Tidlig intelligent diagnose av lem deformitet hos barn ved AI og klinikkapplikasjon
19. februar 2025 oppdatert av: Children's Hospital of Fudan University
Studiene av tidlig intelligent diagnose av lemreselskap hos barn ved AI og klinikkapplikasjon
Deformiteten av lemmer hos barn inkluderer medfødt lemmisdannelser eller ervervet fra skaden av epifysisk plate som forårsaket av tumor, betennelse og traumer.
På grunn av selve sykdommens kompleksitet, rask dynamisk utvikling og egenskapene til barns vekst og utvikling, endres deformitetene stadig.
I tillegg har den alvorlige mangelen på klinisk diagnose og behandlingsressurser i Institutt for pediatrisk ortopedi ført til feildiagnostisering og feil behandling av barns lem -deformiteter.
Dermed er det nødvendig å finne en intelligent måte å hjelpe lege til tidlig diagnose av lemreselskap og gi en riktig behandling hos barn.
Studieoversikt
Status
Har ikke rekruttert ennå
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Ekstraksjon og anvendelse av Big Data of Children's Limb Deformities, Intelligent Labeling av bildedata, presis posisjonering og perfeksjonering av de anatomiske dataene til barns lem deformiteter. Forbedre posisjonsnøyaktigheten til nøkkelpunkter i røntgenbilder av barns lem deformiteter ved hjelp av hjelp av hjelp Trinn-for-trinns tilsyn for å forbedre nøyaktigheten av diagnosen. Realiser et intelligent rapportgenerasjonssystem som kombinerer pasientbakgrunnsinformasjon, etabler en ende-til-ende Hjelpediagnose og behandlingsforslagsprogramvareanleggsanlegg; Innse et komplett sett med kunstig intelligensløsninger for barns skjelettdeformitet, tidlig screening og diagnose av barn, og danne et intelligent henvisningssystem av barns lem deformiteter.
Studietype
Observasjonsmessig
Registrering (Antatt)
9000
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Bo Ning, PhD
- Telefonnummer: +86 13585700275
- E-post: ningbo@fudan.edu.cn
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Ikke eldre enn 18 år (Barn, Voksen)
Tar imot friske frivillige
Nei
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Barn med lem deformitet
Beskrivelse
Inkluderingskriterier:
Barn med lem deformitet
Eksklusjonskriterier:
Barn uten lem deformitet
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Limb deformity barn
avbildningen av diagnose av lemmer av lemmer ved AI
|
Det er en observasjonsstudie.
Ingen inngrep.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Deformitetsdeteksjon
Tidsramme: Ved påmelding
|
Det er en binær variabel (1/0).
De radiografiske trekk ved barn vil bli evaluert av kunstig intelligens.
Hvis deformiteten ble oppdaget, ville variabelen settes inn i 1.
|
Ved påmelding
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Hovedetterforsker: Bo Ning, PhD, Children's Hospital of Fudan University
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- Jamaludin A, Lootus M, Kadir T, Zisserman A, Urban J, Battie MC, Fairbank J, McCall I; Genodisc Consortium. ISSLS PRIZE IN BIOENGINEERING SCIENCE 2017: Automation of reading of radiological features from magnetic resonance images (MRIs) of the lumbar spine without human intervention is comparable with an expert radiologist. Eur Spine J. 2017 May;26(5):1374-1383. doi: 10.1007/s00586-017-4956-3. Epub 2017 Feb 6.
- Mirskaia NB, Kolomenskaia AN, Siniakina AD. [Prevalence and medical and social importance of disorders and diseases of the musculoskeletal systems in children and adolescents (review of literature)]. Gig Sanit. 2015 Jan-Feb;94(1):97-104. Russian.
- Theofilatos K, Pavlopoulou N, Papasavvas C, Likothanassis S, Dimitrakopoulos C, Georgopoulos E, Moschopoulos C, Mavroudi S. Predicting protein complexes from weighted protein-protein interaction graphs with a novel unsupervised methodology: Evolutionary enhanced Markov clustering. Artif Intell Med. 2015 Mar;63(3):181-9. doi: 10.1016/j.artmed.2014.12.012. Epub 2015 Feb 18.
- Silverman BG, Hanrahan N, Bharathy G, Gordon K, Johnson D. A systems approach to healthcare: agent-based modeling, community mental health, and population well-being. Artif Intell Med. 2015 Feb;63(2):61-71. doi: 10.1016/j.artmed.2014.08.006. Epub 2014 Sep 11.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Rahmathulla G, Nottmeier EW, Pirris SM, Deen HG, Pichelmann MA. Intraoperative image-guided spinal navigation: technical pitfalls and their avoidance. Neurosurg Focus. 2014 Mar;36(3):E3. doi: 10.3171/2014.1.FOCUS13516.
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart (Antatt)
1. mars 2025
Primær fullføring (Antatt)
1. september 2026
Studiet fullført (Antatt)
1. desember 2027
Datoer for studieregistrering
Først innsendt
22. august 2020
Først innsendt som oppfylte QC-kriteriene
22. august 2020
Først lagt ut (Faktiske)
26. august 2020
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
25. mars 2025
Siste oppdatering sendt inn som oppfylte QC-kriteriene
19. februar 2025
Sist bekreftet
1. februar 2025
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- ningbo1528
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .