Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

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

Desconocido

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

De observación

Inscripción (Anticipado)

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

  • Porcelana
    • 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

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

Cohortes e Intervenciones

Grupo / 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

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

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

Shandong University

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)

21 de marzo de 2021

Finalización primaria (Anticipado)

1 de junio de 2022

Finalización del estudio (Anticipado)

1 de junio de 2022

Fechas de registro del estudio

Enviado por primera vez

20 de marzo de 2021

Primero enviado que cumplió con los criterios de control de calidad

20 de marzo de 2021

Publicado por primera vez (Actual)

23 de marzo de 2021

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

23 de marzo de 2021

Última actualización enviada que cumplió con los criterios de control de calidad

20 de marzo de 2021

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

  • 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. .

Ensayos clínicos sobre Enfermedad gastrointestinal

Buscar ensayos similares

Patrocinadores y Colaboradores

Condiciones médicas

Intervenciones de drogas

CROs by country

CROs in Equatorial Guinea

Condiciones

Enfermedades Raras

Intervenciones de drogas

Suplementos dietéticos

Patrocinador / Colaboradores

Localizaciones

Suscribir