人工智能头影测量分析软件与手动描绘的准确性和可靠性比较
基于网络人工智能程序的正畸头影测量分析的准确性与可靠性
本研究比较了用于分析牙科X射线的人工智能（AI）软件与牙医使用的传统手动描记法的准确性和可靠性。
侧位头颅X射线片是正畸（牙齿矫正）中使用的头部特殊X射线，用于测量颌骨位置、牙齿角度和面部比例。传统上，正畸医生使用铅笔和纸手动描记这些X射线片以识别关键标志点并进行测量。这种手动方法耗时且在不同操作者之间甚至同一操作者两次测量时可能存在差异。
基于AI的软件可以自动识别这些标志点并立即执行测量。本研究检查了40张牙科X射线片，以确定AI软件（WeDoCeph）是否与手动描记法同样准确且更可靠。
每张X射线片在两次不同时间（相隔4周）各测量两次——一次由训练有素的检查员手动测量，一次由AI软件测量。研究人员比较了15种不同的测量值，包括8个角度和7个距离，以评估准确性和可靠性。
研究概览
详细说明
侧位头影测量分析对于正畸诊断和治疗计划至关重要。 传统的手动描记方法涉及使用铅笔、尺子和量角器在X光片上识别解剖标志点，这种方法具有主观性、耗时且容易产生观察者内部和观察者之间的变异性。
本诊断准确性研究将基于AI的头影测量分析软件WeDoCeph与传统手动描记进行了比较评估。 研究采用比较重复测量设计，每张X光片在两个时间点（T₀和T₁，相隔4周）通过两种方法进行分析，以评估准确性和可靠性。
样本量计算基于95%的统计功效和0.05的显著性水平，最终纳入40张侧位头影测量X光片。 所有测量包括角度参数（SNA、SNB、ANB、FMPA、MMPA、UIA、LIA、IIA）和线性参数（A-N垂距、POG-N垂距、ANS-Me、SN、UFH、MxPI、MnPI）。
配对T检验将作为比较的统计分析方法，组内相关系数（ICC）用于可靠性评估。 本研究旨在确定基于AI的头影测量分析是否能为正畸临床实践提供足够的准确性和更优的可靠性。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
Pahang
-
Kuantan、Pahang、马来西亚、25200
- Orthodontic Specialist Clinic, Kulliyyah of Dentistry
-
-
参与标准
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
取样方法
研究人群
研究人群包括来自正畸患者在不同治疗阶段的X光片，包括治疗前（初步诊断）和治疗后X光片。 所有X光片均为高质量的数字化或数字化的侧位头颅片，适用于标志点识别和测量。 为确保解剖标志点的清晰可视化，排除了具有外科刚性固定装置、X光片上可见正畸矫治器或牙齿修复体的患者。 此外，为保持解剖结构评估的一致性，排除了质量极差的X光片或来自已诊断综合征或颅面畸形的患者的X光片。
分析单位是头影测量X光片而非个体患者，因为每张X光片代表一次独立的诊断评估。
描述
纳入标准：
- 治疗前/治疗后侧位头影测量X光片
- 具有可见解剖标志的高质量头影测量片
排除标准：
- X光片上可见手术刚性固定装置、正畸矫治器和牙科修复体的患者
- 质量极差/诊断上不可接受的X光片
- 患有综合征或颅面畸形的患者
学习计划
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 |
|---|---|
|
具有侧位头颅X光片的正畸患者
收集自2023年1月至2023年6月期间正畸专科诊所的40名正畸患者的侧位头颅X光片。
每张X光片在两个时间点（初始和4周后）分别使用人工描记和基于AI的软件（WeDoCeph）进行分析
|
传统手动头影测量分析由经过培训的检查员使用传统描记技术进行。
侧位头影测量X线片在暗室中使用观片灯进行透照手工描记。
以25cm×18cm的X线胶片为基础，上面用胶带固定21cm×16cm的磨砂醋酸描图纸。
使用0.3mm 2HB铅笔手动识别并描记硬组织和软组织的头影测量标志点。
角度测量使用量角器获取，线性测量使用直尺获取。
所有15项头影测量指标（8项角度：SNA、SNB、ANB、FMPA、MMPA、UIA、LIA、IIA；7项线性：A-N垂距、POG-N垂距、ANS-Me、SN、UFH、MxPI、MnPI）均通过手动计算。
每张X线片由同一检查员在4周间隔内进行两次描记和分析，以评估检查者自身可靠性。
使用WeDoCeph基于人工智能的软件进行自动头影测量分析。
数字侧位头影测量X光片以高质量JPEG图像格式导入软件平台。
AI系统通过深度学习算法自动识别并描记头影测量标志点，然后根据预设参数即时生成所有测量数据。
软件自动计算与手动描记相同的15项头影测量指标（8项角度：SNA、SNB、ANB、FMPA、MMPA、UIA、LIA、IIA；以及7项线性：A-N垂距、POG-N垂距、ANS-Me、SN、UFH、MxPI、MnPI）。
每张X光片使用先前上传的数字图像在4周间隔内分析两次，以评估AI系统的可重复性和一致性。
无需人工标志点识别或测量计算。
|
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 |
|---|---|---|
|
重复手动测量的组内相关系数（ICC）
大体时间：基线（T₀）和4周后（T₁）
|
对全部15项头影测量指标（8项角度测量和7项线性测量）在两次时间点手动进行测量，计算组内相关系数（ICC）以评估检查者内可靠性
|
基线（T₀）和4周后（T₁）
|
|
重复AI测量的组内相关系数（ICC）
大体时间：基线 (T₀) 和 4 周后 (T₁)
|
ICC 计算了 WeDoCeph 软件在两个时间点进行的所有 15 项头影测量，以评估一致性
|
基线 (T₀) 和 4 周后 (T₁)
|
|
手动与AI测量在T₀时的平均差异
大体时间：基线 (T₀)
|
手动描记与AI分析在初始时间点对所有15项测量指标的配对T检验比较
|
基线 (T₀)
|
|
人工测量与基于AI的测量在T₁时的平均差异
大体时间：4周
|
手动追踪与AI分析在4周时间点所有15项测量的配对T检验比较
|
4周
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
角度测量
大体时间：基线（T₀）和4周（T₁）
|
角度头影测量方法间比较
|
基线（T₀）和4周（T₁）
|
|
线性测量
大体时间：基线（T₀）和4周后（T₁）
|
线性头影测量方法间比较
|
基线（T₀）和4周后（T₁）
|
|
检查者间信度
大体时间：在校准阶段
|
10%的X光片由三名检查者进行了分析，以确保检查者间的一致性
|
在校准阶段
|
合作者和调查者
出版物和有用的链接
一般刊物
- Alqahtani H. Evaluation of an online website-based platform for cephalometric analysis. J Stomatol Oral Maxillofac Surg. 2020 Feb;121(1):53-57. doi: 10.1016/j.jormas.2019.04.017. Epub 2019 May 3.
- Kazimierczak W, Gawin G, Janiszewska-Olszowska J, Dyszkiewicz-Konwinska M, Nowicki P, Kazimierczak N, Serafin Z, Orhan K. Comparison of Three Commercially Available, AI-Driven Cephalometric Analysis Tools in Orthodontics. J Clin Med. 2024 Jun 26;13(13):3733. doi: 10.3390/jcm13133733.
- Lee JH, Yu HJ, Kim MJ, Kim JW, Choi J. Automated cephalometric landmark detection with confidence regions using Bayesian convolutional neural networks. BMC Oral Health. 2020 Oct 7;20(1):270. doi: 10.1186/s12903-020-01256-7.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
与本研究相关的术语
其他研究编号
- IREC 2023-045
- CHAIN 22-001-0001 (其他赠款/资助编号：IIUM Kulliyyah of Dentistry Postgraduate CHAIN Grant)
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
IPD 计划说明
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
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.