운동학 분석의 인공 지능
2022년 7월 1일 업데이트: Zhou Mouwang, Peking University Third Hospital
인공지능 키포인트 검출 기술의 기구학 해석에서의 응용 연구
- 데이터 세트를 설정합니다. 개인 데이터 세트에는 피험자의 보행 비디오 및 운동학적 분석을 위한 표준 방법을 포함한 관련 매개변수가 포함됩니다.
- 새로운 모델을 개발하십시오. 공개 및 비공개 데이터 세트를 기반으로 인간의 주요 지점 감지의 운동학적 분석 모델이 추가로 개발됩니다.
- 새 모델을 테스트합니다. 매개변수를 표준 방법과 비교하여 모델의 정확도를 검증하였으며 정확도가 98% 이상인 인공지능의 기구학 해석 모델을 얻었다.
연구 개요
상세 설명
인공 지능 인간의 핵심 포인트 탐지 모델은 주로 전통적인 알고리즘, "하향식" 알고리즘 및 "하향식" 알고리즘 세 가지 방법이 있으며 세 가지 방법에는 장점이 있습니다.
이 프로젝트는 위의 세 가지 방법을 종합적으로 사용하여 공용 데이터 세트에서 알고리즘 및 매개변수 디버깅을 수행하고 개인 데이터 세트에서 테스트하여 보행 분석에 가장 적합한 인간 핵심 포인트 인식 방법을 얻습니다.
연구 유형
관찰
등록 (예상)
30
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Mouwang Zhou
- 전화번호: 13910092892
- 이메일: zhoumouwang@outlook.com
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
정상 보행 피험자와 비정상 보행 피험자
설명
포함 기준:
- 1. 비정상적인 보행.
- 6m 이상을 독립적으로 걸을 수 있습니다.
- 18세 이상.
제외 기준:
- 골절은 급성기 또는 수술 후 초기 단계에서 걸을 때 악화될 수 있습니다. 심장, 폐, 간 및 신장 및 기타 심각한 질병, GRADE I(NYHA) 이상의 심장 기능 등급, 호흡 부전 및 기타 증상 및 징후가 있거나 결과를 확인하십시오.
- 정신적, 심리적 상태는 실험 완료에 협조할 수 없습니다.
- 높은 낙상 위험(Berg 점수 ≤20)
- 보행 운동학 분석 장비는 함께 사용할 수 없습니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 케이스 컨트롤
- 시간 관점: 단면
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
일반 과목
인공 지능과 전통적인 방법을 사용한 보행 분석
|
인공 지능 인간의 핵심 포인트 탐지 모델은 주로 전통적인 알고리즘, "하향식" 알고리즘 및 "하향식" 알고리즘 세 가지 방법이 있으며 세 가지 방법에는 장점이 있습니다.
이 프로젝트는 위의 세 가지 방법을 종합적으로 사용하여 공용 데이터 세트에서 알고리즘 및 매개변수 디버깅을 수행하고 개인 데이터 세트에서 테스트하여 보행 분석에 가장 적합한 인간 핵심 포인트 인식 방법을 얻습니다.
|
|
비정상적인 보행을 가진 피험자
인공 지능과 전통적인 방법을 사용한 보행 분석
|
인공 지능 인간의 핵심 포인트 탐지 모델은 주로 전통적인 알고리즘, "하향식" 알고리즘 및 "하향식" 알고리즘 세 가지 방법이 있으며 세 가지 방법에는 장점이 있습니다.
이 프로젝트는 위의 세 가지 방법을 종합적으로 사용하여 공용 데이터 세트에서 알고리즘 및 매개변수 디버깅을 수행하고 개인 데이터 세트에서 테스트하여 보행 분석에 가장 적합한 인간 핵심 포인트 인식 방법을 얻습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
보행 관련 매개변수
기간: 30분
|
걸음 빈도/페이스/보행 주기/보폭 길이
|
30분
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (예상)
2022년 7월 10일
기본 완료 (예상)
2022년 7월 29일
연구 완료 (예상)
2022년 8월 30일
연구 등록 날짜
최초 제출
2022년 6월 3일
QC 기준을 충족하는 최초 제출
2022년 7월 1일
처음 게시됨 (실제)
2022년 7월 5일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 7월 5일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 7월 1일
마지막으로 확인됨
2022년 7월 1일
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- M2021231
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .