Bruken av kunstig intelligens i dental røntgenanalyse
Sammenligning av dental røntgenanalyse utført av en kunstig intelligensalgoritme og analysen utført av tannleger
Studieoversikt
Status
Status
Forhold
Forhold
Intervensjon / Behandling
Intervensjon / Behandling
Detaljert beskrivelse
Studietype
Studietype
Registrering (Faktiske)
Registrering
Kontakter og plasseringer
Studiekontakt
Studiekontakt
- Navn: Maciej Sikora, dr hab.
- Telefonnummer: +48 41 260 55 85
- E-post: sikora-maciej@wp.pl
Studiesteder
-
-
-
Kielce, Polen, 25-375
- Department of Maxillofacial Surgery
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Indikasjoner for tannrøntgen bekreftet ved skriftlig henvisning fra tannlege eller lege (både screeningtester og tester utført for behandlingsformål var tillatt)
- Permanent tannsett (etter at peelingen er fullført)
Ekskluderingskriterier:
- Pasienter med blandet tannsett (eksfoliering er ikke fullført)
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Antall grupper / kohorter
Kohorter og intervensjoner
Gruppe / KohortGruppe / Kohort |
Intervensjon / BehandlingIntervensjon / Behandling |
|---|---|
|
En gruppe pasienter (dobbel gate)
Studere design:
|
Tannrøntgen tatt av pasienter med indikasjoner bekreftet ved skriftlig henvisning.
|
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhet
Tidsramme: Inntil 6 uker
|
Sensitivitet (også kjent som tilbakekalling eller sann positiv rate) er andelen av faktiske positive tilfeller som er korrekt spådd som positive. Den evaluerer ytelsen til en AI-algoritme. Formelt kan det beregnes med følgende ligning: Sensitivitet = TP / (TP+FN) Sann positiv (TP) - et testresultat som korrekt indikerer tilstedeværelsen av en tilstand eller karakteristikk Falsk Negativ (FN) - et testresultat som feilaktig indikerer at en bestemt tilstand eller karakteristikk er fraværende |
Inntil 6 uker
|
|
Spesifisitet
Tidsramme: Inntil 6 uker
|
Spesifisitet (også kjent som sann negativ rate) - er andelen faktiske negative tilfeller som er korrekt spådd som negative. Den evaluerer ytelsen til en AI-algoritme. Formelt kan det beregnes ved ligningen nedenfor: Spesifisitet = TN / (TN + FP) Sann negativ (TN) - et testresultat som korrekt indikerer fravær av en tilstand eller karakteristikk Falsk positiv (FP) - et testresultat som feilaktig indikerer at en bestemt tilstand eller karakteristikk er tilstede |
Inntil 6 uker
|
|
Presisjon av AI-algoritmen
Tidsramme: Inntil 6 uker
|
Presisjon er en evalueringsmåling som brukes til å vurdere ytelsen til maskinlæringsalgoritmer for AI. Den måler hvor nøyaktig algoritmen er. Vi vil bruke antall sanne positive (TP) og falske positive (FP) for å beregne presisjon ved å bruke følgende formel: Presisjon = TP / (TP + FP) Sann positiv (TP) - et testresultat som korrekt indikerer tilstedeværelsen av en tilstand eller karakteristikk Falsk positiv (FP) - et testresultat som feilaktig indikerer at en bestemt tilstand eller karakteristikk er tilstede |
Inntil 6 uker
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Etterforskere
Etterforskere
- Studiestol: Maciej Sikora, Hospital of the Ministry of Interior, Wojska Polskiego 51, 25-375 Kielce, Poland
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Studiestart
Primær fullføring (Faktiske)
Primær fullføring
Studiet fullført (Faktiske)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
Andre studie-ID-numre
- CT/2023/1
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .