Normal view MARC view ISBD view

The accuracy of computer aided detection of second mesio-buccal canal of maxillary first molars on cbct images using deep learning model : (Record no. 176080)

MARC details
000 -LEADER
fixed length control field	07437namaa22004451i 4500
003 - CONTROL NUMBER IDENTIFIER
control field	EG-GICUC
005 - أخر تعامل مع التسجيلة
control field	20251224131749.0
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field	251122s2025 ua a\|\|\|frm\|\|\| 000 0 eng d
040 ## - CATALOGING SOURCE
Original cataloguing agency	EG-GICUC
Language of cataloging	eng
Transcribing agency	EG-GICUC
Modifying agency	EG-GICUC
Description conventions	rda
041 0# - LANGUAGE CODE
Language code of text/sound track or separate title	eng
Language code of summary or abstract	eng
--	ara
049 ## - Acquisition Source
Acquisition Source	Deposit
082 04 - DEWEY DECIMAL CLASSIFICATION NUMBER
Classification number	610.284
092 ## - LOCALLY ASSIGNED DEWEY CALL NUMBER (OCLC)
Classification number	610.284
Edition number	21
097 ## - Degree
Degree	Ph.D
099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC)
Local Call Number	Cai01.09.13.Ph.D.2025.Sa.A
100 0# - MAIN ENTRY--PERSONAL NAME
Authority record control number or standard number	Sally Mansour Abdel-Hady,
Preparation	preparation.
245 14 - TITLE STATEMENT
Title	The accuracy of computer aided detection of second mesio-buccal canal of maxillary first molars on cbct images using deep learning model :
Remainder of title	(artificial intelligence) diagnostic accuracy study /
Statement of responsibility, etc.	by Sally Mansour Abdel-Hady ; Supervisors Dr. Enas Anter, Dr. Mushira Dahaba, Dr. Arwa Mousa, Dr. Ali Khater.
246 15 - VARYING FORM OF TITLE
Title proper/short title	دقة الحاسب الآلي في اكتشاف القناة الدانية الشدقية الثانية للأضراس العلوية الأولي علي صور الأشعة المقطعية بالحاسوب مخروطية الشعاع باستخدام نموذج التعلم العميق( الذكاء الاصطناعي ) :
Remainder of title	دراسة دقة تشخيصية /
264 #0 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE
Date of production, publication, distribution, manufacture, or copyright notice	2025.
300 ## - PHYSICAL DESCRIPTION
Extent	111 pages :
Other physical details	illustrations ;
Dimensions	25 cm. +
Accompanying material	CD.
336 ## - CONTENT TYPE
Content type term	text
Source	rda content
337 ## - MEDIA TYPE
Media type term	Unmediated
Source	rdamedia
338 ## - CARRIER TYPE
Carrier type term	volume
Source	rdacarrier
502 ## - DISSERTATION NOTE
Dissertation note	Thesis (Ph.D)-Cairo University, 2025.
504 ## - BIBLIOGRAPHY, ETC. NOTE
Bibliography, etc. note	Bibliography: pages 96-107
520 #3 - SUMMARY, ETC.
Summary, etc.	Aim: The purpose of this study was to assess the accuracy of customized deep learning model using U-Net to detect and segment second mesio-buccal canal of maxillary first molars on CBCT scans. <br/>Methodology: CBCT scans of 41 patients were imported into 3d slicer software to crop and segment the canals of maxillary first molar with 2 different methods. The annotated data were sent to computer science expert to use the data in training, validation and testing of newly developed deep learning model based on U-Net. <br/> Results: The first model, tested using cropped images of the maxillary first molar with all three roots , achieved an F1-score of 0.86, accuracy of 0.89, recall (sensitivity) of 1.0, precision of 0.75, testing loss of 0.97, and AUC of 0.83; in contrast, the second model, using cropped images of only the mesiobuccal root, showed improved F1-score (0.93) and precision (0.87) with slightly lower accuracy (0.87), the same recall (1.0), lower testing loss (0.40), but a reduced AUC of 0.57.. The results of segmentation accuracy were expressed in Dice-coefficient (DCE), where DCE of training is 0.85 while DCE of testing is 0.79. <br/> Conclusion: Our study concluded that the MB2 canal in maxillary first molars can be accurately detected and segmented using a novel CNN- and U-net–based deep learning model. The CNN model showed superior accuracy when analyzing cropped images of just the MB root compared to full three-root images.
520 #3 - SUMMARY, ETC.
Summary, etc.	شهدت التطورات التكنولوجية في مجال أشعة الوجه و الفكين تقدمًا يتجاوز تقنيات التصوير والأجهزة، حيث أصبح عصر التعلم العميق واقعاً ملموسًا، مع قيام العديد من الشركات بتسويق أدوات التشخيص بمساعدة الحاسوب لحل المشكلات التشخيصية المختلفة وتخطيط الإجراءات الطبية. <br/>من المتوقع أن تشهد جودة وعمق مساهمة الأشعة في رعاية المرضى وصحة المجتمع، بالإضافة إلى سير عمل أطباء الأشعة، ثورة مذهلة في السنوات العشر المقبلة بفضل تطبيقات الذكاء الاصطناعي. <br/>يعُتبر الفشل في تحديد القنوات أثناء علاج جذور الأسنان أحد الأسباب الأكثر شيوعًا لفشل العلاجات اللبية. ويشمل إعادة علاج الجذور معالجة القنوات التي تم تفويتها، حيث وُجد أن 93% من جميع القنوات المفقودة تكون في الضرس الأول العلوي و44% في الضرس الثاني العلوي، وبالتحديد القناة الدانية الشدقية اثانية.. <br/>لذلك، ومن أجل توفير وقت الطبيب ومال المريض من خلال تجنب إعادة علاج الأضراس العلوية، أصبح من الضروري تطوير أداة أوتوماتيكية قادرة على الكشف عن وجود أو غياب القناة الدانية الشدقية االثانية وتحديد تنوعها التشريحي. <br/>يهدف هذا البحث إلى دراسة استخدام الذكاء الاصطناعي، لا سيما نموذج تعلم عميق مخصص، للكشف التلقائي والتجزئة للقناة ا الدانية الشدقية الثانية في الأضراس الأولى والثانية العلوية باستخدام صور الأشعة المقطعية بالحاسوب مخروطية الاشعاع ثلاثية الأبعاد. <br/>تم استيراد صور الأشعة المقطعية لـ 50 مريضًا إلى برنامج 3d slicer لتقطيع وتجزئة قنوات الضرس الأول العلوي باستخدام أطباء أشعة ذوي خبرة من 5 إلى 18 عامًا لتكون بمثابة الحقيقة المرجعية و تم إرسال البيانات المشروحة إلى خبير في علوم الحاسوب لاستخدامها في تدريب وتقييم نموذج تعلم عميق جديد يعتمد على شبكة .U-Net <br/>حقق النموذج الأول الذي تم اختباره باستخدام صور مقصوصة للضرس الأول العلوي بجذوره الثلاثة قيمة F1-score بمقدار 0.86، ودقة0.89 (accuracy) ، واسترجاع )حساسية( 1.0، ودقة إيجابية0.75 (precision) ، وخسارة اختبار 0.97 (testing loss)، ومنحنى AUC بمقدار 0.83؛ بالمقابل، أظهر النموذج الثاني، الذي استخدم صورًا مقصوصة فقط للجذرالداني الشدقي فقط ، تحسيناً في (0.93) F1-score والدقة الإيجابية) 0.87( مع انخفاض طفيف في الدقة الكلية )0.87(، ونفس معدل الاسترجاع) 1.0(، وخسارة اختبار أقل) 0.40(، لكن مع انخفاض في AUC إلى 0.57. أما نتائج دقة التقسيم (segmentation accuracy) فقد عبُرّ عنها بمعاملDice (DCE) ، حيث بلغ DCE للتدريب 0.85 بينما بلغ DCEللاختبار 0.79..
530 ## - ADDITIONAL PHYSICAL FORM AVAILABLE NOTE
Issues CD	Issues also as CD.
546 ## - LANGUAGE NOTE
Text Language	Text in English and abstract in Arabic & English.
650 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM
Topical term or geographic name entry element	devices and equipment
650 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM
Topical term or geographic name entry element	الأجهزة والمعدات
653 #1 - INDEX TERM--UNCONTROLLED
Uncontrolled term	Artificial intelligence
--	CNN
--	deep learning
--	second mesiobuccal canal
--	MB2 canal
--	endodontics
--	cone beam computed tomography
--	CBCT
700 0# - ADDED ENTRY--PERSONAL NAME
Personal name	Enas Anter
Relator term	thesis advisor.
700 0# - ADDED ENTRY--PERSONAL NAME
Personal name	Mushira Dahaba
Relator term	thesis advisor.
700 0# - ADDED ENTRY--PERSONAL NAME
Personal name	Arwa Mousa
Relator term	thesis advisor.
900 ## - Thesis Information
Grant date	01-01-2025
Supervisory body	Enas Anter
--	Mushira Dahaba
--	Arwa Mousa
--	Ali Khater
Universities	Cairo University
Faculties	Faculty of Dentistry
Department	Department of Oral and Maxillofacial Radiology
905 ## - Cataloger and Reviser Names
Cataloger Name	Shimaa
Reviser Names	Eman Ghareb
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Source of classification or shelving scheme	Dewey Decimal Classification
Koha item type	Thesis
Edition	21
Suppress in OPAC	No

Holdings
Source of classification or shelving scheme	Home library	Current library	Date acquired	Inventory number	Full call number	Barcode	Date last seen	Effective from	Koha item type
Dewey Decimal Classification	المكتبة المركزبة الجديدة - جامعة القاهرة	قاعة الرسائل الجامعية - الدور الاول	22.11.2025	92651	Cai01.09.13.Ph.D.2025.Sa.A	01010110092651000	22.11.2025	22.11.2025	Thesis

جامعة القاهرة

المكتبة المركزية الجديدة

مكتبة جامعة القاهرة الأهلية

The accuracy of computer aided detection of second mesio-buccal canal of maxillary first molars on cbct images using deep learning model : (Record no. 176080)