Deep Learning Algorithm for the Diagnosis of Gastrointestinal Diseases Depending on Tongue Images
20 de marzo de 2021 actualizado por: 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.
Descripción general del estudio
Estado
Estado
Desconocido
Condiciones
Condiciones
Descripción detallada
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.
Tipo de estudio
Tipo de estudio
De observación
Inscripción (Anticipado)
Inscripción
2000
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
Shandong
-
Jinan, Shandong, Porcelana, 250012
- Qilu Hospital, Shandong University
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
18 años a 80 años (Adulto, Adulto Mayor)
Acepta Voluntarios Saludables
Sí
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra no probabilística
Población de estudio
Patients aged 18 - 80 years undergoing endoscopic examination
Descripción
Inclusion Criteria:
- Patients aged 18 - 80 years undergoing endoscopic examination;patients gave informed consent and signed informed consent.
Exclusion Criteria:
-
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
Número de grupos/cohortes
1
Cohortes e Intervenciones
Grupo / CohorteGrupo / Cohorte |
|---|
|
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.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm
Periodo de tiempo: 1 month
|
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm.
|
1 month
|
Medidas de resultado secundarias
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm
Periodo de tiempo: 1 month
|
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm.
|
1 month
|
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
Periodo de tiempo: 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
Periodo de tiempo: 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
Periodo de tiempo: 1 month
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
|
1 month
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Patrocinador
Investigadores
Investigadores
- Silla de estudio: Xiuli Zuo, MD,PhD, study principal investigator
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
Inicio del estudio
21 de marzo de 2021
Finalización primaria (Anticipado)
Finalización primaria
1 de junio de 2022
Finalización del estudio (Anticipado)
Finalización del estudio
1 de junio de 2022
Fechas de registro del estudio
Enviado por primera vez
Enviado por primera vez
20 de marzo de 2021
Primero enviado que cumplió con los criterios de control de calidad
Primero enviado que cumplió con los criterios de control de calidad
20 de marzo de 2021
Publicado por primera vez (Actual)
Publicado por primera vez
23 de marzo de 2021
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización publicada
23 de marzo de 2021
Última actualización enviada que cumplió con los criterios de control de calidad
Última actualización enviada que cumplió con los criterios de control de calidad
20 de marzo de 2021
Última verificación
Última verificación
1 de marzo de 2021
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
Otros números de identificación del estudio
- 2020-SDU-QILU-G056
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .