Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

A hiperspektrális képalkotó elemzési technológia alkalmazása a vastag- és végbélrák diagnosztikájában kolonoszkópos biopszián alapuló

2022. december 16. frissítette: Xiuli Zuo, Shandong University
Ennek a tanulmánynak a célja egy mély tanulási algoritmus kidolgozása és validálása vastagbélrák és egyéb vastagbélbetegségek diagnosztizálására a hiperspektrális képek jellemzőinek megjelölésével és elemzésével a kolonoszkópos biopszia kóros eredményei alapján, hogy javítsa a vastagbélrák objektivitását és intelligenciáját. korai vastagbélrák diagnózis.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Részletes leírás

Prospektívan gyűjtse össze a közönséges kolonoszkópos biopsziás szövet hiperspektrális képét. A kolonoszkópos biopsziás szövet a Shandong Egyetem Qilu Kórházának Endoszkópiai Központjából származik. A hiperspektrális képeket a biopsziás patológiai eredmények alapján jelöljük, és a mély konvolúciós neurális hálózat (DCNN) modellt alkalmazzuk. A képzéssel és ellenőrzéssel fejlessze ki a hiperspektrális képalkotó mesterséges intelligencia diagnosztikai rendszert (HSIAIDS). A kolonoszkópiás biopsziás szövet egy részét a HSIAIDS algoritmus diagnosztikai teljesítményének prospektív tesztelése céljából prospektív tesztkészletként gyűjtik össze.

Tanulmány típusa

Megfigyelő

Beiratkozás (Várható)

50

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányi helyek

  • Kína
    • Shandong
      • Jinan, Shandong, Kína, 250012
        • Toborzás
        • Qilu hosipital

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

18 év (Felnőtt, Idősebb felnőtt)

Egészséges önkénteseket fogad

Nem

Tanulmányozható nemek

Összes

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

18-75 év közötti betegek, akik kolonoszkópiás vizsgálaton és biopszián esnek át;

Leírás

Bevételi kritériumok:

  • 18-75 év közötti betegek, akik kolonoszkópiás vizsgálaton és biopszián esnek át

Kizárási kritériumok:

  • súlyos szív-, agy-, tüdő- vagy veseműködési zavarban vagy pszichiátriai rendellenességben szenvedő betegek, akik nem vehetnek részt kolonoszkópiában
  • a gyomor-bél traktuson korábban sebészeti beavatkozásokon átesett betegek.
  • olyan betegek, akiknél a biopszia ellenjavallt
  • betegek, akik megtagadják a beleegyező nyilatkozat aláírását

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

  • Megfigyelési modellek: Kohorsz
  • Időperspektívák: Leendő

Kohorszok és beavatkozások

Csoport / Kohorsz
Mélytanulási algoritmus csoport
Miután a beteg átment a szűrésen, rutin kolonoszkópiát végeznek, és biopsziát vesznek a gyulladásra vagy neopláziára gyanús célszövetből. A klinikai kutatók a hiperspektrális mikroszkóp segítségével képinformációkat gyűjtenek a biopsziás szövetről az endoszkópos helyiségben. Az információgyűjtés után a biopsziás mintákat rutinszerűen feldolgozzák és elküldik kóros diagnózisra.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A HSI mesterséges intelligencia modell pontossága a colorectalis adenoma és a rák azonosítására
Időkeret: 1 év
A hiperspektrális képalkotó (HSI) mesterséges intelligencia modell pontossága a vastagbél hiperplasztikus polip, adenoma, SSL és vastagbélrák azonosítására. A mesterséges intelligencia modellek pontossága Pontosság = (igazi pozitív + valódi negatívumok) / alanyok teljes száma * 100%
1 év
Érzékenység
Időkeret: 1 év
A HSI mesterséges intelligencia modell érzékenysége Érzékenység = valódi pozitívak száma / (igazi pozitívak száma + hamis negatívok száma) * 100%.
1 év
Specificitás
Időkeret: 1 év
A HSI mesterséges intelligencia modell specifitása Specificitás = igaz negatívok száma / (igazi negatívok száma + hamis pozitívak száma)*100%
1 év
Negatív prediktív értékek (NPV)
Időkeret: 1 év
Negatív prediktív értékek a HSI mesterséges intelligencia modellhez = a valódi negatívok száma / (igazi negatívok száma + hamis negatívok száma)*100%
1 év
AUC (95% CI)
Időkeret: 1 év
a vevő működési jelleggörbéje alatti terület (AUC)
1 év

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A hiperspektrális képalkotás minden ismeretlen kockázatának és nemkívánatos eseményének rögzítése és értékelése a mintaképfelvétel során
Időkeret: 1 év
A hiperspektrális képalkotás minden ismeretlen kockázatának és nemkívánatos eseményének rögzítése és értékelése a mintaképfelvétel során
1 év

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Shandong University

Nyomozók

  • Tanulmányi szék: Xiuli Zuo, MD,PhD, Study Principal Investigator

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2022. október 8.

Elsődleges befejezés (Várható)

2023. december 31.

A tanulmány befejezése (Várható)

2023. december 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2022. október 8.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2022. október 8.

Első közzététel (Tényleges)

2022. október 12.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2022. december 21.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2022. december 16.

Utolsó ellenőrzés

2022. október 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Kulcsszavak

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • 2022-SDU-QILU-G003

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Klinikai vizsgálatok a Kolorektális neoplazmák

Keressen hasonló próbaverziókban

Szponzorok és közreműködők

Egészségi állapot

Kábítószer-beavatkozások

CROs by country

CROs in Ecuador

Körülmények

Ritka betegségek

Kábítószer-beavatkozások

Táplálék-kiegészítők

Szponzor / közreműködők

Helyek

3
Iratkozz fel