Detektion approximärer Karies in Bissflügelaufnahmen mittels Künstlicher Intelligenz
Detektion approximärer Karies in Bissflügelaufnahmen mittels Künstlicher Intelligenz - Eine diagnostische klinische Studie
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
-
Cairo, Ägypten, 11331
- Ain Shams University
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten mit allen bleibenden Prämolaren und Molaren (maximal ein Zahn fehlt auf jeder Seite)
Ausschlusskriterien:
- 1-Zahnanomalien → Amelogenesis imperfecta, Dentinogenesis imperfecta, Taurodontismus 2-Schwere Engstände, die die Sichtbarkeit der Zahnkontakte verhindern 3-Orthodontische Drähte, die an den Zahnschmelz gebunden sind
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Gruppe 1 Künstliche Intelligenz Deep Learning, das bei der Diagnose von Approximalkaries angewendet wird
|
Künstliche Intelligenz wurde als Deep-Learning-Diagnosewerkzeug eingesetzt, um approximale Karies auf digitalen Bissflügelaufnahmen zu erkennen.
Das System analysierte Bilder und erzeugte Wahrscheinlichkeitswerte sowie visuelle Markierungen für vermutete Läsionen.
Die Leistung wurde mit den Diagnosen von Experten als Referenzstandard verglichen.
Die KI-Ergebnisse wurden nur zur Auswertung verwendet und hatten keinen Einfluss auf die Behandlungsentscheidungen für Patienten.
|
|
Gruppe 2: Digitaler Bissflügel, manuell von menschlichen Experten annotiert
|
Digitale Bissflügelaufnahmen wurden von kalibrierten menschlichen Experten manuell annotiert, um das Vorhandensein und die Lage von Approximalkaries zu identifizieren.
Die Annotationen wurden unter Verwendung standardisierter diagnostischer Kriterien und spezieller Bildgebungssoftware zur Markierung verdächtiger Läsionen durchgeführt.
Diese Expertenmarkierungen dienten als Referenzstandard für den Vergleich mit den künstlichen Intelligenz-Ergebnissen.
Die Übereinstimmung zwischen den Untersuchern wurde bewertet, und Meinungsverschiedenheiten wurden durch Konsens gelöst.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
Zuverlässigkeit des KI-Modells bei der Erkennung von approximären Karies auf digitalen Bissflügelaufnahmen
Zeitfenster: Querschnittsbewertung zu Studienbeginn, ohne Nachbeobachtungszeitraum
|
Querschnittsbewertung zu Studienbeginn, ohne Nachbeobachtungszeitraum
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- CONS_ Rad 1180
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .