Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Kolmiulotteisen syväoppimisen kehittäminen kallo-implanttien automaattiseen suunnitteluun

perjantai 10. helmikuuta 2023 päivittänyt: Yau-Zen Chang, Chang Gung Memorial Hospital
Tämän projektin tavoitteena on kehittää tehokas syväoppimisjärjestelmä numeerisen implanttigeometrian luomiseksi TT-skannausten viallisten kallomallien perusteella. Tämä tekniikka on hyödyllinen implanttien suunnittelussa korjaamaan kallovaurioita Frankfortin vaakatason yläpuolella.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Henkilökohtaisen implantin suunnitteleminen potilaan kallon suojaavien ja esteettisten toimintojen palauttamiseksi on haastavaa. Kallovauriot voivat johtua traumasta, synnynnäisestä epämuodostuksesta, infektiosta ja iatrogeenisista hoidoista, kuten dekompressiivisesta kraniektomiasta, plastiikkakirurgiasta ja kasvaimen resektiosta. Hankkeen tavoitteena on kehittää syväoppimisjärjestelmä, jossa on 3D-muodon rekonstruktiokyky. Järjestelmä täyttää vaatimuksen korkearesoluutioisten 3D-implanttien numeeristen mallien suunnittelusta tehokkaasti.

Kokoelmaa kallokuvia käytettiin syväoppimisjärjestelmän harjoittamiseen. Aineistoissa olevat vialliset mallit luotiin peittämällä numeerisesti ehjien 3D-kallomallien alueet. Neurokirurgien tulee varmistaa lopullinen implanttimalli käyttämällä 3D-tulostettuja malleja.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Odotettu)

6

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Opiskelupaikat

  • Taiwan
      • Taoyuan City, Taiwan, 333
        • Rekrytointi
        • Linkou Chang Gung Memorial Hospital
        • Ottaa yhteyttä:
          • Yau-zen Chang, PhD

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

15 vuotta - 80 vuotta (AIKUINEN, OLDER_ADULT, LAPSI)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Ota tutkimuskohteeksi lääkärikeskus

Kuvaus

Sisällyttämiskriteerit:

  1. Suunniteltu kranioplastiaan
  2. Tietoinen suostumus

Poissulkemiskriteerit:

(1) Ei tietoista suostumusta

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Vain tapaus
  • Aikanäkymät: Takautuva

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
kokeellinen ryhmä
Laite: 3D syväoppiva neuroverkkojärjestelmä
Autamme potilaan suostumuksella kuvien tuottamisessa 3D-vikalohkoista ilmaiseksi (3D deep learning hermoverkkojärjestelmän (3D DNN) järjestelmäprosessin suunnittelu), teemme korjauksen ja rekonstruoinnin loppuun kliinisen rutiinikirurgian alla sekä seuraamme korjaustulokset leikkauksen jälkeen. vastata lääketieteellisiin tarpeisiin.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Potilaiden määrä, joille ei ole tarvetta mukauttaa potilaskohtaisen implantin (PSI) reunoja
Aikaikkuna: 6 viikkoa leikkauksen jälkeen standardoidulla kyselylomakkeella
Potilaiden määrä, joille ei ole tarvetta mukauttaa potilaskohtaisen implantin (PSI) reunoja
6 viikkoa leikkauksen jälkeen standardoidulla kyselylomakkeella
Niiden potilaiden määrä, joilla ei ole tarvetta lisätä/täyttää rakoja potilaskohtaisen implantin (PSI) ja potilaan luun välillä
Aikaikkuna: 6 viikkoa leikkauksen jälkeen standardoidulla kyselylomakkeella
Niiden potilaiden määrä, joilla ei ole tarvetta lisätä/täyttää rakoja potilaskohtaisen implantin (PSI) ja potilaan luun välillä
6 viikkoa leikkauksen jälkeen standardoidulla kyselylomakkeella

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Chang Gung Memorial Hospital

Yhteistyökumppanit

Ministry of Science and Technology, Taiwan

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (TODELLINEN)

Perjantai 3. helmikuuta 2023

Ensisijainen valmistuminen (ODOTETTU)

Lauantai 15. heinäkuuta 2023

Opintojen valmistuminen (ODOTETTU)

Lauantai 15. heinäkuuta 2023

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 7. syyskuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 1. marraskuuta 2022

Ensimmäinen Lähetetty (TODELLINEN)

Torstai 3. marraskuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (TODELLINEN)

Maanantai 13. helmikuuta 2023

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 10. helmikuuta 2023

Viimeksi vahvistettu

Keskiviikko 1. helmikuuta 2023

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

  • 202201082B0

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Tilaa