Detekce proximálního kazu na skusných rentgenových snímcích pomocí umělé inteligence
Detekce proximálních kazů na skusových rentgenových snímcích pomocí umělé inteligence – diagnostická klinická studie
Přehled studie
Postavení
Postavení
Podmínky
Podmínky
Intervence / Léčba
Intervence / Léčba
Typ studie
Typ studie
Zápis (Aktuální)
Zápis
Kontakty a umístění
Studijní místa
-
-
-
Cairo, Egypt, 11331
- Ain Shams University
-
-
Kritéria účasti
Kritéria způsobilosti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kriteria pro zařazení:
- Pacienti s kompletními trvalými premoláry a moláry (maximálně jeden chybějící zub na každé straně)
Kriteria pro vyloučení:
- 1-Zubní anomálie → amelogenesis imperfecta, dentinogenesis imperfecta, taurodontismus 2-Těžké stěsnání zubů bránící vizualizaci zubních kontaktů 3-Ortodontické dráty nalepené na sklovinu zubu
Studijní plán
Jak je studie koncipována?
Detaily designu
Počet skupin / kohort
Kohorty a intervence
Skupina / kohortaSkupina / kohorta |
Intervence / LéčbaIntervence / Léčba |
|---|---|
|
Skupina 1 Umělá inteligence Hluboké učení, které se používá v diagnostice proximálního kazu
|
Umělá inteligence byla použita jako diagnostický nástroj hlubokého učení k detekci proximálního kazu na digitálních bitewingových rentgenových snímcích.
Systém analyzoval obrazy a generoval pravděpodobnostní skóre a vizuální značky pro podezřelé léze.
Jeho výkon byl porovnán s diagnózami odborných vyšetřovatelů jako referenčním standardem.
Výsledky AI byly použity pouze pro vyhodnocení a neovlivnily rozhodnutí o léčbě pacientů.
|
|
Skupina 2: Digitální skusový snímek ručně označený lidskými odborníky
|
Digitální rentgenové snímky skusu byly ručně anotovány kalibrovanými lidskými odborníky, aby identifikovaly přítomnost a umístění proximálních kazů.
Anotace byly provedeny pomocí standardizovaných diagnostických kritérií a specializovaného zobrazovacího softwaru pro označení podezřelých lézí.
Tato expertní označení sloužila jako referenční standard pro porovnání s výstupy umělé inteligence.
Bylo hodnoceno shoda mezi vyšetřovateli a neshody byly řešeny konsenzem.
|
Co je měření studie?
Primární výstupní opatření
Primární výstupní opatření
Měření výsledku |
Časové okno |
|---|---|
|
Spolehlivost modelu umělé inteligence při detekci proximálních kazů na digitálních bitewing rentgenových snímcích
Časové okno: příčná hodnocení na začátku, bez následného sledovacího období
|
příčná hodnocení na začátku, bez následného sledovacího období
|
Spolupracovníci a vyšetřovatelé
Sponzor
Sponzor
Spolupracovníci
Spolupracovníci
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Začátek studia
Primární dokončení (Aktuální)
Primární dokončení
Dokončení studie (Aktuální)
Dokončení studie
Termíny zápisu do studia
První předloženo
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
První zveřejněno
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Poslední zveřejněná aktualizace
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Naposledy ověřeno
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
Další identifikační čísla studie
- CONS_ Rad 1180
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .