Deep Learning Algorithm for the Diagnosis of Gastrointestinal Diseases Depending on Tongue Images
20 mars 2021 uppdaterad av: 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.
Studieöversikt
Status
Okänd
Betingelser
Detaljerad beskrivning
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.
Studietyp
Observationell
Inskrivning (Förväntat)
2000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Shandong
-
Jinan, Shandong, Kina, 250012
- Qilu Hospital, Shandong University
-
-
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 80 år (Vuxen, Äldre vuxen)
Tar emot friska volontärer
Ja
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Patients aged 18 - 80 years undergoing endoscopic examination
Beskrivning
Inclusion Criteria:
- Patients aged 18 - 80 years undergoing endoscopic examination;patients gave informed consent and signed informed consent.
Exclusion Criteria:
-
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
|---|
|
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.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm
Tidsram: 1 month
|
The diagnostic accuracy of gastrointestinal diseases with deep learning algorithm.
|
1 month
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm
Tidsram: 1 month
|
The diagnostic sensitivity of gastrointestinal diseases with deep learning algorithm.
|
1 month
|
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
Tidsram: 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
Tidsram: 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
Tidsram: 1 month
|
The diagnostic specificity of gastrointestinal diseases with deep learning algorithm
|
1 month
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Utredare
- Studiestol: Xiuli Zuo, MD,PhD, study principal investigator
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)
21 mars 2021
Primärt slutförande (Förväntat)
1 juni 2022
Avslutad studie (Förväntat)
1 juni 2022
Studieregistreringsdatum
Först inskickad
20 mars 2021
Först inskickad som uppfyllde QC-kriterierna
20 mars 2021
Första postat (Faktisk)
23 mars 2021
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
23 mars 2021
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
20 mars 2021
Senast verifierad
1 mars 2021
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 2020-SDU-QILU-G056
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 .