RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
German
Menu
Menu
Menu
Menu
A subscription to JoVE is required to view this content. Sign in or start your free trial.
Research Article
Ju-Heon Lee*1, Nam-Ki Lee*1, Bingshuang Zou2, Jae Hyun Park3,4, Tae-Hyun Choi1
1Department of Orthodontics,Seoul National University Bundang Hospital, 2Division of Orthodontics, Faculty of Dentistry,University of British Columbia, 3Postgraduate Orthodontic Program, Arizona School of Dentistry & Oral Health,A. T. Still University, 4Graduate School of Dentistry,Kyung Hee University
Please note that some of the translations on this page are AI generated. Click here for the English version.
Erratum Notice
Important: There has been an erratum issued for this article. View Erratum Notice
Retraction Notice
The article Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology. View Retraction Notice
Es wurde ein Verfahren zur Registrierung von Cone-Beam-Computertomographie-Scans und digitalen Zahnbildern vorgestellt, bei dem die durch künstliche Intelligenz (KI) unterstützte Identifizierung von Orientierungspunkten und das Zusammenführen verwendet wird. Ein Vergleich mit der oberflächenbasierten Registrierung zeigt, dass KI-basierte Digitalisierung und Integration zuverlässig und reproduzierbar sind.
Ziel dieser Studie war es, die Digitalisierung der Cone-Beam-Computertomographie (DVT) und die Integration von digitalen Dentalbildern (DDI) auf Basis der auf künstlicher Intelligenz (KI) basierenden Registrierung (ABR) einzuführen und die Zuverlässigkeit und Reproduzierbarkeit mit dieser Methode im Vergleich zur oberflächenbasierten Registrierung (SBR) zu bewerten. Diese retrospektive Studie bestand aus DVT-Bildern und DDI von 17 Patienten, die sich einer computergestützten bimaxillären orthognathen Operation unterzogen hatten. Die Digitalisierung von DVT-Bildern und deren Integration mit DDI wurde mit Hilfe eines KI-basierten Programms wiederholt. DVT-Bilder und DDI wurden mit Hilfe einer Punkt-zu-Punkt-Registrierung integriert. Im Gegensatz dazu wurden bei der SBR-Methode die drei Landmarken manuell auf dem DVT und der DDI identifiziert, die mit der iterativen Methode der nächstgelegenen Punkte integriert wurden.
Nach zweimaliger Wiederholung jeder Methode wurden die dreidimensionalen Koordinatenwerte der ersten Oberkiefermolaren und Mittelschneidezähne und deren Unterschiede ermittelt. Intraklassenkoeffiziententests (ICC) wurden durchgeführt, um die Zuverlässigkeit innerhalb des Beobachters mit den Koordinaten jeder Methode zu bewerten und ihre Zuverlässigkeit zwischen ABR und SBR zu vergleichen. Die Reliabilität innerhalb des Beobachters zeigte bei beiden Methoden eine signifikante und nahezu perfekte ICC. Die mittlere Differenz zwischen der ersten und der zweiten Registrierung in ABR und SBR sowie zwischen beiden Methoden war nicht signifikant. ihre Bereiche waren jedoch bei der ABR-Methode geringer als bei der SBR-Methode. Diese Studie zeigt, dass KI-basierte Digitalisierung und Integration zuverlässig und reproduzierbar sind.
Die dreidimensionale (3D) digitale Technologie hat den Anwendungsbereich der Diagnose und Planung für kieferorthopädische oder chirurgisch-kieferorthopädische Behandlungen erweitert. Ein virtueller Kopf, der aus einem Gesichtskegelstrahl-Computertomographie-Bild (DVT) aufgebaut ist, kann verwendet werden, um dentofaziale und zahnärztliche Anomalien zu bewerten, orthognathe Operationen zu planen, Zahnwafer herzustellen und Bohrschablonen zu implantieren, indem computergestütztes Design und Fertigungverwendet werden 1,2,3,4. DVT-Scans haben jedoch eine geringe Repräsentation des Gebisses, einschließlich der Zahnmorphologie und der interokklusalen Beziehung, die auf ihre begrenzte Auflösung und Streifenartefakte von Zahnrestaurationen oder kieferorthopädischen Brackets zurückzuführen sind5. Daher wurden die zahnärztlichen Merkmale auf DVT-Bildern durch digitale Zahnbilder (DDI) ersetzt, wie z. B. gescannte Abgüsse oder intraorale Scanbilder.
Für eine zuverlässige Integration von DDI in DVT-Bilder wurde in zahlreichen Studien über verschiedene Methoden berichtet, wie z. B. die Verwendung von Referenzmarkern 6,7, voxelbasierten8 und oberflächenbasierten Registrierungen (SBRs)9,10. Bei diesen Verfahren werden extraorale Marker, mehrere DVT-Scans und zusätzliche Prozessschritte wie die Reinigung von Metallartefakten auf DVT-Bildern verwendet. In Bezug auf die SBR-Genauigkeit berichteten mehrere frühere Studien über Fehler im Bereich von 0,10 bis 0,43 mm 9,11. Darüber hinaus bewerteten Zou et al. die Intra-/Interobserver-Reliabilität und Fehler zwischen einem Digital Engineer und einem Kieferorthopäden, die SBR verwendeten, und berichteten über den Bedarf an klinischer Erfahrung und wiederholtem Lernen10.
Künstliche Intelligenz (KI) wurde verwendet, um Behandlungsergebnisse12 vorherzusagen und Orientierungspunkte auf Fernröntgenbildern13 oder DVT-Bildern14, 15, 16 zu digitalisieren, und einige kommerzielle Software steht derzeit zur Verfügung, um diesen Prozess zu unterstützen17. Die genaue Identifizierung anatomischer Orientierungspunkte auf 3D-Bildern ist aufgrund der Mehrdeutigkeit von flachen Oberflächen oder gekrümmten Strukturen, Bereichen mit geringer Dichte und der großen Variabilität der anatomischen Strukturen eine Herausforderung.
KI-basierte, maschinell erlernte Automatisierung kann nicht nur für die Digitalisierung, sondern auch für die Integration von DDI und dentofazialer DVT eingesetzt werden. Es gibt jedoch wenig Forschung über die Genauigkeit einer KI-basierten Registrierung (ABR) im Vergleich zur bestehenden oberflächenbasierten Methode. Um genauere Ergebnisse von 3D-Skelett- und Zahnveränderungen durch bimaxilläre orthognathe Chirurgie zu erzielen, ist es notwendig, die Genauigkeit von KI-basierten Programmen bei der Zusammenführung von DVT und DDI zu bewerten. Daher wird in diesem Artikel ein Schritt-für-Schritt-Protokoll für die Digitalisierung und Integration von DVT und DDI mit einer KI-basierten Registrierung (ABR) vorgestellt und deren Zuverlässigkeit und Reproduzierbarkeit im Vergleich zu SBR bewertet.
Diese retrospektive Studie wurde vom Institutional Review Board des Seoul National University Bundang Hospital (B-2205-759-101) geprüft und genehmigt und entspricht den Prinzipien der Deklaration von Helsinki. In der Studie wurden DICOM-Dateien (Digital Imaging and Communications in Medicine) aus DVT und DDI im STL-Format (Standard Tessellation Language) aus dem Zahnabdruck verwendet. Auf das Erfordernis einer Einwilligungserklärung wurde aufgrund des retrospektiven Charakters der Studie verzichtet.
1. Erfassung von DVT und digitalen zahnärztlichen Bildern (DDI)
2. KI-basiertes Registrierungsprotokoll (ABR)
3. Ablauf der DDI-Zusammenführung
4. Abrufen der 3D-Koordinatenwerte (x, y und z) jedes Orientierungspunkts
Hier haben wir den Integrationsprozess von DVT und DDI mit Hilfe eines KI-basierten Programms beschrieben. Um die Zuverlässigkeit und Reproduzierbarkeit zu bewerten, wurde eine Vergleichsstudie mit oberflächenbasierter Registrierung (SBR) durchgeführt. Es wurde festgestellt, dass nach einer Trennschärfeanalyse unter Korrelation ρ H1 = 0,77, α = 0,05 und Trennschärfe (1−β) = 0,8018 eine Mindeststichprobengröße von zehn erforderlich war. Insgesamt wurden 17 Sätze von DVT-Scans und digitalen Zahnbildern von orthognathen Patienten am Bundang Hospital der Seoul National University von März 2016 bis Oktober 2019 untersucht. Die gesamten SBR- und ABR-Prozesse für dieselbe Population wurden zweimal von demselben Untersucher wiederholt, einem kieferorthopädischen Assistenzarzt, der mehr als 1,5 Jahre lang in der Identifizierung von Landmarken ausgebildet worden war. Die SBR wurde anhand eines Protokolls durchgeführt, das dem einiger früherer Studien ähnelt 9,10 (Abbildung 10). Die mittleren Differenzen in den x-, y- und z-Koordinatenwerten von R-/L-U6CP und R U1CP nach wiederholten Integrationen mit jedem Programm wurden ausgewertet. Alle Daten wurden mit der SPSS 22.0 Software statistisch ausgewertet. Die Reliabilität der Koordinaten der Landmarken wurde in jedem ABR, SBR und zwischen ihnen analysiert, um die Reproduzierbarkeit anhand der Intraklassenkorrelation (ICC) zu bewerten19.
Die Intra-Observer-Reliabilität der x-, y- und z-Koordinatenwerte von R-/L-U6CP und R U1CP war signifikant und nahezu perfekt für ABR (0,950 ≤ ICC ≤ 0,998) bzw. SBR (0,886 ≤ ICC ≤ 0,997) (Tabelle 1). Der Zuverlässigkeitsunterschied in den y- und z-Koordinatenwerten der meisten Landmarken war signifikant und zeigte eine nahezu perfekte bis substanzielle Übereinstimmung zwischen SBR und ABR. Die x-Koordinatenwerte von R-/L-U6CP und R U1CP zeigten jedoch eine mäßige, mittelmäßige bzw. geringe Übereinstimmung und waren unbedeutend.
Wie in Tabelle 2 gezeigt, unterschieden sich die mittleren Differenzen aller Koordinatenwerte aus den wiederholten Integrationen in keiner der beiden Methoden signifikant. Diese Unterschiede an den x-Koordinaten reichten von -0,005 bis -0,098 mm für ABR und von -0,212 bis 0,013 mm für SBR. Sie reichten von -0,084 bis -0,314 mm an den y-Koordinaten für ABR und von -0,007 bis 0,084 mm für SBR und reichten von -0,005 bis 0,045 mm an den z-Koordinaten für ABR und von -0,567 bis 0,074 mm für SBR. Die mittlere Differenz zwischen der Erst- und der Zweitzulassung zwischen ABR und SBR war jedoch nicht von Bedeutung.

Abbildung 1: Neuausrichtung eines kraniofazialen Modells. Dies wird durch Klicken auf die Schaltfläche Neuausrichtung im Orientierungsfenster ausgelöst. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 2: Die fünf grundlegenden Orientierungspunkte für die Neuorientierung des rekonstruierten kraniofazialen Modells: Nasion, rechte und linke Orbitalen sowie rechte und linke Porionen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 3: Landmarken und ihre Koordinaten nach vorläufiger automatischer Landmarkenauswahl. Überprüfungen und Änderungen der Orientierungspunkte können vorgenommen werden, indem Sie auf die Schaltfläche Manuelle Auswahl von Sehenswürdigkeiten auf der Registerkarte "Lautstärke " klicken. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 4: Initiierung der Verschmelzung digitaler Zahnbilder mit dem neu orientierten kraniofazialen Modell. Klicken Sie dazu auf die Schaltfläche Registrierung des Gebissscans im Werkzeugfenster. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 5: Position der drei Registrierungsorientierungspunkte auf den geladenen digitalen Dentalbildern. Die mesiobukkalen Höcker des ersten Molaren des rechten Oberkiefers (R U6CP), der Mittelpunkt des mittleren Schneidezahns des rechten Oberkiefers an der Schneidekante (R U1CP) und der mesiobukkale Höcker des ersten Molaren des linken Oberkiefers (L U6CP). Diese Meilensteine wurden gleichzeitig durch maschinell erlernte Automatisierung kalibriert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 6: Bestätigung der drei Registrierungsorientierungspunkte auf den geladenen digitalen Zahnbildern und der DVT. Die rechten und linken mesiobukkalen Höcker der ersten Molaren des Oberkiefers (R U6CP, L U6CP) und der rechte obere mittlere Schneidezahnmittelpunkt (R U1CP). Mit einem Klick auf die Schaltfläche Ja wird die automatische Registrierung durchgeführt. Abkürzung: DVT = Cone-Beam-Computertomographie. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 7: Das rekonstruierte kraniofaziale Modell mit dem digitalen Zahnbild verschmolzen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.

Abbildung 8: Ändern der Zusammenführung. Wenn Sie die Zusammenführung ändern, klicken Sie auf die Schaltfläche "Pick Registration Landmark" im Bereich "Dentition Registration". Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 9: Referenzebenen des Programms. Die X-Ebene (horizontal) ist die Ebene, die durch das Nasion verläuft, parallel zur horizontalen (FH) Frankfort-Ebene, die durch das linke und rechte Orbitales und das rechte Porion verläuft. Die Y-Ebene (mittelsagittal) verläuft senkrecht zur X-Ebene und verläuft durch das Nasion und die Basion. Die Z-Ebene (koronal) legt die Ebene senkrecht zur horizontalen und mittleren Sagittalebene über Nasion (Nullpunkt; 0, 0 und 0) fest. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 10: Oberflächenbasierte Registrierung der digitalen Zahnbilder des Oberkiefers in den zahnärztlichen Anteilen rekonstruierter DVT-Bilder. (A) Vor und (B) nach dem Zusammenführen. Zunächst wurden die initialen Punkte anhand der mesiobukkalen Höcker der ersten Molaren des Oberkiefers und des Kontaktpunktes der zentralen Schneidezähne in der DVT und DDI registriert. Anschließend wurde die Oberfläche registriert, um eine genauere Integration mit dem iterativen Algorithmus der nächstgelegenen Punkte zu erreichen. Abkürzung: DVT = Cone-Beam-Computertomographie; DDI = digitale Zahnbilder. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.
Tabelle 1: Reliabilität in drei Koordinaten jedes Orientierungspunktes bei der Integration von Gesichts-DVTs und digitalen Zahnbildern in jedem ABR und SBR und zwischen ihnen. *gepaarter t-Test; †unabhängiger t-Test. ICC-> 0,8/0,6/0,4/0,2 oder ≤ 0,2 stehen für eine sehr gute, gute, mäßige, mittelmäßige oder schlechte Übereinstimmungsstärke. Abkürzungen: DVT = Cone-Beam-Computertomographie; KI = Künstliche Intelligenz; ABR = KI-basierte Registrierung; SBR = oberflächenbasierte Registrierung; KI = Konfidenzintervall; ICC= Intraklassenkoeffizient. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.
Tabelle 2: Die mittleren Unterschiede in den drei Koordinaten jedes Orientierungspunkts durch wiederholte Registrierungen von Gesichts-DVTs und digitalen Zahnbildern mit dem ABR und SBR. Δ (1.-2.), die mittlere Differenz der x-, y- und z-Koordinaten jedes Orientierungspunktes zwischen der ersten Registrierung (1.) und der zweiten Registrierung (2.) von DDI- und Gesichts-DVT-Bildern. *gepaarter t-Test; † unabhängiger t-Test ; bWilcoxon-Rangtest mit Vorzeichen. Die Signifikanz wurde auf P < 0,05 festgelegt. Abkürzungen: DVT = Cone-Beam-Computertomographie; KI = Künstliche Intelligenz; ABR = KI-basierte Registrierung; SBR = oberflächenbasierte Registrierung; S.D. = Standardabweichung. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.
Die Autoren erklären, dass keine Interessenkonflikte bestehen.
Es wurde ein Verfahren zur Registrierung von Cone-Beam-Computertomographie-Scans und digitalen Zahnbildern vorgestellt, bei dem die durch künstliche Intelligenz (KI) unterstützte Identifizierung von Orientierungspunkten und das Zusammenführen verwendet wird. Ein Vergleich mit der oberflächenbasierten Registrierung zeigt, dass KI-basierte Digitalisierung und Integration zuverlässig und reproduzierbar sind.
Diese Studie wurde vom Forschungsfonds des Seoul National University Bundang Hospital (SNUBH) unterstützt. (Förderkennzeichen 14-2019-0023).
| G*Leistung | Heinrich-Heine-Universitätä t, Düsseldorf, Deutschland | v. 3.1.9.7 | Eine Software zur Berechnung der Stichprobengröße |
| Geomagic Qualify® | 3D Systems, Morrisville, NC, USA | v 2013 | 3D-Messsoftware für Funktionen und Automatisierung, , die Scan- und Sondendaten in 3D umwandelt, um sie in Design-, Fertigungs- und Messanwendungen zu verwenden |
| KODAK 9500 | Carestream Health Inc., Rochester, NY, USA | 5159538 | Cone Beam Computed Tomograph (DVT) |
| MD-ID0300 | Medit Co, Seoul, Südkorea Seoul, Korea | 61010-1 Desktop-Scanner | |
| ON3D | 3D ONS Inc., Seoul, Korea | v 1.3.0 | Software für die 3D-DVT-Auswertung; KI-basierte Identifizierung von Orientierungspunkten, kraniofaziale und Kiefergelenksanalyse, Überlagerung und virtuelle orthognathe Chirurgie |
| SPSS | IBM, Armonk, NY, USA | v 22.0 | Ein statistisches Analyseprogramm |