Kunstig Intelligens versus Konventionel Digital Design for Faste Tandprotese
Nøjagtighedsvurdering af kunstig intelligens versus konventionel digital design for fast tandprotese: (En in vitro-studie)
Denne in vitro-undersøgelse har til formål at evaluere nøjagtigheden af et kunstig intelligens (AI)-baseret automatisk designsystem til fast protese (FDP) sammenlignet med konventionel computerstøttet design (CAD)-software. Digitale scanninger af tænder, der kræver fast protese, vil blive indsamlet og anvendt til at generere protesedesign ved hjælp af to tilgange: menneskedesignede CAD-restaureringer og AI-genererede restaureringer.
Det primære resultat er designnøjagtighed vurderet ved hjælp af 3D-overlejring og Intersection over Union (IOU) procent. Sekundære resultater inkluderer marginopdagelsesydelse målt ved hjælp af F1-score, præcision og recall. En samlet stikprøvestørrelse på 438 scanninger vil blive analyseret.
Undersøgelsen vil afgøre, om AI-genererede protesedesign demonstrerer sammenlignelig nøjagtighed med konventionelle digitale design.
Studieoversigt
Status
Detaljeret beskrivelse
Denne undersøgelse er designet som en in vitro komparativ undersøgelse med henblik på at vurdere nøjagtigheden og ydeevnen af et kunstig intelligens (AI)-baseret automatisk designsystem til fast protese (FDP) sammenlignet med konventionel computerstøttet design (CAD)-software.
Digitale scanninger af patienter, der har brug for fast protese, vil blive indsamlet fra produktionslaboratoriet på Tandlægefakultetet. Berettigede scanninger vil omfatte voksne i alderen 18-65 år med beskadigede tænder, der kræver FDP, og tilstrækkelig okklusal anatomi til analyse.
AI-arbejdsgangen består af tre sekventielle faser: træning (60%), validering (10%) og test (30%). AI-modellen vil blive trænet ved hjælp af naturlig rumlig tandmorfologi og historiske menneskedesignede FDP-datasæt. Den konventionelle gruppe vil bestå af FDP'er, der er manuelt designet af erfarne tandplejeprofessionelle ved hjælp af CAD-software.
Primært resultat:
Det primære resultat er kronedesignets nøjagtighed målt ved hjælp af 3D-overlejringsanalyse og kvantificeret ved hjælp af Intersection over Union (IOU) procentdel.
Sekundært resultat:
Margindetektionsnøjagtighed vil blive vurderet ved hjælp af F1-score, præcision og recall-mål.
Statistisk analyse vil blive udført ved hjælp af MedCalc-software (version 22). Kontinuerte variable vil blive præsenteret som middelværdi, kvadratisk middelværdi og standardafvigelse. Sammenligninger mellem grupper vil blive udført ved hjælp af parret t-test med et signifikansniveau sat til P ≤ 0,05 (tosidet).
Nulhypotesen angiver, at der ikke vil være nogen statistisk signifikant forskel mellem AI-designde og menneskedesignede faste proteser.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiesteder
-
-
-
Giza, Egypten
- Rekruttering
- MSA university
-
Kontakt:
- Modern Sciences and Arts MSA October University for Modern Sciences and Arts
- Telefonnummer: 002-0216672
- E-mail: info@msa.edu.eg
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Voksne i alderen 18-65 år Patienter med en beskadiget tand, der kræver en fast protese Tilgængelige digitale intraorale scanninger Tilstrækkelig okklusal anatomi til analyse af modstående tænder
Eksklusionskriterier:
- Ufuldstændige eller dårlige digitale scanninger Alvorlige okklusale abnormiteter, der påvirker analysen Patienter uden for det specificerede aldersinterval
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Diagnostisk
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Andet: Human-Designet Fast Tandprotese (Konventionel CAD)
Faste tandproteser vil blive designet manuelt ved hjælp af konventionel CAD-software af erfarne tandplejeprofessionelle baseret på okklusal anatomi og patientspecifikke skandata.
Designene vil tjene som kontrolkomparatoren for at vurdere nøjagtighed i forhold til AI-genererede design ved hjælp af 3D-superpositionsanalyse.
|
Faste tandproteser vil blive digitalt designet ved hjælp af konventionel computerstøttet design (CAD) software af erfarne tandlæger.
Designene vil være baseret på okklusal anatomi og patientspecifikke intraorale scannedata.
Disse manuelt genererede digitale design vil tjene som sammenligningsgrundlag for at evaluere nøjagtigheden i forhold til AI-genererede design ved brug af 3D-overlejring og kvantitativ nøjagtighedsanalyse.
Andre navne:
|
|
Andet: AI-designet fast protese
Faste tandprotese vil blive automatisk genereret ved hjælp af et kunstig intelligens-baseret designsystem.
AI-modellen vil blive trænet, valideret og testet ved hjælp af okklusale skanningsdatasæt og historiske menneskedesignede proteser. De genererede design vil blive evalueret for nøjagtighed ved hjælp af 3D-overlejring og Intersection over Union (IoU)-analyse. |
Et kunstig intelligens-baseret automatiseret designsystem vil generere fastprotese-designs ved hjælp af deep learning-algoritmer.
AI-modellen vil blive trænet (60%), valideret (10%) og testet (30%) på okklusale skandatasæt og historiske menneskedesignede proteser.
Genererede designs vil blive evalueret for nøjagtighed og marginal præcision ved hjælp af 3D-overlejring og Intersection over Union (IoU)-analyse.
Andre navne:
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtigheden af AI-designeret fast protese sammenlignet med menneskedesignede proteser
Tidsramme: Umiddelbart efter krone-design generering (på tidspunktet for digital analyse)
|
Nøjagtighed vil blive vurderet ved at overlejre AI-genererede kronedesign og menneskeskabte kroner ved hjælp af 3D-billedbehandlingssoftware.
Intersection over Union (IOU)-procentdelen vil blive beregnet for at evaluere den morfologiske overensstemmelse og den okklusale pasform mellem de to designmetoder.
|
Umiddelbart efter krone-design generering (på tidspunktet for digital analyse)
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
AI-systemets margin-detektionspræstation
Tidsramme: Umiddelbart efter generering af digital kronedesign
|
Margindetektionsnøjagtighed vil blive evalueret ved hjælp af F1-score, præcision og recall-metrikker for at vurdere AI-modellens evne til nøjagtigt at identificere præparationsmarginer sammenlignet med menneskeskabte referencemodeller.
|
Umiddelbart efter generering af digital kronedesign
|
Samarbejdspartnere og efterforskere
Publikationer og nyttige links
Generelle publikationer
- Wu Z et al., 2024 Comparison of the Efficacy of Artificial Intelligence-Powered Software in Crown Design: An In Vitro Study. International Dental Journal. 2024.
- Ding H et al., 2023 Morphology and mechanical performance of dental crown designed by 3D-DCGAN. Dental Materials. 2023.
- Chau RCW et al., 2024 Accuracy of artificial intelligence-designed single-molar dental prostheses: A feasibility study. Journal of Prosthetic Dentistry. 2024.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
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
Nøgleord
Andre undersøgelses-id-numre
- REC-D 1216-5
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
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 .