Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Utvärdering av artificiell intelligensmodeller för diagnos av främre öppenbettsmalocklusion

19 november 2023 uppdaterad av: Heba El-Sayed Kamel Akl, Cairo University
Bygga artificiell intelligensmodeller för diagnos av främre öppen bett malocklusion

Studieöversikt

Status

Rekrytering

Detaljerad beskrivning

Studien syftar till att skapa artificiell intelligensmodeller, med indata från förbehandlingsfotografier och röntgenbilder av patienter med öppet bett som rutinmässigt tas för diagnos och behandlingsplanering. Resultatet av AI-modellen kommer att vara typen och fenotypen av främre öppet bett. Fotografierna och röntgenbilderna med högsta kvalitet kommer att ordnas i vissa standardiserade mallar för att underlätta maskininlärningsprocessen.

Studietyp

Observationell

Inskrivning (Beräknad)

200

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studieorter

      • Cairo, Egypten, 11451
        • Rekrytering
        • Orthodontic department, Faculty of Dentistry, Cairo University
        • Kontakt:
          • Heba Akl, MSc.
          • Telefonnummer: 01227418915

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen

Tar emot friska volontärer

Nej

Testmetod

Sannolikhetsprov

Studera befolkning

Varje patient med främre öppet bett av någon typ och svårighetsgrad kommer att inkluderas i studien

Beskrivning

Inklusionskriterier:

  • främre öppet bett

Exklusions kriterier:

  • kraniofaciala syndrom, tidigare ortodontisk behandling, dålig kvalitetsjournal

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
effektiviteten av artificiell intelligens (AI) modell vid diagnos av främre öppet bett
Tidsram: 8 månader
Procentandelen av överensstämmelse mellan resultatet av AI-modellen och den faktiska diagnosen
8 månader

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Samarbetspartners

Utredare

  • Studierektor: Yehya Mostafa, DDS., PhD, Cairo

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Beräknad)

1 november 2023

Primärt slutförande (Beräknad)

1 juli 2024

Avslutad studie (Beräknad)

1 september 2024

Studieregistreringsdatum

Först inskickad

15 november 2023

Först inskickad som uppfyllde QC-kriterierna

19 november 2023

Första postat (Faktisk)

20 november 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

20 november 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

19 november 2023

Senast verifierad

1 november 2023

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 2107765

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera