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

Neuraaliverkon siirto-oppiminen robottikirurgista arviointia varten

tiistai 24. syyskuuta 2024 päivittänyt: Nasseh Hashemi, Aalborg University

Esikoulutetun prekliinisen hermoverkon siirto-oppiminen robottikirurgista arviointia varten rajoitetulla kliinisellä tiedolla

Tämän havainnointitutkimuksen tavoitteena on tutkia, kuinka prekliinisillä tiedoilla koulutetut esikoulutetut tekoälymallit voivat parantaa toiminnan tunnistamisen ja taitojen arvioinnin tarkkuutta urologisten potilaiden robottiavusteisessa leikkauksessa (RAS) siirtooppimisen avulla. . Tärkeimmät kysymykset, joihin se pyrkii vastaamaan, ovat:

  • Voivatko esiopetetut tekoälymallit arvioida tarkasti toiminnan tunnistamista ja taitojen arviointia kliinisissä leikkauksissa?
  • Miten siirtooppimisen erilaiset koulutuslähestymistavat vaikuttavat tekoälymallien suorituskykyyn? Perusmallia, joka on kehitetty tyhjästä käyttämällä kliinisiä tietoja, verrataan esikoulutettuihin malleihin, joita (1) sovelletaan suoraan kliinisiin tietoihin (2) hienosäädetään harjoittelemalla vain joitain tekoälymallin tasoja ja (3) täysin uudelleen koulutettuja, jotta voidaan nähdä, onko nämä lähestymistavat parantavat suorituskykyä.

Osallistujat, jotka ovat robottikirurgeja:

  • Suorita RAS-toimenpiteet potilaille ilman interventiota, jolloin videodataa kerätään myöhempää toiminnan tunnistamista ja taitojen arviointia varten.
  • Osallistu mallin koulutukseen ja arviointiin kliinisen tietojoukon integroinnin avulla.

Tutkimuksen yleiskatsaus

Tila

Valmis

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

5

Yhteystiedot ja paikat

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

Opiskelupaikat

    • North Jutland
      • Aalborg, North Jutland, Tanska, 9000
        • Department of Urology, Aalborg University Hospital

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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Tutkimuspopulaatio koostui robottikirurgeista, jotka olivat joko kokeneita tai aloittelevia (ovat erikoistuneita lääkäreitä, jotka suorittavat kirurgista apurahaa tullakseen robottikirurgiksi).

Kaikki toimenpiteet, joissa robottiavusteiset toimenpiteet tehtiin potilaille, jotka on otettu hoitoon urologiselle osastolle. Potilaat antoivat myös suostumuksensa tiedonkeruulle. Kuitenkin todellinen osallistuja, jossa robotti kirurgit.

Kuvaus

Sisällön kriteerit:

  • Robottikirurgit, joilla on kokemusta yli 100 tapauksesta.
  • Robottikirurgiset stipendiaatit, joilla on alle 100 tapausta.
  • Robottikirurgit, jotka työskentelivät Aalborgin yliopistollisen sairaalan urologisella osastolla.

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Kokeneet robottikirurgit
Robottikirurgit, joilla on 100 tai enemmän suoritettua robottikirurgista tapausta.
Tämä oli havainnointitutkimus ilman väliintuloa.
Aloittelevat robottikirurgit
Robottikirurgit, joilla on alle 100 robottikirurgista tapausta.
Tämä oli havainnointitutkimus ilman väliintuloa.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Toiminnan tunnistuksen tarkkuus käyttämällä kliinisiä tietoja tyhjästä
Aikaikkuna: Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan toiminnan tunnistamisen kannalta.
Toiminnantunnistuksen syväoppimisalgoritmin tarkkuus, kun mallia opetellaan tyhjästä robottikirurgisten toimenpiteiden kliinisten tietojen avulla.
Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan toiminnan tunnistamisen kannalta.
Taitojen arvioinnin tarkkuus käyttämällä kliinisiä tietoja tyhjästä
Aikaikkuna: Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan toiminnan tunnistamisen kannalta.
Taitojen arvioinnin syväoppimisalgoritmin tarkkuus, kun mallia opetellaan tyhjästä robottikirurgisten toimenpiteiden kliinisten tietojen avulla.
Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan toiminnan tunnistamisen kannalta.
Toiminnantunnistuksen tarkkuus käyttämällä esikoulutettua verkkoa suoraan kliinisen datan perusteella
Aikaikkuna: Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan toiminnan tunnistamisen kannalta.
Esiopetetun syväoppimisalgoritmin tarkkuus toiminnan tunnistusta varten, kun mallia käytetään suoraan robottikirurgisten toimenpiteiden kliinisissä tiedoissa.
Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan toiminnan tunnistamisen kannalta.
Taitojen arvioinnin tarkkuus käyttämällä esikoulutettua mallia suoraan kliinisen datan perusteella
Aikaikkuna: Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan osaamisen arvioinnin kannalta.
Esiopetetun syväoppimisalgoritmin tarkkuus taitojen arvioinnissa, kun mallia käytetään suoraan robottikirurgisten toimenpiteiden kliinisen datan perusteella.
Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan osaamisen arvioinnin kannalta.
K-kertainen tarkkuus toimintojen tunnistamisessa ja taitojen arvioinnissa esikoulutetun verkoston täydelliseen uudelleenkoulutukseen.
Aikaikkuna: Kliinisten toimenpiteiden alusta loppuun.
K-kertaiset ristiinvalidointitarkkuudet, kun täydellistä esikoulutettua mallia opetetaan uudelleen kliinisillä tiedoilla sekä toiminnan tunnistamista että taitojen arviointia varten.
Kliinisten toimenpiteiden alusta loppuun.
K kertainen tarkkuus toiminnan tunnistamiseen ja osaamisen arviointiin esikoulutetun verkoston osittaiseen uudelleenkoulutukseen.
Aikaikkuna: Kliinisten toimenpiteiden alusta loppuun.
K-kertaiset ristiinvalidointitarkkuudet toiminnan tunnistuksessa ja taitojen arvioinnissa LSTM:n ja esikoulutetun verkoston tiheiden kerrosten uudelleenkoulutuksessa kliinisten tietojen avulla.
Kliinisten toimenpiteiden alusta loppuun.

