어린이의 치아 플라크 검출을 위한 AI 모델과 임상 평가의 비교 정확도
다양한 인공 지능 모델을 사용한 구강 내 이미지에서 치아 플라크 검출의 정확도와 어린이 그룹의 임상 평가: 진단 정확도 연구.
연구 개요
상세 설명
연구 제목:
다양한 인공 지능 모델을 사용한 구강 내 이미지에서 치아 플라크 검출의 정확도와 어린이 그룹의 임상 평가: 진단 정확도 연구
연구 개요:
이 관찰 진단 정확도 연구는 자격을 갖춘 치과 의사가 수행하는 기존 임상 평가와 비교하여 구강 내 이미지에서 치석을 감지하는 다중 인공 지능(AI) 모델의 성능을 평가하기 위해 설계되었습니다. 어린이의 구강 건강을 유지하려면 치태의 조기 발견과 관리가 중요하기 때문에 주로 소아 환자에 초점을 맞추고 있습니다.
배경 및 근거:
치태는 치아에 형성되는 생물막으로, 적절하게 관리하지 않으면 우식과 치주질환을 유발할 수 있습니다. 플라크 검출의 전통적인 방법은 치과 전문가의 시각적 평가에 의존하는데, 이는 주관적일 수 있고 정확도가 다를 수 있습니다. AI 및 이미지 처리의 최근 발전은 구강 내 이미지를 통해 치태의 검출 및 정량화를 향상시켜 잠재적으로 보다 객관적이고 효율적인 평가 도구를 제공할 수 있는 기회를 제공합니다.
목표:
치태를 감지하는 AI 모델의 정확도를 임상 평가와 비교합니다.
AI 기술의 민감도, 특이도 및 전반적인 진단 성능을 결정합니다.
AI 모델이 소아 환자를 위한 일상적인 치과 검사에 통합될 가능성을 분석합니다.
방법론:
참가자: 다양한 인구통계 및 치아 건강 상태를 다양하게 대표할 수 있도록 소아 환자 샘플을 모집합니다.
이미지 획득: 일관성을 보장하기 위해 표준화된 이미징 프로토콜을 사용하여 구강 내 이미지를 캡처합니다. 변동성을 최소화하기 위해 통제된 조건에서 고해상도 이미지를 얻을 수 있습니다.
AI 모델: CNN(회선 신경망) 및 딥 러닝 기술을 포함한 다양한 AI 알고리즘은 주석이 달린 구강 내 이미지 데이터 세트를 사용하여 훈련됩니다. 이러한 모델은 치태를 식별하고 정량화하는 능력을 기반으로 평가됩니다.
임상 평가: 숙련된 치과 의사는 표준 플라크 지수를 사용하여 동일한 어린이 집단에서 치석의 존재 및 심각도를 평가하기 위해 임상 검사를 수행합니다.
데이터 분석: AI 모델의 진단 정확도를 민감도, 특이성, 양성 예측 값 및 음성 예측 값 계산을 포함한 임상 평가와 비교하기 위해 통계적 방법이 사용됩니다.
예상 결과:
이 연구의 목표는 어린이의 치석 검출을 향상시켜 잠재적으로 예방 관리 및 치료 전략을 개선하는 데 있어 AI의 역할을 밝히는 것입니다. 이번 연구 결과는 치과 의사를 위한 AI 지원 도구 개발에도 기여할 수 있습니다.
윤리적 고려사항:
본 연구는 윤리적 지침을 준수하여 소아 참가자의 법적 보호자로부터 사전 동의를 얻도록 할 것입니다. 연구 시작 전에 관련 기관 검토 위원회(IRB)의 승인을 확보합니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Naema Altrablsi
- 전화번호: 00201152442411
- 이메일: naema.altrablsi@dentistry.cu.edu.eg
연구 연락처 백업
- 이름: Hala Mohiey Eldin, Prof. Doctor
- 전화번호: 00201001459467
- 이메일: hala.mohyeldin@dentistry.cu.edu.eg
연구 장소
-
-
-
Cairo, 이집트, 11511
- Cairo University
-
연락하다:
- cairo universitty
- 전화번호: 0020238355275
- 이메일: naema.altrablsi@dentistry.cu.edu.eg
-
수석 연구원:
- Naema Ahmed
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
.연구 참가자: 연령 범위(7-12)세의 어린이. .금속 크라운이나 아말감 수복물이 없는 치아입니다.
제외 기준:
- 발달상의 법랑질 결함이 있는 어린이
- 협조를 거부하는 아동, 정신지체 아동으로 사진 촬영이 금지된 아동. .법적 보호자인 아동은 연구 참여를 승인하지 않습니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
치과 의사의 평가를 위한 치태가 있는 어린이의 구강 내 이미지
개입 개요: 참가자는 [구강 카메라]를 사용하여 구강 내 영상을 받게 됩니다. 중재 개요: 숙련된 치과의사 또는 치과위생사는 표준 임상 기준을 사용하여 각 어린이의 치석 수준에 대한 임상 평가를 수행합니다. 평가 방법: 임상 평가에는 육안 검사가 포함되며 플라크 지수를 사용하여 존재하는 플라크의 양을 평가할 수 있습니다. 데이터 수집 및 분석: 결과 측정: AI 모델 및 임상 평가의 결과를 비교하여 민감도, 특이성, 양성 예측 값 및 음성 예측 값과 같은 진단 정확도 지표를 계산합니다. |
|
|
AI 모델 평가를 위한 치태가 있는 어린이의 구강 내 이미지
개입 개요: 참가자는 [구강 카메라]를 사용하여 구강 내 영상을 받게 됩니다. AI 모델: 치태 감지를 위해 설계된 다양한 AI 모델을 사용하여 이미지를 분석합니다. 데이터 수집 및 분석: 결과 측정: AI 모델 및 임상 평가의 결과를 비교하여 민감도, 특이성, 양성 예측 값 및 음성 예측 값과 같은 진단 정확도 지표를 계산합니다. |
설명: 자격을 갖춘 치과의사가 참가자의 전통적인 임상 검사를 수행하여 표준 검사 기술을 사용하여 치석을 평가합니다. 이는 AI 모델을 비교할 참조 표준 역할을 합니다. 연구 절차 이미지 획득: [구강 카메라]를 사용하여 각 참가자의 구강 내 이미지를 촬영합니다. AI 모델 평가: 캡처된 이미지는 다음을 포함할 수 있는 다양한 AI 알고리즘을 사용하여 분석됩니다. |
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
치석 검출의 정확성
기간: 주요 결과는 기준선에서 평가됩니다. 중재에 앞서 AI 모델과 임상 평가를 사용하여 구강 내 이미지를 캡처하고 평가합니다.
|
1차 결과 측정은 임상 평가와 비교하여 구강 내 이미지에서 치태를 검출하는 데 있어 다양한 인공 지능 모델의 진단 정확도를 평가합니다.
|
주요 결과는 기준선에서 평가됩니다. 중재에 앞서 AI 모델과 임상 평가를 사용하여 구강 내 이미지를 캡처하고 평가합니다.
|
공동 작업자 및 조사자
스폰서
수사관
- 연구 책임자: Cairo University, Cairo University
연구 기록 날짜
연구 주요 날짜
연구 시작 (추정된)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .