- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT05888935
Periapical leesioiden havaitseminen hammaspanoraamaröntgenkuvissa tekoälyn perusteella (OPTITOMO)
Periapical leesioiden havaitseminen hammaspanoraamakuvissa tekoälyn perusteella kartiotietokonetomografialla
Hampaiden periapikaalisilla vaurioilla voi olla useita syitä, ja se heijastuu täydentävän kuvantamisen radioluenteina vaurioina: kulmautunut retro-alveolaarinen (RA) röntgenkuva, hammaspanoraamaröntgenkuva ja kolmiulotteinen kuvantaminen, kuten tietokonetomografia (CT) tai kartiosädetietokonetomografia ( CBCT).
Näiden syvien parodontaalivaurioiden radiografiseen havaitsemiseen hampaiden panoraamakuva edustaa ensimmäistä lähestymistapaa, joka yleensä suoritetaan suhteellisen alhaisella säteilyllä. Tutkimuksen jälkeen voidaan tehdä retroalveolaarinen radiologiakuvaus, joka on paikallistunut ja tarkempi. Näitä tekniikoita käytettäessä näiden leesioiden havaitsemisasteet ovat kuitenkin alhaiset (20 % ja 36 %), joten on tarpeen käyttää kolmiulotteista tomografista tutkimusta, jotta se olisi erottelevampi (69 %). Kultastandardikuvaus näiden leesioiden havaitsemiseksi on CBCT, jota seuraa retroalveolaarinen röntgenkuvaus (~2x vähemmän herkkä kuin CBCT) ja panoraamaradiografia (~2x vähemmän herkkä kuin RA). Vaikka hampaiden panoraamakuva ei ole täysipaksuinen röntgenkuva, sen etuna on, että se suoritetaan yleisemmin, mutta se säteilee vähemmän kuin CBCT ja antaa yleiskuvan hammaskaareista yhdellä kuvalla.
Periapikaaliset leesiot havaitaan kliinisen arvioinnin ja täydentävien tutkimusten visuaalisen arvioinnin jälkeen.
Tämän projektin tavoitteena on parantaa periapikaalisten leesioiden havaitsemista kehittämällä algoritmi, joka tunnistaa ne panoraamahammasröntgenkuvassa. Tämä algoritmi perustuu syväoppimisjärjestelmään, joka on koulutettu referenssitiedoilla, kuten panoraamahammaskuvauksella ja CBCT:llä, joiden hankintaväli on alle 3 kuukautta. Malli perustuu aikaisempaan työhön, parantaa lähtötietojen laatua (CBCT:tä käyttämällä) innovatiivisten tekoälyalgoritmien avulla (transfer learning).
Tutkimuksen yleiskatsaus
Tila
Yksityiskohtainen kuvaus
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Arpiné EL NAR, PhD
- Puhelinnumero: 0033387557766
- Sähköposti: a.elnar@chr-metz-thionville.fr
Opiskelupaikat
-
-
-
Metz, Ranska, 57085
- Rekrytointi
- CHR Metz-Thionville/Hopital de Mercy
-
Ottaa yhteyttä:
- Sähköposti: projet-recherche@chr-metz-thionville.fr
-
Ottaa yhteyttä:
- Arpiné EL NAR, PhD
- Puhelinnumero: 0033387557766
- Sähköposti: a.elnar@chr-metz-thionville.fr
-
Alatutkija:
- Paul RETIF, MD
-
Päätutkija:
- Marc ENGELS-DEUTSCH, MD
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Potilaat, joille on tehty CBCT ja panoraamahammaskuvaus, kun kahden tutkimuksen välillä on vähemmän kuin 3 kuukautta
Poissulkemiskriteerit:
- Potilaat, jotka kieltäytyivät osallistumasta tutkimukseen.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Tekoälyohjelmiston suorituskyky
Aikaikkuna: 2 vuotta
|
F1-pisteiden mittaus. F1-pisteet lasketaan tarkkuus- ja palautuspisteiden harmonisena keskiarvona. Se vaihtelee välillä 0-100 %, ja korkeampi F1-pistemäärä tarkoittaa parempaa laatuluokitusta. |
2 vuotta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Tekoälyn ohjelmistospesifisyys
Aikaikkuna: 2 vuotta
|
todellisten positiivisten, todellisten negatiivisten, väärien positiivisten ja väärien negatiivisten mittaaminen
|
2 vuotta
|
Yhteistyökumppanit ja tutkijat
Tutkijat
- Päätutkija: Marc ENGELS-DEUTSCH, MD, CHR Metz Thionville Hopital de Mercy
- Opintojen puheenjohtaja: Paul RETIF, MD, PhD, CHR Metz Thionville Hopital de Mercy
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2023-04Obs-CHRMT
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .
Kliiniset tutkimukset Periapikaaliset sairaudet
-
Saraswati Dental CollegeValmis
-
King Abdullah University HospitalJordan University of Science and TechnologyRekrytointiPeriradikulaariseen endodonttiseen mikrokirurgiaan liittyvän paranemiskuvion radiografinen arviointiPeriapical; InfektioJordania
-
Atatürk UniversityValmisPeriapical; InfektioTurkki
-
Hams Hamed AbdelrahmanValmisVälitön hammasimplantti | Periapical; Infektio | Hampaiden poistoEgypti
-
Bulent Ecevit UniversityValmisBakteerien eliminointi uudelleenkäsittelytapauksissa käyttämällä erilaisia desinfiointitekniikoitaJuurikanavan infektio | Periapical; InfektioTurkki
-
Alexandria UniversityValmisNekroottinen massa | Periapical; InfektioEgypti
-
Cairo UniversityEi vielä rekrytointia
-
Istanbul Medipol University HospitalEi vielä rekrytointiaPeriapikaaliset sairaudet | Endodonttinen sairaus | Juurikanavan infektio | Periapical; InfektioTurkki