Detectie van Proximale Cariës in Bijtplaatjesradiografie met Kunstmatige Intelligentie
4 februari 2026 bijgewerkt door: Rawda Hesham Abd ElAziz, Cairo University
Detectie van Proximale Cariës in Bijtplaatfoto's met Kunstmatige Intelligentie - Een Diagnostische Klinische Studie
Met behulp van een reeks bitewing-röntgenfoto's helpt kunstmatige intelligentie bij het identificeren van interproximale cariës.
Voor de identificatie van tandcariës in bitewing-, periapicale en panoramische röntgenfoto's wordt een getraind deep learning-netwerk ontwikkeld. Deze studie had tot doel de betrouwbaarheid te onderzoeken van een nieuw kunstmatige intelligentie-model op basis van deep learning bij de detectie van proximale cariës met behulp van digitale bitewing-röntgenfoto's.
(BW).
Studie Overzicht
Toestand
Voltooid
Conditie
Studietype
Observationeel
Inschrijving (Werkelijk)
2000
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
-
Cairo, Egypte, 11331
- Ain Shams University
-
-
Deelname Criteria
Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Ja
Bemonsteringsmethode
Niet-waarschijnlijkheidssteekproef
Studie Bevolking
Patiënten die de polikliniek van de Faculteit Tandheelkunde bezoeken en een bitewing röntgenfoto nodig hadden voor routinematige diagnose of behandelplanning.
Beschrijving
Inclusiecriteria:
- Patiënten met alle blijvende premolaren en molaren (maximaal één tand ontbrekend aan elke kant)
Uitsluitingscriteria:
- 1-Tandheelkundige afwijkingen → Amelogenesis imperfecta, Dentinogenesis imperfecta, taurodontisme 2- Ernstige crowding die visualisatie van tandcontacten verhindert 3-Orthodontische draden gebonden aan tandglazuur
Studie plan
Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Groep 1 Kunstmatige Intelligentie Deep learning die wordt toegepast in de Diagnose van proximale Cariës
|
Kunstmatige intelligentie werd gebruikt als een deep-learning diagnostisch hulpmiddel om proximale cariës op digitale bitewing-röntgenfoto's te detecteren.
Het systeem analyseerde afbeeldingen en genereerde waarschijnlijkheidsscores en visuele markeringen voor vermeende laesies.
De prestaties ervan werden vergeleken met diagnoses van expertonderzoekers als referentiestandaard.
AI-resultaten werden alleen gebruikt voor evaluatie en hadden geen invloed op behandelingsbeslissingen voor patiënten.
|
|
Groep 2 : Digitale bitewing handmatig geannoteerd door menselijke experts
|
Digitale bitewing röntgenfoto's werden handmatig geannoteerd door gekalibreerde menselijke experts om de aanwezigheid en locatie van proximale cariës te identificeren.
De annotaties werden uitgevoerd met gestandaardiseerde diagnostische criteria en gespecialiseerde beeldbewerkingssoftware om vermoedelijke laesies te markeren.
Deze expertmarkeringen dienden als de referentiestandaard voor vergelijking met de kunstmatige intelligentie-uitvoer.
De overeenstemming tussen beoordelaars werd beoordeeld en meningsverschillen werden opgelost door consensus.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Tijdsspanne |
|---|---|
|
Betrouwbaarheid van het kunstmatige intelligentiemodel bij het detecteren van proximale cariës op digitale bitewingröntgenfoto's
Tijdsspanne: cross-sectionele beoordeling bij baseline, zonder follow-upperiode
|
cross-sectionele beoordeling bij baseline, zonder follow-upperiode
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Medewerkers
Studie record data
Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.
Bestudeer belangrijke data
Studie start (Werkelijk)
15 januari 2023
Primaire voltooiing (Werkelijk)
15 september 2025
Studie voltooiing (Werkelijk)
1 december 2025
Studieregistratiedata
Eerst ingediend
4 februari 2026
Eerst ingediend dat voldeed aan de QC-criteria
4 februari 2026
Eerst geplaatst (Werkelijk)
11 februari 2026
Updates van studierecords
Laatste update geplaatst (Werkelijk)
11 februari 2026
Laatste update ingediend die voldeed aan QC-criteria
4 februari 2026
Laatst geverifieerd
1 februari 2026
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- CONS_ Rad 1180
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
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 .