基于人工智能的锥形束计算机断层扫描与数字牙科影像融合的可靠性

摘要

提出了一种利用人工智能（AI）辅助识别标志点并进行融合的锥形束计算机断层扫描图像与数字化牙科图像配准方法。与基于表面的配准方法相比，基于人工智能的数字化与整合具有可靠性和可重复性。

摘要

本研究旨在介绍基于人工智能配准（ABR）的锥形束计算机断层扫描（CBCT）数字化及数字牙科图像（DDI）的融合方法，并评估该方法相较于基于表面配准（SBR）的可靠性与可重复性。本回顾性研究纳入了17例接受计算机辅助双颌正颌手术患者的CBCT图像和DDI数据。采用基于人工智能的程序重复进行CBCT图像的数字化及其与DDI的融合。CBCT图像与DDI通过点对点配准方式进行融合。相比之下，在SBR方法中，需在CBCT和DDI上手动识别三个解剖标志点，并采用迭代最近点法实现图像融合。

每种方法重复配准两次后，获得了上颌第一磨牙和中切牙的三维坐标值及其差异。采用组内相关系数（ICC）检验评估每种方法坐标的观察者内可靠性，并比较ABR与SBR两种方法之间的可靠性。结果显示，两种方法的观察者内可靠性均表现出显著且接近完美的ICC值。在ABR和SBR各自的方法中，第一次与第二次配准之间的平均差异无统计学意义，两种方法之间的差异亦无统计学意义；然而，ABR的差异范围较SBR更窄。本研究表明，基于人工智能的数字化与配准具有良好的可靠性和可重复性。

引言

三维（3D）数字技术拓宽了正畸或正颌-正畸联合治疗的诊断与规划范围。通过锥形束计算机断层扫描（CBCT）图像构建的虚拟头颅模型可用于评估牙颌面及牙齿异常、规划正颌手术，并利用计算机辅助设计与制造技术制作牙合板 和种植外科导板^1,2,3,4。然而，CBCT扫描对牙列的呈现能力有限，包括牙体形态和咬合关系，这主要归因于其分辨率不足以及牙体修复体或正畸托槽引起的条纹伪影⁵。因此，通常需将数字牙科图像（DDI）——如模型扫描图像或口内扫描图像——融合至CBCT图像中以弥补牙齿结构信息的缺失。

为了在锥形束CT（CBCT）图像上实现数字化印模（DDI）的可靠配准，已有大量研究报道了多种方法，例如使用基准标记物^6,7、基于体素的配准方法⁸以及基于表面的配准（SBR）^9,10。这些方法通常涉及使用口外....

方案

本回顾性研究经首尔国立大学盆塘医院机构审查委员会批准（批准号：B-2205-759-101），并遵循《赫尔辛基宣言》的原则。研究中使用了锥形束CT（CBCT）的医学数字成像和通信（DICOM）文件，以及从牙科模型获取的标准三角语言（STL）格式的数字直接成像（DDI）文件。由于本研究为回顾性研究，免除了知情同意的要求。

1. 锥形束CT与数字化牙科图像（DDI）的获取

1. 根据以下纳入标准选择患者：骨性III类错𬌗；通过计算机辅助设计进行双颌手术；以及使用固定直丝弓矫治器进行正畸治疗。
2. 排除患有颅面综合征、唇腭裂，或缺失上颌第一磨牙或右上中切牙的患者。
3. 获取锥形束CT（CBCT）扫描图像，扫描视野为200 mm × 180 mm，体素大小为0.2 mm，曝光条件为80 kVp、15 mA、10.8 s。确保患者处于直立位，牙齿位于最大牙尖交错位。将扫描结果保存为医学数字成像与通信（DICOM）数据文件。
4. 通过牙科石膏模型或直接口内扫描获取数字牙模（DDI），并以标准三角语言（STL）格式分别保存上颌和下颌牙列。

2. 基于人工智能的配准方案（ABR）

1. CBCT 重新定位与数字化
   1. 打开软件并点击 加....

结果

本文描述了使用基于人工智能的程序整合锥形束CT（CBCT）与数字牙科图像（DDI）的过程。为评估其可靠性和可重复性，开展了与基于表面配准（SBR）方法的对比研究。在相关性ρ H1 = 0.77、α = 0.05、检验效能（1−β）= 0.80的条件下进行功效分析后，确定所需最小样本量为10例¹⁸。研究共纳入2016年3月至2019年10月期间在中国首尔大学盆塘医院收治的正颌患者17例，每例均包含一组CBCT扫描数据和数字牙科图像。同一检查者（一名接受过超过1.5年解剖标志点识别训练的正畸科住院医师）对同一批样本分别重复执行了两次完整的SBR和ABR流程。SBR操作流程参照既往部分研究的方法^9,10（图10）。评估了两种方法在重复配准后R-/L-U6CP及R-U1CP坐标值在x、y、z三个方向上的平均差异。所有数据均采用SPSS 22.0软件进行统计分析。通过组内相关系数（ICC）^.......

讨论

通过本方案，可利用机器学习软件轻松实现标志点的数字化，并整合锥形束CT（CBCT）与数字化牙模（DDI）。该方案需完成以下关键步骤：i）在CBCT扫描中重新定位头部；ii）CBCT与DDI的数字化；iii）将CBCT图像与DDI进行融合。头部重新定位所涉及的五个标志点的数字化至关重要，因其决定了头部在空间区域中相对于参考平面的三维位置。DDI上的三个标志点（R-/L-U6CP 和 R U1CP）在手动数字化后，由机器学习自动化完成校准。唯一需要手动操作的步骤是在重建的CBCT模型中定位五个基本骨骼标志点，包括鼻根点（Nasion）、左右眶点（orbitales）和耳点（porions）（图2），以及DDI中的三个牙科标志点，即R-/L-U6CP和R U1CP（图5）。因此，操作者需具备上述八个标志点数字化的经验，否则可能影响配准的误差。对于程序专家而言，采用SBR方法完成CBCT与DDI融合的平均耗时为3–4分钟。在ABR程序中，选择五个用于重新定位的标志点平均耗时50秒，选择DDI中三个标志点耗时40秒，程序完成CB.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
G*Power	Heinrich Heine Universität, D?sseldorf, Germany	v. 3.1.9.7	一款样本量计算软件
Geomagic Qualify®	3D Systems, Morrisville, NC, USA	v 2013	三维计量特征与自动化软件， 可将扫描和探针数据转换为三维模型，用于设计、制造和计量应用
KODAK 9500	Carestream Health Inc., Rochester, NY, USA	5159538	锥形束计算机断层扫描仪（CBCT）
MD-ID0300	Medit Co, Seoul, South Korea Seoul, Korea	61010-1	台式模型扫描仪
ON3D	3D ONS Inc., Seoul, Korea	v 1.3.0	用于三维CBCT评估的软件；基于人工智能的标志点识别、颅面及颞下颌关节分析、图像叠加以及虚拟正颌外科手术
SPSS	IBM, Armonk, NY, USA	v 22.0	一款统计分析程序