AI for Colorectal Polyp Detection in Endoscopy
3 września 2020 zaktualizowane przez: 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.
Przegląd badań
Status
Nieznany
Interwencja / Leczenie
Typ studiów
Obserwacyjny
Zapisy (Oczekiwany)
600
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
-
Mainz, Niemcy
- University Hospital Mainz
-
-
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
Metoda próbkowania
Próbka bez prawdopodobieństwa
Badana populacja
Patients ondergoing screeining or surveillance endoscopy
Opis
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
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
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Ramy czasowe |
|---|---|
|
Colorectal polyp detection rate in comparison to traditional detection rate
Ramy czasowe: 2019-2020
|
2019-2020
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Śledczy
- Główny śledczy: Helmut Neumann, Prof. Dr., Head of Interdisciplinary Endoscopy
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 lutego 2019
Zakończenie podstawowe (Oczekiwany)
31 sierpnia 2020
Ukończenie studiów (Oczekiwany)
30 września 2020
Daty rejestracji na studia
Pierwszy przesłany
7 kwietnia 2020
Pierwszy przesłany, który spełnia kryteria kontroli jakości
7 kwietnia 2020
Pierwszy wysłany (Rzeczywisty)
9 kwietnia 2020
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
7 września 2020
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
3 września 2020
Ostatnia weryfikacja
1 września 2020
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- HN_01KR7Zt
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIEZDECYDOWANY
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Nie
Bada produkt urządzenia regulowany przez amerykańską FDA
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 .