Diagnostic intelligent précoce de la déformation des membres chez les enfants par l'IA et l'application de la clinique
19 février 2025 mis à jour par: Children's Hospital of Fudan University
Les études du diagnostic intelligent précoce de la déformation des membres chez les enfants par l'IA et l'application de la clinique
La déformation des membres chez les enfants comprend des malformations congénitales des membres ou acquises à cause des dommages de la plaque épiphysaire causée par la tumeur, l'inflammation et le traumatisme.
En raison de la complexité de la maladie elle-même, du développement dynamique rapide et des caractéristiques de la croissance et du développement des enfants, les déformations changent constamment.
De plus, le grave manque de diagnostic clinique et de ressources de traitement au Département d'orthopédie pédiatrique a conduit à un diagnostic erroné et à un traitement inapproprié des déformations des membres des enfants.
Ainsi, il est nécessaire de trouver un moyen intelligent d'aider le médecin à diagnostiquer précoce de la déformation des membres et de fournir un traitement approprié chez les enfants.
Aperçu de l'étude
Statut
Pas encore de recrutement
Les conditions
Intervention / Traitement
Description détaillée
L'extraction et l'application des mégadonnées des déformations des membres des enfants, l'étiquetage intelligent des données d'image, le positionnement précis et la perfectionnement des données anatomiques des déformations des membres des enfants. supervision étape par étape pour améliorer la précision du diagnostic. Réalisez un système de génération de rapports intelligents qui combine des informations générales sur les patients, établissez un bout à bout Système d'application de démonstration de diagnostic et de suggestion de traitement auxiliaire; Réalisez un ensemble complet de solutions d'intelligence artificielle pour les déformations squelettiques des enfants, le dépistage précoce et le diagnostic des enfants et la formation d'un système de référence intelligent des déformations des membres des enfants.
Type d'étude
Observationnel
Inscription (Estimé)
9000
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Coordonnées de l'étude
- Nom: Bo Ning, PhD
- Numéro de téléphone: +86 13585700275
- E-mail: ningbo@fudan.edu.cn
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
Pas plus vieux que 18 ans (Enfant, Adulte)
Accepte les volontaires sains
Non
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Enfants souffrant de déformation des membres
La description
Critères d'inclusion:
Enfants souffrant de déformation des membres
Critères d'exclusion:
Les enfants sans déformation des membres
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Enfants de déformation des membres
L'imagerie du diagnostic de déformation des membres par l'IA
|
Il s'agit d'une étude observationnelle.
Pas d'interventions.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Détection de déformation
Délai: À l'inscription
|
Il s'agit d'une variable binaire (1/0).
Les caractéristiques radiographiques des enfants seraient évaluées par l'intelligence artificielle.
Si la déformation était détectée, la variable serait transformée en 1.
|
À l'inscription
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Les enquêteurs
- Chercheur principal: Bo Ning, PhD, Children's Hospital of Fudan University
Publications et liens utiles
La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.
Publications générales
- Jamaludin A, Lootus M, Kadir T, Zisserman A, Urban J, Battie MC, Fairbank J, McCall I; Genodisc Consortium. ISSLS PRIZE IN BIOENGINEERING SCIENCE 2017: Automation of reading of radiological features from magnetic resonance images (MRIs) of the lumbar spine without human intervention is comparable with an expert radiologist. Eur Spine J. 2017 May;26(5):1374-1383. doi: 10.1007/s00586-017-4956-3. Epub 2017 Feb 6.
- Mirskaia NB, Kolomenskaia AN, Siniakina AD. [Prevalence and medical and social importance of disorders and diseases of the musculoskeletal systems in children and adolescents (review of literature)]. Gig Sanit. 2015 Jan-Feb;94(1):97-104. Russian.
- Theofilatos K, Pavlopoulou N, Papasavvas C, Likothanassis S, Dimitrakopoulos C, Georgopoulos E, Moschopoulos C, Mavroudi S. Predicting protein complexes from weighted protein-protein interaction graphs with a novel unsupervised methodology: Evolutionary enhanced Markov clustering. Artif Intell Med. 2015 Mar;63(3):181-9. doi: 10.1016/j.artmed.2014.12.012. Epub 2015 Feb 18.
- Silverman BG, Hanrahan N, Bharathy G, Gordon K, Johnson D. A systems approach to healthcare: agent-based modeling, community mental health, and population well-being. Artif Intell Med. 2015 Feb;63(2):61-71. doi: 10.1016/j.artmed.2014.08.006. Epub 2014 Sep 11.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Rahmathulla G, Nottmeier EW, Pirris SM, Deen HG, Pichelmann MA. Intraoperative image-guided spinal navigation: technical pitfalls and their avoidance. Neurosurg Focus. 2014 Mar;36(3):E3. doi: 10.3171/2014.1.FOCUS13516.
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Estimé)
1 mars 2025
Achèvement primaire (Estimé)
1 septembre 2026
Achèvement de l'étude (Estimé)
1 décembre 2027
Dates d'inscription aux études
Première soumission
22 août 2020
Première soumission répondant aux critères de contrôle qualité
22 août 2020
Première publication (Réel)
26 août 2020
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
25 mars 2025
Dernière mise à jour soumise répondant aux critères de contrôle qualité
19 février 2025
Dernière vérification
1 février 2025
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- ningbo1528
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .