免费获得国外相关药品，最快 1 个工作日回馈药物信息
出境医 / 临床实验 / 根据舌头图像，深度学习算法用于诊断胃肠道疾病
根据舌头图像，深度学习算法用于诊断胃肠道疾病
研究描述
简要摘要：
这项研究的目的是分析舌头图像的特征与胃肠道疾病的诊断之间的关系，然后开发和验证深度学习算法，以根据舌头图像诊断胃肠道疾病，以提高客观性和智力，以提高客观性和智力舌头诊断。同时，分析了普通舌图像的胃肠道菌群，以提供微生态的基础，以了解舌头图像与消化道疾病之间的关系。
| 病情或疾病 |
|---|
| 胃肠道疾病 |
详细说明：
舌头诊断是中医的重要组成部分。根据传统中医理论的考验，可以通过观察舌头的特征来评估健康状况，包括颜色，光泽，形状和舌头涂层，舌头特征反映了胃粘膜状态，疾病分类和预后。最近，基于中央神经网络（CNN）的深度学习已显示出诊断是传统中药的重要组成部分。根据传统中医理论，可以通过观察Tougue特征来评估健康状况，包括颜色，光泽度，形状和涂层舌头，舌头特征反映胃粘膜状态，疾病分类和预后。最近，基于中央神经网络（CNN）的深度学习显示在检测和诊断胃肠道疾病方面具有多种潜力。然而，仍然存在空白的胃肠道疾病。这项研究旨在根据舌头图像开发和验证深度学习算法，以诊断消化道疾病，并分析常见舌头图像的胃肠道植物群。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 2000名参与者 |
| 观察模型： | 其他 |
| 时间观点： | 预期 |
| 官方标题： | 根据舌头图像，深度学习算法用于诊断胃肠道疾病 |
| 实际学习开始日期 ： | 2021年3月21日 |
| 估计初级完成日期 ： | 2022年6月1日 |
| 估计 学习完成日期 ： | 2022年6月1日 |
武器和干预措施
| 小组/队列 |
|---|
| 深度学习算法组 在接受结肠镜检查或胃镜检查的患者之前，将其纳入舌头图像并通过Anymed进行手机收集基本信息。在检查，内窥镜报告和组织学分析后，都会通过胃肠道疾病进行分类，开发和验证深度学习算法以进行诊断根据舌头图像的不同。通过高通量测序提取Tougue涂层，胃粘膜和粪便DNA，并分析其组合，崇高和多样性。 |
结果措施
主要结果指标 ：
- 具有深度学习算法的胃肠道疾病的诊断准确性[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断准确性。
次要结果度量 ：
- 深度学习算法的胃肠道疾病的诊断灵敏度[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断敏感性。
- 具有深度学习算法的胃肠道疾病的诊断特异性[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断特异性
- 深度学习算法的胃肠道疾病的诊断阳性预测值[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断特异性
- 深度学习算法的胃肠道疾病的诊断阴性预测值[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断特异性
生物测量保留率：DNA样品
Tougue涂料，胃粘膜和粪便样品
资格标准
| 符合研究资格的年龄： | 18年至80年（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 是的 |
| 采样方法： | 非概率样本 |
研究人群
18-80岁的患者接受内窥镜检查
标准
纳入标准：
- 接受内窥镜检查的18至80岁患者；患者给予知情同意并签署知情同意。
排除标准：
-
联系人和位置
位置
| 中国，山东 | |
| 山东大学Qilu医院 | |
| 吉南，中国山东，250012 | |
赞助商和合作者
山东大学
调查人员
| 学习主席： | Xiuli Zuo，医学博士，博士 | 研究首席研究员 |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2021年3月20日 | ||||
| 第一个发布日期 | 2021年3月23日 | ||||
| 最后更新发布日期 | 2021年3月23日 | ||||
| 实际学习开始日期 | 2021年3月21日 | ||||
