填充物的人工智能评估
2023年8月31日 更新者：Elif Bilgir、Eskisehir Osmangazi University
用于评估填充和悬垂填充的 Yolo-V5 方法：人工智能研究
这项非介入性临床研究的目标是基于通过监督学习训练的深度 CNN（卷积神经网络）架构，使用全景图像检测充盈和悬垂充盈的普遍性和分布，而无需额外的咬翼 X 线照片。
在这项研究中，回顾性获得的射线照片被用于开发针对相关情况的人工智能模型。 这些数据集取自因各种牙科目的而申请 ESOGU（埃斯基谢希尔奥斯曼加齐大学）牙科学院、牙颌面放射科诊所的患者的图像。 埃斯基谢希尔奥斯曼加齐大学非介入临床研究伦理委员会（决定日期和决定编号：04.10.2022/22） 批准了研究方案。 研究遵循了《赫尔辛基宣言》的原则。
研究概览
研究类型
观察性的
注册 (实际的)
4323
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
-
-
-
Eskişehir、火鸡、26200
- Eskisehir Osmangazi University
-
-
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
- 成人
- 年长者
接受健康志愿者
不适用
取样方法
概率样本
研究人群
这些数据集是从因各种牙科目的而向 ESOGU 牙科学院、牙颌面放射科诊所申请的患者的图像中获得的。
描述
纳入标准：
- 恒牙列期个体的图像
- 检查区域中的无伪影图像
- 有修复性牙科治疗史的个人
排除标准：
- 混合牙列个体的图像
- 因患者定位不正确或含有伪影而获得的放射线图像
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 |
|---|---|
|
填充
|
这项回顾性研究包括对之前出于各种目的从患者身上拍摄的射线照片进行分析
|
|
悬垂填充
|
这项回顾性研究包括对之前出于各种目的从患者身上拍摄的射线照片进行分析
|
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 |
|---|---|---|
|
人工智能填充和悬垂填充模型的成功
大体时间：1年
|
它是通过计算填充和悬垂填充的灵敏度、精度和F1分数值而获得的。
|
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。
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)
2022年1月1日
初级完成 (实际的)
2023年1月1日
研究完成 (实际的)
2023年3月1日
研究注册日期
首次提交
2023年8月8日
首先提交符合 QC 标准的
2023年8月31日
首次发布 (实际的)
2023年9月5日
研究记录更新
最后更新发布 (实际的)
2023年9月5日
上次提交的符合 QC 标准的更新
2023年8月31日
最后验证
2023年8月1日
更多信息
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.