评估卷积神经网络从全景 X 光片估计牙龄的精度
2023年6月4日 更新者:Rawan Abdel Wahhab Bahaa Eldin Elkassas、Cairo University
从数字全景 X 光片评估埃及人群牙龄估计的卷积神经网络精度:一项诊断精度研究
本研究的目的是评估卷积神经网络在数字全景 X 光片牙龄估计中的准确性。
参考标准将是患者的实足年龄。
研究概览
详细说明
Willems 方法是一种从 Demirjian 方法修改而来的牙龄估计技术,它创建了新的表格,从中直接以年数表示成熟度分数。
所有参与者的全景射线照片将在他们知情同意的情况下拍摄,然后他们将被编号和编码。 每个参与者的实足年龄将通过从射线照相日期中减去出生日期来计算,并且真实年龄将对研究人员不可见(实足年龄是基本事实)。 所有全景片将由主要作者检查两次,根据 Willems 方法确定牙龄。
不包括第三磨牙的七个左下颌牙齿将因没有钙化而被记为“0”,并且根据钙化的阶段被记为“A”至“H”。 每个字母对应一个分数,该分数是使用男孩和女孩表格的牙齿年龄分数。 直接将左下颌七颗牙齿的分数相加将得出估计的牙龄。 牙科放射科医生的估计准确性将与地面实况(第一个指标测试)进行比较。
第二个也将与 ground truth 进行比较的指标测试是 CNN 模型。 要为 CNN 模型准备数据集,将遵循严格的预处理程序。 这将涉及将图像调整为所需尺寸、分割要包含在图像中的牙齿部分,以及应用数据增强技术来提高数据集的质量和数量。 然后,数据集将按照 20:80 的比例分为训练集和测试集,并根据预期的样本数量仔细选择。 此外,模型的准确性将与地面实况(实足年龄)进行比较评估。
研究类型
观察性的
注册 (估计的)
22
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。
学习联系方式
- 姓名:Rawan Elkassas
- 电话号码:+201011385738
- 邮箱:rawanelkassas@gmail.com
学习地点
-
-
-
Cairo、埃及
- 招聘中
- Rawan Elkassas
-
接触:
- rawan elkassas
- 邮箱:rawan.elkassas@dentistry.cu.edu.eg
-
-
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
- 孩子
接受健康志愿者
不适用
取样方法
概率样本
研究人群
将从牙科学院口腔放射学系招募全景射线照片。
描述
纳入标准:
- 存在所有下颌左恒牙(第三磨牙除外)
- 清晰可见的根系发育
- 无全身性疾病
- 无根管治疗或拔牙史
- 无囊肿、肿瘤等影响下颌发育的相关疾病。
排除标准:
- 早产患者
- 面部不对称
- 先天性异常
- 牙颌面区域外伤或手术史
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
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 |
|---|---|---|
|
使用 CNN 模型从数字全景 X 光片估计牙龄的准确性
大体时间:通过学习完成,平均1年
|
百分比
|
通过学习完成,平均1年
|
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。
调查人员
- 学习椅:Mohab Eid、Nile University
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- 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.
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 (估计的)
2023年6月30日
初级完成 (估计的)
2024年1月1日
研究完成 (估计的)
2025年12月1日
研究注册日期
首次提交
2023年5月12日
首先提交符合 QC 标准的
2023年6月4日
首次发布 (实际的)
2023年6月13日
研究记录更新
最后更新发布 (实际的)
2023年6月13日
上次提交的符合 QC 标准的更新
2023年6月4日
最后验证
2023年6月1日
更多信息
与本研究相关的术语
其他研究编号
- ORAD 3-3-1 (2)
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)?
未定
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.