이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

이비인후과 수술의 중요한 구조를 AI로 인식

2024년 12월 5일 업데이트: Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
이비인후과 수술에서 해부학적 랜드마크를 인식하는 인공 지능 시스템을 개발하여 수술 중 중요한 측두골 구조를 실시간으로 추적할 수 있습니다.

연구 개요

상태

모병

정황

상세 설명

침골, 외부 반고리관, 안면 신경 및 안면 신경 함몰에 대한 AI 인식 및 예측의 예를 들어보십시오. 정의된 수술 영역 내에서 주석이 달린 데이터 포인트는 외이도의 후방 벽과 주변 조직과 관련된 상대 위치와 각도를 기반으로 침골과 외측 반고리관을 식별하고 분할하는 데 활용됩니다. 수술 부위 내의 침골 및 측면 반고리관에 대한 자세한 설명은 다음과 같습니다. 침골: 침골은 중이에 위치한 작은 모루 모양의 뼈입니다. 외측으로는 추골(malleus), 내측으로는 등골(stapes)에 연결됩니다. 침골은 안면 신경에 가깝고 소리 진동을 전달하는 소골 사슬에 관여하기 때문에 정확하게 식별하는 것이 중요합니다. 외측 반고리관: 내이에 있는 세 개의 반고리관 중 하나이며 수평 방향입니다. 머리의 회전 움직임을 감지하는 데 관여합니다. 현기증이나 균형 문제를 초래할 수 있는 근관 손상을 방지하려면 적절한 식별이 필요합니다. 입력 기능에는 추가 대비 조정 및 이미지의 국지적 확대가 포함됩니다. 강화된 이미지는 훈련된 모델을 사용하여 분류 및 위치화되며, 여러 프레임의 일관성을 활용하여 안면 신경과 안면 오목부의 최종 위치를 결정합니다. 침골 및 외측 반고리관을 기준으로 안면 오목부의 위치를 ​​예측하기 위한 통계 분석이 수행되어 외과의사에게 참조 정보를 제공합니다. 시스템은 수술 영역의 변화를 지속적으로 모니터링하여 동적 피드백을 제공하고 증분 교육을 통해 모델의 정확성과 견고성을 최적화합니다.

연구 유형

관찰

등록 (추정된)

1000

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

연구 연락처 백업

연구 장소

  • 중국
    • Guangdong
      • Guangzhou, Guangdong, 중국, 510120
        • 모병
        • Sun Yat-sen Memorial Hospital
        • 연락하다:

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

  • 어린이
  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

아니

샘플링 방법

비확률 샘플

연구 인구

유양돌기 절제술이 필요한 이비인후과 질환

설명

포함 기준:

  1. 현미경을 이용하여 달팽이관 이식술, 내림프낭 감압술, 반고리관 막힘술, 청신경종 수술 등의 이비인후과 수술을 시행합니다.
  2. 현미경 노출을 통해 측두골 내 수술 부위를 포괄적이고 명확하게 볼 수 있습니다.

제외 기준:

  1. 수술 영상 녹화가 불가능합니다.
  2. 미세한 이비인후과 수술 중 수술 부위가 명확하지 않게 시각화됩니다.
  3. 전체 수술 과정의 불완전한 시각화.
  4. 본 병원 또는 심천딥베이병원에서 고해상도 측두골 CT를 촬영하지 않은 환자.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
유양돌기 절제술이 필요한 이비인후과 질환
기간: 입원부터 퇴원까지 1주일
  1. 현미경을 이용하여 달팽이관 이식술, 내림프낭 감압술, 반고리관 막힘술, 청신경종 수술 등의 이비인후과 수술을 시행합니다.
  2. 현미경 노출을 통해 측두골 내 수술 부위를 포괄적이고 명확하게 볼 수 있습니다.
입원부터 퇴원까지 1주일
모델의 정확성을 평가하기 위한 관련 지표
기간: 입학부터 학업 종료까지
  1. F1 점수는 정확도와 재현율의 조화 평균으로, 모델의 정확도와 재현율 간의 균형을 측정하는 데 사용됩니다. F1 점수가 높을수록 모델 성능이 좋아집니다.
  2. 카파 값(Cohen's Kappa)은 분류 일관성을 측정하는 데 사용되는 통계 지표입니다. 주로 둘 이상의 분류기(수동 분류 및 모델 분류 포함) 간의 일관성 정도를 평가하거나, 서로 다른 시간이나 서로 다른 조건에서 동일한 분류기의 분류 일관성을 평가하는 데 사용됩니다.
입학부터 학업 종료까지

2차 결과 측정

결과 측정
측정값 설명
기간
기타 평가모델 관련 지표
기간: 입학부터 학업 종료까지
  1. mIOU:mIOU(Mean Intersection-over-Union), 즉 Mean Intersection Over Union은 의미론적 분할 작업에서 중요한 평가 지표입니다. 의미론적 분할의 목적은 이미지의 각 픽셀을 서로 다른 범주로 분류하는 것입니다. 의료 영상에서는 서로 다른 조직 범주가 구분됩니다.
  2. 정밀도: 정밀도 비율은 모델에서 양성으로 예측한 모든 샘플 중 실제로 양성인 비율을 나타냅니다.
  3. 재현율: 재현율은 실제로 양성인 모든 샘플 중에서 양성으로 올바르게 예측된 샘플의 비율을 나타냅니다.
  4. Oacc:전체 정확도는 분류 작업에서 올바르게 분류된 샘플의 비율을 의미합니다. 모델이나 분류 방법의 정확도를 측정하기 위한 기본적이고 직관적인 지표입니다.
  5. 손실:손실 값은 모델의 예측 결과와 실제 레이블 간의 차이 정도를 측정하기 위해 기계 학습 모델의 교육 과정에서 사용되는 지표입니다.
입학부터 학업 종료까지

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University

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)

2020년 1월 1일

기본 완료 (추정된)

2026년 8월 30일

연구 완료 (추정된)

2026년 8월 30일

연구 등록 날짜

최초 제출

2024년 11월 27일

QC 기준을 충족하는 최초 제출

2024년 12월 5일

처음 게시됨 (추정된)

2024년 12월 10일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2024년 12월 10일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 12월 5일

마지막으로 확인됨

2024년 12월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • SYSKY-2024-529-01

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

IPD 계획 설명

해당 데이터에는 민감한 환자 정보가 포함되어 있고 광저우 한시 의료 기술 유한회사(Guangzhou Hansi Medical Technology Co.)의 현재 영업 비밀 및 지적 재산권이 포함되어 있으므로 공개적으로 사용할 수 없습니다.

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

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. .

구독하다