Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Bewertung der durch künstliche Intelligenz unterstützten Registrierung im Vergleich zur konventionellen punktbasierten Registrierung bei der Kegelstrahl-Computertomographie (CBCT) mit Schwermetallartefakten

14. Februar 2024 aktualisiert von: Nehal Ibrahim Ahmed Shobair, Ain Shams University

Bewertung der KI-gestützten Registrierung im Vergleich zur konventionellen punktbasierten Registrierung bei CBCTs mit Schwermetallartefakten

Unsere Studie untersucht die Genauigkeit und Dauer, die für die 3D-Modellregistrierung mithilfe künstlicher Intelligenz (KI) im Vergleich zur herkömmlichen punktbasierten Registrierung erforderlich sind. Vor dem Registrierungsverfahren wird eine manuelle Segmentierung aller Cone-Beam-Computertomographie-Scans (CBCT) durchgeführt.

Studienübersicht

Status

Aktiv, nicht rekrutierend

Detaillierte Beschreibung

DVT-Bilder und intraorale Scans werden nach bestimmten Zulassungskriterien überprüft. 16 DVT-Bilder und intraorale Scans, die die Einschlusskriterien erfüllen, werden einer manuellen Segmentierung über eine medizinische 3D-Bildverarbeitungssoftware unterzogen. Anschließend werden die punktbasierte Registrierung und die KI-gestützte Registrierung von einem einzelnen Bediener mithilfe einer speziellen Implantatplanungssoftware durchgeführt. Anschließend wird die Registrierungsgenauigkeit durch Messung der Abstände zwischen den dreidimensionalen Modellen der DVT-Daten und intraoralen Scans untersucht. Außerdem wird die für die Registrierung erforderliche Dauer kalibriert und von einer Stoppuhr aufgezeichnet.

Studientyp

Interventionell

Einschreibung (Geschätzt)

16

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Cairo, Ägypten
        • Private maxillofacial digital lab

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

CBCT-Scans entweder des Ober- oder Unterkiefers oder beider sowie intraorale Scans oder manuelle Abdrücke mit Metallrestaurationen.

Ausschlusskriterien:

Scans ohne Metallrestaurationen.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Sonstiges
  • Zuteilung: Nicht randomisiert
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: KI-gestützte Registrierung
Die 3D-Modellregistrierung wird mithilfe künstlicher Intelligenz durchgeführt
Wir werden künstliche Intelligenz nutzen, um das 3D-Modell beim intraoralen Scan zu registrieren
Aktiver Komparator: Punktebasierte Registrierung
Die Registrierung des 3D-Modells wird mithilfe eines punktbasierten Ansatzes durchgeführt
Für die Modellregistrierung verwenden wir mindestens fünf Referenzpunkte

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Registrierungsgenauigkeit
Zeitfenster: unmittelbar nach dem Eingriff
Abstand zwischen registriertem 3D-Modell und CBCT in Millimetern
unmittelbar nach dem Eingriff

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Dauer der Anmeldung
Zeitfenster: Während des Eingriffs
Dauer des Registrierungsverfahrens
Während des Eingriffs

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

20. Dezember 2023

Primärer Abschluss (Tatsächlich)

20. Januar 2024

Studienabschluss (Geschätzt)

25. Februar 2024

Studienanmeldedaten

Zuerst eingereicht

5. Februar 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

14. Februar 2024

Zuerst gepostet (Tatsächlich)

22. Februar 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

22. Februar 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

14. Februar 2024

Zuletzt verifiziert

1. Februar 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • AI surgery protocol

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Es werden keine Daten weitergegeben

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Klinische Studien zur KI-gestützte Registrierung

3
Abonnieren