Diagnóstico inteligente precoce da deformidade dos membros em crianças por IA e aplicação clínica
19 de fevereiro de 2025 atualizado por: Children's Hospital of Fudan University
Os estudos do diagnóstico inteligente precoce da deformidade dos membros em crianças por IA e aplicação clínica
A deformidade do membro em crianças inclui malformações congênitas dos membros ou adquiridas do dano da placa epifisária causada por tumor, inflamação e trauma.
Devido à complexidade da própria doença, ao rápido desenvolvimento dinâmico e às características do crescimento e desenvolvimento das crianças, as deformidades estão constantemente mudando.
Além disso, a grave falta de diagnóstico clínico e recursos de tratamento no Departamento de Ortopedia Pediátrica levou ao diagnóstico incorreto e ao tratamento inadequado das deformidades dos membros infantis.
Assim, é necessário encontrar uma maneira inteligente de ajudar o médico para o diagnóstico precoce da deformidade dos membros e fornecer um tratamento adequado em crianças.
Visão geral do estudo
Status
Ainda não está recrutando
Condições
Intervenção / Tratamento
Descrição detalhada
A extração e aplicação de big data das deformidades de membros infantis, rotulagem inteligente de dados de imagem, posicionamento preciso e aperfeiçoamento dos dados anatômicos das deformidades dos membros infantis. Supervisão passo a passo para melhorar a precisão do diagnóstico. Realize um sistema inteligente de geração de relatórios que combina informações de fundo do paciente, estabeleça um de ponta a ponta Sistema de aplicação de demonstração de diagnóstico e sugestão de tratamento auxiliar; Realize um conjunto completo de soluções de inteligência artificial para as deformidades esqueléticas das crianças, a triagem precoce e o diagnóstico de crianças e a formação de um sistema de referência inteligente de deformidades de membros infantis.
Tipo de estudo
Observacional
Inscrição (Estimado)
9000
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Contato de estudo
- Nome: Bo Ning, PhD
- Número de telefone: +86 13585700275
- E-mail: ningbo@fudan.edu.cn
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
Não mais velho que 18 anos (Filho, Adulto)
Aceita Voluntários Saudáveis
Não
Método de amostragem
Amostra Não Probabilística
População do estudo
Crianças com deformidade de membro
Descrição
Critérios de inclusão:
Crianças com deformidade de membro
Critérios de exclusão:
Crianças sem deformidade de membro
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
deformidade dos membros crianças
A imagem do diagnóstico de deformidade dos membros por IA
|
É um estudo observacional.
Sem intervenções.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Detecção de deformidade
Prazo: Na inscrição
|
É uma variável binária (1/0).
As características radiográficas das crianças seriam avaliadas pela inteligência artificial.
Se a deformidade fosse detectada, a variável seria definida em 1.
|
Na inscrição
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Investigadores
- Investigador principal: Bo Ning, PhD, Children's Hospital of Fudan University
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Publicações Gerais
- 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.
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Estimado)
1 de março de 2025
Conclusão Primária (Estimado)
1 de setembro de 2026
Conclusão do estudo (Estimado)
1 de dezembro de 2027
Datas de inscrição no estudo
Enviado pela primeira vez
22 de agosto de 2020
Enviado pela primeira vez que atendeu aos critérios de CQ
22 de agosto de 2020
Primeira postagem (Real)
26 de agosto de 2020
Atualizações de registro de estudo
Última Atualização Postada (Real)
25 de março de 2025
Última atualização enviada que atendeu aos critérios de controle de qualidade
19 de fevereiro de 2025
Última verificação
1 de fevereiro de 2025
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- ningbo1528
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .