Proximális fogszuvasodás detektálása harapásróntgen-felvételen mesterséges intelligencia segítségével
2026. február 4. frissítette: Rawda Hesham Abd ElAziz, Cairo University
Proximális Fogszuvasodás Detektálása Harapási Röntgenfelvételeken Mesterséges Intelligencia Segítségével - Diagnosztikai Klinikai Vizsgálat
A metszőfelvétel-sorozat segítségével a mesterséges intelligencia elősegíti az interproximális cariestünetek azonosítását.
A fogszuvasodás azonosításához metsző-, periapikális és panorámaröntgenfelvételeken képzett mélytanulási hálózatot hozunk létre. Ez a tanulmány célja, hogy megvizsgálja egy új, mélytanuláson alapuló mesterséges intelligencia modell megbízhatóságát a proximális cariestünetek észlelésében digitális metszőfelvétel-röntgenfelvételek (BW) segítségével.
A tanulmány áttekintése
Állapot
Befejezve
Körülmények
Tanulmány típusa
Megfigyelő
Beiratkozás (Tényleges)
2000
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
-
Cairo, Egyiptom, 11331
- Ain Shams University
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Igen
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
Azok a betegek, akik a Fogászati Kar rendelőjét látogatják, és szükségük van röntgenfelvételre a rutin diagnosztika vagy a kezelési terv elkészítése érdekében.
Leírás
Bevonási kritériumok:
- Betegek, akiknek minden állandó kisőrlő és nagyőrlő foguk van (maximum egy fog hiányozhat mindkét oldalon)
Kizárási kritériumok:
- 1-Fogászati rendellenességek → Amelogenesis imperfecta, Dentinogenesis imperfecta, taurodontia 2- Súlyos fogszorítás, amely megakadályozza a fogak érintkezési pontjainak vizualizációját 3- Fogszabályozó huzalok, amelyek a fog zománcához vannak kötve
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
1. csoport Mesterséges intelligencia Mélytanulás, amely a proximalis Caries diagnosztikájában alkalmazott
|
A mesterséges intelligenciát mélytanuláson alapuló diagnosztikai eszközként használták proximális cariest észlelni digitális harapófelvételen.
A rendszer elemzett képeket és generált valószínűségi pontszámokat és vizuális jelölőket a gyanús lázadásokra.
A teljesítményét összehasonlították szakértői vizsgálati diagnózisokkal mint referencia szabvánnyal.
Az AI eredményeket csak értékelésre használták és nem befolyásolták a betegkezelési döntéseket.
|
|
2. csoport: Digitális röntgenfelvétel (bitewing) kézi megjelölése szakértők által
|
A digitális rágószárny-röntgenfelvételeket kalibrált humán szakértők kézzel annotálták, hogy azonosítsák a proximális cariest, annak jelenlétét és helyét.
Az annotációkat szabványosított diagnosztikai kritériumok és dedikált képfeldolgozó szoftver segítségével végezték, hogy a gyanús elváltozásokat megjelöljék.
Ezek a szakértői jelölések szolgáltak referencia szabványként az összehasonlításhoz a mesterséges intelligencia kimeneteivel.
A vizsgálók közötti egyetértést értékelték, és az esetleges eltéréseket konszenzusos döntéssel oldották fel.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Időkeret |
|---|---|
|
A mesterséges intelligencia modell megbízhatósága proximális carieszek detektálásában digitális harapásfelvételi röntgenfelvételeken
Időkeret: keresztmetszeti értékelés az alapponton, követési időszak nélkül
|
keresztmetszeti értékelés az alapponton, követési időszak nélkül
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Együttműködők
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2023. január 15.
Elsődleges befejezés (Tényleges)
2025. szeptember 15.
A tanulmány befejezése (Tényleges)
2025. december 1.
Tanulmányi regisztráció dátumai
Először benyújtva
2026. február 4.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2026. február 4.
Első közzététel (Tényleges)
2026. február 11.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2026. február 11.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2026. február 4.
Utolsó ellenőrzés
2026. február 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- CONS_ Rad 1180
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .