- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06749743
Nøjagtighed af påvisning af karies fra intraorale billeder ved hjælp af forskellige kunstige intelligensmodeller
Nøjagtighed af dental cariesdetektion fra intraorale billeder ved brug af forskellige kunstig intelligensmodeller versus konventionel visuel undersøgelse blandt en gruppe børn: en diagnostisk nøjagtighedsundersøgelse
Målet med denne observationsundersøgelse er at evaluere den diagnostiske nøjagtighed af forskellige deep learning-modeller til påvisning af tandkaries fra intraorale billeder taget af et professionelt intraoralt kamera hos børn. Hovedspørgsmålet det sigter mod at besvare er:
Hvad er den diagnostiske nøjagtighed af forskellige deep learning-modeller til påvisning af tandcaries fra intraorale billeder taget af et professionelt intraoralt kamera hos børn sammenlignet med den konventionelle kliniske visuelle undersøgelse?
Studieoversigt
Status
Betingelser
Intervention / Behandling
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiesteder
-
-
-
Giza, Egypten
- Cairo University
-
Kontakt:
- mahmoud ahmed Vice President for Graduate Studies and Research, Phd
- Telefonnummer: 0235674835 0235674835
- E-mail: info@cu.edu.eg
-
Kontakt:
- sama sayed hanafy, Phd
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Barnetand med mindst én ødelagt tand.
Ekskluderingskriterier:
- Barnetandsæt med udviklingsmæssige emaljefejl.
- Børn med enhver systemisk medicinsk tilstand.
- Forælder/barn nægter at deltage i undersøgelsen.
- Usamarbejdsvilligt barn.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
træningsgruppe
billeder, der bruges til at træne AI-modellerne til påvisning af dental caries fra intraorale billeder.
|
træne kunstig intelligens-modeller (FASTER RCNN, YOLOY) til at opdage tandkaries, og test derefter deres nøjagtighed
Andre navne:
|
|
testgruppe
billeder, der bruges til at teste nøjagtigheden af AI-modellerne til diagnosticering af dental caries fra intraorale billeder.
|
træne kunstig intelligens-modeller (FASTER RCNN, YOLOY) til at opdage tandkaries, og test derefter deres nøjagtighed
Andre navne:
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed af dental cariesdetektering fra intraorale billeder ved hjælp af forskellige kunstig intelligensmodeller versus konventionel visuel undersøgelse blandt en gruppe børn: en diagnostisk nøjagtighedsundersøgelse
Tidsramme: et år
|
Diagnostisk nøjagtighed af indekstests vil blive bestemt, herunder sensitivitet, specificitet, overordnet nøjagtighed, positive og negative prædiktive værdier og ROC-kurveanalyse.
|
et år
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- OP 7-1-1
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .