高光谱成像分析技术在基于结肠镜活检的结直肠癌诊断中的应用
2022年12月16日 更新者：Xiuli Zuo、Shandong University
本研究的目的是基于结肠镜活检的病理结果，通过标记和分析高光谱图像的特征，开发和验证用于诊断结直肠癌其他结直肠疾病的深度学习算法，以提高诊断的客观性和智能性。结直肠癌的早期诊断。
研究概览
详细说明
前瞻性采集普通结肠镜活检组织的高光谱图像信息。
肠镜活检组织来自山东大学齐鲁医院内镜中心。
根据活检病理结果标记高光谱图像，并使用深度卷积神经网络（DCNN）模型。
通过训练和验证，开发高光谱成像人工智能诊断系统（HSIAIDS）。将收集一部分结肠镜活检组织作为前瞻性测试集，前瞻性地测试HSIAIDS算法的诊断性能。
研究类型
观察性的
注册 (预期的)
50
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。
学习联系方式
- 姓名：Xiuli Zuo, MD,PhD
- 电话号码：15588818685
- 邮箱：zuoxiuli@sina.com
学习地点
-
-
Shandong
-
Jinan、Shandong、中国、250012
- 招聘中
- Qilu hosipital
-
-
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 75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
接受结肠镜检查和活检的18-75岁患者；
描述
纳入标准：
- 接受结肠镜检查和活检的18-75岁患者
排除标准：
- 患有严重的心、脑、肺或肾功能障碍或精神疾病不能参加结肠镜检查的患者
- 以前接受过胃肠道手术的患者。
- 有活检禁忌症的患者
- 拒绝签署知情同意书的患者
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
- 观测模型：队列
- 时间观点：预期
队列和干预
团体/队列 |
|---|
|
深度学习算法组
患者通过筛查后，将进行常规结肠镜检查，并对疑似炎症或肿瘤的靶组织进行活检。
临床研究人员在内窥镜室使用高光谱显微镜采集活检组织的图像信息。
收集信息后，将对活检标本进行常规处理，送病理诊断。
|
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 |
|---|---|---|
|
HSI人工智能模型识别结直肠腺瘤和癌症的准确性
大体时间：1年
|
高光谱成像 (HSI) 人工智能模型识别结直肠增生性息肉、腺瘤、SSL 和结直肠癌的准确性。
人工智能模型的准确率准确率=（真阳性+真阴性）/受试者总数*100%
|
1年
|
|
灵敏度
大体时间：1年
|
HSI人工智能模型灵敏度灵敏度=真阳性数/（真阳性数+假阴性数）*100%。
|
1年
|
|
特异性
大体时间：1年
|
HSI人工智能模型特异度=真阴性个数/（真阴性个数+假阳性个数））*100%
|
1年
|
|
阴性预测值（NPV）
大体时间：1年
|
HSI人工智能模型的阴性预测值=真阴性个数/（真阴性个数+假阴性个数）*100%
|
1年
|
|
曲线下面积 (95% 置信区间)
大体时间：1年
|
受试者工作特征曲线下面积 (AUC)
|
1年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
记录和评估标本图像采集中高光谱成像的任何未知风险和不良事件
大体时间：1年
|
记录和评估标本图像采集中高光谱成像的任何未知风险和不良事件
|
1年
|
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。
调查人员
- 学习椅：Xiuli Zuo, MD,PhD、Study Principal Investigator
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)
2022年10月8日
初级完成 (预期的)
2023年12月31日
研究完成 (预期的)
2023年12月31日
研究注册日期
首次提交
2022年10月8日
首先提交符合 QC 标准的
2022年10月8日
首次发布 (实际的)
2022年10月12日
研究记录更新
最后更新发布 (实际的)
2022年12月21日
上次提交的符合 QC 标准的更新
2022年12月16日
最后验证
2022年10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.