Меню
Набор скоро начнётся NCT07611279

Development and Validation of a Deep Learning Model to Predict Endodontic Retreatment Difficulty From Periapical Radiographs

Без фазы С лечением Endodontic Retreatment Non-surgical Retreatment Endodontics AI (Artificial Intelligence)

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: Deep Learning Model to Predict Endodontic Retreatment Difficulty from Periapical Radiographs.
Кому может быть актуально
Состояния в реестре: Endodontic Retreatment, Non-surgical Retreatment, Endodontics, AI (Artificial Intelligence). Базовые параметры: Без ограничений · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Список центров уточняется — проверьте первичный протокол.
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Обзор

The aim of this study is to develop and evaluate an artificial intelligence-based model capable of analyzing periapical radiographs of maxillary and mandibular molars to predict the difficulty level of non-surgical root canal retreatment. By integrating deep learning techniques with routinely acquired periapical radiographs, this study aims to enhance diagnostic support, improve clinical decision-making, and facilitate appropriate case selection or referral in endodontic practice.

Вмешательства

  • Диагностический тест Deep Learning Model to Predict Endodontic Retreatment Difficulty from Periapical Radiographs
    This study will employ a retrospective diagnostic accuracy design focused on the development and validation of a deep learning-based model for automated prediction of endodontic retreatment difficulty in maxillary and mandibular molars using periapical radiographs. The methodology will involve radiographic data acquisition, expert annotation of case difficulty according to standardized criteria, deep learning model development and training, and comprehensive performance evaluation of the propose

Первичные конечные точки

  • diagnostic accuracy [Срок оценки: From Data collection to model testing up to 60 weeks]

Критерии участия

Критерии включения

Periapical radiographs of maxillary and mandibular molars requiring non-surgical endodontic retreatment will be included. Radiographs should exhibit satisfactory image quality, characterized by adequate sharpness, contrast, and minimal distortion or noise to allow accurate assessment of relevant anatomical and treatment-related features. Images should clearly display the tooth of interest, surrounding periapical structures, and any existing root canal filling materials or restorations.

Критерии исключения

Deciduous teeth, non-restorable, non-treated teeth

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Нет

Дизайн исследования

Распределение
Не применимо
Модель
Одна группа
Маскирование
Открытое
Основная цель
Диагностика

Центры проведения

Список центров уточняется — проверьте первичный протокол.

Идентификаторы

NCT: NCT07611279 · newendo7.1.1

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