Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

A mesterséges intelligencia kimutatásának pontossága a maxilláris első őrlőfogak második mesio-bukkális csatornája CBCT felvételeken

2022. április 20. frissítette: Arwa Mousa, Cairo University

A maxilláris első őrlőfogak második mesio-bukkális csatornájának számítógéppel segített kimutatásának pontossága CBCT-felvételeken mélytanulási modell (mesterséges intelligencia) használatával: Diagnosztikai pontossági vizsgálat

A CAD-rendszerek olyan számítógépes alkalmazások, amelyek segítik a betegségek észlelését és/vagy diagnosztizálását azáltal, hogy elfogulatlan "második véleményt" adnak a képtolmácsnak, célja a pontosság javítása és az elemzésre fordított idő csökkentése. A képalapú alkalmazásokban a Deep Learning (DL) algoritmusok gyors növekedésével a CAD-rendszereket a DL képes kiképezni, hogy fejlettebb képességeket (vagyis a mesterséges intelligencia [AI] képességét) biztosítsák a klinikusok legjobb támogatása érdekében.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Beavatkozás / kezelés

Részletes leírás

Számtalan tanulmány és megbeszélés alapszik a felső őrlőfogak mesiobuccalis (MB) gyökerében lévő második csatorna létezésén, mivel szilárdan úgy gondolják, hogy az első őrlőfogak endodontiás kudarcának egyik fő oka a felderítés nehézsége. a második mesiobuccalis (MB2) csatornák kezelése. Az irodalomból kiderül, hogy bár az in vitro vizsgálatok több mint 70%-ában találtak MB2 csatornákat az első felső őrlőfogaknál, klinikailag az esetek kevesebb mint 40%-ában mutatták ki őket. A kúpos komputertomográfia (CBCT) egy képalkotó módszer az endodontia területén, amely számos előnnyel rendelkezik, beleértve a gyökércsatornarendszerek háromdimenziós (3D) képalkotásának lehetőségét alacsonyabb sugárzási dózissal, nagyobb felbontással és szuperponálás nélkül. A kutatók értékelték a CBCT hatékonyságát az MB2-csatornák azonosítása során, és a CBCT-t megbízható módszernek javasolták e csatornák kimutatására. Azonban klinikailag releváns helyzetekben, ilyen kisebb elváltozások esetén a gyökértömött fogakon, a CBCT pontossága jelentősen csökken (érzékenység 0,63, specificitás 0,69). Ezenkívül a CBCT képalkotás klinikustól függő értelmezése továbbra is alacsony megfigyelőközi és megfigyelői egyetértésben szenved.

A számítógéppel segített detektálást és diagnosztizálást (CAD) széles körben alkalmazzák az orvosbiológiai képelemzésben a fogászaton kívül.

Tanulmány típusa

Megfigyelő

Beiratkozás (Várható)

50

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányozza a kapcsolattartók biztonsági mentését

Tanulmányi helyek

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

18 év és régebbi (Felnőtt, Idősebb felnőtt)

Egészséges önkénteseket fogad

Igen

Tanulmányozható nemek

Összes

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

CBCT-felvételek, amelyek a maxilláris első őrlőfogakat mutatják, legfeljebb 0,1 mm-es voxelmérettel. A tanulmány CBCT-adatait a Kairói Egyetem, Kairói Egyiptom Fogorvostudományi Kar Száj- és Állcsont-Radiológiai Tanszékén elérhető CBCT-adatbázisból nyerjük. és több magánradiológiai központból, ugyanazt a gépmárkát használva, azonos paraméterekkel. Azon egyiptomi betegek CBCT-vizsgálatát, akiknél fogászati ​​diagnózisuk és/vagy kezelési tervezésük részeként 2020 januárja és 2022 decembere között már CBCT-vizsgálatnak vetették alá, a javasolt alkalmassági kritériumok szerint beleszámítjuk.

Leírás

Bevételi kritériumok:

  • • CBCT-felvételek, amelyek kitört állcsont 1. őrlőfogat mutatnak.

    • A horony mérete nem haladja meg a 0,1 mm-t.
    • Maximális gyökérképződést mutató felső őrlőfogak.
    • Szuvas vagy nem szuvas fog.

Kizárási kritériumok:

  • • Maxilláris első őrlőfogak fejlődési anomáliákkal, külső vagy belső gyökérreszorpcióval, gyökércsatorna meszesedéssel, korábbi gyökérkezeléssel, utólagos helyreállítással és/vagy gyökérszuvasodással.

    • Az optimálisnál alacsonyabb minőségű CBCT-képek vagy műtermékek/nagy szórás zavarja a megfelelő értékelést.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
CBCT képek maxilláris 1. őrlőfogakról
Diagnosztikai vizsgálat: mély tanulási modell
Számítástechnikai szakértő által kifejlesztett és konvolúciós neurális hálózaton alapuló mély tanulási modell, amelyet adatkészleteink képeztek.
Más nevek:
  • mesterséges intelligencia eszköz

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
az MB2 kimutatásának pontossága
Időkeret: alapvonal
MB2 kimutatása a felső felső őrlőfogak CBCT felvételein mélytanulási modell segítségével
alapvonal

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Cairo University

Nyomozók

  • Tanulmányi igazgató: Enas Anter, Ph.D, Cairo University

Publikációk és hasznos linkek

A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.

Általános kiadványok

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Várható)

2022. május 1.

Elsődleges befejezés (Várható)

2023. szeptember 1.

A tanulmány befejezése (Várható)

2023. október 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2022. április 15.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2022. április 20.

Első közzététel (Tényleges)

2022. április 21.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2022. április 21.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2022. április 20.

Utolsó ellenőrzés

2022. április 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • CBCT AI 7-1-1

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

ELDÖNTETLEN

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Klinikai vizsgálatok a mély tanulási modell

Keressen hasonló próbaverziókban

Szponzorok és közreműködők

Egészségi állapot

Kábítószer-beavatkozások

CROs by country

CROs in Colombia

Körülmények

Ritka betegségek

Kábítószer-beavatkozások

Táplálék-kiegészítők

Szponzor / közreműködők

Helyek

3
Iratkozz fel