| 估计初级完成日期 | 2022年6月1日（主要结果度量的最终数据收集日期） | ||||
| 当前的主要结果指标 | 具有深度学习算法的胃肠道疾病的诊断准确性[时间范围：1个月] 具有深度学习算法的胃肠道疾病的诊断准确性。 | ||||
| 原始主要结果指标 | 与电流相同 | ||||
| 改变历史 | 没有发布更改 | ||||
| 当前的次要结果指标 |
| ||||
| 原始的次要结果指标 | 与电流相同 | ||||
| 当前其他预先指定的结果指标 | 不提供 | ||||
| 其他其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 根据舌头图像，深度学习算法用于诊断胃肠道疾病 | ||||
| 官方头衔 | 根据舌头图像，深度学习算法用于诊断胃肠道疾病 | ||||
| 简要摘要 | 这项研究的目的是分析舌头图像的特征与胃肠道疾病的诊断之间的关系，然后开发和验证深度学习算法，以根据舌头图像诊断胃肠道疾病，以提高客观性和智力，以提高客观性和智力舌头诊断。同时，分析了普通舌图像的胃肠道菌群，以提供微生态的基础，以了解舌头图像与消化道疾病之间的关系。 | ||||
| 详细说明 | 舌头诊断是中医的重要组成部分。根据传统中医理论的考验，可以通过观察舌头的特征来评估健康状况，包括颜色，光泽，形状和舌头涂层，舌头特征反映了胃粘膜状态，疾病分类和预后。最近，基于中央神经网络（CNN）的深度学习已显示出诊断是传统中药的重要组成部分。根据传统中医理论，可以通过观察Tougue特征来评估健康状况，包括颜色，光泽度，形状和涂层舌头，舌头特征反映胃粘膜状态，疾病分类和预后。最近，基于中央神经网络（CNN）的深度学习显示在检测和诊断胃肠道疾病方面具有多种潜力。然而，仍然存在空白的胃肠道疾病。这项研究旨在根据舌头图像开发和验证深度学习算法，以诊断消化道疾病，并分析常见舌头图像的胃肠道植物群。 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：其他 时间观点：前瞻性 | ||||
| 目标随访时间 | 不提供 | ||||
| 生物测量 | 保留：DNA样品 描述： Tougue涂料，胃粘膜和粪便样品 | ||||
| 采样方法 | 非概率样本 | ||||
| 研究人群 | 18-80岁的患者接受内窥镜检查 | ||||
| 健康）状况 | 胃肠道疾病 | ||||
| 干涉 | 不提供 | ||||
| 研究组/队列 | 深度学习算法组 在接受结肠镜检查或胃镜检查的患者之前，将其纳入舌头图像并通过Anymed进行手机收集基本信息。在检查，内窥镜报告和组织学分析后，都会通过胃肠道疾病进行分类，开发和验证深度学习算法以进行诊断根据舌头图像的不同。通过高通量测序提取Tougue涂层，胃粘膜和粪便DNA，并分析其组合，崇高和多样性。 | ||||
| 出版物 * | 不提供 | ||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符（NCT编号）确定的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 通过邀请注册 | ||||
| 估计入学人数 | 2000 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2022年6月1日 | ||||
| 估计初级完成日期 | 2022年6月1日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准：
排除标准： - | ||||
| 性别/性别 |
| ||||
| 年龄 | 18年至80年（成人，老年人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 | 仅当研究招募主题时才显示联系信息 | ||||
| 列出的位置国家 | 中国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04811599 | ||||
| 其他研究ID编号 | 2020-SDU-QILU-G056 | ||||
| 有数据监测委员会 | 是的 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 | 不提供 | ||||
