Identifiering av hypospadiparametrar med hjälp av digital fotografi och artificiell intelligens (ASHOKA)

Detta är ett utvecklingsprotokoll för ett digitalt mönsterigenkänningsprogram för identifiering av olika hypospadiparametrar med hjälp av artificiella neurala nätverk. Populationen för denna studie är barn som misstänks ha hypospadi som är inlagda eller remitterade till sjukhus i Indonesien.

Samtycke för att fånga de bilder som behövs i studien kommer att erhållas från föräldrarna till hypospadipatienter som en del av standarden för vård som ska användas som en klinisk referens. Fotografiet som togs för denna studie förvarades i en krypterad databas. Inklusionskriterierna för denna studie är barn <18 år gamla som misstänks ha hypospadi, med åldersmatchad kontroll. De med en historia av reparation av hypospadi eller de som vägrar att delta i studien exkluderas.

De kliniska resultaten som mäts i denna studie är:

1. Hypospadistatus: hypospadi eller icke-hypospadi
2. Plats för kött: glanulär, koronal, distalt skaft, proximalt skaft, penoskrotal
3. Köttform: normal, onormal
4. Kvaliteten på urinrörsplattan: bra, dålig
5. Glans diameter: i mm
6. Glansform: normal, onormal De kliniska resultaten mättes preoperativt och 1 månad postoperativt

En bild av hypospadi och normal penis med matchad åldersdatabas användes för att träna det artificiella neurala nätverket. Tre bildaspekter av penis (ventral, dorsal och lateral aspekt som inkluderar ollonet, skaftet och pungen) togs från varje individ. Data märktes med hypospadiparametrar: hypospadistatus, köttets placering, köttformen, kvaliteten på urinrörsplattan, ollonets diameter och ollonets form. Data laddades upp för att träna det artificiella neurala nätverket.

Den statistiska analysplanen kommer att följas för alla kliniska resultatanalyser. Standardfel, 95 % konfidensintervall och P-värden kommer att rapporteras när det är möjligt. Intra- och inter bedömaranalys kommer att utföras med hjälp av Fleiss Kappa statistiska analys. Uppgifterna anses vara statistiskt signifikanta om p-värdet är mindre än 0,05. Dessutom kommer noggrannhet, precision, återkallelse och f1-poängvärden att beräknas för att mäta igenkänningsmodellens prestanda.