Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Vurdering av nøyaktighet og estetikk etter automatisert mandibular defektrekonstruksjon ved bruk av AI

20. april 2025 oppdatert av: Sarah Moustafa Mahmoud Fahmy El-Youtti, Cairo University

Vurdering av nøyaktighet og estetikk etter automatisert mandibular defektrekonstruksjon ved bruk av kunstig intelligens: en caseserie -studie

Målet med studien er å evaluere nøyaktigheten av automatisert mandibular defektrekonstruksjon ved bruk av kunstig intelligens og vurdere innvirkning på estetiske og okklusjonsresultater ved bruk av pasientspesifikke rekonstruksjonsplater.

Studieoversikt

Status

Har ikke rekruttert ennå

Detaljert beskrivelse

Den digitale kirurgiske prosessen krever ofte en forventet mandibular referansemodell. Foreløpig er den vanlige prosessen med digital kirurgi, å speile reparasjon eller manuelt se etter andre lignende mandibler for lokal datafusjon og utjevningsbehandling. En mer nøyaktig forventet referansemodell er vanskelig å oppnå, tidkrevende og vanskelig å fremme i klinisk praksis. Dessuten har rask rutingbehandling ofte dårlig nøyaktighet. For kumulative bilaterale lesjoner, massive lesjoner, åpenbare forskyvning eller lesjoner krysser midtlinjen, er det fremdeles ingen effektiv metode for å forutsi den forventede referansemodellen i klinisk praksis.

Hovedmålet for å gjennomføre denne studien er å foreslå en forbedret algoritme for å overvinne ulempene ved nyere studier ved bruk av 3D UNET og for å teste forutsigbarheten og den kliniske verdien av tilnærmet genererte 3D -modeller av defekt mandible hos virkelige pasienter.

Studietype

Intervensjonell

Registrering (Antatt)

4

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Studer Kontakt Backup

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Voksen

Tar imot friske frivillige

Nei

Beskrivelse

Inkluderingskriterier:

  • Pasienter med mandibulære svulster, cyster eller noen godartet sykdom som resulterer i mandibular kontinuitetsdefekt.
  • Aldersgruppe: Fra 18 - 55 år gammel.
  • Ingen sexforutsetning.
  • CTS eller CBCT av bare sunne mandibler fra en online database og ekte data.

Eksklusjonskriterier:

  • Pasienter med mandibulære ondartede lesjoner.
  • Barn aldersgruppe fra 2-17.
  • CTS av Maxilla.
  • Eldre pasienter som skal ekskluderes på grunn av den normale fysiologiske benforandringen.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Behandling
  • Tildeling: N/A
  • Intervensjonsmodell: Enkeltgruppeoppdrag
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: Pasientspesifikke rekonstruksjonsplater
Pasienter med godartede lesjoner indikert for reseksjon og resulterte i mandibulære kontinuitetsdefekter behandlet med pasientspesifikke rekonstruksjonsplater.
Bruk av pasientspesifikke rekonstruksjonsplater på den 3D-tilnærmede defekten ved bruk av kunstig intelligens.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Nøyaktighet av den tilnærmet genererte 3D -modellen ved bruk av AI
Tidsramme: Baseline
Måleanordningen er AI -modellen som bruker prosentandelen som enhet
Baseline
Nøyaktighet av AI -generert modell klinisk
Tidsramme: Baseline

Måleanordningen er ved å overlegge både virtuell 3D-generert modell og ekte pasient CT Post Operative ved bruk av programvare (Blender).

(Strukturell likhetsindeks) (SSIM)

Baseline

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Etetisk utfall
Tidsramme: Baseline
Måleanordningen er ansiktsutseende ved hjelp av en 4-punkts poengsum
Baseline
Okklusjon
Tidsramme: Baseline
Måleanordningen er digital okklusjonsanalyse ved bruk av T-skanning og enheten er prosentvis
Baseline

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Etterforskere

  • Hovedetterforsker: Sarah Moustafa, MSc., Cairo University

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Antatt)

1. mai 2025

Primær fullføring (Antatt)

1. april 2026

Studiet fullført (Antatt)

1. mai 2026

Datoer for studieregistrering

Først innsendt

10. april 2025

Først innsendt som oppfylte QC-kriteriene

20. april 2025

Først lagt ut (Faktiske)

25. april 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

25. april 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

20. april 2025

Sist bekreftet

1. april 2025

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere