Deep Learning Algorithm for the Diagnosis of Gastrointestinal Diseases Depending on Tongue Images
20 марта 2021 г. обновлено: Xiuli Zuo, Shandong University
The purpose of this study is to analysize the relationship between the characteristics of tongue image and the diagnosis of gastrointestinal diseases , then develop and validate a deep learning algorithm for the diagnosis of gastrointestinal diseases depending on tongue images, so as to improve the objectiveness and intelligence of tongue diagnosis.
At the same time, gastrointestinal flora of common tongue images were analyzed in order to provide a microecological basis for understanding the relationship between tongue images and digestive tract diseases.
Обзор исследования
Статус
Неизвестный
Условия
Подробное описание
Tongue diagnosis is an important part of traditional Chinese medicine.According to traditional Chinese medicine theory,health condition can assessed by observing tougue features,including color, gloss, shape and coating of the tongue, tongue features reflect gastric mucosal state, disease classification and prognosis.
Recently, deep learning based on central neural networks (CNN) has shownTongue diagnosis is an important part of traditional Chinese medicine.According to traditional Chinese medicine theory,health condition can assessed by observing tougue features,including color, gloss, shape and coating of the tongue, tongue features reflect gastric mucosal state, disease classification and prognosis.
Recently, deep learning based on central neural networks (CNN) has shown multiple potential in detecting and diagnosing gastrointestinal diseases.
However, there is still a blank in recognition of gastrointestinal diseases .This study aims to develop and validate a deep learning algorithm for the diagnosis of digestive tract diseases depending on tongue images,and analyze gastrointestinal flora of common tongue images.
Тип исследования
Наблюдательный
Регистрация (Ожидаемый)
2000
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Места учебы
-
-
Shandong
-
Jinan, Shandong, Китай, 250012
- Qilu Hospital, Shandong University
-
-
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
От 18 лет до 80 лет (Взрослый, Пожилой взрослый)
Принимает здоровых добровольцев
Да
Полы, имеющие право на обучение
Все
Метод выборки
Невероятностная выборка
Исследуемая популяция
Patients aged 18 - 80 years undergoing endoscopic examination
Описание
Inclusion Criteria:
- Patients aged 18 - 80 years undergoing endoscopic examination;patients gave informed consent and signed informed consent.
Exclusion Criteria:
-
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
|---|
|
deep learning algorithm group
Before patients going through colonoscopy or gastroscopy ,taking them tongue images and collecting basic information by mobile phone with Anymed.After examination,endoscopic report and histology analysis is collected .Categorizing the images by gastrointestinal diseases，developing and validating a deep learning algorithm for the diagnosis of digestive tract diseases depending on tongue images.Extracting tougue coating,gastric mucosa and stool DNA by high-throughput sequencing,and analyzing their composation,adundance and diversity.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm
Временное ограничение: 1 month
|
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm.
|
1 month
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm
Временное ограничение: 1 month
|
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm.
|
1 month
|
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
Временное ограничение: 1 month
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
|
1 month
|
|
The diagnostic positive predictive value of gastrointestinal diseases with deep learning algorithm
Временное ограничение: 1 month
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
|
1 month
|
|
The diagnostic negative predictive value of gastrointestinal diseases with deep learning algorithm
Временное ограничение: 1 month
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
|
1 month
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Следователи
- Учебный стул: Xiuli Zuo, MD,PhD, study principal investigator
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (Действительный)
21 марта 2021 г.
Первичное завершение (Ожидаемый)
1 июня 2022 г.
Завершение исследования (Ожидаемый)
1 июня 2022 г.
Даты регистрации исследования
Первый отправленный
20 марта 2021 г.
Впервые представлено, что соответствует критериям контроля качества
20 марта 2021 г.
Первый опубликованный (Действительный)
23 марта 2021 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
23 марта 2021 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
20 марта 2021 г.
Последняя проверка
1 марта 2021 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 2020-SDU-QILU-G056
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .