Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Dokładność wykrywania próchnicy na podstawie obrazów wewnątrzustnych przy użyciu różnych modeli sztucznej inteligencji

28 lutego 2025 zaktualizowane przez: Sherine Tarek Mohamed Elsayed Khaled, Cairo University

Dokładność wykrywania próchnicy na podstawie obrazów wewnątrzustnych przy użyciu różnych modeli sztucznej inteligencji w porównaniu z konwencjonalnym badaniem wzrokowym w grupie dzieci: badanie dokładności diagnostycznej

Celem tego badania obserwacyjnego jest ocena dokładności diagnostycznej różnych modeli głębokiego uczenia się w wykrywaniu próchnicy zębów na podstawie zdjęć wewnątrzustnych wykonanych przez profesjonalną kamerę wewnątrzustną u dzieci. Główne pytanie, na które ma odpowiedzieć, brzmi:

Jaka jest dokładność diagnostyczna różnych modeli głębokiego uczenia się w wykrywaniu próchnicy zębów na podstawie zdjęć wewnątrzustnych wykonanych u dzieci profesjonalną kamerą wewnątrzustną w porównaniu z konwencjonalnym klinicznym badaniem wzrokowym?

Przegląd badań

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

398

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

      • Giza, Egipt
        • Cairo University
        • Kontakt:
          • mahmoud ahmed Vice President for Graduate Studies and Research, Phd
          • Numer telefonu: 0235674835 0235674835
          • E-mail: info@cu.edu.eg
        • Kontakt:
          • sama sayed hanafy, Phd

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dziecko

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Każde dziecko, które w momencie rekrutacji do Centrum Diagnostyki Oddziału Stomatologii Dziecięcej Wydziału Stomatologii Uniwersytetu w Kairze ma co najmniej jeden ząb zepsuty.

Opis

Kryteria włączenia:

  • Uzębienie dziecka posiadające co najmniej jeden zepsuty ząb.

Kryteria wykluczenia:

  • Uzębienie dziecka z rozwojowymi defektami szkliwa.
  • Dzieci z jakąkolwiek chorobą ogólnoustrojową.
  • Rodzic/dziecko odmawia udziału w badaniu.
  • Dziecko niewspółpracujące.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
grupa szkoleniowa
obrazy wykorzystane do szkolenia modeli AI w zakresie wykrywania próchnicy zębów na podstawie obrazów wewnątrzustnych.
szkolić modele sztucznej inteligencji (FASTER RCNN, YOLOY) do wykrywania próchnicy, a następnie testować ich dokładność
Inne nazwy:
  • YOLO
grupa testowa
obrazy wykorzystane do sprawdzenia dokładności modeli AI w diagnostyce próchnicy zębów na podstawie obrazów wewnątrzustnych.
szkolić modele sztucznej inteligencji (FASTER RCNN, YOLOY) do wykrywania próchnicy, a następnie testować ich dokładność
Inne nazwy:
  • YOLO

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Dokładność wykrywania próchnicy na podstawie obrazów wewnątrzustnych przy użyciu różnych modeli sztucznej inteligencji w porównaniu z konwencjonalnym badaniem wzrokowym grupy dzieci: badanie dokładności diagnostycznej
Ramy czasowe: jeden rok
Określona zostanie dokładność diagnostyczna testów wskaźnikowych, w tym czułość, swoistość, ogólna dokładność, dodatnie i ujemne wartości predykcyjne oraz analiza krzywej ROC.
jeden rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Szacowany)

30 kwietnia 2025

Zakończenie podstawowe (Szacowany)

30 grudnia 2025

Ukończenie studiów (Szacowany)

30 grudnia 2025

Daty rejestracji na studia

Pierwszy przesłany

19 grudnia 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

23 grudnia 2024

Pierwszy wysłany (Rzeczywisty)

25 marca 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

25 marca 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

28 lutego 2025

Ostatnia weryfikacja

1 grudnia 2024

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • OP 7-1-1

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIEZDECYDOWANY

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj