Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Studie av polyp kunstig intelligens

9. juni 2020 oppdatert av: Petz Aladar County Teaching Hospital

Kunstig intelligens basert kolorektal polypp histologisk prediksjon ved bruk av smalbåndsavbildning forstørrelseskoloskopi

Bakgrunn Vi utvikler en kunstig intelligensbasert polypphistologiprediksjonsmetode (AIPHP) for automatisk å klassifisere Narrow Band Imaging (NBI) forstørrende koloskopibilder for å forutsi den ikke-neoplastiske eller neoplastiske histologien til polypper.

Mål Vårt mål var å analysere nøyaktigheten til AIPHP og NICE klassifikasjonsbaserte histologiprediksjoner og også å sammenligne resultatene av de to metodene.

Metoder Vi undersøkte kolorektale polypper oppnådd fra koloskopipasienter som hadde polypektomi eller endoskopisk mukosektomi. Polypper påvist ved hvitt lys koloskopi ble deretter observert ved å bruke NBI ved det optiske maksimale praktfulle (60x). De oppnådde og lagrede NBI-forstørrelsesbildene ble analysert ved NICE-klassifisering og ved AIPHP-metoden parallelt. Patologiundersøkelser ble også utført blindet for NICE- og AIPHP-diagnosen. Vår AIPHP-programvare er basert på en maskinlæringsmetode. Dette programmet måler fem geometriske og fargetrekk på det endoskopiske bildet.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Faktiske)

373

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 til 90 år (Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

pasienter med symptomer på kolorektale polypoide lesjoner, pasienter med screening av kolorektal kreft

Beskrivelse

Inklusjonskriterier:

  • endoskopisk diagnose av kolorektal polypp

Ekskluderingskriterier:

  • koloskopiresultat uten polypper eller IBD-diagnose

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
Tiltaksbeskrivelse
Tidsramme
Programvarenøyaktighet av polypp histologi prediksjon
Tidsramme: 2014–2020
Kunstig intelligens programvarediagnose sammenlignet med polypp histologi
2014–2020

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Petz Aladar County Teaching Hospital

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)

5. januar 2014

Primær fullføring (Faktiske)

31. mai 2020

Studiet fullført (Faktiske)

31. mai 2020

Datoer for studieregistrering

Først innsendt

5. juni 2020

Først innsendt som oppfylte QC-kriteriene

9. juni 2020

Først lagt ut (Faktiske)

11. juni 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

11. juni 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

9. juni 2020

Sist bekreftet

1. juni 2020

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • PetzACTHospital

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. .

Kliniske studier på kunstig intelligens diagnose

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Indonesia

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

Abonnere