Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Deep Learning Algorithm for the Diagnosis of Gastrointestinal Diseases Depending on Tongue Images

20 marzo 2021 aggiornato da: 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.

Panoramica dello studio

Stato

Stato

Indica lo stato di reclutamento attuale o lo stato di accesso ampliato.
Sconosciuto

Condizioni

Condizioni

La malattia, il disturbo, la sindrome, la malattia o la lesione oggetto di studio. Su ClinicalTrials.gov, le condizioni possono includere anche altri problemi relativi alla salute, come la durata della vita, la qualità della vita e i rischi per la salute.

Descrizione dettagliata

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 di studio

Tipo di studio

Descrive la natura di uno studio clinico. I tipi di studio includono studi interventistici (chiamati anche studi clinici), studi osservazionali (compresi i registri dei pazienti) e accesso allargato.
Osservativo

Iscrizione (Anticipato)

Iscrizione

Il numero di partecipanti a uno studio clinico. L'iscrizione "anticipata" è il numero target di partecipanti di cui i ricercatori hanno bisogno per lo studio.
2000

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Luoghi di studio

  • Cina
    • Shandong
      • Jinan, Shandong, Cina, 250012
        • Qilu Hospital, Shandong University

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Criteri di ammissibilità

I requisiti chiave che devono soddisfare le persone che vogliono partecipare a uno studio clinico o le caratteristiche che devono avere. I criteri di ammissibilità sono costituiti sia da criteri di inclusione (necessari a una persona per partecipare allo studio) sia da criteri di esclusione (che impediscono a una persona di partecipare). I tipi di criteri di ammissibilità includono se uno studio accetta volontari sani, ha requisiti di età o gruppo di età o è limitato dal sesso.

Età idonea allo studio

Da 18 anni a 80 anni (Adulto, Adulto più anziano)

Accetta volontari sani

Sì

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Patients aged 18 - 80 years undergoing endoscopic examination

Descrizione

Inclusion Criteria:

  • Patients aged 18 - 80 years undergoing endoscopic examination;patients gave informed consent and signed informed consent.

Exclusion Criteria:

-

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Coorti e interventi

Gruppo / Coorte

Gruppo / Coorte

Un gruppo o sottogruppo di partecipanti a uno studio osservazionale che viene valutato per gli esiti biomedici o sanitari.
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.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misure di risultato primarie

Nel protocollo di uno studio clinico, la misura dell'esito pianificato più importante per valutare l'effetto di un intervento/trattamento. La maggior parte degli studi clinici ha una misura di esito primaria, ma alcuni ne hanno più di una.
Misura del risultato
Misura Descrizione
Lasso di tempo
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm
Lasso di tempo: 1 month
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm.
1 month

Misure di risultato secondarie

Misure di risultato secondarie

Nel protocollo di uno studio clinico, una misura dell'esito pianificato che non è importante quanto la misura dell'esito primario per valutare l'effetto di un intervento ma è comunque di interesse. La maggior parte degli studi clinici ha più di una misura di esito secondaria.
Misura del risultato
Misura Descrizione
Lasso di tempo
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm
Lasso di tempo: 1 month
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm.
1 month
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
Lasso di tempo: 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
Lasso di tempo: 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
Lasso di tempo: 1 month
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
1 month

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Sponsor

L'organizzazione o la persona che avvia lo studio e che ha autorità e controllo sullo studio.
Shandong University

Investigatori

Investigatori

Un ricercatore coinvolto in uno studio clinico. I termini correlati includono il ricercatore principale del sito, il ricercatore secondario del sito, il presidente dello studio, il direttore dello studio e il ricercatore principale dello studio.
  • Cattedra di studio: Xiuli Zuo, MD,PhD, study principal investigator

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

Inizio studio

La data effettiva in cui il primo partecipante è stato arruolato in uno studio clinico. La data di inizio dello studio "prevista" è la data che i ricercatori pensano sarà la data di inizio dello studio.
21 marzo 2021

Completamento primario (Anticipato)

Completamento primario

La data in cui l'ultimo partecipante a uno studio clinico è stato esaminato o ha ricevuto un intervento per raccogliere i dati finali per la misura dell'esito primario. Il fatto che lo studio clinico sia terminato secondo il protocollo o sia stato interrotto non influisce su questa data. Per gli studi clinici con più di una misura di esito primario con diverse date di completamento, questo termine si riferisce alla data in cui la raccolta dei dati è completata per tutte le misure di esito primario. La data di completamento principale "prevista" è la data che i ricercatori ritengono sarà la data di completamento principale per lo studio.
1 giugno 2022

Completamento dello studio (Anticipato)

Completamento dello studio

La data in cui l'ultimo partecipante a uno studio clinico è stato esaminato o ha ricevuto un intervento/trattamento per raccogliere i dati finali per le misure di esito primarie, le misure di esito secondarie e gli eventi avversi (ovvero l'ultima visita dell'ultimo partecipante). La data di completamento dello studio "prevista" è la data che i ricercatori ritengono sarà la data di completamento dello studio.
1 giugno 2022

Date di iscrizione allo studio

Primo inviato

Primo inviato

La data in cui lo sponsor o il ricercatore dello studio ha inviato per la prima volta un record di studio a ClinicalTrials.gov. In genere c'è un ritardo di alcuni giorni tra la prima data di invio e la disponibilità del record su ClinicalTrials.gov (la prima data di invio).
20 marzo 2021

Primo inviato che soddisfa i criteri di controllo qualità

Primo inviato che soddisfa i criteri di controllo qualità

La data in cui lo sponsor dello studio o il ricercatore invia per la prima volta un record di studio che è coerente con i criteri di revisione del controllo di qualità (QC) della National Library of Medicine (NLM). Lo sponsor o lo sperimentatore potrebbe dover rivedere e inviare un record di studio una o più volte prima che i criteri di revisione QC di NLM siano soddisfatti. È responsabilità dello sponsor o dello sperimentatore garantire che il record dello studio sia coerente con i criteri di revisione QC NLM.
20 marzo 2021

Primo Inserito (Effettivo)

Primo Inserito

La data in cui il record dello studio è stato disponibile per la prima volta su ClinicalTrials.gov dopo la conclusione della revisione del controllo di qualità (QC) della National Library of Medicine (NLM). In genere c'è un ritardo di alcuni giorni tra la data in cui lo sponsor dello studio o lo sperimentatore ha presentato il record dello studio e la prima data pubblicata.
23 marzo 2021

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

Ultimo aggiornamento pubblicato

La data più recente in cui le modifiche al record di uno studio sono state rese disponibili su ClinicalTrials.gov. Potrebbe esserci un ritardo tra il momento in cui le modifiche sono state inviate a ClinicalTrials.gov dallo sponsor o dallo sperimentatore dello studio (data di invio dell'ultimo aggiornamento) e la data di pubblicazione dell'ultimo aggiornamento.
23 marzo 2021

Ultimo aggiornamento inviato che soddisfa i criteri QC

Ultimo aggiornamento inviato che soddisfa i criteri QC

La data più recente in cui lo sponsor dello studio o il ricercatore ha presentato modifiche a un record di studio che sono coerenti con i criteri di revisione del controllo di qualità (QC) della National Library of Medicine (NLM). È responsabilità dello sponsor o dello sperimentatore garantire che il record dello studio sia coerente con i criteri di revisione QC NLM.
20 marzo 2021

Ultimo verificato

Ultimo verificato

La data più recente in cui lo sponsor dello studio o il ricercatore ha confermato che le informazioni su uno studio clinico su ClinicalTrials.gov sono accurate e aggiornate. Se uno studio con stato di reclutamento di reclutamento; non ancora reclutamento; o attivo, non reclutamento non è stato confermato negli ultimi 2 anni, lo stato di reclutamento dello studio viene mostrato come sconosciuto.
1 marzo 2021

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

Altri numeri di identificazione dello studio

Identificatori o numeri ID diversi dal numero NCT assegnati a uno studio clinico dallo sponsor, dai finanziatori o da altri dello studio. Questi numeri possono includere identificatori univoci di altri registri di sperimentazione e numeri di sovvenzioni del National Institutes of Health.
  • 2020-SDU-QILU-G056

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .

Impostazioni dei cookie

Utilizziamo i cookie per assicurarci di darti la migliore esperienza sul nostro sito web. Per maggiori dettagli leggi attentamente la nostra Informativa sulla privacy e sui cookie. ...>>>Puoi modificare le tue preferenze o revocare il tuo consenso in qualsiasi momento eliminando i cookie dal tuo sito web o computer come descritto nella policy. Accettalo e scegli le tue preferenze spuntando le caselle corrispondenti nella sezione "Gestisci impostazioni" di seguito. Leggi attentamente i nostri Termini di servizio prima di procedere con l'utilizzo di qualsiasi parte di questo sito web.
«Gestisci impostazioni