이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

CBCT 영상에서 인공지능 상악 제1대구치 제2 근심협측 검출 정확도 원문보기 KCI 원문보기 인용

2022년 4월 20일 업데이트: Arwa Mousa, Cairo University

딥러닝 모델(인공지능)을 이용한 CBCT 영상에서 컴퓨터를 이용한 상악 제1대구치 제2근심협측 검출의 정확도: 진단 정확도 연구

CAD 시스템은 정확성을 높이고 분석 시간을 줄이는 것을 목표로 이미지 해석기에 편향되지 않은 "두 번째 의견"을 제공하여 질병의 감지 및/또는 진단을 지원하는 컴퓨터 응용 프로그램입니다. 이미지 기반 응용 프로그램에서 딥 러닝(DL) 알고리즘의 급속한 성장으로 CAD 시스템은 이제 임상의를 가장 잘 지원할 수 있는 고급 기능(예: 인공 지능[AI]의 기능)을 제공하기 위해 DL에서 훈련될 수 있습니다.

연구 개요

상태

모병

정황

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

관찰

등록 (예상)

50

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 연락처

연구 연락처 백업

연구 장소

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

18년 이상 (성인, 고령자)

건강한 자원 봉사자를 받아들입니다

연구 대상 성별

모두

샘플링 방법

비확률 샘플

연구 인구

해상도가 0.1mm 복셀 크기 이하인 상악 제1대구치를 보여주는 CBCT 스캔. 이 연구의 CBCT 데이터는 이집트 카이로의 카이로 대학교 치과 학부 구강 악안면 방사선과에서 사용 가능한 CBCT 데이터베이스에서 얻을 것입니다. 동일한 매개변수로 동일한 기계 브랜드를 사용하는 여러 개인 방사선과 센터에서. 2020년 1월부터 2022년 12월까지 치과 진단 및/또는 치료 계획의 일부로 이미 CBCT 검사를 받은 이집트 환자의 CBCT 스캔은 제안된 자격 기준에 따라 포함됩니다.

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

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

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:
  • 인공 지능 도구

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

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

수사관

  • 연구 책임자: Enas Anter, Ph.D, 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

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 (예상)

2022년 5월 1일

기본 완료 (예상)

2023년 9월 1일

연구 완료 (예상)

2023년 10월 1일

연구 등록 날짜

최초 제출

2022년 4월 15일

QC 기준을 충족하는 최초 제출

2022년 4월 20일

처음 게시됨 (실제)

2022년 4월 21일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2022년 4월 21일

QC 기준을 충족하는 마지막 업데이트 제출

2022년 4월 20일

마지막으로 확인됨

2022년 4월 1일

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?

미정

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. .

딥 러닝 모델에 대한 임상 시험

3
구독하다