Меню
Набор скоро начнётся NCT07619430

AI-Based Wound Monitoring: Automated Wound Progression Assessment Via Marker-Free Image Sequence

— Наблюдательное Hard-to-heal Wounds AI (Artificial Intelligence) Wound Care Pressure Injuries

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: Marker-free wound image registration technology.
Кому может быть актуально
Состояния в реестре: Hard-to-heal Wounds, AI (Artificial Intelligence), Wound Care, Pressure Injuries. Базовые параметры: от 18 лет · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Тайвань
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Обзор

This study aims to develop a low-cost, marker-free intelligent wound assessment system that can analyze wound photos taken with a standard smartphone. By comparing wound images over time, the system will generate a quantifiable Wound Progression Index (WPI) to provide objective feedback on whether a wound is improving, stable, or worsening. The long-term goal is to support early detection of wound deterioration and improve wound care in both clinical and home settings.

Подробное описание

Participants receiving routine wound care will undergo standardized wound photography during dressing changes. Longitudinal wound images will be analyzed to develop and validate a marker-free wound progression assessment method. No treatment assignment or modification of standard clinical care will occur.

Вмешательства

  • Другое Marker-free wound image registration technology
    Marker-free longitudinal wound image registration and wound progression assessment using serial wound photographs.

Первичные конечные точки

  • Agreement between marker-free and marker-based wound progression indices [Срок оценки: Up to 6 months]
Вторичные конечные точки (1)
  • Minimum image overlap threshold for reliable analysis [Срок оценки: Up to 6 months]

Критерии участия

Критерии включения

  • (1) Presence of a hard-to-heal wound that has remained unhealed for more than one month. (2)The wound can be photographed according to the standardized imaging protocol. (3)The participant was aged 18 years or older and provided informed consent personally or via a legally authorized representative, with a signed informed consent form.

Критерии исключения

  • Wounds whose margins could not be fully included within the imaging field.

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Нет

Дизайн исследования

Модель наблюдения
Когортное

Центры проведения

Тайвань · 1 центр
  • National Taiwan University Hospital Yunlin branch — Douliu

Публикации

  • Liu TJ, Wang H, Christian M, Chang CW, Lai F, Tai HC. Automatic segmentation and measurement of pressure injuries using deep learning models and a LiDAR camera. Sci Rep. 2023 Jan 13;13(1):680. doi: 10.1038/s41598-022-26812-9. PMID 36639395
  • Bowling FL, King L, Paterson JA, Hu J, Lipsky BA, Matthews DR, Boulton AJ. Remote assessment of diabetic foot ulcers using a novel wound imaging system. Wound Repair Regen. 2011 Jan-Feb;19(1):25-30. doi: 10.1111/j.1524-475X.2010.00645.x. Epub 2010 Dec 6. PMID 21134035
  • Anisuzzaman DM, Wang C, Rostami B, Gopalakrishnan S, Niezgoda J, Yu Z. Image-Based Artificial Intelligence in Wound Assessment: A Systematic Review. Adv Wound Care (New Rochelle). 2022 Dec;11(12):687-709. doi: 10.1089/wound.2021.0091. Epub 2021 Dec 20. PMID 34544270
  • Foltynski P. Ways to increase precision and accuracy of wound area measurement using smart devices: Advanced app Planimator. PLoS One. 2018 Mar 5;13(3):e0192485. doi: 10.1371/journal.pone.0192485. eCollection 2018. PMID 29505569
  • Isensee F, Jaeger PF, Kohl SAA, Petersen J, Maier-Hein KH. nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation. Nat Methods. 2021 Feb;18(2):203-211. doi: 10.1038/s41592-020-01008-z. Epub 2020 Dec 7. PMID 33288961
  • Hallett CE, Austin L, Caress A, Luker KA. Wound care in the community setting: clinical decision making in context. J Adv Nurs. 2000 Apr;31(4):783-93. doi: 10.1046/j.1365-2648.2000.01348.x. PMID 10759974
  • Chen L, Cheng L, Gao W, Chen D, Wang C, Ran X. Telemedicine in Chronic Wound Management: Systematic Review And Meta-Analysis. JMIR Mhealth Uhealth. 2020 Jun 25;8(6):e15574. doi: 10.2196/15574. PMID 32584259
  • Bloemen MC, van Zuijlen PP, Middelkoop E. Reliability of subjective wound assessment. Burns. 2011 Jun;37(4):566-71. doi: 10.1016/j.burns.2011.02.004. Epub 2011 Mar 8. PMID 21388743

Идентификаторы

NCT: NCT07619430 · 202603061RINB

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