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

AI Detection Model of Extra Root Canals in Mandibular Premolars Using CBCT Scans

1. Juli 2026 aktualisiert von: Ayah Tarek El Sayed Abudlaah, Cairo University

Diagnostic Accuracy of a Deep Learning Model (Artificial Intelligence) for Detecting Extra Root Canals in Mandibular Premolars on CBCT Images: Diagnostic Accuracy Study.

Successful endodontic treatment depends on the complete identification and management of the entire root canal system. Missed root canals are a major cause of endodontic failure, particularly in mandibular premolars, which exhibit considerable anatomical variability and may contain additional root canals that are difficult to detect using conventional diagnostic methods.

Cone Beam Computed Tomography (CBCT) provides three-dimensional visualization of root canal anatomy and has significantly improved the detection of anatomical variations. However, interpretation of CBCT images remains dependent on the experience and expertise of the clinician, leading to potential observer variability and missed diagnoses.

Recent advances in artificial intelligence (AI), particularly deep learning models based on convolutional neural networks, have shown promising results in dental image analysis and diagnostic support. AI-assisted diagnostic systems may improve the accuracy, consistency, and efficiency of CBCT interpretation by automatically identifying complex anatomical structures.

The aim of this retrospective diagnostic accuracy study is to evaluate the performance of a newly developed deep learning model for the detection of extra root canals in mandibular premolars using CBCT images. The diagnostic accuracy of the AI model will be assessed by comparing its findings with the assessments of experienced oral and maxillofacial radiologists, which will serve as the reference standard.

A total of 272 CBCT scans of mandibular premolars from Egyptian patients will be included according to predefined eligibility criteria. Diagnostic performance will be evaluated using measures including sensitivity, specificity, positive predictive value, and negative predictive value.

The findings of this study may provide evidence regarding the clinical applicability of AI-assisted diagnostic tools in endodontics and contribute to improved detection of complex root canal anatomy, reduced incidence of missed canals, and enhanced treatment outcomes.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

The goal of this observational study is to evaluate whether a deep learning artificial intelligence (AI) model can accurately detect extra root canals in mandibular premolars using Cone Beam Computed Tomography (CBCT) images in Egyptian patients. The main questions it aims to answer are:

  • Can the AI model accurately detect extra root canals in mandibular premolars on CBCT scans?
  • Is the diagnostic accuracy of the AI model comparable to that of experienced oral and maxillofacial radiologists? Researchers will compare the results generated by the AI model with the assessments of experienced radiologists, which will serve as the reference standard.

Participants will:

  • Provide previously acquired CBCT scans that meet the study eligibility criteria.
  • Have their CBCT images analyzed by the AI model.
  • Have their CBCT images independently evaluated by experienced radiologists for comparison with the AI findings.

The study findings may help determine the potential role of AI-assisted diagnostic tools in improving the detection of complex root canal anatomy and supporting endodontic diagnosis

Studientyp

Interventionell

Einschreibung (Geschätzt)

272

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienkontakt

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Inclusion Criteria:

  • CBCT scans of mandibular molars of Egyptian patients aging from 18 to 65 years old
  • Small Field of view (FOV) including maximum a quadrant
  • Voxel size not larger than 2mm
  • Mandibular premolars showing complete root formation
  • Carious or non-carious teeth
  • Absence of artifacts.

Exclusion Criteria:

  • Mandibular first and second premolars with developmental anomalies, external or internal root resorption, root canal calcification, previous root canal treatment, post restorations, and/or root caries
  • CBCT images of sub-optimal quality or artifacts/high scatter interfering with proper assessment

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Diagnose
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: Mandibular premolars with single canals
Diagnosetest: AI Model to detect any extra canals in mandibular premolars
It is a study to detect the diagnostic accuracy of AI model to detect extra canals in mandibular premolars
Experimental: Mandibular premolars with more than one canal
Diagnosetest: AI Model to detect any extra canals in mandibular premolars
It is a study to detect the diagnostic accuracy of AI model to detect extra canals in mandibular premolars

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Diagnostic Accuracy of the Deep Learning Model for Detection of Extra Root Canals in Mandibular Premolars
Zeitfenster: During the procedure
Diagnostic accuracy of the AI model will be determined by comparison with expert radiologist assessment.
During the procedure

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Zeitfenster
Sensitivity of the AI Model Specificity of the AI Model Positive Predictive Value (PPV) Negative Predictive Value (NPV)
Zeitfenster: During the procedure
During the procedure

Mitarbeiter und Ermittler

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

Sponsor

Cairo University

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

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 (Geschätzt)

15. Juli 2026

Primärer Abschluss (Geschätzt)

15. August 2026

Studienabschluss (Geschätzt)

10. Juli 2027

Studienanmeldedaten

Zuerst eingereicht

25. Juni 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

1. Juli 2026

Zuerst gepostet (Tatsächlich)

8. Juli 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

8. Juli 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

1. Juli 2026

Zuletzt verifiziert

1. Juli 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • 7.1.1

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

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 Extra Canals

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in India

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

3
Abonnieren