Машинное обучение и моделирование на основе 3D-изображений для оценки веса и состава тела в режиме реального времени во время оказания неотложной медицинской помощи. Исследование 1
15 декабря 2025 г. обновлено: Florida Atlantic University
Машинное обучение и моделирование на основе 3D-изображений для оценки веса и состава тела в режиме реального времени во время оказания неотложной медицинской помощи. Исследование 1. Создание модели с использованием одного трехмерного изображения пациента, лежащего на спине, с помощью одной 3D-камеры для точной оценки TBW, IBW и LBW.
Цель этого наблюдательного исследования — обучить и апробировать систему 3D-камер, управляемую искусственным интеллектом, для оценки общей массы тела, идеальной массы тела и тощей массы тела у взрослых добровольцев мужского и женского пола всех возрастов. Основные вопросы, на которые призвано ответить данное исследование:
- Какую степень точности оценки веса мы можем достичь с помощью системы оценки веса с 3D-камерой, управляемой искусственным интеллектом?
- Одинакова ли эта точность у взрослых обоих полов, всех возрастов и типов телосложения (недостаточный вес, нормальный вес, избыточный вес)? Участники пройдут некоторые антропометрические измерения (рост, окружность середины руки, окружность веса, окружность бедер, измеренный вес), сканирование DXA (для измерения мышечной массы тела) и трехмерную визуализацию с помощью трехмерной камеры.
Никаких вмешательств не будет.
Обзор исследования
Статус
Отозван
Подробное описание
Это исследование представляет собой одноцентровое обсервационное исследование для обучения, внутренней проверки и тестирования системы оценки веса 3D-камеры с искусственным интеллектом.
Наша гипотеза заключается в том, что эта система, при использовании при ведении пациентов с острыми заболеваниями, сможет более точно оценивать общую массу тела, идеальную массу тела и тощую массу тела, чем другие современные системы оказания медицинской помощи.
Для обучения и тестирования системы будут привлечены здоровые добровольцы.
В течение одного сеанса сбора данных продолжительностью около 30 минут будут собраны исходные антропометрические данные, сканирование DXA и изображения 3D-камеры добровольцев, лежащих на медицинских носилках.
Не будет никаких вмешательств и никакого наблюдения за участниками.
Собранные данные будут использоваться для обучения алгоритма искусственного интеллекта (на основе искусственных нейронных сетей) для оценки веса с использованием изображения одной глубины.
Как только система искусственного интеллекта будет полностью развита, точность ее оценки веса будет оцениваться в независимом наборе тестовых данных.
Тип исследования
Наблюдательный
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Да
Метод выборки
Невероятностная выборка
Исследуемая популяция
Студенты, сотрудники и преподаватели кампуса Атлантического университета Флориды в Бока-Ратоне.
Описание
Критерии включения:
- Любой желающий волонтер.
Критерии исключения:
- Участники, масса тела которых превышает грузоподъемность машины DXA >204 кг (450 фунтов);
- Беременные участники;
- Участники с заболеваниями, которые могут помешать исследованию;
- Участники с любыми металлическими хирургическими имплантатами;
- Участники, которым на прошлой неделе сделали рентген с контрастом;
- Участники, принимавшие добавки кальция за 24 часа до исследования.
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Оценка TBW
Временное ограничение: Базовый уровень
|
Точность оценки TBW с использованием системы 3D-камеры
|
Базовый уровень
|
|
Оценка ИМТ
Временное ограничение: Базовый уровень
|
Точность оценки ИМТ с использованием системы 3D-камеры
|
Базовый уровень
|
|
Оценка LBW
Временное ограничение: Базовый уровень
|
Точность оценки LBW с использованием системы 3D-камеры
|
Базовый уровень
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Точность, связанная с полом
Временное ограничение: Базовый уровень
|
Разница в точности между мужчинами и женщинами
|
Базовый уровень
|
|
Возрастная точность
Временное ограничение: Базовый уровень
|
Точность оценки веса по возрастным группам
|
Базовый уровень
|
|
Точность, связанная с ИМТ
Временное ограничение: Базовый уровень
|
Точность оценки веса по подгруппам весового статуса
|
Базовый уровень
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Публикации и полезные ссылки
Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.
Общие публикации
- Wells M, Goldstein L. Appropriate Statistical Analysis and Data Reporting for Weight Estimation Studies. Pediatr Emerg Care. 2023 Jan 1;39(1):62-63. doi: 10.1097/PEC.0000000000002862. Epub 2022 Oct 1. No abstract available.
- Wells M, Goldstein LN, Cattermole G. Development and Validation of a Length- and Habitus-Based Method of Ideal and Lean Body Weight Estimation for Adults Requiring Urgent Weight-Based Medical Intervention. Eur J Drug Metab Pharmacokinet. 2022 Nov;47(6):841-853. doi: 10.1007/s13318-022-00796-3. Epub 2022 Sep 19.
- Wells M, Goldstein LN. Estimating Lean Body Weight in Adults With the PAWPER XL-MAC Tape Using Actual Measured Weight as an Input Variable. Cureus. 2022 Sep 17;14(9):e29278. doi: 10.7759/cureus.29278. eCollection 2022 Sep.
- Wells M, Goldstein LN, Alter SM, Solano JJ, Engstrom G, Shih RD. The accuracy of total body weight estimation in adults - A systematic review and meta-analysis. Am J Emerg Med. 2024 Feb;76:123-135. doi: 10.1016/j.ajem.2023.11.037. Epub 2023 Nov 29.
- Wells M, Goldstein LN, Wells T, Ghazi N, Pandya A, Furht B, Engstrom G, Jan MT, Shih R. Total body weight estimation by 3D camera systems: Potential high-tech solutions for emergency medicine applications? A scoping review. J Am Coll Emerg Physicians Open. 2024 Oct 4;5(5):e13320. doi: 10.1002/emp2.13320. eCollection 2024 Oct.
- Sonar VG, Jan MT, Wells M, Pandya A, Engstrom G, Shih R, Furht B. Estimating Body Volume and Height Using 3D Data. arxiv. 2024 September; 2410.02800
- Jan MT, Kumar A, Wells M, Pandya A, Engstrom G, Shih R, Furht B. Comprehensive Survey of Body Weight Estimation: Techniques, Datasets and Applications. Multimedia Tools and Applications. 2024 October
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (Действительный)
1 июля 2025 г.
Первичное завершение (Оцененный)
30 июня 2026 г.
Завершение исследования (Оцененный)
30 июня 2026 г.
Даты регистрации исследования
Первый отправленный
15 октября 2024 г.
Впервые представлено, что соответствует критериям контроля качества
16 октября 2024 г.
Первый опубликованный (Действительный)
17 октября 2024 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
19 декабря 2025 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
15 декабря 2025 г.
Последняя проверка
1 декабря 2025 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 1791994(1)
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
ДА
Описание плана IPD
Данные о точках помутнения 3D-изображений будут предоставлены по запросу.
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .