- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05981651
Utvikling og anvendelse av en dynamisk tredimensjonal kvantitativ ansiktsmålingsenhet
7. august 2023 oppdatert av: Guodong Feng, Peking Union Medical College Hospital
Målet med dette prosjektet er å lykkes med å utvikle og industrialisere "Facial Movement 3D Dynamic Quantitative Measurement Device", som er en kommersiell enhet som kan gi dynamiske indikatorer på ansiktsbevegelser, og praktisk talt kan løse evalueringsproblemene ved ansiktslammelse for leger og pasienter. , og har viktig klinisk verdi og sosiale fordeler.
Studieoversikt
Detaljert beskrivelse
Basert på den nåværende optimal høypresisjons ansiktsnøkkelteknologien, er den effektive høypresisjons automatiske ansiktsgjenkjenningsmodellen som samsvarer med det asiatiske ansiktet etablert gjennom spesialisert trening med målrettede markørdata, tidsserietreningsoptimalisering basert på optisk flyt og lokal bildesporing teknologi.
3D-rekonstruksjonsteknikken brukes deretter til å rekonstruere de romlige 3D-koordinatene til ansiktsnøkkelpunktene, for å realisere flerkameras 3D-sporing av ansiktsnøkkelpunktene.
Forskyvningen av nøkkelpunktene brukes til å svare på egenskapene til ansiktsmuskelaktivitet hos pasienter med ansiktslammelse.
Studietype
Observasjonsmessig
Registrering (Antatt)
200
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Guodong Feng
- Telefonnummer: 010 15001275266
- E-post: fengguodong2013@163.com
Studiesteder
-
-
Beijing
-
Beijing, Beijing, Kina, 100730
- Rekruttering
- Peking Union Medical College Hospital
-
Ta kontakt med:
- Guodong Feng
- Telefonnummer: 010 15001275266
- E-post: fengguodong2013@163.com
-
-
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
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Ja
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Basert på tidligere innsamling av ansiktsdata bruker du ofte større offentlige datasett, for eksempel AFLW-datasettet med 20 000 bilder.
vi trenger samme størrelsesorden av lokale etnografiske data for migrasjonslæring.
Samtidig forbedres dataene i datasettet i henhold til behovet for å forbedre nøyaktigheten til de merkede dataene på sentrale punkter.
Ta omtrent 100 effektive rammer for hvert datasett.
Trenger å fullføre rundt 200 personer med ulike typer ansiktsdatainnsamling.
Testgruppedataene er generelt utformet til å være mer enn 20 % av treningsdataene, så antallet testgruppeprøver er designet til å være 50 grupper.
Beskrivelse
Inklusjonskriterier:
- Eldre enn 14 år
- Ingen historie med ansiktskirurgi, ansiktstraumer eller arr som skjuler ansiktstrekkene.
- Kunne utføre relevante handlinger i henhold til instruksjoner
- Vilje til å delta i studien
Ekskluderingskriterier:
- Uvilje til å delta i studien
- Kan ikke samarbeide med relevante kommandohandlinger
- Åpenbare traumer, arr osv. som skjuler ansiktstrekkene
- Under 14 år
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 |
|---|---|
|
treningsøkt
Totalt 150 ansiktsuttrykksvideoer av friske frivillige og ansiktsparesepasienter ble samlet inn som et treningssett for algoritmen
|
ikke-inngrep
|
|
testsett
Totalt 50 tilfeller av friske frivillige og pasienter med ansiktsparese ble brukt som testsett for algoritmen
|
ikke-inngrep
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Ansiktstrekk punkt forskyvningsavstand
Tidsramme: 3 måneder
|
Forskyvning av tilsvarende ansiktstrekk når frivillige utfører spesifikke handlinger som spesifikke uttrykk (løfte øyenbrynene, lukke øynene, trekke på nesen, smile og plystre)
|
3 måneder
|
|
Facial Feature Point Velocity
Tidsramme: 3 måneder
|
Hastigheten til de tilsvarende ansiktstrekkene til frivillige når de utfører spesifikke handlinger som spesifikke uttrykk (løfte øyenbrynene, lukke øynene, trekke på nesen, smile, plystre)
|
3 måneder
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Hovedetterforsker: Guodong Feng, Peking Union Medical College Hospital
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 (Faktiske)
1. juli 2022
Primær fullføring (Antatt)
30. desember 2024
Studiet fullført (Antatt)
30. desember 2024
Datoer for studieregistrering
Først innsendt
27. juli 2023
Først innsendt som oppfylte QC-kriteriene
7. august 2023
Først lagt ut (Faktiske)
8. august 2023
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
8. august 2023
Siste oppdatering sendt inn som oppfylte QC-kriteriene
7. august 2023
Sist bekreftet
1. august 2023
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- PekingUMCH record I-22PJ1121
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. .