- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT05888935
Påvisning af periapikale læsioner på tandpanoramiske røntgenbilleder baseret på kunstig intelligens (OPTITOMO)
Påvisning af periapikale læsioner på tandpanoramabilleder baseret på kunstig intelligens ved hjælp af keglestrålecomputertomografi
Dentale periapikale skader kan have forskellige årsager og afspejles af en radiolucent læsion på komplementær billeddannelse: vinklede retro-alveolære (RA) røntgenbilleder, dental panorama-røntgenbilleder og tredimensionel billeddannelse såsom computertomografi (CT) eller keglestrålecomputertomografi ( CBCT).
Til radiografisk påvisning af disse dybe parodontale læsioner repræsenterer tandpanoramabilledet en første tilgang, der almindeligvis udføres med relativt lav stråling. Undersøgelsen kan efterfølges af retroalveolær radiologisk billeddannelse, der er mere lokaliseret og mere præcis. Men ved at bruge disse teknikker er påvisningsraterne for disse læsioner lave (henholdsvis 20 % og 36 %), det er nødvendigt at bruge tredimensionel tomografisk undersøgelse for at være mere diskriminerende (69 %). Guldstandardbilledet til påvisning af disse læsioner er CBCT efterfulgt af retroalveolær radiografi (~2x mindre følsom end CBCT) og panoramisk radiografi (~2x mindre følsom end RA). Selvom det ikke er et røntgenbillede i fuld tykkelse, har tandpanorama den fordel, at den udføres mere almindeligt, mens den er mindre udstrålende end CBCT og giver et globalt overblik over tandbuerne på et enkelt billede.
Påvisningen af periapikale læsioner sker efter en klinisk vurdering og en visuel vurdering af de komplementære undersøgelser.
Formålet med dette projekt er at forbedre påvisningen af periapikale læsioner ved at udvikle en algoritme, der kan identificere dem på et panoramisk dental røntgenbillede. Denne algoritme er baseret på et dybt læringssystem trænet med referencedata, herunder panoramisk dental billeddannelse og CBCT med et optagelsesinterval på mindre end 3 måneder. Modellen er baseret på et tidligere arbejde, vil forbedre kvaliteten af de indledende data (ved hjælp af CBCT), ved hjælp af innovative kunstig intelligens algoritmer (transfer learning).
Studieoversigt
Status
Betingelser
Detaljeret beskrivelse
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Arpiné EL NAR, PhD
- Telefonnummer: 0033387557766
- E-mail: a.elnar@chr-metz-thionville.fr
Studiesteder
-
-
-
Metz, Frankrig, 57085
- Rekruttering
- CHR Metz-Thionville/Hopital de Mercy
-
Kontakt:
-
Kontakt:
- Arpiné EL NAR, PhD
- Telefonnummer: 0033387557766
- E-mail: a.elnar@chr-metz-thionville.fr
-
Underforsker:
- Paul RETIF, MD
-
Ledende efterforsker:
- Marc ENGELS-DEUTSCH, MD
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patienter, der har haft CBCT og panorama-tandbilleddannelse med mindre end 3 måneder mellem de to undersøgelser
Ekskluderingskriterier:
- Patienter, der nægtede at deltage i undersøgelsen.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Artificial Intelligence software ydeevne
Tidsramme: 2 år
|
måling af F1-score. F1-scoren beregnes som den harmoniske middelværdi af præcisions- og genkaldelsesscorerne. Det spænder fra 0-100 %, og en højere F1-score angiver en klassificering af bedre kvalitet. |
2 år
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Artificial Intelligence software specificitet
Tidsramme: 2 år
|
måling af de sande positive, sande negative, falske positive, falske negative
|
2 år
|
Samarbejdspartnere og efterforskere
Efterforskere
- Ledende efterforsker: Marc ENGELS-DEUTSCH, MD, CHR Metz Thionville Hopital de Mercy
- Studiestol: Paul RETIF, MD, PhD, CHR Metz Thionville Hopital de Mercy
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 2023-04Obs-CHRMT
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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 Periapikale sygdomme
-
Ain Shams UniversityAktiv, ikke rekrutterende
-
National University Health System, SingaporeAfsluttetPulpitis | Pulp eksponering, dental | Pulp og periapical vævssygdom
-
Future University in EgyptAin Shams UniversityAfsluttetPulp nekroser | Pulp og periapical vævssygdom | Papirmasse; GranulomEgypten