Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Nøjagtigheden af ​​detektion af kunstig intelligens anden mesio-bukkal kanal af maxillære første kindtænder på CBCT-billeder

20. april 2022 opdateret af: Arwa Mousa, Cairo University

Nøjagtigheden af ​​computerstøttet detektion af anden mesio-bukkal kanal af maxillære første kindtænder på CBCT-billeder ved hjælp af Deep Learning Model (kunstig intelligens): Diagnostisk nøjagtighedsundersøgelse

CAD-systemer er computerapplikationer, der hjælper med at opdage og/eller diagnosticere sygdomme ved at give en upartisk "second opinion" til billedfortolkeren, der sigter mod at forbedre nøjagtigheden og reducere tid til analyse. Med den hurtige vækst af Deep Learning (DL) algoritmer i billedbaserede applikationer, kan CAD-systemer nu trænes af DL til at give mere avanceret kapacitet (dvs. evnen til kunstig intelligens [AI]) til bedst muligt at hjælpe klinikere.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Utallige undersøgelser og diskussioner har været baseret på eksistensen af ​​en anden kanal i den mesiobukcale (MB) rod af de maksillære kindtænder, da det er stærkt overbevist om, at en af ​​de vigtigste årsager til endodontisk svigt i maxillære første kindtænder er vanskeligheden ved at opdage og behandling af de andre mesiobukale (MB2) kanaler. Litteraturen afslører, at selvom MB2-kanaler fra maxillære første kindtænder er blevet fundet i mere end 70 % af in vitro-undersøgelserne, blev de påvist klinisk i mindre end 40 % af tilfældene. Cone beam computed tomography (CBCT) er en billeddannelsesmodalitet inden for endodonti, der har flere fordele, herunder evnen til at udføre tredimensionel (3D) billeddannelse af rodkanalsystemer med lavere strålingsdoser, højere opløsning og ingen overlejring. Forskere har evalueret effektiviteten af ​​CBCT, når det kommer til at identificere MB2-kanaler, og CBCT er blevet foreslået at være en pålidelig metode til påvisning af disse kanaler. I klinisk relevante situationer, såsom mindre læsioner på rodfyldte tænder, er CBCT-nøjagtigheden imidlertid stærkt reduceret (sensitivitet 0,63, specificitet 0,69). Desuden lider klinikerafhængig fortolkning af CBCT-billeddannelse stadig af lav inter- og intra-observatør-enighed.

Computerstøttet detektion og diagnose (CAD) er blevet brugt i vid udstrækning til biomedicinsk billedanalyse uden for tandplejen.

Undersøgelsestype

Observationel

Tilmelding (Forventet)

50

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

CBCT-scanninger, der viser maksillære første kindtænder med opløsning på højst 0,1 mm voxelstørrelse. CBCT-dataene for denne undersøgelse vil blive hentet fra CBCT-databasen, der er tilgængelig på afdelingen for Oral and Maxillofacial Radiology, Fakultet for Tandlægevidenskab, Cairo University, Cairo, Egypten og fra flere private radiologicentre, der bruger det samme maskinmærke med de samme parametre. CBCT-scanninger af egyptiske patienter, der allerede har været udsat for CBCT-undersøgelse som en del af deres tanddiagnose og/eller behandlingsplanlægning fra januar 2020 til december 2022, vil blive inkluderet i henhold til de foreslåede berettigelseskriterier.

Beskrivelse

Inklusionskriterier:

  • • CBCT-scanninger, der viser udbrudt maksillær 1. molar.

    • Vovelstørrelse på ikke over 0,1 mm.
    • Maxillære kindtænder viser fuldstændig roddannelse.
    • Carious eller ikke-carious tand.

Ekskluderingskriterier:

  • • Maxillære første kindtænder med udviklingsmæssige anomalier, ekstern eller intern rodresorption, rodkanalforkalkning, tidligere rodbehandling, post-restaureringer og/eller rodkaries.

    • CBCT-billeder af suboptimal kvalitet eller artefakter/høj spredning, der forstyrrer korrekt vurdering.

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
CBCT-billeder af maksillære 1. kindtænder
Diagnostisk test: dyb læringsmodel
dyb læringsmodel udviklet af datalogiekspert og baseret på konvolution neuralt netværk og trænet af vores datasæt.
Andre navne:
  • kunstig intelligens værktøj

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
nøjagtighed af detektion af MB2
Tidsramme: baseline
påvisning af MB2 på CBCT-billeder af maksillære første kindtænder ved hjælp af deep learning-model
baseline

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Cairo University

Efterforskere

  • Studieleder: Enas Anter, Ph.D, Cairo University

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Forventet)

1. maj 2022

Primær færdiggørelse (Forventet)

1. september 2023

Studieafslutning (Forventet)

1. oktober 2023

Datoer for studieregistrering

Først indsendt

15. april 2022

Først indsendt, der opfyldte QC-kriterier

20. april 2022

Først opslået (Faktiske)

21. april 2022

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

21. april 2022

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

20. april 2022

Sidst verificeret

1. april 2022

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • CBCT AI 7-1-1

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med dyb læringsmodel

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Mauritania

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner