使用数码摄影和人工智能识别尿道下裂参数 (ASHOKA)

这是用于使用人工神经网络识别各种尿道下裂参数的数字模式识别程序的开发协议。 这项研究的人群是怀疑患有尿道下裂的儿童，他们在印度尼西亚住院或转诊到医院。

作为临床参考的护理标准的一部分，将从尿道下裂患者的父母那里获得获取研究所需图像的同意书。 为这项研究拍摄的照片保存在加密数据库中。 本研究的纳入标准为疑似尿道下裂且年龄小于 18 岁且年龄匹配的对照儿童。 排除有尿道下裂修复史或拒绝参加研究者。

本研究测量的临床结果是：

1. 尿道下裂状态：尿道下裂或非尿道下裂
2. Metal位置：glanular，coronal，远端轴，近端轴，阴茎阴囊
3. 肉质形态：正常、异常
4. 尿道板质量：好，差
5. 龟头直径：mm
6. 龟头形状：正常、异常 术前和术后 1 个月测量临床结果

使用匹配年龄数据库的尿道下裂和正常阴茎图像来训练人工神经网络。 从每个受试者获取阴茎的三个图像方面（腹侧、背侧和侧面，包括龟头、阴茎和阴囊）。 数据标有尿道下裂参数：尿道下裂状态、尿道口位置、尿道口形状、尿道板质量、龟头直径和龟头形状。 上传数据以训练人工神经网络。

所有临床结果分析都将遵循统计分析计划。 将尽可能报告标准误差、95% 置信区间和 P 值。 将使用 Fleiss Kappa 统计分析进行评估者内部和评估者间分析。 如果 p 值小于 0.05，则认为数据具有统计显着性。 此外，还将计算准确性、精确度、召回率和 f1 得分值，以衡量识别模型的性能。