de inteligencia artificial tiene principalmente algoritmo tradicional, algoritmo "de arriba hacia abajo" y algoritmo de "abajo hacia arriba" tres métodos, tres métodos tienen ventajas.
Este proyecto utilizará de manera integral los tres métodos anteriores para realizar la depuración de algoritmos y parámetros en el conjunto de datos públicos y la prueba en el conjunto de datos privados, a fin de obtener el método de reconocimiento de puntos clave humanos más adecuado para el análisis de la marcha.
|
|
Sujetos con marcha anormal
Análisis de la marcha con inteligencia artificial y métodos tradicionales
|
El modelo de detección de puntos clave humanos de inteligencia artificial tiene principalmente algoritmo tradicional, algoritmo "de arriba hacia abajo" y algoritmo de "abajo hacia arriba" tres métodos, tres métodos tienen ventajas.
Este proyecto utilizará de manera integral los tres métodos anteriores para realizar la depuración de algoritmos y parámetros en el conjunto de datos públicos y la prueba en el conjunto de datos privados, a fin de obtener el método de reconocimiento de puntos clave humanos más adecuado para el análisis de la marcha.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Parámetros relacionados con la marcha
Periodo de tiempo: 30 minutos
|
Frecuencia de paso/ritmo/ciclo de marcha/longitud de paso
|
30 minutos
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Anticipado)
10 de julio de 2022
Finalización primaria (Anticipado)
29 de julio de 2022
Finalización del estudio (Anticipado)
30 de agosto de 2022
Fechas de registro del estudio
Enviado por primera vez
3 de junio de 2022
Primero enviado que cumplió con los criterios de control de calidad
1 de julio de 2022
Publicado por primera vez (Actual)
5 de julio de 2022
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
5 de julio de 2022
Última actualización enviada que cumplió con los criterios de control de calidad
1 de julio de 2022
Última verificación
1 de julio de 2022
Más información
Términos relacionados con este estudio
Otros números de identificación del estudio
- M2021231
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .