Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Deep Learning Algorithm for the Diagnosis of Gastrointestinal Diseases Depending on Tongue Images

20. března 2021 aktualizováno: Xiuli Zuo, Shandong University
The purpose of this study is to analysize the relationship between the characteristics of tongue image and the diagnosis of gastrointestinal diseases , then develop and validate a deep learning algorithm for the diagnosis of gastrointestinal diseases depending on tongue images, so as to improve the objectiveness and intelligence of tongue diagnosis. At the same time, gastrointestinal flora of common tongue images were analyzed in order to provide a microecological basis for understanding the relationship between tongue images and digestive tract diseases.

Přehled studie

Postavení

Neznámý

Podmínky

Detailní popis

Tongue diagnosis is an important part of traditional Chinese medicine.According to traditional Chinese medicine theory,health condition can assessed by observing tougue features,including color, gloss, shape and coating of the tongue, tongue features reflect gastric mucosal state, disease classification and prognosis. Recently, deep learning based on central neural networks (CNN) has shownTongue diagnosis is an important part of traditional Chinese medicine.According to traditional Chinese medicine theory,health condition can assessed by observing tougue features,including color, gloss, shape and coating of the tongue, tongue features reflect gastric mucosal state, disease classification and prognosis. Recently, deep learning based on central neural networks (CNN) has shown multiple potential in detecting and diagnosing gastrointestinal diseases. However, there is still a blank in recognition of gastrointestinal diseases .This study aims to develop and validate a deep learning algorithm for the diagnosis of digestive tract diseases depending on tongue images,and analyze gastrointestinal flora of common tongue images.

Typ studie

Pozorovací

Zápis (Očekávaný)

2000

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní místa

  • Čína
    • Shandong
      • Jinan, Shandong, Čína, 250012
        • Qilu Hospital, Shandong University

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

18 let až 80 let (Dospělý, Starší dospělý)

Přijímá zdravé dobrovolníky

Ano

Pohlaví způsobilá ke studiu

Všechno

Metoda odběru vzorků

Vzorek nepravděpodobnosti

Studijní populace

Patients aged 18 - 80 years undergoing endoscopic examination

Popis

Inclusion Criteria:

  • Patients aged 18 - 80 years undergoing endoscopic examination;patients gave informed consent and signed informed consent.

Exclusion Criteria:

-

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

Kohorty a intervence

Skupina / kohorta
deep learning algorithm group
Before patients going through colonoscopy or gastroscopy ,taking them tongue images and collecting basic information by mobile phone with Anymed.After examination,endoscopic report and histology analysis is collected .Categorizing the images by gastrointestinal diseases，developing and validating a deep learning algorithm for the diagnosis of digestive tract diseases depending on tongue images.Extracting tougue coating,gastric mucosa and stool DNA by high-throughput sequencing,and analyzing their composation,adundance and diversity.

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm
Časové okno: 1 month
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm.
1 month

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm
Časové okno: 1 month
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm.
1 month
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
Časové okno: 1 month
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
1 month
The diagnostic positive predictive value of gastrointestinal diseases with deep learning algorithm
Časové okno: 1 month
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
1 month
The diagnostic negative predictive value of gastrointestinal diseases with deep learning algorithm
Časové okno: 1 month
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
1 month

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Shandong University

Vyšetřovatelé

  • Studijní židle: Xiuli Zuo, MD,PhD, Study Principal Investigator

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

21. března 2021

Primární dokončení (Očekávaný)

1. června 2022

Dokončení studie (Očekávaný)

1. června 2022

Termíny zápisu do studia

První předloženo

20. března 2021

První předloženo, které splnilo kritéria kontroly kvality

20. března 2021

První zveřejněno (Aktuální)

23. března 2021

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

23. března 2021

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

20. března 2021

Naposledy ověřeno

1. března 2021

Více informací

Termíny související s touto studií

Klíčová slova

Další relevantní podmínky MeSH

Další identifikační čísla studie

  • 2020-SDU-QILU-G056

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Klinické studie na Gastrointestinální onemocnění

Prohledejte podobné pokusy

Sponzoři a spolupracovníci

Zdravotní podmínky

Drogové intervence

CROs by country

CROs in Algeria

Podmínky

Vzácné nemoci

Drogové intervence

Doplňky stravy

Sponzor / Spolupracovníci

Místa

Předplatit