- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05340140
CBCT 영상에서 인공지능 상악 제1대구치 제2 근심협측 검출 정확도 원문보기 KCI 원문보기 인용
딥러닝 모델(인공지능)을 이용한 CBCT 영상에서 컴퓨터를 이용한 상악 제1대구치 제2근심협측 검출의 정확도: 진단 정확도 연구
연구 개요
상세 설명
상악 제1대구치에서 근관치료 실패의 가장 큰 이유 중 하나는 감지 및 두 번째 근심 협측(MB2) 관을 치료합니다. 문헌에 따르면 상악 제1대구치의 MB2 관이 체외 연구의 70% 이상에서 발견되었지만 임상적으로 발견된 사례는 40% 미만이었습니다. CBCT(Cone Beam Computered Tomography)는 치근관 치료 분야의 이미징 양식으로, 방사선량이 적고 해상도가 높으며 중첩이 없는 근관 시스템의 3차원(3D) 이미징을 수행할 수 있는 기능을 포함하여 몇 가지 장점이 있습니다. 연구자들은 MB2 근관을 식별할 때 CBCT의 효율성을 평가했으며 CBCT는 이러한 근관을 탐지하는 신뢰할 수 있는 방법으로 제안되었습니다. 그러나 치근 충전 치아의 작은 병변과 같이 임상적으로 관련된 상황에서는 CBCT 정확도가 크게 감소합니다(민감도 0.63, 특이도 0.69). 더욱이, CBCT 이미징의 임상의 의존적 해석은 여전히 낮은 관찰자 간 및 관찰자 내 합의로 인해 어려움을 겪고 있습니다.
CAD(Computer-Aided Detection and Diagnostic)는 치과 이외의 생물 의학 이미지 분석에 널리 적용되었습니다.
연구 유형
등록 (예상)
연락처 및 위치
연구 연락처
- 이름: Sally Mansour, Masters
- 전화번호: +201019932383
- 이메일: sally.mansour@dentistry.cu.edu.eg
연구 연락처 백업
- 이름: Ahmed MFM Magdy, MCS
- 전화번호: +201019932383
- 이메일: ahmed_magdy@dentistry.cu.edu.eg
연구 장소
-
-
-
Cairo, 이집트, 12611
- 모병
- Faculty of dentistry cairo university
-
연락하다:
- Faculty ODC university
- 전화번호: 01066365552
- 이메일: sally.mansour@dentistry.cu.edu.eg
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
• 맹출된 상악 제1대구치를 보여주는 CBCT 스캔.
- 보벨 크기는 0.1mm를 초과하지 않습니다.
- 완전한 치근 형성을 보여주는 상악 대구치.
- 우식 또는 비우식 치아.
제외 기준:
• 발달 기형이 있는 상악 제1대구치, 외부 또는 내부 치근 흡수, 근관 석회화, 이전 근관 치료, 수복 후 및/또는 치근 우식.
- 최적이 아닌 품질 또는 아티팩트/적절한 평가를 방해하는 높은 분산의 CBCT 이미지.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
---|---|
상악 제1대구치의 CBCT 이미지
|
컴퓨터 과학 전문가가 개발하고 컨볼루션 신경망을 기반으로 하며 데이터 세트로 훈련된 딥 러닝 모델입니다.
다른 이름들:
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
MB2 검출 정확도
기간: 기준선
|
딥러닝 모델을 이용한 상악 제1대구치 CBCT 영상에서 MB2 검출
|
기준선
|
공동 작업자 및 조사자
스폰서
수사관
- 연구 책임자: Enas Anter, Ph.D, Cairo University
간행물 및 유용한 링크
일반 간행물
- 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.
연구 기록 날짜
연구 주요 날짜
연구 시작 (예상)
기본 완료 (예상)
연구 완료 (예상)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- CBCT AI 7-1-1
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .
딥 러닝 모델에 대한 임상 시험
-
Centre for Addiction and Mental HealthCanadian Institutes of Health Research (CIHR); Brainsway완전한
-
St. Joseph's Healthcare HamiltonPeter Boris Centre for Addictions Research (PBCAR)모병
-
Klein Buendel, Inc.National Institute on Aging (NIA); Penn State University초대로 등록
-
Rotman Research Institute at BaycrestCentre for Addiction and Mental Health; Brainsway모병
-
Rotman Research Institute at BaycrestCentre for Addiction and Mental Health; Brainsway모병