此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

使用基于探针的人工智能内镜自动分类结直肠息肉

2018年12月21日 更新者:Yanqing Li、Shandong University
基于探针的共聚焦激光显微内窥镜检查 (pCLE) 是一种内窥镜技术,可在正在进行的内窥镜检查期间对胃肠道粘膜进行实时组织学评估。 它可以准确预测大肠息肉的分类。 然而这需要很多经验,这限制了 pCLE 的应用。 研究人员设计了一个计算机程序,使用深度神经网络在 pCLE 检查中自动区分增生性和肿瘤性息肉。

研究概览

研究类型

介入性

注册 (预期的)

200

阶段

  • 不适用

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习地点

    • Shandong
      • Jinan、Shandong、中国、250001
        • 招聘中
        • Endoscopic unit of Qilu Hospital Shandong University
        • 接触:
          • Yanqing Li, PhD,MD

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

18年 至 80年 (成人、年长者)

接受健康志愿者

是的

有资格学习的性别

全部

描述

纳入标准:

18至80岁;同意给予书面知情同意。

排除标准:

处于不适合进行 CLE 的条件下的患者,包括凝血病、肾功能或肝功能受损、怀孕或哺乳以及已知对荧光素钠过敏;无法提供知情同意

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

  • 主要用途:诊断
  • 分配:随机化
  • 介入模型:并行分配
  • 屏蔽:三倍

武器和干预

参与者组/臂
干预/治疗
实验性的:AI可视组
人工智能自动诊断信息,内镜医师看得见
无干预:AI隐形组

研究衡量的是什么?

主要结果指标

结果测量
措施说明
大体时间
使用具有深度神经网络的基于探针的内窥镜检查对结直肠息肉进行分类的准确性
大体时间:4个月
主要结果是测试人工智能在实时 pCLE 检查中诊断结直肠息肉的诊断准确性、敏感性、特异性、PPV、NPV。
4个月

次要结果测量

结果测量
措施说明
大体时间
人工智能与内窥镜诊断效率对比
大体时间:3个月
次要结果是比较人工智能和内窥镜医师之间的诊断效率(包括实时 pCLE 检查诊断结直肠息肉的诊断准确性、敏感性、特异性、PPV、NPV)。
3个月

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2018年5月1日

初级完成 (预期的)

2019年1月30日

研究完成 (预期的)

2019年3月30日

研究注册日期

首次提交

2018年12月21日

首先提交符合 QC 标准的

2018年12月21日

首次发布 (实际的)

2018年12月26日

研究记录更新

最后更新发布 (实际的)

2018年12月26日

上次提交的符合 QC 标准的更新

2018年12月21日

最后验证

2018年9月1日

更多信息

与本研究相关的术语

其他相关的 MeSH 术语

其他研究编号

  • 2018SDU-QILU-8

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.

订阅