Zuverlässigkeit der auf künstlicher Intelligenz basierenden Cone-Beam-Computertomographie Integration mit digitalen Dentalbildern
February 23rd, 2024
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.
Unsere Forschung konzentriert sich auf die Integration von DVT und digitalen Zahnbildern, die bei der Erstellung eines virtuellen Kopfes unvermeidlich ist. Bisher wurde für diese drei Bilder nur am Rande die beste Filmmethode verwendet, die auf Oberflächen basiert. Diese Forschung zielt darauf ab, eine neue Integrationsmethode auf Basis der KI-gestützten Digitalisierung einzuführen und deren Genauigkeit zu bewerten.
Künstliche Intelligenz wurde eingesetzt, um Behandlungsergebnisse vorherzusagen und Orientierungspunkte in ergänzenden Röntgenbildern oder CPCT-Bildern zu digitalisieren. Es gibt einige kommerzielle Softwares. Dieses Programm übernimmt eine KI-gestützte, maschinell erlernte Automatisierung bei der Digitalisierung von Orientierungspunkten in CPCT und auch bei der Kalibrierung manuell ausgewählter Orientierungspunkte in Zahnbildern.
Der interne Beobachter, das Laborteam, zeigte bei jeder Methode eine signifikante und fast vollständige Wirkung von ICC. Der Hauptunterschied zeigte keinen signifikanten Unterschied zwischen der Erst- und der Zweitregistrierung in ABR und SBR sowie zwischen beiden Methoden. Allerdings waren die Reichweiten bei der ABR geringer als bei der SBR-Methode.
Das ABR-Protokoll verbesserte nicht nur die Genauigkeit, sondern verkürzte auch die Zusammenführungszeit erheblich. Während die SBR-Methode drei bis vier Minuten dauerte, benötigte das ABR-Programm nur etwa 50 Sekunden für die Auswahl von Landmarken, 40 Sekunden für DDI-Landmarken und zwei bis drei Sekunden für die Zusammenführung von CPCT und DDI.
Übersicht
Diese Studie präsentiert eine neuartige Methode zur Integration von Kegelstrahl-Computertomographie (CBCT)-Scans mit digitalen Zahnbildern unter Verwendung künstlicher Intelligenz (KI). Der KI-gestützte Ansatz konzentriert sich auf die Identifikation und Verschmelzung von Landmarken und zeigt eine Zuverlässigkeit und Reproduzierbarkeit im Vergleich zu traditionellen oberflächenbasierten Methoden.
Wichtige Studienkomponenten
Wissenschaftsbereich
- Neurowissenschaften
- Zahnmedizinische Bildgebung
- Künstliche Intelligenz
Hintergrund
- Die Integration von CBCT und digitalen Bildern ist entscheidend für genaue zahnmedizinische Beurteilungen.
- Traditionelle Methoden stützen sich stark auf oberflächenbasierte Registrierungstechniken.
- KI hat das Potenzial, die Genauigkeit der Landmarken-Digitalisierung zu verbessern.
- Es gibt kommerzielle Software, die KI für ähnliche Anwendungen nutzt.
Zweck der Studie
- Einführung einer neuen Integrationsmethode basierend auf KI-gestützter Digitalisierung.
- Bewertung der Genauigkeit dieser neuen Methode im Vergleich zu bestehenden Techniken.
- Verbesserung der Zuverlässigkeit der Landmarken-Identifikation in der zahnmedizinischen Bildgebung.
Verwendete Methoden
- KI-gestütztes maschinelles Lernen zur Digitalisierung von Landmarken in CBCT-Bildern.
- Manuelle Kalibrierung von Landmarken in digitalen Zahnbildern.
- Vergleich der KI-basierten Integration mit traditionellen oberflächenbasierten Methoden.
- Bewertung von Behandlungsergebnis-Vorhersagen mittels KI.
Hauptergebnisse
- KI-basierte Digitalisierung zeigt hohe Zuverlässigkeit und Reproduzierbarkeit.
- Integrationsmethode übertrifft traditionelle oberflächenbasierte Registrierung.
- KI-gestützte Techniken können die Genauigkeit der zahnmedizinischen Bildgebung verbessern.
- Kommerzielle Software demonstriert praktische Anwendungen der Forschung.
Schlussfolgerungen
- KI-gestützte Methoden bieten eine vielversprechende Alternative für die Integration von Zahnbildern.
- Zukünftige Forschung sollte sich auf die Verfeinerung dieser Techniken für breitere Anwendungen konzentrieren.
- Die Studie unterstreicht das Potenzial der KI zur Verbesserung der zahnmedizinischen Bildgebungspraktiken.
