Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

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

keskiviikko 1. heinäkuuta 2026 päivittänyt: 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.

Tutkimuksen yleiskatsaus

Tila

Tila

Ilmaisee nykyisen rekrytointitilan tai laajennetun pääsyn tilan.
Ei vielä rekrytointia

Ehdot

Ehdot

Sairaus, häiriö, oireyhtymä, sairaus tai vamma, jota tutkitaan. Sivustolla ClinicalTrials.gov olosuhteet voivat sisältää myös muita terveyteen liittyviä kysymyksiä, kuten elinikää, elämänlaatua ja terveysriskejä.

Interventio / Hoito

Interventio / Hoito

Prosessi tai toiminta, joka on kliinisen tutkimuksen painopiste. Interventioihin kuuluvat lääkkeet, lääkinnälliset laitteet, toimenpiteet, rokotteet ja muut tuotteet, jotka ovat joko tutkittavia tai jo saatavilla. Interventiot voivat sisältää myös ei-invasiivisia lähestymistapoja, kuten koulutusta tai ruokavalion ja liikunnan muokkaamista.

Yksityiskohtainen kuvaus

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

Opintotyyppi

Opintotyyppi

Kuvaa kliinisen tutkimuksen luonnetta. Tutkimustyyppejä ovat interventiotutkimukset (kutsutaan myös kliinisiksi kokeiksi), havaintotutkimukset (mukaan lukien potilasrekisterit) ja laajennettu pääsy.
Interventio

Ilmoittautuminen (Arvioitu)

Ilmoittautuminen

Kliinisen tutkimuksen osallistujien määrä. "Odotettu" ilmoittautuminen on tavoitemäärä osallistujia, jonka tutkijat tarvitsevat tutkimukseen.
272

Vaihe

Vaihe

Kliinisen tutkimuksen vaihe, jossa tutkitaan lääkettä tai biologista tuotetta, joka perustuu Yhdysvaltain elintarvike- ja lääkeviraston (FDA) kehittämiin määritelmiin. Vaihe perustuu tutkimuksen tavoitteeseen, osallistujamäärään ja muihin ominaisuuksiin. Vaiheita on viisi: Varhainen vaihe 1 (aiemmin Vaihe 0), Vaihe 1, Vaihe 2, Vaihe 3 ja Vaihe 4. Ei sovelleta -toimintoa käytetään kuvaamaan kokeita, joissa ei ole FDA määrittämiä vaiheita, mukaan lukien laitekokeet tai käyttäytymistoimenpiteet.
  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Opiskeluyhteys

Sen henkilön nimi ja yhteystiedot, joka voi vastata kliiniseen tutkimukseen ilmoittautumiskysymyksiin. Jokaisella paikkakunnalla, jossa tutkimus suoritetaan, voi myös olla tietty yhteyshenkilö, joka voi paremmin vastata näihin kysymyksiin.

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Kelpoisuusvaatimukset

Keskeiset vaatimukset, jotka ihmisten, jotka haluavat osallistua kliiniseen tutkimukseen, on täytettävä tai ominaisuudet, jotka heillä on oltava. Kelpoisuuskriteerit koostuvat sekä osallistumiskriteereistä (jotka vaaditaan, jotta henkilö voi osallistua tutkimukseen) että poissulkemisperusteista (jotka estävät henkilöä osallistumasta). Kelpoisuuskriteerityyppejä ovat muun muassa se, otetaanko tutkimukseen terveitä vapaaehtoisia, onko ikä- tai ikäryhmävaatimuksia vai sukupuolen mukaan rajoitettu.

Opintokelpoiset iät

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Kuvaus

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

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Diagnostiikka
  • Jako: Satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm

Osallistujaryhmä / Arm

Kliinisen tutkimuksen osallistujien ryhmä tai alaryhmä, joka saa tietyn toimenpiteen/hoidon tai ei interventiota tutkimuksen protokollan mukaan.
Interventio / Hoito

Interventio / Hoito

Prosessi tai toiminta, joka on kliinisen tutkimuksen painopiste. Interventioihin kuuluvat lääkkeet, lääkinnälliset laitteet, toimenpiteet, rokotteet ja muut tuotteet, jotka ovat joko tutkittavia tai jo saatavilla. Interventiot voivat sisältää myös ei-invasiivisia lähestymistapoja, kuten koulutusta tai ruokavalion ja liikunnan muokkaamista.
Kokeellinen: Mandibular premolars with single canals
Diagnostinen testi: 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
Kokeellinen: Mandibular premolars with more than one canal
Diagnostinen testi: 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

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Ensisijaiset tulostoimenpiteet

Kliinisen tutkimuksen protokollassa suunniteltu tulosmittaus, joka on tärkein toimenpiteen/hoidon vaikutuksen arvioinnissa. Useimmilla kliinisillä tutkimuksilla on yksi ensisijainen tulosmittaus, mutta joissakin on useampia kuin yksi.
Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnostic Accuracy of the Deep Learning Model for Detection of Extra Root Canals in Mandibular Premolars
Aikaikkuna: During the procedure
Diagnostic accuracy of the AI model will be determined by comparison with expert radiologist assessment.
During the procedure

Toissijaiset tulostoimenpiteet

Toissijaiset tulostoimenpiteet

Kliinisen tutkimuksen protokollassa suunniteltu tulosmittaus, joka ei ole yhtä tärkeä kuin ensisijainen tulosmitta toimenpiteen vaikutuksen arvioinnissa, mutta joka on silti kiinnostava. Useimmissa kliinisissä tutkimuksissa on enemmän kuin yksi toissijainen tulosmitta.
Tulosmittaus
Aikaikkuna
Sensitivity of the AI Model Specificity of the AI Model Positive Predictive Value (PPV) Negative Predictive Value (NPV)
Aikaikkuna: During the procedure
During the procedure

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Sponsori

Organisaatio tai henkilö, joka käynnistää tutkimuksen ja jolla on valtuudet ja määräysvalta tutkimuksessa.
Cairo University

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Arvioitu)

Opiskelun aloitus

Todellinen päivämäärä, jolloin ensimmäinen osallistuja otettiin mukaan kliiniseen tutkimukseen. "Odotettu" tutkimuksen aloituspäivä on päivämäärä, jonka tutkijat uskovat olevan tutkimuksen aloituspäivä.
Keskiviikko 15. heinäkuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Ensisijainen valmistuminen

Päivämäärä, jolloin viimeinen kliinisen tutkimuksen osallistuja tutkittiin tai jona hän sai intervention lopullisen datan keräämiseksi ensisijaista tulosmittausta varten. Tähän päivämäärään ei vaikuta se, päättyikö kliininen tutkimus protokollan mukaisesti vai lopetettiinko se. Kliinisissä tutkimuksissa, joissa on useampi kuin yksi ensisijainen tulosmitta ja eri päättymispäivämäärät, tämä termi viittaa päivämäärään, jolloin kaikkien ensisijaisten tulosmittausten tiedonkeruu on saatu päätökseen. "Odotettu" ensisijainen valmistumispäivä on päivämäärä, jonka tutkijat uskovat olevan tutkimuksen ensisijainen valmistumispäivä.
Lauantai 15. elokuuta 2026

Opintojen valmistuminen (Arvioitu)

Opintojen valmistuminen

Päivämäärä, jolloin viimeinen kliinisen tutkimuksen osallistuja tutkittiin tai jona hän sai interventiota/hoitoa lopullisen datan keräämiseksi ensisijaisia ​​tulosmittauksia, toissijaisia ​​tulosmittauksia ja haittatapahtumia varten (eli viimeisen osallistujan viimeinen käynti). "Odotettu" tutkimuksen päättymispäivä on päivämäärä, jonka tutkijat uskovat olevan tutkimuksen päättymispäivä.
Lauantai 10. heinäkuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Ensimmäinen lähetetty

Päivämäärä, jolloin tutkimuksen sponsori tai tutkija ensimmäisen kerran toimitti tutkimustietueen ClinicalTrials.gov Ensimmäisen lähetyspäivän ja tietueen saatavuuden ClinicalTrials.gov-sivustolla (ensimmäinen julkaisupäivämäärä) välillä on yleensä muutaman päivän viive.
Torstai 25. kesäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Päivämäärä, jolloin tutkimuksen rahoittaja tai tutkija lähettää ensimmäisen kerran tutkimustietueen, joka on yhdenmukainen National Library of Medicine (NLM) -laadunvalvonnan (QC) tarkistuskriteereillä. Toimeksiantajan tai tutkijan on ehkä tarkistettava ja toimitettava tutkimustietue yhden tai useamman kerran, ennen kuin NLM laadunvalvontatarkastuksen kriteerit täyttyvät. Toimeksiantajan tai tutkijan vastuulla on varmistaa, että tutkimustietue on yhdenmukainen NLM laadunvalvontatarkastuskriteerien kanssa.
Keskiviikko 1. heinäkuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Ensimmäinen Lähetetty

Päivämäärä, jolloin tutkimustietue oli ensimmäisen kerran saatavilla ClinicalTrials.gov -sivustolla National Library of Medicine (NLM) -laadunvalvontatarkastuksen (QC) tarkastuksen jälkeen. Tutkimuksen toimeksiantajan tai tutkijan tutkimustietueen toimittamisen ja ensimmäisen julkaisupäivän välillä on tyypillisesti muutaman päivän viive.
Keskiviikko 8. heinäkuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Viimeisin päivitys julkaistu

Viimeisin päivämäärä, jolloin tutkimustietueen muutokset otettiin käyttöön osoitteessa ClinicalTrials.gov. Voi olla viive sen välillä, kun tutkimuksen sponsori tai tutkija on toimittanut muutokset ClinicalTrials.gov-sivustolle (viimeinen päivityksen lähetyspäivä) ja viimeisen päivityksen julkaisupäivämäärän välillä.
Keskiviikko 8. heinäkuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Viimeisin päivämäärä, jolloin tutkimuksen rahoittaja tai tutkija on toimittanut tutkimustietueeseen muutoksia, jotka ovat yhdenmukaisia ​​National Library of Medicine (NLM) -laadunvalvonnan (QC) tarkistuskriteereillä. Toimeksiantajan tai tutkijan vastuulla on varmistaa, että tutkimustietue on yhdenmukainen NLM laadunvalvontatarkastuskriteerien kanssa.
Keskiviikko 1. heinäkuuta 2026

Viimeksi vahvistettu

Viimeksi vahvistettu

Viimeisin päivämäärä, jolloin tutkimuksen rahoittaja tai tutkija vahvisti kliinisen tutkimuksen tiedot ClinicalTrials.gov-sivustolla oikeiksi ja ajantasaisiksi. Jos tutkimus, jonka rekrytointitila on rekrytointi; ei vielä rekrytoi; tai aktiivinen, ei rekrytointia ole varmistettu viimeisen 2 vuoden aikana, tutkimuksen rekrytointistatus näytetään tuntemattomana.
Keskiviikko 1. heinäkuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

Muut tutkimustunnusnumerot

Muut tunnisteet tai tunnusnumerot kuin NCT-numero, jotka tutkimuksen sponsori, rahoittaja tai joku muu on määrittänyt kliiniselle tutkimukselle. Nämä numerot voivat sisältää yksilöllisiä tunnisteita muista tutkimusrekistereistä ja National Institutes of Health -apurahojen numeroista.
  • 7.1.1

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Evästeasetukset

Käytämme evästeitä varmistaaksemme, että annamme sinulle parhaan kokemuksen verkkosivustollamme. Lisätietoja on tietosuoja- ja evästekäytännössämme. ...>>>Voit muuttaa asetuksiasi tai peruuttaa suostumuksesi milloin tahansa poistamalla evästeet verkkosivustoltasi tai tietokoneeltasi käytännössä kuvatulla tavalla. Hyväksy se ja valitse mieltymyksesi merkitsemällä vastaavat ruudut alla olevaan "Asetusten hallinta" -osioon. Lue huolellisesti käyttöehdot ennen kuin jatkat minkä tahansa tämän verkkosivuston osan käyttöä.
«Hallitse asetuksia