Détection des lésions périapicales sur les radiographies panoramiques dentaires au moyen de l'intelligence artificielle
Détection des lésions périapicales sur les images panoramiques dentaires au moyen de l'intelligence artificielle à l'aide de la tomographie volumique à faisceau conique
Promoteur : Centre Hospitalier Régional Metz-Thionville
Titre et résumé traduits de l’anglais par le portail, à partir de la fiche publiée par le registre source, le 19 septembre 2026. Traduction automatique, sans relecture médicale : elle ne modifie ni n’interprète le contenu ; en cas de doute, le texte original fait foi.
Texte original (anglais)
Detection of Periapical Lesions on Dental Panoramic Radiographs Based on Artificial Intelligence
Detection of Periapical Lesions on Dental Panoramic Images Based on Artificial Intelligence Using Cone Beam Computed Tomography
Dental periapical damages can have various reasons and is reflected by a radiolucent lesion on complementary imaging: angulated retro-alveolar (RA) radiographs, dental panoramic radiographs, and three-dimensional imaging such as computed tomography (CT) or cone-beam computed tomography (CBCT). For the radiographic detection of these deep periodontal lesions, the dental panoramic represents a first approach commonly performed with relatively low radiation. The investigation can be followed by retroalveolar radiology imaging that are more localized and more precise. However, using these techniques, the detection rates of these lesions are low (20% and 36% respectively), it is necessary to use three-dimensional tomographic investigation to be more discriminating (69%). The gold standard imaging for detection of these lesions is CBCT followed by retroalveolar radiography (\~2x less sensitive than CBCT) and panoramic radiography (\~2x less sensitive than RA). Although not a full-thickness radiograph, the dental panoramic has the advantage of being more commonly performed while being less radiating than CBCT and giving a global view of the dental arches on a single image. The detection of periapical lesions is done after a clinical assessment and a visual appreciation of the complementary examinations. The aim of this project is to improve the detection of periapical lesions, by developing an algorithm able to identify them on a panoramic dental radiograph. This algorithm is based on a deep learning system trained with reference data including panoramic dental imaging and CBCT with an acquisition interval of less than 3 months. The model is based on a previous work, will improve the quality of the initial data (using CBCT), using innovative artificial intelligence algorithms (transfer learning).
Les lésions périapicales dentaires peuvent avoir diverses origines et se traduisent par une lésion radioclaire sur l'imagerie complémentaire : radiographies rétro-alvéolaires (RA) angulées, radiographies panoramiques dentaires, et imagerie tridimensionnelle telle que la tomodensitométrie (TDM) ou la tomographie volumique à faisceau conique (cone-beam, CBCT). Pour la détection radiographique de ces lésions parodontales profondes, la radiographie panoramique dentaire constitue une première approche couramment réalisée avec une irradiation relativement faible. L'examen peut être complété par une imagerie radiologique rétro-alvéolaire, plus localisée et plus précise. Cependant, avec ces techniques, les taux de détection de ces lésions sont faibles (respectivement 20 % et 36 %) ; il est nécessaire de recourir à l'imagerie tomographique tridimensionnelle pour obtenir une meilleure discrimination (69 %). L'imagerie de référence pour la détection de ces lésions est le CBCT, suivi de la radiographie rétro-alvéolaire (environ 2 fois moins sensible que le CBCT) et de la radiographie panoramique (environ 2 fois moins sensible que la RA). Bien qu'elle ne constitue pas une radiographie en pleine épaisseur, la radiographie panoramique dentaire présente l'avantage d'être plus couramment réalisée, tout en étant moins irradiante que le CBCT et en offrant une vue globale des arcades dentaires sur une seule image. La détection des lésions périapicales est réalisée après une évaluation clinique et une appréciation visuelle des examens complémentaires. L'objectif de ce projet est d'améliorer la détection des lésions périapicales en développant un algorithme capable de les identifier sur une radiographie panoramique dentaire. Cet algorithme repose sur un système d'apprentissage profond entraîné à partir de données de référence associant imagerie panoramique dentaire et CBCT, avec un intervalle d'acquisition inférieur à 3 mois. Le modèle s'appuie sur un travail antérieur, améliorera la qualité des données initiales (à l'aide du CBCT), en utilisant des algorithmes d'intelligence artificielle innovants (apprentissage par transfert).
Vous quittez essai-clinique.com pour le site externe clinicaltrials.gov, géré par l’organisme responsable de l’annonce. La candidature, les questions d’éligibilité et toute information médicale se traitent uniquement là-bas.
Important : essai-clinique.com ne recueille pas de candidature et ne détermine pas votre éligibilité. Ne transmettez aucune information médicale au site.
Les critères affichés sont une synthèse des informations disponibles. Seul l’organisme responsable de l’étude peut confirmer l’éligibilité d’une personne.