Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Algorytm głębokiego uczenia się w diagnostyce chorób przewodu pokarmowego

14 lutego 2020 zaktualizowane przez: Xiuli Zuo, Shandong University

Opracowanie i walidacja algorytmu głębokiego uczenia się do diagnostyki chorób przewodu pokarmowego

Celem tego badania jest opracowanie i walidacja algorytmu głębokiego uczenia do diagnozowania chorób przewodu pokarmowego. Następnie oceń dokładność tego nowego systemu rozpoznawania wspomaganego sztuczną inteligencją (AI) w praktyce klinicznej.

Przegląd badań

Status

Nieznany

Warunki

Interwencja / Leczenie

Szczegółowy opis

Ostatnio algorytm głębokiego uczenia oparty na centralnych sieciach neuronowych (CNN) wykazał wieloraki potencjał w komputerowym wykrywaniu i komputerowej diagnostyce zmian żołądkowo-jelitowych. Jednak nadal istnieje luka w rozpoznawaniu wszystkich chorób przewodu pokarmowego. Celem tego badania jest opracowanie i walidacja algorytmu głębokiego uczenia do diagnozowania chorób żołądkowo-jelitowych. Następnie oceń dokładność tego nowego systemu rozpoznawania wspomaganego sztuczną inteligencją (AI) w praktyce klinicznej.

Typ studiów

Interwencyjne

Zapisy (Oczekiwany)

100000

Faza

  • Nie dotyczy

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Chiny
    • Shandong
      • Jinan, Shandong, Chiny, 250012
        • Rekrutacyjny
        • Qilu Hospital, Shandong University
        • Kontakt:

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Opis

Kryteria przyjęcia:

  • Uczestnicy w wieku 18 lat lub starsi, którzy nie mieli wcześniejszej endoskopii, zostali pobrani ze wszystkich uczestniczących szpitali.

Kryteria wyłączenia:

-

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Główny cel: Diagnostyczny
  • Przydział: Nie dotyczy
  • Model interwencyjny: Zadanie dla jednej grupy
  • Maskowanie: Brak (otwarta etykieta)

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: AI monitorująca endoskopię przewodu pokarmowego
Po otrzymaniu standardowego schematu przygotowania pacjenci przechodzą kolonoskopię lub gastroskopię pod aparatem monitorującym AI. Cała procedura jest monitorowana przez system rozpoznawania powiązany z AI. Choroby żołądkowo-jelitowe będą wykrywane i diagnozowane, w których urządzenie AI automatycznie przechwytuje odpowiednie obrazy i zgłasza lokalizację każdego segmentu na ekranie. Analiza histologiczna jest uznawana za złoty standard. Następnie wszystkie obrazy przechwycone przez sztuczną inteligencję zostaną przejrzane przez grupę ludzką, która składa się z trzech do pięciu doświadczonych lekarzy endoskopowych.
Urządzenie: AI w diagnostyce chorób przewodu pokarmowego
Po otrzymaniu standardowego schematu przygotowania pacjenci przechodzą kolonoskopię lub gastroskopię pod aparatem monitorującym AI. Cała procedura jest monitorowana przez system rozpoznawania powiązany z AI. Choroby żołądkowo-jelitowe będą wykrywane i diagnozowane, w których urządzenie AI automatycznie przechwytuje odpowiednie obrazy i zgłasza lokalizację każdego segmentu na ekranie. Analiza histologiczna jest uznawana za złoty standard. Następnie wszystkie obrazy przechwycone przez sztuczną inteligencję zostaną przejrzane przez grupę ludzką, która składa się z trzech do pięciu doświadczonych lekarzy endoskopowych.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Dokładność diagnostyczna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
Ramy czasowe: 1 miesiąc
Dokładność diagnostyczna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
1 miesiąc

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Czułość diagnostyczna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
Ramy czasowe: 1 miesiąc
Czułość diagnostyczna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
1 miesiąc
Specyfika diagnostyczna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
Ramy czasowe: 1 miesiąc
Specyfika diagnostyczna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
1 miesiąc
Diagnostyczna dodatnia wartość predykcyjna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
Ramy czasowe: 1 miesiąc
Specyfika diagnostyczna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
1 miesiąc
Diagnostyczna ujemna wartość predykcyjna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
Ramy czasowe: 1 miesiąc
Specyfika diagnostyczna chorób przewodu pokarmowego z algorytmem głębokiego uczenia.
1 miesiąc

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Shandong University

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

1 stycznia 2020

Zakończenie podstawowe (Oczekiwany)

1 lutego 2020

Ukończenie studiów (Oczekiwany)

1 lutego 2020

Daty rejestracji na studia

Pierwszy przesłany

7 stycznia 2020

Pierwszy przesłany, który spełnia kryteria kontroli jakości

7 stycznia 2020

Pierwszy wysłany (Rzeczywisty)

10 stycznia 2020

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

18 lutego 2020

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

14 lutego 2020

Ostatnia weryfikacja

1 lutego 2020

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 2019-SDU-QILU-G710

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

Nie

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 .

Subskrybuj