Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Diagnostic Accuracy of a Deep Learning Framework for Automated Evaluation of Root Canal Obturation Quality From Periapical Radiographs

29 de junho de 2026 atualizado por: Bothaina Mahmoud Elbadry, Cairo University

Diagnostic Accuracy of a Deep Learning Framework for Automated Classification, Quantitative Assessment and Comprehensive Evaluation of Root Canal Obturation Quality From Periapical Radiographs

This study aims to develop and evaluate an artificial intelligence (AI)-based system that can automatically assess the quality of root canal fillings using dental X-ray images. The AI system will analyze important features of the filling, including its length, uniformity, and shape, and classify the treatment quality as acceptable or needing improvement.

The study will use previously collected, anonymized dental X-ray images of teeth that have received root canal treatment. Experienced dental specialists will evaluate these images to provide a reference standard, which will be compared with the AI system's results.

The goal of this research is to determine whether AI can provide a reliable and consistent method for evaluating root canal treatment outcomes. In the future, such technology may help dentists make more accurate decisions, improve treatment evaluation, and contribute to better patient care.

Visão geral do estudo

Status

Ainda não está recrutando

Condições

Intervenção / Tratamento

Tipo de estudo

Intervencional

Inscrição (Estimado)

490

Estágio

  • Não aplicável

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

  • Adulto

Aceita Voluntários Saudáveis

Não

Descrição

Periapical radiographs of teeth with completed root canal treatment from patients Aged between 18 and 60 years will be included, provided they exhibit satisfactory image quality characterized by adequate sharpness, contrast, and minimal noise, allowing clear visualization of the root canal filling and apical region. The radiographs must enable accurate assessment of obturation quality, including filling length, homogeneity, and taper. Both single-rooted and multi-rooted teeth will be considered to ensure adequate anatomical representation. Radiographs with poor image quality, significant distortion, metallic artifacts, post-core restorations, root resorption, fractures, or incomplete visualization of the apex will be excluded to ensure reliable analysis.

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

  • Finalidade Principal: Diagnóstico
  • Alocação: N / D
  • Modelo Intervencional: Atribuição de grupo único
  • Mascaramento: Nenhum (rótulo aberto)

Armas e Intervenções

Grupo de Participantes / Braço
Intervenção / Tratamento
Outro: Specialist annotation
This study aims to develop and evaluate an artificial intelligence (AI)-based system that can automatically assess the quality of root canal fillings using dental X-ray images. The AI system will analyze important features of the filling, including its length, uniformity, and shape, and classify the treatment quality as acceptable or needing improvement.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Evaluation of root canal obturation quality from periapical radiographs
Prazo: 1 month
Evaluation of root canal obturation quality from periapical radiographs
1 month

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Estimado)

1 de agosto de 2026

Conclusão Primária (Estimado)

30 de dezembro de 2026

Conclusão do estudo (Estimado)

1 de julho de 2027

Datas de inscrição no estudo

Enviado pela primeira vez

29 de junho de 2026

Enviado pela primeira vez que atendeu aos critérios de CQ

29 de junho de 2026

Primeira postagem (Real)

6 de julho de 2026

Atualizações de registro de estudo

Última Atualização Postada (Real)

6 de julho de 2026

Última atualização enviada que atendeu aos critérios de controle de qualidade

29 de junho de 2026

Última verificação

1 de junho de 2026

Mais Informações

Termos relacionados a este estudo

Outros números de identificação do estudo

  • New Endo 7.1.1

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

INDECISO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .