인공 지능을 이용한 궤양성 대장염 메이요 점수
2022년 4월 14일 업데이트: Yanling Wei, Third Military Medical University
소화내시경 하 궤양성대장염 질환 활성도 인공지능 기반 메이요점수 인식 시스템 연구
이 프로젝트는 임상의가 궤양성 대장염을 정확하게 진단할 수 있도록 딥 러닝을 사용하여 다양한 중증도의 궤양성 대장염 대장내시경 이미지를 분류합니다.
연구 개요
상세 설명
이번 프로젝트에서는 궤양성대장염 환자의 대장내시경 중 질병활성도를 구분하는데 인공지능을 활용해 질병활성도가 다른 궤양성대장염 환자의 대장내시경 영상을 평가기준인 Mayo 점수에 따라 분류했다.
임상 내시경 의사의 정확한 식별을 도울 수 있으며, 인공지능 카테고리 응답 맵의 시각화 기술은 심층 네트워크 분류 결과 중요도가 높은 영역을 종합적으로 표시하고 실험 병변 부위를 시각화하여 심층 네트워크의 신뢰성과 해석 가능성을 효과적으로 검증할 수 있습니다. .
이 연구는 임상 궤양성 대장염에서 질병 활동의 정확한 식별을 위한 강력한 지원을 제공하고, 임상의의 작업량을 효과적으로 줄이고, 편리하고 효과적이며 실용적인 임상 교육 도구를 제공할 수 있습니다.
연구 유형
관찰
등록 (예상)
500
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Yanling Wei, professor
- 전화번호: +8615310354666
- 이메일: lingzi016@tmmu.edu.cn
연구 장소
-
-
Chongqing
-
Chongqing, Chongqing, 중국, 400042
- Third Military Medical University
-
연락하다:
- Yanling Wei, Professor
- 전화번호: 15310354666
- 이메일: lingzi016@126.com
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 (성인, OLDER_ADULT)
건강한 자원 봉사자를 받아들입니다
예
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
이미지는 PLA 육군 의료 센터의 내시경 데이터베이스에서 검색되었으며 포함 기준을 충족하는 궤양성 대장염 환자의 대장 내시경에서 얻었습니다.
데이터 이미지는 AI 지원 인식 시스템의 모델을 설정하고 검증하는 데 사용되었습니다.
설명
포함 기준:
- 피험자는 18-72세의 남성 및 여성이었고;
- 궤양성 대장염의 임상진단;
- 피험자는 대장 내시경 검사를 받았으며 대장 내시경 보고서가 완료되었습니다.
제외 기준:
- 피험자는 18세 미만이거나 72세 이상입니다.
- 피험자는 결장절제술, 회장루, 결장조루술, 회장루 또는 기타 장 절제술을 받았습니다.
- 모호한 진단 대상.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
궤양성 대장염 환자의 Mayo 점수에 대한 훈련 및 검증 데이터 세트 평가에서 딥 러닝 모델의 정확도.
기간: 연구 완료를 통해 평균 1년.
|
교육 및 검증 데이터 세트에서 Mayo 0, Mayo 1, Mayo 2 및 Mayo 3에 대한 AUC(곡선 아래 영역)를 플로팅하여 모델을 객관적으로 평가했습니다.
|
연구 완료를 통해 평균 1년.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
궤양성 대장염 환자의 Mayo 점수에 대한 내시경 의사 평가의 정확성과 시간 효율성.
기간: 연구 완료를 통해 평균 1년.
|
데이터 세트는 내시경 의사에게 무작위로 할당되었습니다.
모든 내시경 의사는 진단 연구에 대한 교육을 받았으며 임상 및 특정 내시경 교육을 모두 마쳤으며 환자 및 이미지의 등록 및 라벨링에 관여하지 않았습니다.
비교 테스트 동안 모든 데이터는 사전에 무작위화되고 비식별화되었습니다.
10명의 내시경 전문의가 딥러닝 모델에서 테스트 데이터셋을 진단하는 데 소요한 평균 시간과 올바른 사례 수를 분석했습니다.
|
연구 완료를 통해 평균 1년.
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 연구 책임자: Yanling Wei, Professor, Third Military Medical University
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (예상)
2022년 4월 1일
기본 완료 (예상)
2022년 12월 1일
연구 완료 (예상)
2023년 6월 1일
연구 등록 날짜
최초 제출
2022년 2월 27일
QC 기준을 충족하는 최초 제출
2022년 4월 14일
처음 게시됨 (실제)
2022년 4월 20일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 4월 20일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 4월 14일
마지막으로 확인됨
2022년 4월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .