Deep Learning-Based Measurement of Keratinized Gingiva Width Using Smartphone-Acquired Clinical Images
A Deep Learning-Based Analytical Framework for Detection, Quantification, and Quality Assessment of Keratinized Gingival Tissues in Clinical Examination Images
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
This observational diagnostic validation study was conducted to develop and evaluate an artificial intelligence-based system for automated assessment of keratinized gingiva width (KGW) using smartphone-acquired intraoral clinical photographs.
Standardized intraoral images were collected from eligible participants following predefined inclusion and exclusion criteria. All images were captured using a smartphone under standardized clinical conditions to ensure uniformity in lighting, angulation, and image quality. Clinical measurements of keratinized gingiva width were independently performed by two calibrated expert examiners, serving as the reference (ground truth) standard.
A deep learning-based model was trained to segment and measure the keratinized gingival tissue from clinical images. The predicted measurements generated by the AI system were compared against the expert clinical measurements to evaluate model performance.
The performance of the system was assessed using multiple evaluation metrics, including accuracy, Dice similarity coefficient, Intersection over Union (IoU), precision, recall, and F1-score. Inter-examiner reliability between experts was also considered to ensure consistency of the reference standard.
The study aims to demonstrate the feasibility of integrating artificial intelligence into periodontal diagnostics, specifically for objective and reproducible measurement of keratinized gingiva width. The proposed system may contribute to reducing inter-operator variability and improving clinical efficiency in periodontal assessment.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Cairo Governorate
-
Cairo, Cairo Governorate, Egipt, 11754
- Faculty of Dental Medicine for Girls, Al-Azhar University
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Inclusion Criteria:
- Patients aged 18 years or older.
Patients with varying periodontal conditions thealthy. gingivitis, periodontitie.
Patients willing to provide adormed consent.
Exclusion Criteria:
- Patients with a history of periodontal surgery within the past six montie
Patients withsystemic conditions affecting oraltissue eg. diabetes.
Very poor quality intra oral image.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Participants Undergoing Keratinized Gingiva Assessment
Participants whose smartphone-acquired intraoral clinical photographs were used for assessment of keratinized gingiva width.
Clinical measurements performed by expert examiners served as the reference standard for validation of the artificial intelligence model.
|
Analysis of smartphone-acquired intraoral photographs using a deep learning model for automated measurement of keratinized gingiva width.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Accuracy of Artificial Intelligence-Based Keratinized Gingiva Width Measurement
Ramy czasowe: Baseline (single study visit)
|
Evaluation of the agreement between keratinized gingiva width measurements generated by the artificial intelligence model and reference measurements obtained by calibrated examiners using smartphone-acquired intraoral clinical photographs at the baseline clinical visit.
|
Baseline (single study visit)
|
Współpracownicy i badacze
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- OMPDR 108-1q
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 .