人工知能ベースの自律型ソケット提案プログラム: Socket Design Experiences
調査の概要
詳細な説明
作成が計画されている人工知能ベースのソフトウェアでは、すべての患者の断端が Artec Eva Lite ブランドの 3D スキャナーでスキャンされました。 スキャンしたパターンは点群として保存されました。 同じ患者が使用するプロテーゼのソケット部分も同じスキャナー装置でスキャンされ、記録されました。
患者から得られた切り株とソケットの一致からなるポイントデータセットがソフトウェアに使用されました。
人工知能モデルをトレーニングするために、コンピューター上で人工知能ライブラリとツールを使用できる作業環境が作成されました。 この目的のために、最初の Anaconda データ サイエンス プラットフォームが確立されました。 そこで、プログラミング言語の Python と Tensorflow 深層学習ライブラリをインストールし、その他人工知能モデルの学習に必要なライブラリを追加し、動作環境を整えました。 データのトレーニング用に開発された人工知能モデルでは、ディープ ラーニング アルゴリズムが使用されました。 最も最新で人気のある人工知能アルゴリズムの 1 つであるディープ ラーニングを使用する目的は、パフォーマンスと精度を向上させることによって、より正確な結果を達成することです。 まず、データセットはトレーニング用に 90%、テスト用に 10% 予約されています。 次に、Keras ライブラリから選択された Sequantial() モデルを使用してディープ ラーニング モデルが作成されました。 このモデルでは、合計 7 つのレイヤーが使用されます。最初のレイヤーが入力レイヤーで、最後のレイヤーが出力レイヤーです。 入力層と中間層の活性化関数として「relu」を使用するのに対し、出力層には「linear」関数を使用します。 モデルの作成中、「Adam」がオプティマイザとして選択されました。 合計 500 回の「反復」でトレーニングされたモデルでは、「バッチ サイズ」は 5 として割り当てられます。 次に、トレーニング済みのモデルをテスト データでテストしたところ、61% の成功率が達成されました。 その後、モデルと重量が記録されました。 モデルのトレーニングが完了した後、新しい Python プログラムが開発されました。 以前に開発されたモデルと重みは、プログラムの実行中に読み込まれ、与えられる新しいダイ データのソケットを提案するために使用されました。 プログラムが実行されると、ソケットが要求されている切り株の名前が尋ねられます。
したがって、プログラムは、ユーザーからスタビー データ セットを受け取り、トレーニング済みモデルでテストした後、新しいソケットを提案します。 この 3D ソケット モデルは、Python Plotly Graphics Library を介してユーザーに表示されます。
研究の種類
入学 (実際)
連絡先と場所
研究場所
-
-
Şahinbey
-
Gaziantep、Şahinbey、七面鳥、27000
- Hasan Kalyoncu University
-
-
参加基準
適格基準
就学可能な年齢
健康ボランティアの受け入れ
受講資格のある性別
サンプリング方法
調査対象母集団
説明
包含基準:
-切断手術を受けた18歳以上の意識のある患者
除外基準:
• 重度の視覚および知覚障害
- 四肢の機能的後遺症を伴う外科的介入
- 検査ができないほどの痛み
- 神経機能障害を伴う疾患(脳卒中、多発性硬化症など)の患者
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 観測モデル:ケースコントロール
- 時間の展望:回顧
コホートと介入
グループ/コホート |
介入・治療 |
---|---|
3Dスキャナーでスキャンした切り株のモデル
作成が計画されている人工知能ベースのソフトウェアでは、すべての患者の断端が Artec Eva Lite ブランドの 3D スキャナーでスキャンされました。
スキャンされたパターンは点群として保存されました
|
すべての患者の断端は、Artec Eva Lite ブランドの 3D スキャナーでスキャンされました。
|
切り株に合わせたソケット
同じ患者 (他のグループ) によって使用されたプロテーゼのソケット部分も、同じスキャナー デバイスでスキャンされ、記録されました。
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
ソフトウェア (人工知能ベースの自律型ソケット提案プログラム)
時間枠:2年
|
開発するソフトウェアの先見性が評価されます。 システムに入力された切り株の寸法に対して、どの程度適切なソケット設計が提案できるかが評価されます。 ソフトウェアのおかげで、ソケットの設計にかかる時間は、従来の方法で製造されたソケットにかかる時間と比較されます。 ソフトウェアの時間/費用効果が評価されます。 |
2年
|
協力者と研究者
捜査官
- 主任研究者:Murat ÇINAR, Doctor、Hasan Kalyoncu University
出版物と役立つリンク
一般刊行物
- Ten Kate J, Smit G, Breedveld P. 3D-printed upper limb prostheses: a review. Disabil Rehabil Assist Technol. 2017 Apr;12(3):300-314. doi: 10.1080/17483107.2016.1253117. Epub 2017 Feb 2. Review.
- O'Brien L, Cho E, Khara A, Lavranos J, Lommerse L, Chen C. 3D-printed custom-designed prostheses for partial hand amputation: Mechanical challenges still exist. J Hand Ther. 2021 Oct-Dec;34(4):539-542. doi: 10.1016/j.jht.2020.04.005. Epub 2020 Jun 19.
- Vujaklija I, Farina D. 3D printed upper limb prosthetics. Expert Rev Med Devices. 2018 Jul;15(7):505-512. doi: 10.1080/17434440.2018.1494568. Epub 2018 Jul 5. Review.
- Abbady HEMA, Klinkenberg ETM, de Moel L, Nicolai N, van der Stelt M, Verhulst AC, Maal TJJ, Brouwers L. 3D-printed prostheses in developing countries: A systematic review. Prosthet Orthot Int. 2022 Feb 1;46(1):19-30. doi: 10.1097/PXR.0000000000000057.
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (実際)
研究の完了 (実際)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
その他の研究ID番号
- MAC2022
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。