Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Deep Learning-Based Measurement of Keratinized Gingiva Width Using Smartphone-Acquired Clinical Images

7 de julho de 2026 atualizado por: Salma Lamloum Mohamed Mohamed, Al-Azhar University

A Deep Learning-Based Analytical Framework for Detection, Quantification, and Quality Assessment of Keratinized Gingival Tissues in Clinical Examination Images

This study aims to develop and validate an artificial intelligence-based system for automated measurement of keratinized gingiva width using smartphone-acquired intraoral clinical photographs. Standardized intraoral images will be collected and analyzed using a deep learning model, and the results will be compared with clinical measurements performed by calibrated expert examiners, which serve as the reference standard. The performance of the proposed system will be evaluated using accuracy metrics including Dice coefficient, Intersection over Union (IoU), precision, recall, and F1-score. This study seeks to support the integration of AI tools into periodontal diagnosis and clinical decision-making to improve measurement consistency and reduce inter-examiner variability.

Visão geral do estudo

Status

Concluído

Condições

Intervenção / Tratamento

Descrição detalhada

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.

Tipo de estudo

Observacional

Inscrição (Real)

50

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Locais de estudo

  • Egito
    • Cairo Governorate
      • Cairo, Cairo Governorate, Egito, 11754
        • Faculty of Dental Medicine for Girls, Al-Azhar University

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Sim

Método de amostragem

Amostra Não Probabilística

População do estudo

Participants attending the clinic of the department of Periodontologly Faculty of Dental Medicine for girls Al-Azhar university who met the study eligibility criteria and provided smartphone-acquired intraoral clinical photographs for keratinized gingiva width assessment and artificial intelligence model validation.

Descrição

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.

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

Coortes e Intervenções

Grupo / Coorte
Intervenção / Tratamento
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.
Teste de diagnostico: Artificial Intelligence-Based Keratinized Gingiva Width Assessment
Analysis of smartphone-acquired intraoral photographs using a deep learning model for automated measurement of keratinized gingiva width.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Accuracy of Artificial Intelligence-Based Keratinized Gingiva Width Measurement
Prazo: 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)

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Al-Azhar University

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

1 de julho de 2025

Conclusão Primária (Real)

9 de janeiro de 2026

Conclusão do estudo (Real)

15 de março de 2026

Datas de inscrição no estudo

Enviado pela primeira vez

30 de junho de 2026

Enviado pela primeira vez que atendeu aos critérios de CQ

7 de julho de 2026

Primeira postagem (Real)

8 de julho de 2026

Atualizações de registro de estudo

Última Atualização Postada (Real)

8 de julho de 2026

Última atualização enviada que atendeu aos critérios de controle de qualidade

7 de julho de 2026

Última verificação

1 de julho de 2026

Mais Informações

Termos relacionados a este estudo

Palavras-chave

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • OMPDR 108-1q

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Descrição do plano IPD

IPD will not be shared to protect patient confidentiality and in compliance with institutional ethical guidelines. Data access is limited to the study investigators only.

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .

Ensaios clínicos em Doenças Periodontais

Pesquisar ensaios semelhantes

Patrocinadores e Colaboradores

Condições médicas

Intervenções de drogas

CROs by country

CROs in Kuwait

Condições

Doenças Raras

Intervenções de drogas

Suplementos Alimentares

Patrocinador / Colaboradores

Localizações

3
Se inscrever