Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Deep-Learning-Algorithmus zur Diagnose von Magen-Darm-Erkrankungen

14. Februar 2020 aktualisiert von: Xiuli Zuo, Shandong University

Entwicklung und Validierung eines Deep-Learning-Algorithmus zur Diagnose von Magen-Darm-Erkrankungen

Ziel dieser Studie ist die Entwicklung und Validierung eines Deep-Learning-Algorithmus zur Diagnose von Magen-Darm-Erkrankungen. Bewerten Sie dann die Genauigkeit dieses neuen, durch künstliche Intelligenz (KI) unterstützten Erkennungssystems in der klinischen Praxis.

Studienübersicht

Status

Unbekannt

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Kürzlich hat ein auf zentralen neuronalen Netzen (CNN) basierender Deep-Learning-Algorithmus ein vielfältiges Potenzial bei der computergestützten Erkennung und computergestützten Diagnose von Magen-Darm-Läsionen gezeigt. Allerdings gibt es noch eine Lücke bei der Anerkennung aller Magen-Darm-Erkrankungen. Ziel dieser Studie ist es, einen Deep-Learning-Algorithmus zur Diagnose von Magen-Darm-Erkrankungen zu entwickeln und zu validieren. Bewerten Sie dann die Genauigkeit dieses neuen, durch künstliche Intelligenz (KI) unterstützten Erkennungssystems in der klinischen Praxis.

Studientyp

Interventionell

Einschreibung (Voraussichtlich)

100000

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • China
    • Shandong
      • Jinan, Shandong, China, 250012
        • Rekrutierung
        • Qilu Hospital, Shandong University
        • Kontakt:

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Beschreibung

Einschlusskriterien:

  • Teilnehmer ab 18 Jahren, die sich keiner vorherigen Endoskopie unterzogen hatten, wurden aus allen teilnehmenden Krankenhäusern abgerufen.

Ausschlusskriterien:

-

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Diagnose
  • Zuteilung: N / A
  • Interventionsmodell: Einzelgruppenzuweisung
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: AI Überwachung Magen-Darm-Endoskopie
Nach Erhalt des Standardvorbereitungsschemas werden die Patienten unter dem AI-Überwachungsgerät einer Koloskopie oder Gastroskopie unterzogen. Der gesamte Vorgang wird durch ein mit KI verbundenes Erkennungssystem überwacht. Magen-Darm-Erkrankungen werden erkannt und diagnostiziert, wobei das KI-Gerät automatisch relevante Bilder erfasst und die Stelle jedes Segments auf dem Bildschirm anzeigt. Die histologische Analyse wird als goldener Standard festgelegt. Dann werden alle von der KI aufgenommenen Bilder von einer menschlichen Gruppe überprüft, die aus drei bis fünf erfahrenen Endoskopie-Ärzten besteht.
Gerät: KI zur Diagnose von Magen-Darm-Erkrankungen
Nach Erhalt des Standardvorbereitungsschemas werden die Patienten unter dem AI-Überwachungsgerät einer Koloskopie oder Gastroskopie unterzogen. Der gesamte Vorgang wird durch ein mit KI verbundenes Erkennungssystem überwacht. Magen-Darm-Erkrankungen werden erkannt und diagnostiziert, wobei das KI-Gerät automatisch relevante Bilder erfasst und die Stelle jedes Segments auf dem Bildschirm anzeigt. Die histologische Analyse wird als goldener Standard festgelegt. Dann werden alle von der KI aufgenommenen Bilder von einer menschlichen Gruppe überprüft, die aus drei bis fünf erfahrenen Endoskopie-Ärzten besteht.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Die diagnostische Genauigkeit von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
Zeitfenster: 1 Monat
Die diagnostische Genauigkeit von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
1 Monat

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Die diagnostische Sensitivität von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
Zeitfenster: 1 Monat
Die diagnostische Sensitivität von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
1 Monat
Die diagnostische Spezifität von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
Zeitfenster: 1 Monat
Die diagnostische Spezifität von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
1 Monat
Der diagnostische positive Vorhersagewert von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
Zeitfenster: 1 Monat
Die diagnostische Spezifität von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
1 Monat
Der diagnostische negative Vorhersagewert von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
Zeitfenster: 1 Monat
Die diagnostische Spezifität von Magen-Darm-Erkrankungen mit Deep-Learning-Algorithmus.
1 Monat

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Shandong University

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. Januar 2020

Primärer Abschluss (Voraussichtlich)

1. Februar 2020

Studienabschluss (Voraussichtlich)

1. Februar 2020

Studienanmeldedaten

Zuerst eingereicht

7. Januar 2020

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

7. Januar 2020

Zuerst gepostet (Tatsächlich)

10. Januar 2020

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

18. Februar 2020

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

14. Februar 2020

Zuletzt verifiziert

1. Februar 2020

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 2019-SDU-QILU-G710

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Klinische Studien zur Magen-Darm-Krankheit

Klinische Studien zur KI zur Diagnose von Magen-Darm-Erkrankungen

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Lebanon

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

3
Abonnieren