利用机器学习轻松跟踪诊所中的患者运动。
研究概览
地位
条件
详细说明
目标 1:开发能够在体检期间捕捉健康对照行为的 3D 跟踪。 在目标 1 中,研究人员将招募健康的志愿者在模拟检查室中进行简化的身体检查,同时使用三个同步的 FLIR 摄像机进行记录。 简化的考试将包括四项任务:震颤评估、手指追踪、手指到鼻子的运动和手指敲击。 然后,研究人员将使用 DeepLabCut (DLC) 软件——一种训练人工神经网络以识别图像中用户定义的特征的技术——来识别体检视频中感兴趣的身体部位。 一旦网络得到充分训练,研究人员将测试其概括不同患者和不同环境的能力。 将对志愿者在体检期间的运动进行额外分析,以评估运动的震颤、速度和曲折度等特征。
目标 2:将 3D 跟踪应用到诊所以跟踪运动障碍患者的身体检查行为。 在目标 2 中,研究人员将训练有素的网络应用于诊所,以检查运动障碍患者的体格检查特征。 目标 2a 将测试 DLC 网络在患者和年龄匹配的健康对照体检期间捕捉运动障碍异常的能力。 每个测试变量的 DLC 分数将根据标准化量表与医生的运动分数进行比较。 研究人员希望发现 DLC 跟踪方法能够以反映并超越医生能力的方式客观地对运动障碍进行评分。 在目标 2b 中,研究人员将探索招募的患者群体,看看是否有可能提取出与某些疾病状态相对应的特征性运动。 在这个探索性目标中,研究人员希望能够仅根据跟踪的运动特征将不同的疾病组(例如:帕金森病和共济失调患者)彼此分开。
研究方法:
在目标 1 中,将使用三台配备定制同步和启动系统的 FLIR 相机在科罗拉多大学丹佛研究生院校园内建造一个运动场。 研究人员将从科罗拉多大学丹佛分校研究生院招募多达 30 名 18-70 岁的健康对照者进行简化体检(震颤评估、手指追逐、指鼻运动和手指敲击),同时视频以 100 Hz 的频率从三个角度捕获。 调查人员预计每个受试者进行此测试的时间不会超过 5 分钟。 该视频将用于训练 DLC 人工神经网络识别肢体特征。 研究人员将测量我们训练有素的 DLC 网络在体检期间表征每条肢体的十二个兴趣点的能力:四个手指和拇指的指尖、所有四个掌指关节、手的中心、肘部和肩。 一个成功的结果将是一个网络,该网络能够在不同个体和不同房间环境之间以高置信度识别感兴趣的特征。
在目标 2a 中,将在科罗拉多大学运动障碍诊所的检查室中设置一个跟踪场。 调查人员将招募多达 100 名年龄在 18-70 岁之间的患者,这些患者正在就诊进行与运动障碍相关的预约,以及就诊时患者的配偶和亲属,以进行健康的年龄匹配控制。 就诊后将询问门诊患者是否愿意参加该研究。 如果他们同意,医生将获得书面同意并填写一份患者表格,其中包括患者的年龄、种族、性别和诊断(或推定诊断)。 将开始录像,医生将进行上述简化的体检。 医生将按照共济失调评估和评级量表(SARA,项目 5 和 6)中的描述从 0-4 评判手指追踪和手指到鼻子的任务。 将根据统一帕金森病评定量表(UPDRS,第 21 和 23 项)从 0-4 判断姿势震颤和手指敲击。 如果患者与同意成为年龄匹配对照(患者年龄 10 岁以内)的人一起探视,则将如上所述重复体检。 调查人员预计,从开始到结束,每个受试者的测试时间不超过 5 分钟。 然后,研究人员将使用 DLC 算法以类似于医生评分的方式对体检进行评分,以评估系统的准确性。
在目标 2b 中,研究人员将探索目标 2a 中的患者数据,以了解特定于个别疾病的运动特征。 数据聚类方法(PCA 和 t-SNE)将使用来自每个体检任务的高维 DLC 跟踪数据将数据分成几组。 成功将被衡量为仅基于运动数据分析将疾病与另一种疾病区分开来的能力。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Colorado
-
Aurora、Colorado、美国、80045
- University of Colorado Hospital
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
- 健康控制:在 Anschutz Medical Campus 招募的健康志愿者
- 年龄匹配的对照:在科罗拉多大学医院的运动障碍诊所就诊的患者的配偶和亲属与患者年龄相差 10 岁以内。
- 运动障碍患者:科罗拉多大学医院运动障碍门诊的患者
描述
纳入标准:
- 健康对照:在年龄范围内
- 年龄匹配对照:在年龄范围内
- 运动障碍患者:已诊断或推定运动障碍
排除标准:
- 健康对照:已确诊或推定有运动障碍;年龄范围外
- 年龄匹配的对照:已诊断或推定的运动障碍;年龄范围外
- 运动障碍患者:超出年龄范围
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
---|
健康对照
该组将由 18 至 70 岁之间的健康对照者组成。
征得同意后,他们将完成一项简化的运动体检,同时从三个角度进行拍摄。
该视频数据将用于训练神经网络,以识别广义患者群体中的兴趣点。
|
运动障碍患者
该小组将由年龄在 18 至 70 岁之间、患有诊断或推定的运动障碍的运动障碍门诊患者组成。
征得同意后,他们将完成一项简化的运动体检,同时从三个角度进行拍摄。
该视频数据将使用在健康对照上训练的神经网络进行分析。
|
年龄匹配的控制
该小组将由与他们一起探视的运动障碍门诊患者的亲属组成,作为年龄匹配的对照(患者年龄在 10 岁以内)。
征得同意后,他们将完成一项简化的运动体检,同时从三个角度进行拍摄。
该视频数据将使用在健康对照上训练的神经网络进行分析。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
---|---|---|
临床成功追踪
大体时间:体检当天
|
如果神经网络可以通过准确跟踪泛化到不同的患者和上下文,以便它可以在 >95% 的新视频数据帧中以 >99% 的准确度跟踪所有 12 个兴趣点,研究人员将认为这个结果是成功的。
|
体检当天
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
通过运动追踪识别疾病
大体时间:体检当天
|
如果研究人员仅根据跟踪数据就可以将不同的运动障碍彼此区分开来,则该结果将被视为成功。
具体而言,在 LOTO 交叉验证中,必须以 95% 的置信度为个体患者数据分配正确的疾病状态。
|
体检当天
|
合作者和调查者
出版物和有用的链接
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.