Genauigkeit der Erkennung von Zahnkaries aus intraoralen Bildern unter Verwendung verschiedener künstlicher Intelligenzmodelle
28. Februar 2025 aktualisiert von: Sherine Tarek Mohamed Elsayed Khaled, Cairo University
Genauigkeit der Zahnkarieserkennung anhand intraoraler Bilder unter Verwendung verschiedener Modelle der künstlichen Intelligenz im Vergleich zur herkömmlichen visuellen Untersuchung bei einer Gruppe von Kindern: eine Studie zur diagnostischen Genauigkeit
Ziel dieser Beobachtungsstudie ist es, die diagnostische Genauigkeit verschiedener Deep-Learning-Modelle bei der Erkennung von Zahnkaries anhand intraoraler Bilder zu bewerten, die von einer professionellen intraoralen Kamera bei Kindern aufgenommen wurden. Die Hauptfrage, die beantwortet werden soll, lautet:
Wie hoch ist die diagnostische Genauigkeit verschiedener Deep-Learning-Modelle bei der Erkennung von Zahnkaries aus intraoralen Bildern, die mit einer professionellen intraoralen Kamera bei Kindern aufgenommen wurden, im Vergleich zur herkömmlichen klinischen visuellen Untersuchung?
Studienübersicht
Status
Noch keine Rekrutierung
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
398
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
Giza, Ägypten
- 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
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
- Kind
Akzeptiert gesunde Freiwillige
Nein
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Jedes Kind mit mindestens einem kariösen Zahn, der zum Zeitpunkt der Rekrutierung im Diagnosezentrum der pädiatrischen Zahnabteilung der Fakultät für Zahnmedizin der Universität Kairo vorhanden ist.
Beschreibung
Einschlusskriterien:
- Kindergebiss mit mindestens einem kariösen Zahn.
Ausschlusskriterien:
- Kindergebiss mit entwicklungsbedingten Schmelzdefekten.
- Kinder mit einer systemischen Erkrankung.
- Eltern/Kind verweigern die Teilnahme an der Studie.
- Unkooperatives Kind.
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Trainingsgruppe
Bilder, mit denen die KI-Modelle auf die Erkennung von Zahnkaries anhand intraoraler Bilder trainiert werden.
|
Trainieren Sie Modelle der künstlichen Intelligenz (FASTER RCNN, YOLOY), um Zahnkaries zu erkennen, und testen Sie dann deren Genauigkeit
Andere Namen:
|
|
Testgruppe
Bilder, die verwendet werden, um die Genauigkeit der KI-Modelle bei der Diagnose von Zahnkaries anhand intraoraler Bilder zu testen.
|
Trainieren Sie Modelle der künstlichen Intelligenz (FASTER RCNN, YOLOY), um Zahnkaries zu erkennen, und testen Sie dann deren Genauigkeit
Andere Namen:
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit der Zahnkarieserkennung anhand intraoraler Bilder unter Verwendung verschiedener Modelle der künstlichen Intelligenz im Vergleich zur herkömmlichen visuellen Untersuchung bei einer Gruppe von Kindern: Eine Studie zur diagnostischen Genauigkeit
Zeitfenster: ein Jahr
|
Die diagnostische Genauigkeit der Indextests wird bestimmt, einschließlich Sensitivität, Spezifität, Gesamtgenauigkeit, positive und negative Vorhersagewerte und ROC-Kurvenanalyse.
|
ein Jahr
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Geschätzt)
30. April 2025
Primärer Abschluss (Geschätzt)
30. Dezember 2025
Studienabschluss (Geschätzt)
30. Dezember 2025
Studienanmeldedaten
Zuerst eingereicht
19. Dezember 2024
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
23. Dezember 2024
Zuerst gepostet (Tatsächlich)
25. März 2025
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
25. März 2025
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
28. Februar 2025
Zuletzt verifiziert
1. Dezember 2024
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- OP 7-1-1
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
UNENTSCHIEDEN
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
Produkt, das in den USA hergestellt und aus den USA exportiert wird
Nein
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 .