デジタル写真と人工知能を使用した尿道下裂パラメータの同定 (ASHOKA)

これは、人工ニューラル ネットワークを使用して尿道下裂のさまざまなパラメーターを識別するためのデジタル パターン認識プログラムの開発プロトコルです。 この研究の母集団は、インドネシアで入院または病院に紹介された、尿道下裂の疑いのある子供たちです。

研究に必要な画像のキャプチャの同意は、尿道下裂患者の両親から、臨床参照として使用される標準治療の一環として得られます。 この研究のために撮影された写真は、暗号化されたデータベースに保管されました。 この研究の選択基準は、尿道下裂が疑われる18歳未満の子供で、年齢が一致したコントロールがあります。 尿道下裂の修復の歴史を持つ人、または研究への参加を拒否する人は除外されます。

この研究で測定された臨床転帰は次のとおりです。

1. 尿道下裂の状態: 尿道下裂または非尿道下裂
2. 外耳道の位置: 顆粒状、冠状、遠位シャフト、近位シャフト、陰嚢
3. 肉形状：正常、異常
4. 尿道プレートの品質：良い、悪い
5. 亀頭の直径: mm
6. 亀頭の形状: 正常、異常 臨床転帰は術前と術後 1 か月で測定されました

一致した年齢データベースを持つ尿道下裂と正常な陰茎の画像を使用して、人工ニューラル ネットワークをトレーニングしました。 陰茎の 3 つの画像側面 (亀頭、体幹、および陰嚢を含む腹側、背側、および側面) が各被験者から採取されました。 データは、尿道下裂パラメーターでラベル付けされました: 尿道下裂の状態、尿道口の位置、尿道口の形状、尿道プレートの品質、亀頭の直径、および亀頭の形状。 データは、人工ニューラル ネットワークをトレーニングするためにアップロードされました。

すべての臨床転帰分析では、統計分析計画に従います。 標準誤差、95% 信頼区間、および P 値は可能な限り報告されます。 Fleiss Kappa統計分析を使用して、評価者内および評価者間分析を実行します。 p 値が 0.05 未満の場合、データは統計的に有意であると見なされます。 さらに、精度、精度、再現率、および f1 スコアの値が計算され、認識モデルのパフォーマンスが測定されます。