Deep Learning Algorithm for the Diagnosis of Gastrointestinal Diseases Depending on Tongue Images
20 mars 2021 mis à jour par: 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.
Aperçu de l'étude
Statut
Inconnue
Les conditions
Description détaillée
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.
Type d'étude
Observationnel
Inscription (Anticipé)
2000
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Lieux d'étude
-
-
Shandong
-
Jinan, Shandong, Chine, 250012
- Qilu Hospital, Shandong University
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
18 ans à 80 ans (Adulte, Adulte plus âgé)
Accepte les volontaires sains
Oui
Sexes éligibles pour l'étude
Tout
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Patients aged 18 - 80 years undergoing endoscopic examination
La description
Inclusion Criteria:
- Patients aged 18 - 80 years undergoing endoscopic examination;patients gave informed consent and signed informed consent.
Exclusion Criteria:
-
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / 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.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm
Délai: 1 month
|
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm.
|
1 month
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm
Délai: 1 month
|
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm.
|
1 month
|
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
Délai: 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
Délai: 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
Délai: 1 month
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
|
1 month
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Les enquêteurs
- Chaise d'étude: Xiuli Zuo, MD,PhD, study principal investigator
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
21 mars 2021
Achèvement primaire (Anticipé)
1 juin 2022
Achèvement de l'étude (Anticipé)
1 juin 2022
Dates d'inscription aux études
Première soumission
20 mars 2021
Première soumission répondant aux critères de contrôle qualité
20 mars 2021
Première publication (Réel)
23 mars 2021
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
23 mars 2021
Dernière mise à jour soumise répondant aux critères de contrôle qualité
20 mars 2021
Dernière vérification
1 mars 2021
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 2020-SDU-QILU-G056
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .