- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05901857
Evaluación de la precisión de las redes neuronales convolucionales para la estimación de la edad dental a partir de radiografías panorámicas
Evaluación de la precisión de las redes neuronales convolucionales para la estimación de la edad dental en una población egipcia a partir de radiografías panorámicas digitales: un estudio de precisión diagnóstica
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
El método de Willems es una técnica de estimación de la edad dental modificada del método de Demirjian mediante la creación de nuevas tablas a partir de las cuales se expresa directamente una puntuación de madurez en años.
Se tomarán radiografías panorámicas de todos los participantes con su consentimiento informado, luego se numerarán y codificarán. La edad cronológica de cada participante se calculará restando la fecha de nacimiento de la fecha de la radiografía y el investigador ocultará la edad real (la edad cronológica es la verdad básica). Todas las radiografías panorámicas serán examinadas dos veces por el autor principal para determinar la edad dental según el método de Willems.
Los siete dientes mandibulares izquierdos, excluyendo el tercer molar, se calificarán como '0' por ausencia de calcificación y de 'A' a 'H', dependiendo de la etapa de calcificación. Cada letra corresponde a una puntuación que es la fracción de la edad dental utilizando tablas para niños y niñas. La suma directa de las puntuaciones de los siete dientes mandibulares izquierdos dará como resultado la edad dental estimada. La precisión de la estimación del radiólogo dental se comparará con la realidad del terreno (primera prueba de índice).
La segunda prueba de índice que también se comparará con la realidad del terreno es el modelo CNN. Para preparar el conjunto de datos para el modelo CNN, se seguirá un riguroso procedimiento de preprocesamiento. Esto implicará cambiar el tamaño de las imágenes a las dimensiones deseadas, segmentar las partes de los dientes que se incluirán en la imagen y aplicar técnicas de aumento de datos para mejorar la calidad y la cantidad del conjunto de datos. Luego, el conjunto de datos se dividirá en conjuntos de entrenamiento y prueba utilizando una proporción de 20:80, que se seleccionará cuidadosamente en función de la cantidad esperada de muestras. También se evaluará la precisión del modelo en comparación con la realidad del terreno (las edades cronológicas).
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Rawan Elkassas
- Número de teléfono: +201011385738
- Correo electrónico: rawanelkassas@gmail.com
Ubicaciones de estudio
-
-
-
Cairo, Egipto
- Reclutamiento
- Rawan Elkassas
-
Contacto:
- rawan elkassas
- Correo electrónico: rawan.elkassas@dentistry.cu.edu.eg
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Presencia de todos los dientes permanentes mandibulares izquierdos (excepto terceros molares)
- Desarrollo radicular claramente visible
- Sin enfermedad sistémica
- Sin antecedentes de tratamiento de conducto o extracción.
- Sin enfermedades relacionadas que afecten el desarrollo mandibular como quistes o tumores.
Criterio de exclusión:
- Pacientes con parto prematuro
- asimetría facial
- Anomalías congénitas
- Antecedentes de trauma o cirugía en la región dentofacial
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Precisión de la estimación de la edad dental a partir de radiografías panorámicas digitales utilizando modelos CNN
Periodo de tiempo: Al finalizar los estudios, un promedio de 1 año
|
Porcentaje
|
Al finalizar los estudios, un promedio de 1 año
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Silla de estudio: Mohab Eid, Nile University
Publicaciones y enlaces útiles
Publicaciones Generales
- Ekert T, Krois J, Meinhold L, Elhennawy K, Emara R, Golla T, Schwendicke F. Deep Learning for the Radiographic Detection of Apical Lesions. J Endod. 2019 Jul;45(7):917-922.e5. doi: 10.1016/j.joen.2019.03.016. Epub 2019 Jun 1.
- Banar N, Bertels J, Laurent F, Boedi RM, De Tobel J, Thevissen P, Vandermeulen D. Towards fully automated third molar development staging in panoramic radiographs. Int J Legal Med. 2020 Sep;134(5):1831-1841. doi: 10.1007/s00414-020-02283-3. Epub 2020 Apr 1.
- El-Desouky SS, Kabbash IA. Age estimation of children based on open apex measurement in the developing permanent dentition: an Egyptian formula. Clin Oral Investig. 2023 Apr;27(4):1529-1539. doi: 10.1007/s00784-022-04773-7. Epub 2022 Nov 17.
- Galibourg A, Cussat-Blanc S, Dumoncel J, Telmon N, Monsarrat P, Maret D. Comparison of different machine learning approaches to predict dental age using Demirjian's staging approach. Int J Legal Med. 2021 Mar;135(2):665-675. doi: 10.1007/s00414-020-02489-5. Epub 2021 Jan 7.
- Guo YC, Han M, Chi Y, Long H, Zhang D, Yang J, Yang Y, Chen T, Du S. Accurate age classification using manual method and deep convolutional neural network based on orthopantomogram images. Int J Legal Med. 2021 Jul;135(4):1589-1597. doi: 10.1007/s00414-021-02542-x. Epub 2021 Mar 4.
- Kim S, Lee YH, Noh YK, Park FC, Auh QS. Age-group determination of living individuals using first molar images based on artificial intelligence. Sci Rep. 2021 Jan 13;11(1):1073. doi: 10.1038/s41598-020-80182-8. Erratum In: Sci Rep. 2022 Feb 7;12(1):2332.
- Sehrawat JS, Singh M. Willems method of dental age estimation in children: A systematic review and meta-analysis. J Forensic Leg Med. 2017 Nov;52:122-129. doi: 10.1016/j.jflm.2017.08.017. Epub 2017 Aug 25.
- Shen S, Liu Z, Wang J, Fan L, Ji F, Tao J. Machine learning assisted Cameriere method for dental age estimation. BMC Oral Health. 2021 Dec 15;21(1):641. doi: 10.1186/s12903-021-01996-0.
- Vila-Blanco N, Carreira MJ, Varas-Quintana P, Balsa-Castro C, Tomas I. Deep Neural Networks for Chronological Age Estimation From OPG Images. IEEE Trans Med Imaging. 2020 Jul;39(7):2374-2384. doi: 10.1109/TMI.2020.2968765. Epub 2020 Jan 31.
- Ye X, Jiang F, Sheng X, Huang H, Shen X. Dental age assessment in 7-14-year-old Chinese children: comparison of Demirjian and Willems methods. Forensic Sci Int. 2014 Nov;244:36-41. doi: 10.1016/j.forsciint.2014.07.027. Epub 2014 Aug 19.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Estimado)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Otros números de identificación del estudio
- ORAD 3-3-1 (2)
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .