Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Detektion approximärer Karies in Bissflügelaufnahmen mittels Künstlicher Intelligenz

4. Februar 2026 aktualisiert von: Rawda Hesham Abd ElAziz, Cairo University

Detektion approximärer Karies in Bissflügelaufnahmen mittels Künstlicher Intelligenz - Eine diagnostische klinische Studie

Mithilfe einer Sequenz von Bissflügelaufnahmen unterstützt künstliche Intelligenz bei der Erkennung von Approximalkaries. Zur Identifizierung von Zahnkaries auf Bissflügel-, Einzelzahn- und Panoramaröntgenbildern wird ein trainiertes Deep-Learning-Netzwerk erstellt. Diese Studie zielte darauf ab, die Zuverlässigkeit eines neuartigen auf Deep Learning basierenden künstlichen Intelligenzmodells bei der Erkennung von Approximalkaries mithilfe digitaler Bissflügelaufnahmen zu untersuchen. (BW).

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

2000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • Ägypten
      • Cairo, Ägypten, 11331
        • Ain Shams University

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patienten, die die zahnärztliche Poliklinik der Fakultät aufsuchen und eine Bissflügel-Röntgenuntersuchung für die Routinediagnostik oder Behandlungsplanung benötigen.

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

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
Gruppe 1 Künstliche Intelligenz Deep Learning, das bei der Diagnose von Approximalkaries angewendet wird
Diagnosetest: Künstliche Intelligenz (KI): Deep Learning, das bei der Diagnose von approximären Karies 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
Diagnosetest: Manuelle Annotation digitaler Bissflügelaufnahmen durch menschliche Experten
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

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

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Cairo University

Mitarbeiter

Ain Shams University

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 (Tatsächlich)

15. Januar 2023

Primärer Abschluss (Tatsächlich)

15. September 2025

Studienabschluss (Tatsächlich)

1. Dezember 2025

Studienanmeldedaten

Zuerst eingereicht

4. Februar 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

4. Februar 2026

Zuerst gepostet (Tatsächlich)

11. Februar 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

11. Februar 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

4. Februar 2026

Zuletzt verifiziert

1. Februar 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • CONS_ Rad 1180

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

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 .

Klinische Studien zur Zahnkaries

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Gabon

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren