人工知能による上顎第一大臼歯の第二近頬頬管の検出精度
2022年4月20日 更新者：Arwa Mousa、Cairo University
深層学習モデル (人工知能) を使用した CBCT 画像上の上顎第一大臼歯の第二近心頬管のコンピューター支援検出の精度: 診断精度の研究
CAD システムは、イメージ インタープリタに偏りのない「セカンド オピニオン」を提供することにより、疾患の検出および/または診断を支援するコンピュータ アプリケーションであり、精度の向上と分析時間の短縮を目的としています。
画像ベースのアプリケーションにおけるディープ ラーニング (DL) アルゴリズムの急速な成長に伴い、CAD システムは DL によってトレーニングされ、より高度な機能 (つまり、人工知能 [AI] の機能) を提供して臨床医を最適に支援できるようになりました。
調査の概要
詳細な説明
上顎大臼歯の近心頬側（MB）根にある第二管の存在に基づいて、数え切れないほどの研究と議論が行われてきました。文献によると、上顎第一大臼歯の MB2 カナルは in vitro 研究の 70% 以上で発見されていますが、臨床的に検出されたケースは 40% 未満でした。 コーン ビーム コンピュータ断層撮影法 (CBCT) は、根管システムの 3 次元 (3D) イメージングを低放射線量、高解像度、重畳なしで実行できるなど、いくつかの利点がある歯内療法の分野のイメージング モダリティです。 研究者は、MB2 カナルの識別に関して CBCT の効率を評価しており、CBCT はこれらのカナルを検出するための信頼できる方法であることが示唆されています。 しかし、臨床的に関連する状況では、歯根が満たされた歯のような小さな病変では、CBCT の精度が大幅に低下します (感度 0.63、特異度 0.69)。 さらに、CBCT イメージングの臨床医に依存する解釈は、依然として観察者間および観察者内の合意が低いことに苦しんでいます。
コンピュータ支援検出および診断 (CAD) は、歯科以外の生物医学画像解析に広く適用されています。
研究の種類
観察的
入学 (予想される)
50
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究連絡先
- 名前：Sally Mansour, Masters
- 電話番号：+201019932383
- メール：sally.mansour@dentistry.cu.edu.eg
研究連絡先のバックアップ
- 名前：Ahmed MFM Magdy, MCS
- 電話番号：+201019932383
- メール：ahmed_magdy@dentistry.cu.edu.eg
研究場所
-
-
-
Cairo、エジプト、12611
- 募集
- Faculty of Dentistry Cairo University
-
コンタクト：
- Faculty ODC university
- 電話番号：01066365552
- メール：sally.mansour@dentistry.cu.edu.eg
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
18年歳以上 (大人、高齢者)
健康ボランティアの受け入れ
はい
受講資格のある性別
全て
サンプリング方法
非確率サンプル
調査対象母集団
ボクセル サイズが 0.1 mm 以下の解像度を持つ上顎第一大臼歯を示す CBCT スキャン。この研究の CBCT データは、エジプト、カイロのカイロ大学歯科学部の口腔および顎顔面放射線科で利用可能な CBCT データベースから取得されます。同じパラメーターを持つ同じマシン ブランドを使用する複数の民間放射線センターから。
提案された適格基準に従って、2020 年 1 月から 2022 年 12 月までの歯科診断および/または治療計画の一環として、すでに CBCT 検査を受けたエジプト人患者の CBCT スキャンが含まれます。
説明
包含基準:
• 上顎第一大臼歯の萌出を示す CBCT スキャン。
- 母音のサイズが 0.1mm を超えないこと。
- 完全な歯根形成を示す上顎大臼歯。
- う蝕または非う蝕歯。
除外基準:
• 上顎第一大臼歯の発達異常、外根または内根の吸収、根管石灰化、以前の根管治療、修復後、および/または根面齲蝕。
- 次善の品質またはアーティファクト/適切な評価を妨げる高散乱の CBCT 画像。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
上顎第一大臼歯のCBCT画像
|
コンピューター サイエンスの専門家によって開発され、畳み込みニューラル ネットワークに基づいて、当社のデータセットによってトレーニングされたディープ ラーニング モデル。
他の名前：
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
MB2の検出精度
時間枠：ベースライン
|
深層学習モデルを用いた上顎第一大臼歯のCBCT画像からMB2を検出
|
ベースライン
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
スポンサー
捜査官
- スタディディレクター：Enas Anter, Ph.D、Cairo University
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Blattner TC, George N, Lee CC, Kumar V, Yelton CD. Efficacy of cone-beam computed tomography as a modality to accurately identify the presence of second mesiobuccal canals in maxillary first and second molars: a pilot study. J Endod. 2010 May;36(5):867-70. doi: 10.1016/j.joen.2009.12.023. Epub 2010 Feb 21.
- Kulild JC, Peters DD. Incidence and configuration of canal systems in the mesiobuccal root of maxillary first and second molars. J Endod. 1990 Jul;16(7):311-7. doi: 10.1016/s0099-2399(06)81940-0.
- Alacam T, Tinaz AC, Genc O, Kayaoglu G. Second mesiobuccal canal detection in maxillary first molars using microscopy and ultrasonics. Aust Endod J. 2008 Dec;34(3):106-9. doi: 10.1111/j.1747-4477.2007.00090.x.
- Gorduysus MO, Gorduysus M, Friedman S. Operating microscope improves negotiation of second mesiobuccal canals in maxillary molars. J Endod. 2001 Nov;27(11):683-6. doi: 10.1097/00004770-200111000-00008.
- Weine FS, Hayami S, Hata G, Toda T. Canal configuration of the mesiobuccal root of the maxillary first molar of a Japanese sub-population. Int Endod J. 1999 Mar;32(2):79-87. doi: 10.1046/j.1365-2591.1999.00186.x.
- Ekert T, Krois J, Meinhold L, Elhennawy K, Emara R, Golla T, Schwendicke F. Deep Learning for the Radiographic Detection of Apical Lesions. J Endod. 2019 Jul;45(7):917-922.e5. doi: 10.1016/j.joen.2019.03.016. Epub 2019 Jun 1.
- Hiraiwa T, Ariji Y, Fukuda M, Kise Y, Nakata K, Katsumata A, Fujita H, Ariji E. A deep-learning artificial intelligence system for assessment of root morphology of the mandibular first molar on panoramic radiography. Dentomaxillofac Radiol. 2019 Mar;48(3):20180218. doi: 10.1259/dmfr.20180218. Epub 2018 Nov 9.
- Orhan K, Bayrakdar IS, Ezhov M, Kravtsov A, Ozyurek T. Evaluation of artificial intelligence for detecting periapical pathosis on cone-beam computed tomography scans. Int Endod J. 2020 May;53(5):680-689. doi: 10.1111/iej.13265. Epub 2020 Feb 3.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (予想される)
2022年5月1日
一次修了 (予想される)
2023年9月1日
研究の完了 (予想される)
2023年10月1日
試験登録日
最初に提出
2022年4月15日
QC基準を満たした最初の提出物
2022年4月20日
最初の投稿 (実際)
2022年4月21日
学習記録の更新
投稿された最後の更新 (実際)
2022年4月21日
QC基準を満たした最後の更新が送信されました
2022年4月20日
最終確認日
2022年4月1日
詳しくは
本研究に関する用語
その他の研究ID番号
- CBCT AI 7-1-1
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
未定
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
いいえ
米国FDA規制機器製品の研究
いいえ
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。