EndoStyle: beeldtransformatietool voor kunstmatige intelligentie voor colonoscopie (EndoStyle)
EndoStyle: onderzoek onder artsen naar endoscopische beeldstijloverdracht.
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Het gebruik van kunstmatige intelligentie (AI) bij gastro-intestinale endoscopie is wijdverbreid geworden. Deze systemen worden echter vaak alleen getraind met gegevens van één type endoscopieprocessor, wat de toepasbaarheid ervan beperkt. Bovendien is de beschikbaarheid van door experts geannoteerde afbeeldingen beperkt, wat de variabiliteit van de gegevens en daarmee de prestaties van AI-systemen beïnvloedt.
Het doel van deze studie is om een nieuw op kunstmatige intelligentie (AI) gebaseerd systeem (EndoStyle) te ontwikkelen en de authenticiteit ervan te valideren door middel van een enquête onder artsen, dat in staat is om meerdere beelden te genereren in de stijl van verschillende processortypes (waaronder Olympus, Pentax en Storz) van één enkel endoscopie-referentiebeeld.
De hypothese van de onderzoekers is dat het AI-systeem in staat is om met succes de beeldstijl van videoprocessors te veranderen, waarbij de verschillen voor het oog van de endoscopist niet waarneembaar zijn.
De methodologie bestaat uit het aan meerdere endoscopisten laten zien van 28 colonoscopiesequenties van elk 10 seconden. In elk van deze worden 3 afbeeldingen getoond die alle mogelijke combinaties kunnen zijn van afbeeldingen die behoren tot positieve controle, negatieve controle en Endostyle (interventiegroep). Door een statistische vergelijking uit te voeren van de percentages geselecteerde afbeeldingen voor elke groep, kunnen de onderzoekers vaststellen of de deelnemers de door de AI getransformeerde afbeeldingen kunnen onderscheiden.
Als de resultaten onze hypothese bevestigen, zou ons systeem beelden kunnen genereren die een meer aangepaste training van AI-systemen voor elke klinische opstelling mogelijk maken.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Bavaria
-
Würzburg, Bavaria, Duitsland, 97080
- University Clinic of Würzburg
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Artsen met ervaring in colonoscopie.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Positieve controle
Het beeld dat aan de deelnemer wordt getoond, behoort tot dezelfde colonoscopie als getoond in de videoreeks van 10 seconden.
|
|
|
Negatieve controle
Het beeld dat aan de deelnemer wordt getoond, behoort tot dezelfde colonoscopie als getoond in de videoreeks van 10 seconden.
|
|
|
EndoStyle (interventiegroep)
Het aan de deelnemer getoonde beeld behoort niet tot de videoreeks van 10 seconden colonoscopie, maar is met AI getransformeerd om de stijl van de video te simuleren.
|
Het EndoStyle-systeem kan de stijl van de verschillende videoprocessorbeelden transformeren.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Perceptuele ononderscheidbaarheid van AI-getransformeerde endoscopische beelden
Tijdsspanne: 5 maanden
|
Vergelijking van de nauwkeurigheid voor elke studiegroep.
|
5 maanden
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Tijd die nodig is voor beeldidentificatie
Tijdsspanne: 5 maanden
|
De tijd die nodig is om de verschillende taken per studiegroep te beoordelen.
|
5 maanden
|
|
Invloed van regelmatig gebruikte processor
Tijdsspanne: 5 maanden
|
Invloed van regelmatig gebruikte endoscopieprocessor tijdens klinisch werk op de perceptuele onderscheidbaarheid van AI-getransformeerde endoscopische beelden met gedefinieerde processorklassen
|
5 maanden
|
|
Invloed van endoscopie-ervaring
Tijdsspanne: 5 maanden
|
Invloed van ervaring met endoscopie gemeten tijdens levenslange colonscopies op de perceptuele ononderscheidbaarheid van AI-getransformeerde endoscopische beelden
|
5 maanden
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Alexander Hann, MD, University hospital of Würzburg
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- AI05
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .