AI for Colorectal Polyp Detection in Endoscopy
3. september 2020 oppdatert av: Prof. Helmut Neumann, Johannes Gutenberg University Mainz
Artificial Intelligence Combined With LCI for Colorectal Polyp Detection
Linked color imaging (LCI) has shown its effectiveness in multiple randomized controlled trials for enhanced colorectal polyp detection.
Most recently, artificial intelligence (AI) with deep learning through convolutional neural networks has dramatically improved and is increasingly recognized as a promising new technique enhancing colorectal polyp detection.
Study aim was to evaluate a new developed deep-learning computer-aided detection (CAD) system in combination with LCI for colorectal polyp detection.
Studieoversikt
Status
Ukjent
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Forventet)
600
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Mainz, Tyskland
- University Hospital Mainz
-
-
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
18 år og eldre (Voksen, Eldre voksen)
Tar imot friske frivillige
Nei
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Patients ondergoing screeining or surveillance endoscopy
Beskrivelse
Inclusion Criteria:
- Full endoscopy withdrawal videos with LCI of patients ondergoing screening or surveillance endoscopy
Exclusion Criteria:
- non adequate bowel preparation
- no full length withdrawal in LCI mode
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Colorectal polyp detection rate in comparison to traditional detection rate
Tidsramme: 2019-2020
|
2019-2020
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Hovedetterforsker: Helmut Neumann, Prof. Dr., Head of Interdisciplinary Endoscopy
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart (Faktiske)
1. februar 2019
Primær fullføring (Forventet)
31. august 2020
Studiet fullført (Forventet)
30. september 2020
Datoer for studieregistrering
Først innsendt
7. april 2020
Først innsendt som oppfylte QC-kriteriene
7. april 2020
Først lagt ut (Faktiske)
9. april 2020
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
7. september 2020
Siste oppdatering sendt inn som oppfylte QC-kriteriene
3. september 2020
Sist bekreftet
1. september 2020
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- HN_01KR7Zt
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
UBESLUTTE
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .