使用人工智能检测咬翼片放射影像中的邻面龋
2026年2月4日 更新者：Rawda Hesham Abd ElAziz、Cairo University
使用人工智能在咬翼片放射摄影中检测邻面龋齿 - 一项诊断性临床研究
利用一系列咬翼片X光片，人工智能辅助识别邻面龋齿。
本研究旨在通过创建经过训练的深度学习网络，在咬翼片、根尖片和全景X光片中识别龋齿，探讨基于深度学习的新型人工智能模型在数字咬翼片X光片中检测邻面龋齿的可靠性。
(BW)。
研究概览
研究类型
观察性的
注册 (实际的)
2000
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
-
-
-
Cairo、埃及、11331
- Ain Shams 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
- 成人
- 年长者
接受健康志愿者
是的
取样方法
非概率样本
研究人群
需要为常规诊断或治疗计划拍摄咬翼片放射检查的学院牙科门诊患者。
描述
纳入标准：
- 患者所有恒前磨牙和磨牙均存在（每侧最多缺失一颗牙齿）
排除标准：
- 1-牙齿异常→釉质发育不全、牙本质发育不全、牛牙症 2-严重拥挤导致牙齿邻接面无法观察 3-正畸钢丝粘接于牙齿釉质上
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 |
|---|---|
|
第一组 人工智能 深度学习在近中龋诊断中的应用
|
人工智能作为深度学习诊断工具，用于检测数字咬翼片上的近中龋齿。
该系统分析图像，并为可疑病变生成概率评分和视觉标记。
其性能以专家检查者诊断为参考标准进行比较。
人工智能结果仅用于评估，不影响患者治疗决策。
|
|
第2组：由人类专家手动标注的数字咬翼片
|
数字咬翼片由经过校准的人类专家手动标注，以识别邻面龋的存在和位置。
标注采用标准化诊断标准和专用成像软件进行，用于标记可疑病变。
这些专家标注作为参考标准，与人工智能输出结果进行比较。
评估了检查者间的一致性，并通过共识解决了分歧。
|
研究衡量的是什么？
主要结果指标
结果测量 |
大体时间 |
|---|---|
|
人工智能模型在数字化咬翼片上检测邻面龋的可靠性
大体时间：基线横断面评估，无随访期
|
基线横断面评估，无随访期
|
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)
2023年1月15日
初级完成 (实际的)
2025年9月15日
研究完成 (实际的)
2025年12月1日
研究注册日期
首次提交
2026年2月4日
首先提交符合 QC 标准的
2026年2月4日
首次发布 (实际的)
2026年2月11日
研究记录更新
最后更新发布 (实际的)
2026年2月11日
上次提交的符合 QC 标准的更新
2026年2月4日
最后验证
2026年2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.