AI를 사용한 자동화 된 하악 결함 재건에 따른 정확도 및 미학 평가
2025년 4월 20일 업데이트: Sarah Moustafa Mahmoud Fahmy El-Youtti, Cairo University
인공 지능을 이용한 자동 하악 결함 재건에 따른 정확도 및 미학 평가 : 사례 시리즈 연구
이 연구의 목적은 인공 지능을 사용하여 자동화 된 하악 결함 재건의 정확성을 평가하고 환자 별 재구성 플레이트를 사용한 미학 및 폐색 결과에 미치는 영향을 평가하는 것입니다.
연구 개요
상태
상태
아직 모집하지 않음
정황
정황
개입 / 치료
개입 / 치료
상세 설명
디지털 수술 과정에는 종종 예상 하악 기준 모델이 필요합니다. 현재 일반적인 디지털 수술 과정은 수리를 미러링하거나 수동으로 지역 데이터 융합 및 평활 처리에 대한 다른 유사한 하악골을 찾는 것입니다. 보다 정확한 예상 참조 모델은 달성하기 어렵고, 시간이 많이 걸리며 임상 실습에서 홍보하기가 어렵습니다. 또한 빠른 라우팅 처리는 종종 정확도가 좋지 않습니다. 누적 양측 병변, 거대한 병변, 명백한 변위 또는 병변이 중간 선을 가로 지르는 경우, 임상 실습에서 예상 기준 모델을 예측하는 효과적인 방법은 여전히 없습니다.
이 연구를 수행하기위한 주요 목표는 3D UNET를 사용한 최근 연구의 단점을 극복하기위한 개선 된 알고리즘을 제안하고 실제 환자에서 결함이있는 하악골의 3D 모델의 예측 가능성 및 임상 가치를 테스트하는 것입니다.
연구 유형
연구 유형
중재적
등록 (추정된)
등록
4
단계
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
연구 연락처
- 이름: Sarah Moustafa. Moustafa, MSc.
- 전화번호: 56794540
- 이메일: sarah.elayoutti@dentistry.cu.edu.eg
연구 연락처 백업
- 이름: Sarah Moustafa. Moustafa, PHD
- 전화번호: 01006133135
- 이메일: waleed.elbeialy@dentistry.cu.edu.eg
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
자격 기준
공부할 수 있는 나이
- 성인
건강한 자원 봉사자를 받아들입니다
아니
설명
포함 기준 :
- 하악 종양, 낭종 또는 양성 질환이있는 환자는 하악 연속성 결함을 초래합니다.
- 연령 그룹 : 18-55 세.
- 성적인 편견 없음.
- 온라인 데이터베이스 및 실제 데이터에서 건강한 하악의 CTS 또는 CBCT.
제외 기준 :
- 하악 악성 병변 환자.
- 2-17 세의 어린이 연령 그룹.
- 상악의 CT.
- 노인 환자는 정상적인 생리 학적 뼈 변화로 인해 제외됩니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 치료
- 할당: 해당 없음
- 중재 모델: 단일 그룹 할당
- 마스킹: 없음(오픈 라벨)
팔의 수
1
무기와 개입
참가자 그룹 / 팔참가자 그룹 / 팔 |
개입 / 치료개입 / 치료 |
|---|---|
|
실험적: 환자 특이 적 재구성 플레이트
양성 병변이있는 환자는 절제술을 나타내고 환자 특이 적 재구성 플레이트로 치료 된 하악 연속성 결함을 초래합니다.
|
인공 지능을 사용하여 3-D 거의 생성 된 결함에서 환자 특이 적 재구성 판의 사용.
|
연구는 무엇을 측정합니까?
주요 결과 측정
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI를 사용하여 사실상 생성 된 3D 모델의 정확도
기간: 기준선
|
측정 장치는 백분율을 단위로 사용하는 AI 모델입니다.
|
기준선
|
|
AI 생성 모델의 정확도는 임상 적으로 생성됩니다
기간: 기준선
|
측정 장치는 가상 3-D 생성 모델과 소프트웨어 (블렌더)를 사용하여 실제 환자 CT 포스트 수술을 중첩함으로써입니다. (구조적 유사성 지수) (SSIM) |
기준선
|
2차 결과 측정
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
병적 결과
기간: 기준선
|
측정 장치는 4 점 점수를 사용하여 얼굴 모양입니다.
|
기준선
|
|
폐색
기간: 기준선
|
측정 장치는 T- 스캔을 사용한 디지털 폐색 분석이며 장치는 백분율입니다.
|
기준선
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
수사관
- 수석 연구원: Sarah Moustafa, MSc., Cairo University
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Liang Y, Huan J, Li JD, Jiang C, Fang C, Liu Y. Use of artificial intelligence to recover mandibular morphology after disease. Sci Rep. 2020 Oct 2;10(1):16431. doi: 10.1038/s41598-020-73394-5.
- van Baar GJC, Forouzanfar T, Liberton NPTJ, Winters HAH, Leusink FKJ. Accuracy of computer-assisted surgery in mandibular reconstruction: A systematic review. Oral Oncol. 2018 Sep;84:52-60. doi: 10.1016/j.oraloncology.2018.07.004. Epub 2018 Jul 20.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (추정된)
연구 시작
2025년 5월 1일
기본 완료 (추정된)
기본 완료
2026년 4월 1일
연구 완료 (추정된)
연구 완료
2026년 5월 1일
연구 등록 날짜
최초 제출
최초 제출
2025년 4월 10일
QC 기준을 충족하는 최초 제출
QC 기준을 충족하는 최초 제출
2025년 4월 20일
처음 게시됨 (실제)
처음 게시됨
2025년 4월 25일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
마지막 업데이트 게시됨
2025년 4월 25일
QC 기준을 충족하는 마지막 업데이트 제출
QC 기준을 충족하는 마지막 업데이트 제출
2025년 4월 20일
마지막으로 확인됨
마지막으로 확인됨
2025년 4월 1일
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
기타 연구 ID 번호
- AI in Mandibular Defects
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .