- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04309851
Une approche d'apprentissage en profondeur pour la classification et la détection des dents submergées
Une approche d'apprentissage en profondeur pour la classification et la détection des dents de lait submergées
Objectifs : L'étude visait à comparer le succès et la fiabilité d'une application d'intelligence artificielle dans la détection et la classification des dents immergées en orthopantomographie (OPG).
Méthodes : Des algorithmes de réseaux de neurones convolutifs (CNN) ont été utilisés pour détecter et classer les molaires submergées. Le module de détection, qui est basé sur l'architecture de pointe Faster R-CNN, a traité la radiographie pour définir les limites des molaires submergées. Un ensemble de tests distinct a été utilisé pour évaluer les performances de diagnostic du système et les comparer au niveau expert.
Résultats : Le taux de réussite de la classification et de l'identification du système est élevé lorsqu'il est évalué selon la norme de référence. Le système était extrêmement précis dans la comparaison des performances avec les observateurs.
Conclusions : Les performances de la solution de diagnostic assistée par ordinateur proposée sont comparables à celles des experts. Il est utile de diagnostiquer les molaires submergées avec une application d'intelligence artificielle pour éviter les erreurs. De plus, cela facilitera les diagnostics des dentistes pédiatriques.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Prétraitement, formation et classification L'étude a été menée avec des ensembles de données équilibrés. Les ensembles de données de cas et de contrôle ont été divisés au hasard en deux parties, le groupe d'entraînement (27 groupes de cas/27 groupes de contrôle) et le groupe de test (10 groupes de cas/10 groupes de contrôle) pour empêcher l'utilisation des visuels dans le groupe d'entraînement pour retester. L'ensemble de données de test n'a pas été vu par le système pendant la phase de formation.
Toutes les images de 2943 par 1435 pixels dans l'ensemble de données ont été redimensionnées à 971 par 474 pixels avant la formation. Toutes les images OPG utilisées incluent les dentitions entières. Les ensembles de données d'apprentissage et de test ont été utilisés pour estimer et générer des facteurs de pondération pour l'algorithme CNN optimal. Une séquence arbitraire a été générée à l'aide de la programmation Python open-source (Python 3.6.1, Python Software Foundation, Wilmington, DE, États-Unis, https://www.python.org/) langage et bibliothèques OpenCV, NumPy, Pandas et Matplotlib. Dans cette étude, Tensorflow pour le développement de modèles a été utilisé pour classer les molaires primaires submergées. L'architecture InceptionV3 a été utilisée comme apprentissage par transfert et les valeurs de transfert ont été enregistrées dans le cache. Ensuite, des classificateurs de couche et softmax entièrement connectés ont été combinés pour former les couches de modèle finales. La formation a été réalisée en utilisant 7000 étapes avec 16G de RAM et un PC équipé de NVIDIA GeForce GTX 1050.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
-
Eskisehir, Turquie, 26040
- Seçil Çalışkan
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
Critère d'exclusion:
Les images OPG de mauvaise qualité (artefact métallique, artefacts dus à des erreurs de position lors de la prise de vue, etc.) ont été exclues.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Détection des dents submergées
Délai: 6 mois
|
Le module de détection, qui est basé sur l'architecture de pointe Faster R-CNN, a traité la radiographie pour définir les limites des molaires submergées.
|
6 mois
|
Collaborateurs et enquêteurs
Parrainer
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Autres numéros d'identification d'étude
- E86412-49
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .
Essais cliniques sur l'apprentissage en profondeur
-
Beijing Tongren HospitalComplété
-
Cedars-Sinai Medical CenterComplétéInsuffisance cardiaque, diastolique | Insuffisance cardiaque, systoliqueÉtats-Unis
-
Shanghai Chest HospitalJohnson & JohnsonPas encore de recrutementFibrillation auriculaireChine
-
Qilu Hospital of Shandong UniversityPas encore de recrutement
-
GE HealthcareAzienda Socio-Sanitaria Territoriale di PaviaPas encore de recrutementMaladie de l'artère coronaire | Syndrome coronarien aigu | Angine stable | Syndrome coronarien chroniqueItalie
-
Hospices Civils de LyonInconnue
-
Hadassah Medical OrganizationComplétéAccident vasculaire cérébralIsraël
-
University of MinnesotaRecrutement
-
Candela CorporationActif, ne recrute pasCicatrices d'acné - mixtes atrophiques et hypertrophiques | RideÉtats-Unis, Israël
-
Antoine FourréUniversiteit Antwerpen; University of Mons; University of Picardie Jules VerneComplétéLombalgie | Thérapie physique | Connaissances, Attitudes, Pratique | MédecinsBelgique