- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05901857
Évaluation de la précision des réseaux de neurones convolutifs pour l'estimation de l'âge dentaire à partir de radiographies panoramiques
Évaluation de la précision des réseaux de neurones convolutifs pour l'estimation de l'âge dentaire dans une population égyptienne à partir de radiographies panoramiques numériques : une étude de précision diagnostique
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
La méthode Willems est une technique d'estimation de l'âge dentaire modifiée à partir de la méthode Demirjian en créant de nouvelles tables à partir desquelles un score de maturité est directement exprimé en années.
Des radiographies panoramiques de tous les participants seront prises avec leur consentement éclairé, puis elles seront numérotées et codées. L'âge chronologique de chaque participant sera calculé en soustrayant la date de naissance de la date de la radiographie et l'âge réel sera aveuglé par le chercheur (l'âge chronologique est la vérité fondamentale). Toutes les radiographies panoramiques seront examinées deux fois par l'auteur principal pour déterminer l'âge dentaire selon la méthode Willems.
Les sept dents mandibulaires gauches à l'exclusion de la troisième molaire seront notées « 0 » pour l'absence de calcification, et « A » à « H », selon le stade de la calcification. Chaque lettre correspond à un score qui est la fraction d'âge dentaire en utilisant des tables pour les garçons et les filles. L'addition directe des scores des sept dents mandibulaires gauches donnera l'âge dentaire estimé. La précision de l'estimation du radiologue dentaire sera comparée à la vérité terrain (premier test d'indice).
Le deuxième test d'indice qui sera également comparé à la vérité terrain est le modèle CNN. Pour préparer l'ensemble de données pour le modèle CNN, une procédure de prétraitement rigoureuse sera suivie. Cela impliquera de redimensionner les images aux dimensions souhaitées, de segmenter les parties de dents à inclure dans l'image et d'appliquer des techniques d'augmentation des données pour améliorer la qualité et la quantité de l'ensemble de données. L'ensemble de données sera ensuite divisé en ensembles d'apprentissage et de test en utilisant un ratio de 20:80, qui sera soigneusement sélectionné en fonction du nombre d'échantillons attendu. De plus, la précision du modèle sera évaluée par rapport à la vérité terrain (les âges chronologiques).
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Rawan Elkassas
- Numéro de téléphone: +201011385738
- E-mail: rawanelkassas@gmail.com
Lieux d'étude
-
-
-
Cairo, Egypte
- Recrutement
- Rawan Elkassas
-
Contact:
- rawan elkassas
- E-mail: rawan.elkassas@dentistry.cu.edu.eg
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Présence de toutes les dents permanentes mandibulaires gauches (sauf les troisièmes molaires)
- Développement racinaire clairement visible
- Pas de maladie systémique
- Aucun antécédent de traitement ou d'extraction de canal radiculaire
- Aucune maladie apparentée affectant le développement mandibulaire comme les kystes ou les tumeurs.
Critère d'exclusion:
- Patients ayant accouché prématurément
- Asymétrie faciale
- Anomalies congénitales
- Antécédents de traumatisme ou de chirurgie dans la région dentofaciale
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 |
|---|---|---|
|
Précision de l'estimation de l'âge dentaire à partir de radiographies panoramiques numériques à l'aide de modèles CNN
Délai: Jusqu'à la fin des études, une moyenne d'un an
|
Pourcentage
|
Jusqu'à la fin des études, une moyenne d'un an
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chaise d'étude: Mohab Eid, Nile University
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Estimé)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
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
- ORAD 3-3-1 (2)
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 .