EndoStyle: narzędzie do transformacji obrazu opartego na sztucznej inteligencji w kolonoskopii (EndoStyle)
EndoStyle: Ankieta wśród lekarzy na temat transferu stylu obrazu endoskopowego.
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Szczegółowy opis
Zastosowanie sztucznej inteligencji (AI) w endoskopii przewodu pokarmowego stało się powszechne. Jednakże systemy te są często szkolone wyłącznie na podstawie danych z jednego typu procesora endoskopowego, co ogranicza ich zastosowanie. Ponadto dostępność obrazów opatrzonych adnotacjami przez ekspertów jest ograniczona, co wpływa na zmienność danych, a tym samym na wydajność systemów AI.
Celem tego badania jest opracowanie nowego systemu opartego na sztucznej inteligencji (AI) (EndoStyle) i weryfikacja jego autentyczności za pomocą ankiety wśród lekarzy, która jest w stanie wygenerować wiele obrazów w stylu różnych typów procesorów (w tym Olympus, Pentax i Storz) z jednego obrazu referencyjnego endoskopii.
Hipoteza badaczy jest taka, że system AI jest w stanie skutecznie zmieniać styl obrazu procesorów wideo, przy czym różnice są niezauważalne dla oka endoskopisty.
Metodologia polega na pokazaniu wielu endoskopistom 28 sekwencji kolonoskopii trwających 10 sekund każda. W każdym z nich zostaną pokazane 3 obrazy, które mogą stanowić wszystkie możliwe kombinacje obrazów należących do kontroli pozytywnej, kontroli negatywnej i Endostyle (grupa interwencyjna). Dokonując statystycznego porównania odsetka wybranych obrazów dla każdej grupy, badacze będą w stanie ustalić, czy uczestnicy będą w stanie rozróżnić obrazy przekształcone przez sztuczną inteligencję.
Jeśli wyniki potwierdzą naszą hipotezę, nasz system będzie w stanie wygenerować obrazy, które umożliwią bardziej spersonalizowane szkolenie systemów AI dla każdej konfiguracji klinicznej.
Typ studiów
Typ studiów
Zapisy (Rzeczywisty)
Zapisy
Kontakty i lokalizacje
Kontakt w sprawie studiów
Kontakt w sprawie studiów
- Nazwa: Alexander Hann, MD
- Numer telefonu: 45918 +49931201
- E-mail: Hann_A@ukw.de
Kopia zapasowa kontaktu do badania
- Nazwa: Joel Troya, MSc
- Numer telefonu: 40040 +49931201
- E-mail: TroyaSebas_J@ukw.de
Lokalizacje studiów
-
-
Bavaria
-
Würzburg, Bavaria, Niemcy, 97080
- University Clinic of Würzburg
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Lekarze z doświadczeniem w kolonoskopii.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
Pozytywna kontrola
Obraz pokazany uczestnikowi należy do tej samej kolonoskopii, która została pokazana w 10-sekundowej sekwencji wideo.
|
|
|
Kontrola negatywna
Obraz pokazany uczestnikowi należy do tej samej kolonoskopii, która została pokazana w 10-sekundowej sekwencji wideo.
|
|
|
EndoStyle (grupa interwencyjna)
Obraz pokazany uczestnikowi nie należy do 10-sekundowej sekwencji wideo z kolonoskopii, ale został przekształcony za pomocą sztucznej inteligencji w celu symulacji stylu filmu.
|
System EndoStyle jest w stanie przekształcić styl różnych obrazów procesora wideo.
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Percepcyjna nierozróżnialność obrazów endoskopowych przekształconych w sztuczną inteligencję
Ramy czasowe: 5 miesięcy
|
Porównanie dokładności dla każdej grupy badawczej.
|
5 miesięcy
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Czas potrzebny na identyfikację obrazu
Ramy czasowe: 5 miesięcy
|
Czas potrzebny na ocenę różnych zadań w zależności od każdej grupy badawczej.
|
5 miesięcy
|
|
Wpływ regularnie używanego procesora
Ramy czasowe: 5 miesięcy
|
Wpływ regularnie używanego procesora endoskopowego podczas pracy klinicznej na percepcyjną nierozróżnialność obrazów endoskopowych transformowanych AI przy określonych klasach procesorów
|
5 miesięcy
|
|
Wpływ doświadczenia endoskopowego
Ramy czasowe: 5 miesięcy
|
Wpływ doświadczenia w endoskopii mierzonego liczbą wykonanych kolonoskopii w ciągu całego życia na percepcyjną nierozróżnialność obrazów endoskopowych transformowanych AI
|
5 miesięcy
|
Współpracownicy i badacze
Sponsor
Sponsor
Śledczy
Śledczy
- Główny śledczy: Alexander Hann, MD, University hospital of Würzburg
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Rzeczywisty)
Zakończenie podstawowe
Ukończenie studiów (Rzeczywisty)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Szacowany)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- AI05
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .