深度学习总结牙科全景 X 光片中的发现
2021年5月16日 更新者：National Taiwan University Hospital
在这项工作中，研究人员研究了人工智能系统在牙科全景图像上的应用，以进行牙科检查。
人工智能系统将在公开可用的全景图像数据集上学习，并针对研究人员的本地患者队列作为外部测试数据进行测试。
调查人员假设性能与公开数据相似，即使不完全相同，并且调查人员的 AI 系统是可推广的。
研究概览
研究类型
观察性的
注册 (预期的)
1000
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
-
Taipei、台湾、100
- National Taiwan University Hospital
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
20年 至 100年 (成人、年长者)
接受健康志愿者
是的
有资格学习的性别
全部
取样方法
概率样本
研究人群
所有具有全景图像曝光且不符合排除标准的患者
描述
排除标准：
- 20岁以下或有乳牙的患者
- 颈部有不可拆卸金属配件的患者，如舌环、鼻环等。
- 下颌骨或上颌骨变形患者
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
所有具有相关牙科发现的患者
|
牙科全景片曝光
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
临床发现的接受者操作特征曲线下面积
大体时间：1天
|
研究人员使用 AI 模型推断临床发现（在研究人员感兴趣的六种发现中）是否存在于来自测试集的影像学研究中。
将结果与专家注释进行比较，并评估整个集合的接收器操作特性。
然后将计算曲线下面积并对六种类型的发现进行平均，以表示模型在检测全景图像发现方面的整体功效。
从零到一的等级，零是这个指标可能达到的最差，一是最好的。
|
1天
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2021年5月7日
初级完成 (预期的)
2021年12月1日
研究完成 (预期的)
2023年5月1日
研究注册日期
首次提交
2021年5月9日
首先提交符合 QC 标准的
2021年5月16日
首次发布 (实际的)
2021年5月20日
研究记录更新
最后更新发布 (实际的)
2021年5月20日
上次提交的符合 QC 标准的更新
2021年5月16日
最后验证
2021年5月1日
更多信息
与本研究相关的术语
其他相关的 MeSH 术语
其他研究编号
- 202102018RINB
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
不
药物和器械信息、研究文件
研究美国 FDA 监管的药品
不
研究美国 FDA 监管的设备产品
不
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.