Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Bedömning av artificiell intelligens assisterad registrering kontra konventionell punktbaserad registrering på konstråledatortomografi (CBCT) med tungmetallartefakter

14 februari 2024 uppdaterad av: Nehal Ibrahim Ahmed Shobair, Ain Shams University

Bedömning av AI-assisterad registrering kontra konventionell punktbaserad registrering på CBCT med tungmetallartefakter

Vår studie undersöker noggrannheten och varaktigheten som behövs för registrering av 3D-modeller med hjälp av artificiell intelligens (AI) jämfört med konventionell punktbaserad registrering. Manuell segmentering av alla cone beam computed tomography (CBCT) skanningar kommer att utföras före registreringsproceduren.

Studieöversikt

Status

Aktiv, inte rekryterande

Betingelser

Intervention / Behandling

Detaljerad beskrivning

CBCT-bilder och intraorala skanningar kommer att screenas enligt specifika behörighetskriterier. 16 CBCT-bilder och intraorala skanningar som kommer att uppfylla inklusionskriterierna kommer att genomgå manuell segmentering via 3D-mjukvara för medicinsk bildbehandling. Därefter kommer punktbaserad registrering och AI-assisterad registrering att utföras av en enda operatör med hjälp av specialiserad programvara för implantatplanering. Därefter kommer registreringsnoggrannheten att undersökas genom att mäta avstånden mellan de tredimensionella modellerna av CBCT-data och intraorala skanningar. Den tid som krävs för registrering kommer också att kalibreras och registreras av ett stoppur.

Studietyp

Interventionell

Inskrivning (Beräknad)

16

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

  • Egypten
      • Cairo, Egypten
        • Private maxillofacial digital lab

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Ja

Beskrivning

Inklusionskriterier:

CBCT skannar för antingen maxilla eller mandibel eller båda och intraorala skanningar eller manuella avtryck med metallrestaurationer.

Exklusions kriterier:

Skannar utan metallrestaureringar.

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Övrig
  • Tilldelning: Icke-randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: AI-assisterad registrering
3D-modellregistrering kommer att utföras med hjälp av artificiell intelligens
Övrig: AI-assisterad registrering
Vi kommer att använda artificiell intelligens för att registrera 3d-modell på intraoral skanning
Aktiv komparator: Poängbaserad registrering
3D-modellregistrering kommer att utföras med hjälp av punktbaserad metod
Övrig: Poängbaserad registrering
Vi kommer att använda fem referenspunkter eller fler för att utföra modellregistrering

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Registreringsnoggrannhet
Tidsram: omedelbart efter ingreppet
Avstånd mellan registrerad 3d-modell och CBCT i millimeter
omedelbart efter ingreppet

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Varaktighet för registrering
Tidsram: Under proceduren
tid det tar för registreringsförfarandet
Under proceduren

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Ain Shams University

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

20 december 2023

Primärt slutförande (Faktisk)

20 januari 2024

Avslutad studie (Beräknad)

25 februari 2024

Studieregistreringsdatum

Först inskickad

5 februari 2024

Först inskickad som uppfyllde QC-kriterierna

14 februari 2024

Första postat (Faktisk)

22 februari 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

22 februari 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

14 februari 2024

Senast verifierad

1 februari 2024

Mer information

Termer relaterade till denna studie

Nyckelord

Andra studie-ID-nummer

  • AI surgery protocol

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

ingen data kommer att delas

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på AI-assisterad registrering

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Canada

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

3
Prenumerera