Polyp kunstig intelligens undersøgelse
Kunstig intelligens baseret kolorektal polyp histologisk forudsigelse ved brug af smalbånds billeddiagnostik forstørrelseskoloskopi
Baggrund Vi udvikler kunstig intelligens baseret polyp histology prediction (AIPHP) metode til automatisk at klassificere Narrow Band Imaging (NBI) forstørrende koloskopibilleder for at forudsige polyppers ikke-neoplastiske eller neoplastiske histologi.
Formål Vores mål var at analysere nøjagtigheden af AIPHP- og NICE-klassifikationsbaserede histologiske forudsigelser og også at sammenligne resultaterne af de to metoder.
Metoder Vi undersøgte kolorektale polypper opnået fra koloskopipatienter, som havde polypektomi eller endoskopisk mucosectomy. Polypper påvist ved hvidt lys koloskopi blev derefter observeret ved at bruge NBI ved den optiske maksimale storslåede (60x). De opnåede og lagrede NBI-forstørrelsesbilleder blev analyseret ved NICE-klassificering og ved AIPHP-metoden parallelt. Patologiske undersøgelser blev også udført blindet for NICE- og AIPHP-diagnosen. Vores AIPHP-software er baseret på en maskinlæringsmetode. Dette program måler fem geometriske og farvefunktioner på det endoskopiske billede.
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- endoskopisk diagnose af kolorektal polyp
Ekskluderingskriterier:
- koloskopiresultat uden polypper eller IBD-diagnose
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Software nøjagtighed af polyp histologi forudsigelse
Tidsramme: 2014-2020
|
Kunstig intelligens software diagnose sammenlignet med polyp histologi
|
2014-2020
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- PetzACTHospital
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .
Kliniske forsøg med kunstig intelligens diagnose
-
NCT04048499AfsluttetCAD test; børns vision; Farvevurdering; Farvesyn; Kalkun
-
NCT05258435Aktiv, ikke rekrutterendeDegenerativ diskussygdom | Cervikal diskus sygdom
-
NCT05963802AfsluttetUddannelsesaktiviteter | AI (kunstig intelligens)
-
NCT07159997Ikke rekrutterer endnuPlacenta Previa Complete Centralis
-
NCT05064124RekrutteringPolypper | Colon polyp | Adenom tyktarm | Kolorektal polyp | Polypper af tyktarm
-
NCT05135065AfsluttetAttention Deficit Hyperactivity Disorder
-
NCT05691231Tilmelding efter invitationDegenerativ diskussygdom | Cervikal diskus sygdom