- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05901857
Beoordeling van de precisie van convolutionele neurale netwerken voor schatting van tandheelkundige leeftijd op basis van panoramische röntgenfoto's
Beoordeling van de precisie van convolutionele neurale netwerken voor schatting van de tandleeftijd in een Egyptische populatie op basis van digitale panoramische röntgenfoto's: een diagnostisch nauwkeurigheidsonderzoek
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
De Willems-methode is een tandheelkundige leeftijdsschattingstechniek die is gewijzigd van de Demirjian-methode door nieuwe tabellen te maken van waaruit een volwassenheidsscore direct wordt uitgedrukt in jaren.
Panoramische röntgenfoto's van alle deelnemers worden gemaakt met hun geïnformeerde toestemming, waarna ze worden genummerd en gecodeerd. De chronologische leeftijd voor elke deelnemer wordt berekend door de geboortedatum af te trekken van de datum van de röntgenfoto en de werkelijke leeftijd wordt verblind voor de onderzoeker (de chronologische leeftijd is de grondwaarheid). Alle panoramische röntgenfoto's worden tweemaal onderzocht door de hoofdauteur om de tandleeftijd volgens de Willems-methode te bepalen.
De zeven linker onderkaaktanden, exclusief de derde kies, worden gescoord als '0' voor afwezigheid van verkalking, en 'A' tot 'H', afhankelijk van het stadium van verkalking. Elke letter komt overeen met een score die de tandheelkundige leeftijdsfractie is met behulp van tabellen voor jongens en meisjes. Het direct optellen van de scores voor de zeven linker mandibulaire tanden resulteert in de geschatte tandleeftijd. De schattingsnauwkeurigheid van de tandarts-radioloog zal worden vergeleken met de grondwaarheid (eerste indextest).
De tweede indextest die ook zal worden vergeleken met de grondwaarheid is het CNN-model. Om de dataset voor het CNN-model voor te bereiden, wordt een rigoureuze voorbewerkingsprocedure gevolgd. Dit omvat het verkleinen van de afbeeldingen tot de gewenste afmetingen, het segmenteren van de tanddelen die in de afbeelding moeten worden opgenomen en het toepassen van technieken voor gegevensvergroting om de kwaliteit en kwantiteit van de gegevensset te verbeteren. De dataset wordt vervolgens opgesplitst in trainings- en testsets met een verhouding van 20:80, die zorgvuldig worden geselecteerd op basis van het verwachte aantal monsters. Ook wordt de nauwkeurigheid van het model beoordeeld in vergelijking met de grondwaarheid (de chronologische leeftijden).
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Rawan Elkassas
- Telefoonnummer: +201011385738
- E-mail: rawanelkassas@gmail.com
Studie Locaties
-
-
-
Cairo, Egypte
- Werving
- Rawan Elkassas
-
Contact:
- rawan elkassas
- E-mail: rawan.elkassas@dentistry.cu.edu.eg
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Aanwezigheid van alle mandibulaire linker permanente tanden (behalve derde molaren)
- Duidelijk zichtbare wortelontwikkeling
- Geen systemische ziekte
- Geen voorgeschiedenis van wortelkanaalbehandeling of extractie
- Geen verwante ziekten die de onderkaakontwikkeling beïnvloeden, zoals cysten of tumoren.
Uitsluitingscriteria:
- Patiënten met vroeggeboorte
- Gezichtsasymmetrie
- Aangeboren afwijkingen
- Geschiedenis van trauma of operatie in dentofaciale regio
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van schatting van de tandleeftijd op basis van digitale panoramische röntgenfoto's met behulp van CNN-modellen
Tijdsspanne: Door afronding van de studie gemiddeld 1 jaar
|
Percentage
|
Door afronding van de studie gemiddeld 1 jaar
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Studie stoel: Mohab Eid, Nile University
Publicaties en nuttige links
Algemene publicaties
- 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.
Studie record data
Bestudeer belangrijke data
Studie start (Geschat)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- ORAD 3-3-1 (2)
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .