基于人工智能的视频分析来检测婴儿痉挛症
2026年5月6日 更新者：Johns Hopkins University
视频记录中婴儿痉挛症识别的机器学习方法
婴儿痉挛症是一种与发育问题有关的癫痫发作。
不幸的是，它们经常被误诊，导致治疗延误。
这项研究的目的是开发一种计算机程序，能够可靠地区分婴儿痉挛症和视频中类似但良性的动作。
该计算机程序将从研究参与者父母拍摄的视频中学习。
快速识别和治疗婴儿痉挛症对于确保最佳发育结果至关重要。
研究概览
研究类型
观察性的
注册 (实际的)
61
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Maryland
-
Baltimore、Maryland、美国、21287
- Johns Hopkins Hospital
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 孩子
接受健康志愿者
不
取样方法
非概率样本
研究人群
参与者将从约翰霍普金斯医院的门诊和住院机构招募，该医院是一家位于马里兰州巴尔的摩的学术医疗中心，提供三级和四级护理。
描述
纳入标准：
- 参与者年龄小于 24 个月
- 参与者因阵发性异常运动或癫痫发作而在约翰·霍普金斯门诊中心、约翰·霍普金斯儿科急诊科或约翰·霍普金斯住院病房接受评估
- 参与者在约翰·霍普金斯医院门诊或住院期间接受儿科神经科医生的评估
- 至少一段由家长/监护人制作的异常运动的视频可供提供者审查
排除标准：
- 视频录制质量差
- 整个病人不在画面中
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
确诊的癫痫痉挛（阳性级）
根据历史数据和支持性脑电图数据（即，诊断为婴儿痉挛症的参与者）
节律失常或改良的节律失常背景）。
|
开发机器学习软件来分析视频并准确地区分婴儿痉挛症和视觉上相似的动作。
|
|
癫痫痉挛模拟物（负类）
被诊断患有非癫痫运动的参与者（例如
桑迪弗综合征、颤抖发作、伸展、刻板印象、惊吓反射、扭动动作、神经过敏、睡眠肌阵挛）基于历史数据和支持性脑电图数据（如果有）。
|
开发机器学习软件来分析视频并准确地区分婴儿痉挛症和视觉上相似的动作。
|
|
清醒和警觉（负类）
参与者在清醒和警觉状态下表现出自发的、微妙的动作。
|
开发机器学习软件来分析视频并准确地区分婴儿痉挛症和视觉上相似的动作。
|
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 |
|---|---|---|
|
模型灵敏度（召回率）
大体时间：2年
|
模型在测试数据集中正确分类的真阳性比例。
|
2年
|
|
模型特异性
大体时间：2年
|
模型在测试数据集中正确分类的真阴性的比例。
|
2年
|
|
模型阳性预测值（精度）
大体时间：2年
|
测试数据集中正确分类的比例。
|
2年
|
|
模型负面预测值
大体时间：2年
|
测试数据集中正确的负面分类的比例。
|
2年
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Eric Kossoff, MD、Johns Hopkins Neurology
- 首席研究员：Rama Chellappa, PhD、Johns Hopkins Biomedical Engineering
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2024年8月26日
初级完成 (实际的)
2026年5月6日
研究完成 (实际的)
2026年5月6日
研究注册日期
首次提交
2024年3月11日
首先提交符合 QC 标准的
2024年3月11日
首次发布 (实际的)
2024年3月18日
研究记录更新
最后更新发布 (实际的)
2026年5月7日
上次提交的符合 QC 标准的更新
2026年5月6日
最后验证
2026年5月1日
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.