Dyp læring for å oppsummere funn i tannpanoramiske røntgenbilder
16. mai 2021 oppdatert av: National Taiwan University Hospital
I dette arbeidet studerer etterforskerne bruken av kunstige intelligenssystemer på tannpanoramabilder for tannfunn.
Et kunstig intelligenssystem skal læres på et offentlig tilgjengelig panoramabildedatasett, og testes mot etterforskernes lokale pasientkohort som eksterne testdata.
Etterforskerne antar at ytelsen vil være lik, om ikke identisk med de offentlige dataene, og at etterforskernes AI-system er generaliserbart.
Studieoversikt
Status
Påmelding etter invitasjon
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Forventet)
1000
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Taipei, Taiwan, 100
- National Taiwan University Hospital
-
-
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
20 år til 100 år (Voksen, Eldre voksen)
Tar imot friske frivillige
Ja
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Sannsynlighetsprøve
Studiepopulasjon
alle pasienter med panoramabildeeksponering og ikke med eksklusjonskriterier
Beskrivelse
Ekskluderingskriterier:
- pasienter under 20 eller med primære tenner
- pasienter med ikke-avtakbart metalltilbehør over halsen, slik som tungering, nesering osv.
- pasienter med mandible eller maxilla deformasjon
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Alle pasienter med relevante tannfunn
|
Eksponering for dental panorama røntgenbilder
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Areal under kurve for mottakerens driftsegenskaper for kliniske funn
Tidsramme: 1 dag
|
Etterforskerne bruker AI-modellen for å konkludere om et klinisk funn (av de seks typen funn etterforskerne er interessert i) er tilstede i en avbildningsstudie fra testsettet.
Resultatet sammenlignes med ekspertkommentarer og evalueres for mottakerens driftsegenskaper over hele settet.
Arealet under kurven vil deretter bli beregnet og gjennomsnittsberegnet på tvers av seks typer funn for å representere modellens samlede effektivitet for å oppdage funn fra panoramabilder.
Fra en skala fra null til én er null det verste denne metrikken kan være, og én er den beste.
|
1 dag
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart (Faktiske)
7. mai 2021
Primær fullføring (Forventet)
1. desember 2021
Studiet fullført (Forventet)
1. mai 2023
Datoer for studieregistrering
Først innsendt
9. mai 2021
Først innsendt som oppfylte QC-kriteriene
16. mai 2021
Først lagt ut (Faktiske)
20. mai 2021
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
20. mai 2021
Siste oppdatering sendt inn som oppfylte QC-kriteriene
16. mai 2021
Sist bekreftet
1. mai 2021
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 202102018RINB
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
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. .