水螅人工智能研究
2020年6月9日 更新者：Petz Aladar County Teaching Hospital
基于人工智能的基于窄带成像放大结肠镜的结直肠息肉组织学预测
背景 我们正在开发基于人工智能的息肉组织学预测 (AIPHP) 方法来自动对窄带成像 (NBI) 放大结肠镜检查图像进行分类，以预测息肉的非肿瘤或肿瘤组织学。
目的 我们的目的是分析基于 AIPHP 和 NICE 分类的组织学预测的准确性，并比较两种方法的结果。
方法 我们检查了从接受过息肉切除术或内窥镜粘膜切除术的结肠镜检查患者中获得的结直肠息肉。 白光结肠镜检测到的息肉然后通过使用 NBI 在光学最大宏伟 (60x) 下进行观察。 对获取和存储的NBI放大图像进行NICE分类和AIPHP方法并行分析。 病理学检查也对 NICE 和 AIPHP 诊断不知情。 我们的 AIPHP 软件基于机器学习方法。 该程序测量内窥镜图像上的五个几何和颜色特征。
研究概览
研究类型
观察性的
注册 (实际的)
373
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 90年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
有结直肠息肉样病变症状的患者、结直肠癌筛查患者
描述
纳入标准：
- 大肠息肉的内镜诊断
排除标准：
- 没有息肉或 IBD 诊断的结肠镜检查结果
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
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 |
|---|---|---|
|
息肉组织学预测的软件准确性
大体时间：2014-2020
|
人工智能软件诊断与息肉组织学对比
|
2014-2020
|
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)
2014年1月5日
初级完成 (实际的)
2020年5月31日
研究完成 (实际的)
2020年5月31日
研究注册日期
首次提交
2020年6月5日
首先提交符合 QC 标准的
2020年6月9日
首次发布 (实际的)
2020年6月11日
研究记录更新
最后更新发布 (实际的)
2020年6月11日
上次提交的符合 QC 标准的更新
2020年6月9日
最后验证
2020年6月1日
更多信息
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.