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Painotettu palautus/herkkyys, tarkkuus ja F1-pisteet alustasta koulutetun kliinisen verkoston toiminnan tunnistamiseen
Aikaikkuna: Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan toiminnan tunnistamisen kannalta.
Perustuu alusta alkaen koulutetun kliinisen verkoston toiminnantunnistuksen suorituskykyyn.
Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan toiminnan tunnistamisen kannalta.
Painotettu palautus/herkkyys, tarkkuus ja F1-pisteet taitojen arviointiin kliinisen verkoston alusta alkaen
Aikaikkuna: Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan osaamisen arvioinnin kannalta.
Perustuu alusta alkaen koulutetun kliinisen verkoston taitojen arvioinnin suoritukseen.
Robottikirurgisen toimenpiteen alusta loppuun, jota arvioidaan osaamisen arvioinnin kannalta.
Ennustava varmuus toiminnan tunnistamisesta ja verkoston taitojen arvioinnista, joka on koulutettu alusta alkaen kliinisen datan perusteella.
Aikaikkuna: Kliinisten toimenpiteiden alusta loppuun.
Ennustava varmuus kokonaiskeskiarvolla, minimillä ja maksimilla ja kuvattu todennäköisyyskaavioissa toiminnan tunnistamista ja taitojen arviointia varten verkostolle, joka on koulutettu alusta alkaen kliinisillä tiedoilla.
Kliinisten toimenpiteiden alusta loppuun.
Ennustava varmuus verkoston osittain uudelleenkoulutetun verkoston toiminnan tunnistamisesta ja osaamisen arvioinnista.
Aikaikkuna: Kliinisten toimenpiteiden alusta loppuun.
Ennustava varmuus kokonaiskeskiarvolla, minimillä ja maksimilla ja kuvattu todennäköisyyskaavioissa toiminnan tunnistamista ja taitojen arviointia varten osittain uudelleen koulutetussa verkostossa, jossa vain LSTM ja verkoston syvät kerrokset koulutettiin kliinisillä tiedoilla.
Kliinisten toimenpiteiden alusta loppuun.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

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)

Maanantai 22. toukokuuta 2023

Ensisijainen valmistuminen (Todellinen)

Perjantai 26. toukokuuta 2023

Opintojen valmistuminen (Todellinen)

Perjantai 26. toukokuuta 2023

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Sunnuntai 22. syyskuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Sunnuntai 22. syyskuuta 2024

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 25. syyskuuta 2024

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 26. syyskuuta 2024

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Tiistai 24. syyskuuta 2024

Viimeksi vahvistettu

Sunnuntai 1. syyskuuta 2024

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • 2021-247

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

IPD jaetaan anonyymeinä ja GDPR-suojattuina tietoina avoimen pääsyn verkkosivustolla.

Tiedot jaetaan anonymisoituna materiaalina osallistujien tekemistä kirurgisista toimenpiteistä.

IPD-jaon aikakehys

IPD ja sitä tukevat tiedot ovat saatavilla lehteen toimittamisesta lähtien, ja ne ovat saatavilla rajoittamattoman ajan.

IPD-jaon käyttöoikeuskriteerit

Kaikki, joilla on pääsy GitHubin avoimen lähdekoodin verkkosivustolle, voivat käyttää tietoja. Ja jokaisella, jolla on pääsy lehtiin, on pääsy tukitietoihin.

IPD-jakamista tukeva tietotyyppi

  • STUDY_PROTOCOL
  • ANALYTIC_CODE

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Yhdysvalloissa valmistettu ja sieltä viety tuote

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