| 责任方 | 山东大学十二 | ||||
| 研究赞助商 | 山东大学 | ||||
| 合作者 | 不提供 | ||||
| 调查人员 |
| ||||
| PRS帐户 | 山东大学 | ||||
| 验证日期 | 2021年3月 | ||||
研究描述
简要摘要：
这项研究的目的是分析舌头图像的特征与胃肠道疾病的诊断之间的关系，然后开发和验证深度学习算法，以根据舌头图像诊断胃肠道疾病，以提高客观性和智力，以提高客观性和智力舌头诊断。同时，分析了普通舌图像的胃肠道菌群，以提供微生态的基础，以了解舌头图像与消化道疾病之间的关系。
| 病情或疾病 |
|---|
| 胃肠道疾病 |
详细说明：
舌头诊断是中医的重要组成部分。根据传统中医理论的考验，可以通过观察舌头的特征来评估健康状况，包括颜色，光泽，形状和舌头涂层，舌头特征反映了胃粘膜状态，疾病分类和预后。最近，基于中央神经网络（CNN）的深度学习已显示出诊断是传统中药的重要组成部分。根据传统中医理论，可以通过观察Tougue特征来评估健康状况，包括颜色，光泽度，形状和涂层舌头，舌头特征反映胃粘膜状态，疾病分类和预后。最近，基于中央神经网络（CNN）的深度学习显示在检测和诊断胃肠道疾病方面具有多种潜力。然而，仍然存在空白的胃肠道疾病。这项研究旨在根据舌头图像开发和验证深度学习算法，以诊断消化道疾病，并分析常见舌头图像的胃肠道植物群。
学习规划
| 研究类型 ： | 观察 |
| 估计入学人数 ： | 2000名参与者 |
| 观察模型： | 其他 |
| 时间观点： | 预期 |
| 官方标题： | 根据舌头图像，深度学习算法用于诊断胃肠道疾病 |
| 实际学习开始日期 ： | 2021年3月21日 |
| 估计初级完成日期 ： | 2022年6月1日 |
| 估计 学习完成日期 ： | 2022年6月1日 |
武器和干预措施
| 小组/队列 |
|---|
| 深度学习算法组 在接受结肠镜检查或胃镜检查的患者之前，将其纳入舌头图像并通过Anymed进行手机收集基本信息。在检查，内窥镜报告和组织学分析后，都会通过胃肠道疾病进行分类，开发和验证深度学习算法以进行诊断根据舌头图像的不同。通过高通量测序提取Tougue涂层，胃粘膜和粪便DNA，并分析其组合，崇高和多样性。 |
结果措施
主要结果指标 ：
- 具有深度学习算法的胃肠道疾病的诊断准确性[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断准确性。
次要结果度量 ：
- 深度学习算法的胃肠道疾病的诊断灵敏度[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断敏感性。
- 具有深度学习算法的胃肠道疾病的诊断特异性[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断特异性
- 深度学习算法的胃肠道疾病的诊断阳性预测值[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断特异性
- 深度学习算法的胃肠道疾病的诊断阴性预测值[时间范围：1个月]具有深度学习算法的胃肠道疾病的诊断特异性
生物测量保留率：DNA样品
Tougue涂料，胃粘膜和粪便样品
资格标准
| 符合研究资格的年龄： | 18年至80年（成人，老年人） |
| 有资格学习的男女： | 全部 |
| 接受健康的志愿者： | 是的 |
| 采样方法： | 非概率样本 |
研究人群
18-80岁的患者接受内窥镜检查
标准
纳入标准：
- 接受内窥镜检查的18至80岁患者；患者给予知情同意并签署知情同意。
排除标准：
-
联系人和位置
位置
| 中国，山东 | |
| 山东大学Qilu医院 | |
| 吉南，中国山东，250012 | |
赞助商和合作者
山东大学
调查人员
| 学习主席： | Xiuli Zuo，医学博士，博士 | 研究首席研究员 |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首先提交日期 | 2021年3月20日 | ||||
| 第一个发布日期 | 2021年3月23日 | ||||
| 最后更新发布日期 | 2021年3月23日 | ||||
| 实际学习开始日期 | 2021年3月21日 | ||||
| 估计初级完成日期 | 2022年6月1日（主要结果度量的最终数据收集日期） | ||||
| 当前的主要结果指标 | 具有深度学习算法的胃肠道疾病的诊断准确性[时间范围：1个月] 具有深度学习算法的胃肠道疾病的诊断准确性。 | ||||
| 原始主要结果指标 | 与电流相同 | ||||
| 改变历史 | 没有发布更改 | ||||
| 当前的次要结果指标 |
| ||||
| 原始的次要结果指标 | 与电流相同 | ||||
| 当前其他预先指定的结果指标 | 不提供 | ||||
| 其他其他预先指定的结果指标 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 根据舌头图像，深度学习算法用于诊断胃肠道疾病 | ||||
| 官方头衔 | 根据舌头图像，深度学习算法用于诊断胃肠道疾病 | ||||
| 简要摘要 | 这项研究的目的是分析舌头图像的特征与胃肠道疾病的诊断之间的关系，然后开发和验证深度学习算法，以根据舌头图像诊断胃肠道疾病，以提高客观性和智力，以提高客观性和智力舌头诊断。同时，分析了普通舌图像的胃肠道菌群，以提供微生态的基础，以了解舌头图像与消化道疾病之间的关系。 | ||||
| 详细说明 | 舌头诊断是中医的重要组成部分。根据传统中医理论的考验，可以通过观察舌头的特征来评估健康状况，包括颜色，光泽，形状和舌头涂层，舌头特征反映了胃粘膜状态，疾病分类和预后。最近，基于中央神经网络（CNN）的深度学习已显示出诊断是传统中药的重要组成部分。根据传统中医理论，可以通过观察Tougue特征来评估健康状况，包括颜色，光泽度，形状和涂层舌头，舌头特征反映胃粘膜状态，疾病分类和预后。最近，基于中央神经网络（CNN）的深度学习显示在检测和诊断胃肠道疾病方面具有多种潜力。然而，仍然存在空白的胃肠道疾病。这项研究旨在根据舌头图像开发和验证深度学习算法，以诊断消化道疾病，并分析常见舌头图像的胃肠道植物群。 | ||||
| 研究类型 | 观察 | ||||
| 学习规划 | 观察模型：其他 时间观点：前瞻性 | ||||
| 目标随访时间 | 不提供 | ||||
| 生物测量 | 保留：DNA样品 描述： Tougue涂料，胃粘膜和粪便样品 | ||||
| 采样方法 | 非概率样本 | ||||
| 研究人群 | 18-80岁的患者接受内窥镜检查 | ||||
| 健康）状况 | 胃肠道疾病 | ||||
| 干涉 | 不提供 | ||||
| 研究组/队列 | 深度学习算法组 在接受结肠镜检查或胃镜检查的患者之前，将其纳入舌头图像并通过Anymed进行手机收集基本信息。在检查，内窥镜报告和组织学分析后，都会通过胃肠道疾病进行分类，开发和验证深度学习算法以进行诊断根据舌头图像的不同。通过高通量测序提取Tougue涂层，胃粘膜和粪便DNA，并分析其组合，崇高和多样性。 | ||||
| 出版物 * | 不提供 | ||||
*包括数据提供商提供的出版物以及MEDLINE中临床标识符（NCT编号）确定的出版物。 | |||||
| 招聘信息 | |||||
| 招聘状况 | 通过邀请注册 | ||||
| 估计入学人数 | 2000 | ||||
| 原始估计注册 | 与电流相同 | ||||
| 估计学习完成日期 | 2022年6月1日 | ||||
| 估计初级完成日期 | 2022年6月1日（主要结果度量的最终数据收集日期） | ||||
| 资格标准 | 纳入标准：
排除标准： - | ||||
| 性别/性别 |
| ||||
| 年龄 | 18年至80年（成人，老年人） | ||||
| 接受健康的志愿者 | 是的 | ||||
| 联系人 | 仅当研究招募主题时才显示联系信息 | ||||
| 列出的位置国家 | 中国 | ||||
| 删除了位置国家 | |||||
| 管理信息 | |||||
| NCT编号 | NCT04811599 | ||||
| 其他研究ID编号 | 2020-SDU-QILU-G056 | ||||
| 有数据监测委员会 | 是的 | ||||
| 美国FDA调节的产品 |
| ||||
| IPD共享声明 | 不提供 | ||||
| 责任方 | 山东大学十二 | ||||
| 研究赞助商 | 山东大学 | ||||
| 合作者 | 不提供 | ||||
| 调查人员 |
| ||||
| PRS帐户 | 山东大学 | ||||
| 验证日期 | 2021年3月 | ||||
