Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Polyp Artificiell Intelligensstudie

9 juni 2020 uppdaterad av: Petz Aladar County Teaching Hospital

Artificiell intelligens baserad kolorektal polyp histologisk förutsägelse genom att använda smalbandig avbildning förstoringskoloskopi

Bakgrund Vi utvecklar artificiell intelligens baserad polyp histology prediction (AIPHP) metod för att automatiskt klassificera Narrow Band Imaging (NBI) förstorande koloskopibilder för att förutsäga polypers icke-neoplastiska eller neoplastiska histologi.

Syfte Vårt mål var att analysera noggrannheten hos AIPHP- och NICE-klassificeringsbaserade histologiska förutsägelser och även att jämföra resultaten av de två metoderna.

Metoder Vi undersökte kolorektala polyper erhållna från koloskopipatienter som hade polypektomi eller endoskopisk mukosektomi. Polyper detekterade med vitt ljus koloskopi observerades sedan genom att använda NBI vid det optiska maximala magnifika (60x). De erhållna och lagrade NBI-förstoringsbilderna analyserades med NICE-klassificering och med AIPHP-metoden parallellt. Patologiundersökningar utfördes också blinda för NICE- och AIPHP-diagnosen. Vår AIPHP-mjukvara är baserad på en maskininlärningsmetod. Detta program mäter fem geometriska och färgegenskaper på den endoskopiska bilden.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Studietyp

Observationell

Inskrivning (Faktisk)

373

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

18 år till 90 år (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

patienter med symtom på kolorektala polypoida lasioner, patienter med screening av kolorektal cancer

Beskrivning

Inklusionskriterier:

  • endoskopisk diagnos av kolorektal polyp

Exklusions kriterier:

  • koloskopiresultat utan polyper eller IBD-diagnos

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Programvarans noggrannhet för förutsägelse av polyphistologi
Tidsram: 2014-2020
Artificiell intelligens programvara diagnos i jämförelse med polyp histologi
2014-2020

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Petz Aladar County Teaching Hospital

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

5 januari 2014

Primärt slutförande (Faktisk)

31 maj 2020

Avslutad studie (Faktisk)

31 maj 2020

Studieregistreringsdatum

Först inskickad

5 juni 2020

Först inskickad som uppfyllde QC-kriterierna

9 juni 2020

Första postat (Faktisk)

11 juni 2020

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

11 juni 2020

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

9 juni 2020

Senast verifierad

1 juni 2020

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • PetzACTHospital

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på artificiell intelligens diagnos

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Ethiopia

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

Prenumerera