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
Spanish
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Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology.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
Se ha presentado un proceso de registro de tomografías computarizadas de haz cónico e imágenes dentales digitales utilizando la identificación y fusión asistida por inteligencia artificial (IA) de puntos de referencia. Una comparación con el registro basado en la superficie muestra que la digitalización y la integración basadas en la IA son fiables y reproducibles.
Este estudio tuvo como objetivo introducir la digitalización de la tomografía computarizada de haz cónico (CBCT) y la integración de imágenes dentales digitales (DDI) basadas en el registro basado en inteligencia artificial (IA) (ABR) y evaluar la fiabilidad y reproducibilidad utilizando este método en comparación con las del registro basado en superficie (SBR). Este estudio retrospectivo consistió en imágenes CBCT y DDI de 17 pacientes sometidos a cirugía ortognática bimaxilar asistida por ordenador. La digitalización de las imágenes CBCT y su integración con DDI se repitieron utilizando un programa basado en IA. Las imágenes CBCT y DDI se integraron mediante un registro punto a punto. Por el contrario, con el método SBR, los tres puntos de referencia se identificaron manualmente en el CBCT y DDI, que se integraron con el método iterativo de puntos más cercanos.
Después de dos integraciones repetidas de cada método, se obtuvieron los valores de coordenadas tridimensionales de los primeros molares maxilares e incisivos centrales y sus diferencias. Se realizaron pruebas de coeficiente intraclase (ICC) para evaluar la confiabilidad intraobservador con las coordenadas de cada método y comparar su confiabilidad entre el ABR y el SBR. La fiabilidad intraobservador mostró un ICC significativo y casi perfecto en cada método. No hubo significación en la diferencia de medias entre el primer y el segundo registro en cada ABR y SBR y entre ambos métodos; sin embargo, sus rangos fueron más estrechos con el método ABR que con el método SBR. Este estudio demuestra que la digitalización y la integración basadas en la IA son fiables y reproducibles.
La tecnología digital tridimensional (3D) ha ampliado el alcance del diagnóstico y la planificación del tratamiento ortodóncico o quirúrgico-ortodóncico. Una cabeza virtual construida a partir de una imagen de tomografía computarizada de haz cónico facial (CBCT) se puede utilizar para evaluar anomalías dentofaciales y dentales, planificar cirugía ortognática, fabricar obleas dentales e implantar guías quirúrgicas utilizando el diseño y la fabricación asistidos por computadora 1,2,3,4. Sin embargo, las exploraciones CBCT tienen una baja representación de la dentición, incluyendo la morfología dental y la relación interoclusal, que se deben a su limitada resolución y a los artefactos de rayas de la restauración dental o de los brackets ortodónticos5. Por lo tanto, las características dentales se han sustituido en las imágenes CBCT por imágenes dentales digitales (DDI), como moldes escaneados o imágenes de escaneo intraoral.
Para una integración fiable de la DDI en las imágenes CBCT, numerosos estudios informaron de diversos métodos, como el uso de marcadores fiduciales 6,7, registros basados en vóxeles8 y registros basados en superficie (SBRs)9,10. Estos procedimientos tienen sus métodos de uso de marcadores extraorales, múltiples escaneos CBCT y pasos de proceso adicionales, como la limpieza de artefactos metálicos en imágenes CBCT. En cuanto a la precisión de la SBR, varios estudios previos reportaron errores que oscilaron entre 0,10 y 0,43 mm 9,11. Además, Zou et al. evaluaron la confiabilidad intra e interobservador y los errores entre un ingeniero digital y un ortodoncista utilizando SBR y reportaron la necesidad de experiencia clínica y aprendizaje repetido10.
La inteligencia artificial (IA) se ha utilizado para predecir los resultados del tratamiento12 y digitalizar puntos de referencia en radiografías cefalométricas13 o imágenes CBCT 14,15,16, y actualmente se dispone de algunos programas informáticos comerciales para ayudar en este proceso 17. La identificación precisa de puntos de referencia anatómicos en imágenes 3D es un desafío debido a la ambigüedad de las superficies planas o estructuras curvas, las áreas de baja densidad y la amplia variabilidad de las estructuras anatómicas.
La automatización basada en IA y aprendida por máquina se puede aplicar no solo para la digitalización, sino también para la integración de DDI y CBCT dentofacial. Sin embargo, hay poca investigación sobre la precisión de un registro basado en IA (ABR) en comparación con el método existente basado en superficie. Para lograr resultados más precisos de los cambios esqueléticos y dentales en 3D a través de la cirugía ortognática bimaxilar, es necesario evaluar la precisión de los programas basados en IA al fusionar CBCT y DDI. Por lo tanto, este artículo presenta un protocolo paso a paso para digitalizar e integrar CBCT e DDI con un registro basado en IA (ABR) y evaluar su confiabilidad y reproducibilidad en comparación con el SBR.
Este estudio retrospectivo fue revisado y aprobado por la Junta de Revisión Institucional del Hospital Bundang de la Universidad Nacional de Seúl (B-2205-759-101) y cumplió con los principios de la Declaración de Helsinki. En el estudio se utilizaron archivos de Digital Imaging and Communications in Medicine (DICOM) de CBCT y DDI en formato Standard Tessellation Language (STL) del yeso dental. Se renunció a la necesidad de consentimiento informado debido a la naturaleza retrospectiva del estudio.
1. Adquisición de CBCT e imágenes dentales digitales (DDI)
2. Protocolo de registro basado en IA (ABR)
3. Procedimiento de fusión DDI
4. Obtención de los valores de las coordenadas 3D (x, y y z) de cada hito
Aquí describimos el proceso de integración de CBCT y DDI utilizando un programa basado en IA. Para evaluar su confiabilidad y reproducibilidad, se realizó un estudio comparativo con registro basado en superficie (SBR). Se determinó que se requería un tamaño de muestra mínimo de diez después de un análisis de potencia bajo correlación ρ H1 = 0,77, α = 0,05 y potencia (1−β) = 0,8018. Se estudiaron un total de 17 conjuntos de escaneos CBCT e imágenes dentales digitales de pacientes ortognáticos en el Hospital Bundang de la Universidad Nacional de Seúl desde marzo de 2016 hasta octubre de 2019. Todos los procesos de SBR y ABR para la misma población fueron repetidos dos veces por el mismo examinador, un residente de ortodoncia que se había capacitado en la identificación de puntos de referencia durante más de 1,5 años. La RSB se realizó a través de un protocolo similar al de algunos estudios previos 9,10 (Figura 10). Se evaluaron las diferencias de medias en los valores de las coordenadas x, y z de R-/L-U6CP y R U1CP después de integraciones repetidas con cada programa. Todos los datos se analizaron estadísticamente con el programa SPSS 22.0. Se analizó la confiabilidad en las coordenadas de los puntos de referencia en cada ABR, SBR y entre ellos para evaluar la reproducibilidad mediante correlación intraclase (CCI)19.
La fiabilidad intraobservador de los valores de las coordenadas x, y y z de R-/L-U6CP y R U1CP fue significativa y casi perfecta para ABR (0,950 ≤ ICC ≤ 0,998) y SBR (0,886 ≤ ICC ≤ 0,997), respectivamente (Tabla 1). La diferencia de confiabilidad en los valores de las coordenadas y y z en la mayoría de los puntos de referencia fue significativa y mostró una concordancia casi perfecta a sustancial entre el SBR y el ABR. Sin embargo, los valores de la coordenada x de R-/L-U6CP y R U1CP presentaron concordancia moderada, mediocre y baja, respectivamente, y fueron insignificantes.
Como se muestra en la Tabla 2, las diferencias medias de todos los valores de coordenadas de las integraciones repetidas no fueron significativamente diferentes en cada método. Estas diferencias en las coordenadas x oscilaron entre -0,005 y -0,098 mm para ABR y entre -0,212 y 0,013 mm para SBR. Oscilaron entre -0,084 y -0,314 mm en las coordenadas y para ABR, y entre 0,007 y 0,084 mm para SBR, y entre -0,005 y 0,045 mm en las coordenadas z para ABR y entre 0,567 y 0,074 mm para SBR. Sin embargo, no hubo significación en la diferencia de medias entre el primer y el segundo registro entre el ABR y el SBR.

Figura 1: Reorientación de un modelo craneofacial. Esto se inicia haciendo clic en el botón Reorientación en el panel Hito. Haga clic aquí para ver una versión más grande de esta figura.

Figura 2: Los cinco puntos de referencia básicos para la reorientación del modelo craneofacial reconstruido: nasión, orbitales derecho e izquierdo, y poriones derecho e izquierdo. Haga clic aquí para ver una versión más grande de esta figura.

Figura 3: Puntos de referencia y sus coordenadas después de la selección automática preliminar de puntos de referencia. Las revisiones y modificaciones de los puntos de referencia se pueden realizar haciendo clic en el botón Selección manual de puntos de referencia en la pestaña Volumen . Haga clic aquí para ver una versión más grande de esta figura.

Figura 4: Inicio de la fusión de imágenes dentales digitales con el modelo craneofacial reorientado. Esto se hace haciendo clic en el botón Registro de escaneo de dentición en el panel Herramientas. Haga clic aquí para ver una versión más grande de esta figura.

Figura 5: Ubicación de los tres hitos de registro en las imágenes dentales digitales cargadas. Las cúspides mesiobucales del primer molar maxilar derecho (R U6CP), el punto medio del incisivo central del maxilar derecho en el borde incisal (R U1CP) y la cúspide mesiobucal del primer molar maxilar izquierdo (L U6CP). Estos puntos de referencia se calibraron simultáneamente mediante automatización de aprendizaje automático. Haga clic aquí para ver una versión más grande de esta figura.

Figura 6: Confirmación de los tres hitos de registro en las imágenes dentales digitales cargadas y CBCT. Las cúspides mesiobucales derecha e izquierda de los primeros molares maxilares (R U6CP, L U6CP) y el punto medio del incisivo central superior derecho (R U1CP). Al hacer clic en el botón Sí se realiza el registro automático. Abreviatura: CBCT = tomografía computarizada de haz cónico. Haga clic aquí para ver una versión más grande de esta figura.

Figura 7: El modelo craneofacial reconstruido con la imagen dental digital fusionados. Haga clic aquí para ver una versión más grande de esta figura.

Figura 8: Modificación de la fusión. Al modificar la fusión, haga clic en el botón Seleccionar hito de registro en el panel Registro de dentición. Haga clic aquí para ver una versión más grande de esta figura.

Figura 9: Planos de referencia del programa. El plano X (horizontal) es el plano que pasa a través de la Nasion, paralelo al plano horizontal de Frankfort (FH) que pasa por los orbitales izquierdo y derecho y el Orion derecho. El plano Y (sagital medio) es perpendicular al plano X, pasando a través de la Nasión y la Basión. El plano Z (coronal) establece el plano perpendicular a los planos horizontal y sagital medio a través de Nasion (punto cero; 0, 0 y 0). Haga clic aquí para ver una versión más grande de esta figura.

Figura 10: Registro basado en la superficie de las imágenes dentales digitales maxilares en las porciones dentales de las imágenes CBCT reconstruidas. (A) Antes y (B) después de la fusión. En primer lugar, se registraron los puntos iniciales utilizando las cúspides mesiobucales de los primeros molares maxilares y el punto de contacto de los incisivos centrales en el CBCT y el DDI. Posteriormente, se registró la superficie para lograr una integración más precisa utilizando el algoritmo iterativo de puntos más cercanos. Abreviatura: CBCT = tomografía computarizada de haz cónico; DDI = imágenes dentales digitales. Haga clic aquí para ver una versión más grande de esta figura.
Tabla 1: Fiabilidad en tres coordenadas de cada hito al integrar CBCTs faciales e imágenes dentales digitales en cada ABR y SBR y entre ellas. *prueba t pareada; †Prueba t independiente. ICC > 0,8/0,6/0,4/0,2 o ≤ 0,2 representan una fuerza de acuerdo muy buena, buena, moderada, regular o mala, respectivamente. Abreviaturas: CBCT = tomografía computarizada de haz cónico; IA = inteligencia artificial; ABR = registro basado en IA; SBR = registro basado en superficie; IC = intervalo de confianza; ICC= coeficiente intraclase. Haga clic aquí para descargar esta tabla.
Tabla 2: Diferencias de medias en las tres coordenadas de cada punto de referencia a partir de registros repetidos de CBCT faciales e imágenes dentales digitales con el ABR y el SBR. Δ (1ª-2ª), la diferencia de medias en las coordenadas x, y y z de cada punto de referencia entre el primer registro (1º) y el segundo registro (2º) de imágenes DDI y CBCT faciales. *prueba t pareada; †prueba t independiente; bWilcoxon Prueba de rango firmado. La significancia se estableció en P < 0,05. Abreviaturas: CBCT = tomografía computarizada de haz cónico; IA = inteligencia artificial; ABR = registro basado en IA; SBR = registro basado en superficie; S.D. = desviación estándar. Haga clic aquí para descargar esta tabla.
Los autores declaran no tener conflictos de intereses.
Se ha presentado un proceso de registro de tomografías computarizadas de haz cónico e imágenes dentales digitales utilizando la identificación y fusión asistida por inteligencia artificial (IA) de puntos de referencia. Una comparación con el registro basado en la superficie muestra que la digitalización y la integración basadas en la IA son fiables y reproducibles.
Este estudio contó con el apoyo del Fondo de Investigación del Hospital Bundang de la Universidad Nacional de Seúl (SNUBH). (Beca nº 14-2019-0023).
| G * Potencia | Heinrich Heine Universitä t, Düsseldorf, Alemania | v. 3.1.9.7 | Un software de cálculo del tamaño de la muestra |
| Geomagic Qualify® | 3D Systems, Morrisville, NC, EE. UU. | v 2013 | Característica de metrología 3D y software de automatización, que transforma los datos de escaneo y sondeo en 3D para ser utilizados en aplicaciones de diseño, fabricación y metrología |
| KODAK 9500 | Carestream Health Inc., Rochester, NY, EE. UU. | 5159538 | Tomógrafo computarizado de haz cónico (CBCT) |
| MD-ID0300 | Medit Co, Seúl, Corea del Sur Seúl, Corea | 61010-1 Escáner de | modelo de escritorio |
| ON3D | 3D ONS Inc., Seúl, Corea | v 1.3.0 | Software para la evaluación CBCT 3D; Identificación de puntos de referencia basada en IA, análisis craneofacial y de la ATM, superposición y cirugía ortognática virtual |
| SPSS | IBM, Armonk, NY, EE. UU. | V 22.0 | Un programa de análisis estadístico |