使用AI自动下颌缺陷重建后的准确性和美学评估
2025年4月20日 更新者：Sarah Moustafa Mahmoud Fahmy El-Youtti、Cairo University
使用人工智能自动化下颌缺陷重建后的准确性和美学评估：一个案例系列研究
该研究的目的是使用人工智能评估自动下颌缺陷重建的准确性，并使用患者特定的重建板评估对美学和遮挡结果的影响。
研究概览
详细说明
数字手术过程通常需要预期的下颌参考模型。 当前，常见的数字手术过程是镜像修复或手动寻找其他类似的下颌骨，以进行本地数据融合和平滑处理。 在临床实践中，难以实现更准确的预期参考模型，耗时且难以促进。 此外，快速路由处理通常的准确性差。 对于累积双侧病变，大规模病变，明显的位移或病变越过中线，仍然没有有效的方法来预测临床实践中预期的参考模型。
进行这项研究的主要目的是提出一种改进的算法，以克服使用3D UNET的最新研究的缺点，并测试实际患者中实际产生的下颌骨3D模型的可预测性和临床价值。
研究类型
介入性
注册 (估计的)
4
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Sarah Moustafa. Moustafa, MSc.
- 电话号码：56794540
- 邮箱：sarah.elayoutti@dentistry.cu.edu.eg
研究联系人备份
- 姓名：Sarah Moustafa. Moustafa, PHD
- 电话号码：01006133135
- 邮箱：waleed.elbeialy@dentistry.cu.edu.eg
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 成人
接受健康志愿者
不
描述
纳入标准：
- 下颌肿瘤，囊肿或任何良性疾病的患者导致下颌连续性缺陷。
- 年龄组：从18-55岁起。
- 没有性别偏见。
- 仅来自在线数据库和真实数据的健康下颌骨的CTS或CBCT。
排除标准：
- 下颌恶性病变的患者。
- 2-17岁的儿童年龄组。
- 上颌骨的CTS。
- 由于正常的生理骨变化，老年患者被排除在外。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：治疗
- 分配：不适用
- 介入模型：单组作业
- 屏蔽：无（打开标签）
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：患者特定的重建板
良性病变的患者表示切除，并导致由患者特定重建板治疗的下颌连续性缺陷。
|
使用人工智能在3D虚拟产生的缺陷上使用患者特定的重建板。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
使用AI虚拟生成的3D模型的精度
大体时间：基线
|
测量设备是使用该百分比作为单位的AI模型
|
基线
|
|
AI在临床上生成的模型的准确性
大体时间：基线
|
测量设备是通过使用软件（Blender）的虚拟3-D生成的模型和实际患者CT邮政操作的叠加。 （结构相似性指数）（SSIM） |
基线
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
风气结果
大体时间：基线
|
测量设备是使用4分评分的面部外观
|
基线
|
|
阻塞
大体时间：基线
|
测量设备是使用T扫描的数字遮挡分析，该设备为百分比
|
基线
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Sarah Moustafa, MSc.、Cairo University
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Liang Y, Huan J, Li JD, Jiang C, Fang C, Liu Y. Use of artificial intelligence to recover mandibular morphology after disease. Sci Rep. 2020 Oct 2;10(1):16431. doi: 10.1038/s41598-020-73394-5.
- van Baar GJC, Forouzanfar T, Liberton NPTJ, Winters HAH, Leusink FKJ. Accuracy of computer-assisted surgery in mandibular reconstruction: A systematic review. Oral Oncol. 2018 Sep;84:52-60. doi: 10.1016/j.oraloncology.2018.07.004. Epub 2018 Jul 20.
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (估计的)
2025年5月1日
初级完成 (估计的)
2026年4月1日
研究完成 (估计的)
2026年5月1日
研究注册日期
首次提交
2025年4月10日
首先提交符合 QC 标准的
2025年4月20日
首次发布 (实际的)
2025年4月25日
研究记录更新
最后更新发布 (实际的)
2025年4月25日
上次提交的符合 QC 标准的更新
2025年4月20日
最后验证
2025年4月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.