- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT07587060
Development and Diagnostic Accuracy of a Deep Learning Model for Root Canal Curvature Analysis in Mandibular Molars Using CBCT Scans: A Diagnostic Accuracy Study
Root canal preparation in endodontics poses significant challenges, particularly in curved canals of mandibular molars, where accurate preoperative assessment using CBCT imaging is crucial to avoid iatrogenic errors and improve treatment outcomes. This study aims to develop and evaluate the diagnostic accuracy of a deep learning model for analyzing root canal curvature angles in mandibular molars from CBCT scans, compared to human expert evaluations. The model will leverage advanced AI techniques to segment and measure curvatures objectively, addressing limitations in manual interpretation, potentially standardizing case difficulty assessments and aiding clinical decision-making.
Tutkimuksen yleiskatsaus
Tila
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Cairo Governorate
-
Cairo, Cairo Governorate, Egypti
- Faculty of Dentistry, Cairo University
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
The accepted sample size (n) will be 207, when the accuracy is (90.48%) and marginal error (4 %) by adopting confidence interval (95%), using Staskingdom calculator.
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 molars showing complete root formation
- Carious or non-carious teeth
- Absence of artifacts, dental implants in the adjacent teeth
Exclusion Criteria:
- Mandibular first and second molars 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
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Havaintomallit: OTHER
- Aikanäkymät: RETROSPECTIVE
Kohortit ja interventiot
Ryhmä/Kohortti |
|---|
|
Diagnostic test: Artificial intelligence
Diagnostic test: Artificial intelligence |
|
Reference group: Human Expert's opinion
Radiologist and Endodontist Human expert opinion compared to AI diagnostic test |
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Accuracy of analysis of root canal curvature angle
Aikaikkuna: June 2026 to September 2027
|
Curvature analysis classified according to its severity into 3 categories: "10 degrees or less"; as mild, "between 10 to 30 degrees"; as moderate and "30 degrees or more"; as severe curvature. |
June 2026 to September 2027
|
Yhteistyökumppanit ja tutkijat
Sponsori
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
Muut tutkimustunnusnumerot
- NEW Code 7-1-1
- self funded (Muu tunniste: Cairo University)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
The study is diagnostic accuracy study on CBCT data
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 .