- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT05901857
Оценка точности сверточных нейронных сетей для оценки возраста зубов по панорамным рентгенограммам
Оценка точности сверточных нейронных сетей для оценки возраста зубов у населения Египта по цифровым панорамным рентгенограммам: исследование диагностической точности
Обзор исследования
Статус
Условия
Вмешательство/лечение
Подробное описание
Метод Виллемса — это метод оценки возраста зубов, модифицированный по сравнению с методом Демирджяна путем создания новых таблиц, из которых оценка зрелости непосредственно выражается в годах.
Панорамные рентгенограммы всех участников будут сделаны с их информированного согласия, затем они будут пронумерованы и закодированы. Хронологический возраст для каждого участника будет рассчитан путем вычитания даты рождения из даты рентгенограммы, и реальный возраст будет скрыт от исследователя (хронологический возраст является исходной правдой). Все панорамные рентгенограммы будут исследованы основным автором дважды для определения возраста зубов по методу Виллемса.
Семь левых зубов нижней челюсти, за исключением третьего моляра, будут оценены как «0» за отсутствие кальцификации и от «А» до «Н», в зависимости от стадии кальцификации. Каждая буква соответствует баллу, который представляет собой возрастную долю зубов с использованием таблиц для мальчиков и девочек. Суммирование баллов для семи левых зубов нижней челюсти даст приблизительный возраст зубов. Точность оценки стоматолога-рентгенолога будет сравниваться с достоверностью данных (первый индексный тест).
Второй индексный тест, который также будет сравниваться с реальной истиной, — это модель CNN. Чтобы подготовить набор данных для модели CNN, будет выполняться строгая процедура предварительной обработки. Это будет включать изменение размера изображений до желаемых размеров, сегментацию частей зубов, которые будут включены в изображение, и применение методов увеличения данных для повышения качества и количества набора данных. Затем набор данных будет разделен на наборы для обучения и тестирования с использованием соотношения 20:80, которые будут тщательно отобраны на основе ожидаемого количества образцов. Также будет оцениваться точность модели по сравнению с земной истиной (хронологический возраст).
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Контакты исследования
- Имя: Rawan Elkassas
- Номер телефона: +201011385738
- Электронная почта: rawanelkassas@gmail.com
Места учебы
-
-
-
Cairo, Египет
- Рекрутинг
- Rawan Elkassas
-
Контакт:
- rawan elkassas
- Электронная почта: rawan.elkassas@dentistry.cu.edu.eg
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Ребенок
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Наличие всех левых постоянных зубов нижней челюсти (кроме третьих моляров)
- Хорошо видно развитие корней
- Отсутствие системного заболевания
- Нет истории лечения или удаления корневых каналов
- Нет сопутствующих заболеваний, влияющих на развитие нижней челюсти, таких как кисты или опухоли.
Критерий исключения:
- Пациентки с преждевременными родами
- Асимметрия лица
- Врожденные аномалии
- Травма или операция в зубочелюстной области в анамнезе
Учебный план
Как устроено исследование?
Детали дизайна
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Точность оценки возраста зубов по цифровым панорамным рентгенограммам с использованием моделей CNN
Временное ограничение: По завершении обучения, в среднем 1 год
|
Процент
|
По завершении обучения, в среднем 1 год
|
Соавторы и исследователи
Спонсор
Следователи
- Учебный стул: Mohab Eid, Nile University
Публикации и полезные ссылки
Общие публикации
- Ekert T, Krois J, Meinhold L, Elhennawy K, Emara R, Golla T, Schwendicke F. Deep Learning for the Radiographic Detection of Apical Lesions. J Endod. 2019 Jul;45(7):917-922.e5. doi: 10.1016/j.joen.2019.03.016. Epub 2019 Jun 1.
- Banar N, Bertels J, Laurent F, Boedi RM, De Tobel J, Thevissen P, Vandermeulen D. Towards fully automated third molar development staging in panoramic radiographs. Int J Legal Med. 2020 Sep;134(5):1831-1841. doi: 10.1007/s00414-020-02283-3. Epub 2020 Apr 1.
- El-Desouky SS, Kabbash IA. Age estimation of children based on open apex measurement in the developing permanent dentition: an Egyptian formula. Clin Oral Investig. 2023 Apr;27(4):1529-1539. doi: 10.1007/s00784-022-04773-7. Epub 2022 Nov 17.
- Galibourg A, Cussat-Blanc S, Dumoncel J, Telmon N, Monsarrat P, Maret D. Comparison of different machine learning approaches to predict dental age using Demirjian's staging approach. Int J Legal Med. 2021 Mar;135(2):665-675. doi: 10.1007/s00414-020-02489-5. Epub 2021 Jan 7.
- Guo YC, Han M, Chi Y, Long H, Zhang D, Yang J, Yang Y, Chen T, Du S. Accurate age classification using manual method and deep convolutional neural network based on orthopantomogram images. Int J Legal Med. 2021 Jul;135(4):1589-1597. doi: 10.1007/s00414-021-02542-x. Epub 2021 Mar 4.
- Kim S, Lee YH, Noh YK, Park FC, Auh QS. Age-group determination of living individuals using first molar images based on artificial intelligence. Sci Rep. 2021 Jan 13;11(1):1073. doi: 10.1038/s41598-020-80182-8. Erratum In: Sci Rep. 2022 Feb 7;12(1):2332.
- Sehrawat JS, Singh M. Willems method of dental age estimation in children: A systematic review and meta-analysis. J Forensic Leg Med. 2017 Nov;52:122-129. doi: 10.1016/j.jflm.2017.08.017. Epub 2017 Aug 25.
- Shen S, Liu Z, Wang J, Fan L, Ji F, Tao J. Machine learning assisted Cameriere method for dental age estimation. BMC Oral Health. 2021 Dec 15;21(1):641. doi: 10.1186/s12903-021-01996-0.
- Vila-Blanco N, Carreira MJ, Varas-Quintana P, Balsa-Castro C, Tomas I. Deep Neural Networks for Chronological Age Estimation From OPG Images. IEEE Trans Med Imaging. 2020 Jul;39(7):2374-2384. doi: 10.1109/TMI.2020.2968765. Epub 2020 Jan 31.
- Ye X, Jiang F, Sheng X, Huang H, Shen X. Dental age assessment in 7-14-year-old Chinese children: comparison of Demirjian and Willems methods. Forensic Sci Int. 2014 Nov;244:36-41. doi: 10.1016/j.forsciint.2014.07.027. Epub 2014 Aug 19.
Даты записи исследования
Изучение основных дат
Начало исследования (Оцененный)
Первичное завершение (Оцененный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Другие идентификационные номера исследования
- ORAD 3-3-1 (2)
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .