로봇 수술 평가를 위한 신경망의 전이 학습
2024년 9월 24일 업데이트: Nasseh Hashemi, Aalborg University
제한된 임상 데이터에 대한 로봇 수술 평가를 위한 사전 훈련된 전임상 신경망의 전이 학습
이 관찰 연구의 목표는 전임상 데이터를 바탕으로 훈련된 사전 훈련된 인공 지능(AI) 모델이 전이 학습을 사용하여 비뇨기과 환자의 로봇 보조 수술(RAS)에서 행동 인식 및 기술 평가의 정확성을 어떻게 향상시킬 수 있는지 탐구하는 것입니다. . 답변하려는 주요 질문은 다음과 같습니다.
- 사전 훈련된 AI 모델이 임상 수술에서 행동 인식과 기술 평가를 정확하게 평가할 수 있습니까?
- 전이 학습의 다양한 훈련 접근 방식이 AI 모델의 성능에 어떤 영향을 미치나요? 임상 데이터를 사용하여 처음부터 개발된 기본 모델은 (1) 임상 데이터에 직접 적용되는 (2) AI 모델의 일부 계층만 훈련하여 미세 조정되고 (3) 완전히 재훈련된 사전 훈련된 모델과 비교됩니다. 이러한 접근 방식은 성능을 향상시킵니다.
로봇 외과의인 참가자는 다음을 수행합니다.
- 개입 없이 환자에 대한 RAS 절차를 수행합니다. 여기서 비디오 데이터는 나중에 행동 인식 및 기술 평가를 위해 수집됩니다.
- 임상 데이터 세트 통합을 통해 모델 훈련 및 평가에 기여합니다.
연구 개요
연구 유형
관찰
등록 (실제)
5
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
North Jutland
-
Aalborg, North Jutland, 덴마크, 9000
- Department of Urology, Aalborg University Hospital
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
샘플링 방법
비확률 샘플
연구 인구
연구 집단은 경험이 있거나 초보자(로봇 외과의사가 되기 위해 외과 펠로우십을 받는 전문의)인 로봇 외과의사로 구성되었습니다.
비뇨기과에 진료를 위해 입원한 환자에게 로봇을 이용한 모든 시술을 시행합니다. 환자들은 또한 데이터 수집에 대해서도 동의했습니다. 그러나 실제 참여자는 로봇 외과의사다.
설명
포함 기준:
- 100건 이상의 수술 경험을 갖춘 로봇외과 의사.
- 100건 미만의 사례를 보유한 로봇외과 펠로우.
- 올보르 대학병원 비뇨기과에서 근무했던 로봇 외과의사.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
숙련된 로봇 외과의사
로봇수술 100건 이상을 수행한 로봇외과 의사.
|
이는 개입이 없는 관찰 연구였습니다.
|
|
초보 로봇 외과의사
로봇수술 사례가 100건 미만인 로봇외과 의사.
|
이는 개입이 없는 관찰 연구였습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
처음부터 임상 데이터를 활용하여 동작 인식의 정확성
기간: 동작 인식 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
로봇 수술 절차의 임상 데이터를 사용하여 처음부터 모델을 훈련할 때 동작 인식을 위한 딥 러닝 알고리즘의 정확성.
|
동작 인식 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
|
처음부터 임상 데이터를 활용한 기술 평가의 정확성
기간: 동작 인식 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
로봇 수술 절차의 임상 데이터를 사용하여 처음부터 모델을 훈련할 때 기술 평가를 위한 딥 러닝 알고리즘의 정확성.
|
동작 인식 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
|
임상 데이터에 대해 직접 사전 훈련된 네트워크를 사용하여 동작 인식의 정확도
기간: 동작 인식 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
로봇 수술 절차의 임상 데이터에 모델을 직접 사용할 때 동작 인식을 위한 사전 훈련된 딥 러닝 알고리즘의 정확성.
|
동작 인식 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
|
임상 데이터에 직접 사전 훈련된 모델을 사용한 기술 평가의 정확성
기간: 기술 평가 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
로봇 수술 절차의 임상 데이터에 모델을 직접 사용할 때 기술 평가를 위해 사전 훈련된 딥 러닝 알고리즘의 정확성.
|
기술 평가 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
|
사전 훈련된 네트워크의 완전한 재훈련을 위한 행동 인식 및 기술 평가에 대한 K배 정확도입니다.
기간: 임상과정의 시작부터 끝까지.
|
행동 인식 및 기술 평가 모두에 대한 임상 데이터에 대해 사전 훈련된 전체 모델을 재훈련할 때 K겹 교차 검증 정확도.
|
임상과정의 시작부터 끝까지.
|
|
사전 훈련된 네트워크의 부분 재훈련을 위한 행동 인식 및 기술 평가에 대한 K배 정확도입니다.
기간: 임상과정의 시작부터 끝까지.
|
임상 데이터를 사용하여 LSTM 및 사전 훈련된 네트워크의 조밀한 계층 재훈련을 위한 행동 인식 및 기술 평가를 위한 K 겹 교차 검증 정확도.
|
임상과정의 시작부터 끝까지.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
처음부터 훈련된 임상 네트워크의 동작 인식을 위한 가중 회상/민감도, 정밀도 및 F1 점수
기간: 동작 인식 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
처음부터 훈련된 임상 네트워크의 동작 인식 성능을 기반으로 합니다.
|
동작 인식 측면에서 평가되는 로봇 수술 절차의 시작부터 끝까지.
|
|
처음부터 훈련된 임상 네트워크의 기술 평가를 위한 가중 회상/민감도, 정밀도 및 F1 점수
기간: 기술 평가 측면에서 평가되는 로봇 수술 과정의 시작부터 끝까지.
|
처음부터 훈련받은 임상 네트워크의 기술 평가 성과를 기반으로 합니다.
|
기술 평가 측면에서 평가되는 로봇 수술 과정의 시작부터 끝까지.
|
|
임상 데이터에 대해 처음부터 훈련된 네트워크의 행동 인식 및 기술 평가에 대한 예측 확실성.
기간: 임상과정의 시작부터 끝까지.
|
임상 데이터에 대해 처음부터 훈련된 네트워크의 동작 인식 및 기술 평가를 위해 전체 평균, 최소값 및 최대값을 포함하는 예측 확실성을 확률 도표로 표시합니다.
|
임상과정의 시작부터 끝까지.
|
|
부분적으로 재훈련된 네트워크의 행동 인식 및 기술 평가에 대한 예측 확실성.
기간: 임상과정의 시작부터 끝까지.
|
전체 평균, 최소 및 최대의 예측 확실성은 부분적으로 재훈련된 네트워크의 행동 인식 및 기술 평가를 위한 확률 플롯에 표시되며, 여기서 네트워크의 LSTM 및 심층 계층만 임상 데이터에 대해 훈련되었습니다.
|
임상과정의 시작부터 끝까지.
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 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 (실제)
2023년 5월 22일
기본 완료 (실제)
2023년 5월 26일
연구 완료 (실제)
2023년 5월 26일
연구 등록 날짜
최초 제출
2024년 9월 22일
QC 기준을 충족하는 최초 제출
2024년 9월 22일
처음 게시됨 (실제)
2024년 9월 25일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 9월 26일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 9월 24일
마지막으로 확인됨
2024년 9월 1일
추가 정보
이 연구와 관련된 용어
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
예
IPD 계획 설명
IPD는 공개 액세스 웹사이트에서 익명 및 GDPR 보안 데이터로 공유됩니다.
데이터는 참가자가 수행한 수술 과정의 익명화된 영상으로 공유됩니다.
IPD 공유 기간
IPD 및 지원 정보는 저널에 제출된 시점부터 사용할 수 있으며 시간 제한 없이 사용할 수 있습니다.
IPD 공유 액세스 기준
GitHub의 오픈 소스 웹사이트에 접근할 수 있는 모든 사람이 데이터에 접근할 수 있습니다.
그리고 저널에 접근할 수 있는 사람은 누구나 지원 정보에 접근할 수 있습니다.
IPD 공유 지원 정보 유형
- 연구_프로토콜
- ANALYTIC_CODE
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
미국에서 제조되어 미국에서 수출되는 제품
아니
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. .