Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Fiabilité de l’intégration de la tomodensitométrie à faisceau conique basée sur l’intelligence artificielle avec les images dentaires numériques

2.1K vues

⸱

DOI :

10.3791/66014

⸱

23 février 2024

 ,  ,  ,  , 
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

* These authors contributed equally

Dans cet article

Résumé

Un processus d’enregistrement de tomodensitométries à faisceau conique et d’images dentaires numériques a été présenté à l’aide de l’identification et de la fusion assistées par l’intelligence artificielle (IA). Une comparaison avec le recalage basé sur la surface montre que la numérisation et l’intégration basées sur l’IA sont fiables et reproductibles.

Résumé

Cette étude visait à introduire la numérisation et l’intégration d’images dentaires numériques (DDI) par tomographie conique (CBCT) basée sur l’enregistrement basé sur l’intelligence artificielle (IA) et à évaluer la fiabilité et la reproductibilité de cette méthode par rapport à celles de l’enregistrement en surface (SBR). Cette étude rétrospective a consisté en des images CBCT et DDI de 17 patients ayant subi une chirurgie orthognatique bimaxillaire assistée par ordinateur. La numérisation des images CBCT et leur intégration avec DDI ont été répétées à l’aide d’un programme basé sur l’IA. Les images CBCT et DDI ont été intégrées à l’aide d’un recalage point à point. En revanche, avec la méthode SBR, les trois points de repère ont été identifiés manuellement sur le CBCT et le DDI, qui ont été intégrés à la méthode itérative des points les plus proches.

Après deux intégrations répétées de chaque méthode, les valeurs de coordonnées tridimensionnelles des premières molaires maxillaires et des incisives centrales et leurs différences ont été obtenues. Des tests de coefficient intraclasse (ICC) ont été effectués pour évaluer la fiabilité intra-observateur avec les coordonnées de chaque méthode et comparer leur fiabilité entre l’ABR et le SBR. La fiabilité intra-observateur a montré une ICC significative et presque parfaite dans chaque méthode. Il n’y avait pas de différence moyenne significative entre le premier et le deuxième enregistrement dans chaque ABR et SBR et entre les deux méthodes ; cependant, leurs fourchettes étaient plus étroites avec l’ABR qu’avec la méthode SBR. Cette étude montre que la numérisation et l’intégration basées sur l’IA sont fiables et reproductibles.

Introduction

La technologie numérique tridimensionnelle (3D) a élargi le champ du diagnostic et de la planification des traitements orthodontiques ou chirurgico-orthodontiques. Une tête virtuelle construite à partir d’une image de tomodensitométrie à faisceau conique (CBCT) peut être utilisée pour évaluer les anomalies dentofaciales et dentaires, planifier la chirurgie orthognatique, fabriquer des plaquettes dentaires et implanter des guides chirurgicaux à l’aide de la conception et de la fabrication assistées par ordinateur 1,2,3,4. Cependant, les scintigraphies CBCT ont une faible représentation de la dentition, y compris la morphologie dentaire et la relation interocclusale, qui sont dues à leur résolution limitée et aux artefacts striés de la restauration dentaire ou des boîtiers orthodontiques5. Par conséquent, les caractéristiques dentaires ont été substituées sur les images CBCT par des images dentaires numériques (DDI), telles que des plâtres numérisés ou des images de balayage intra-oral.

Pour une intégration fiable de la DDI sur les images CBCT, de nombreuses études ont rapporté diverses méthodes telles que l’utilisation de marqueurs repères 6,7,basés sur les voxels 8 et les enregistrements basés sur la surface (SBR)9,10. Ces procédures ont leurs méthodes d’utilisation de marqueurs extra-oraux, de plusieurs scans CBCT et d’étapes de processus supplémentaires telles que le nettoyage des artefacts métalliques sur les images CBCT. En ce qui concerne la précision SBR, plusieurs études antérieures ont rapporté des erreurs allant de 0,10 à 0,43 mm 9,11. De plus, Zou et al. ont évalué la fiabilité et les erreurs intra-/inter-observateurs entre un ingénieur numérique et un orthodontiste à l’aide de SBR et ont rapporté la nécessité d’une expérience clinique et d’un apprentissage répété10.

L’intelligence artificielle (IA) a été utilisée pour prédire les résultats du traitement12 et numériser des points de repère sur des radiographies céphalométriques13 ou des images CBCT 14,15,16, et certains logiciels commerciaux sont actuellement disponibles pour faciliter ce processus 17. L’identification précise des repères anatomiques sur des images 3D est difficile en raison de l’ambiguïté des surfaces planes ou des structures courbes, des zones de faible densité et de la grande variabilité des structures anatomiques.

L’automatisation basée sur l’IA et l’apprentissage automatique peut être appliquée non seulement à la numérisation, mais aussi à l’intégration de DDI et de CBCT dentofacial. Cependant, il existe peu de recherches sur la précision d’un enregistrement basé sur l’IA (ABR) par rapport à la méthode existante basée sur la surface. Pour obtenir des résultats plus précis des modifications squelettiques et dentaires 3D grâce à la chirurgie orthognatique bimaxillaire, il est nécessaire d’évaluer la précision des programmes basés sur l’IA lors de la fusion de CBCT et de DDI. Par conséquent, cet article présente un protocole étape par étape pour numériser et intégrer CBCT et DDI avec un enregistrement basé sur l’IA (ABR) et pour évaluer sa fiabilité et sa reproductibilité par rapport à celle du SBR.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude rétrospective a été examinée et approuvée par le Conseil d’examen institutionnel de l’hôpital Bundang de l’Université nationale de Séoul (B-2205-759-101) et s’est conformée aux principes de la Déclaration d’Helsinki. Des fichiers DICOM (Digital Imaging and Communications in Medicine) de CBCT et DDI au format STL (Standard Tessellation Language) du plâtre dentaire ont été utilisés dans l’étude. La nécessité d’un consentement éclairé a été écartée en raison de la nature rétrospective de l’étude.

1. Acquisition de CBCT et d’images dentaires numériques (DDI)

  1. Sélectionner les patients en fonction des critères d’inclusion suivants : malocclusion squelettique de classe III ; chirurgie bimaxillaire via la planification assistée par ordinateur ; et traitement orthodontique avec des appareils fixes dans le sens des bords.
  2. Exclure les patients atteints de syndromes craniofaciaux, de fente labiale/palatine, ou de premières molaires maxillaires ou d’incisives centrales droites manquantes.
  3. Obtenez des balayages CBCT avec un champ de vision de 200 mm x 180 mm, une taille de voxel de 0,2 mm et des conditions d’exposition de 80 kVp, 15 mA et 10,8 s. Assurez-vous que les patients sont en position verticale avec leurs dents en intercuspidation maximale. Enregistrez les numérisations sous forme de fichiers de données DICOM (Digital Imaging and Communications in Medicine).
  4. Acquérez des DDI à partir de moulages de pierres dentaires ou d’un balayage intra-oral direct et enregistrez-les au format STL (Standard Tessellation Language) en tant que dentition maxillaire et mandibulaire distinctes.

2. Protocole d’enregistrement basé sur l’IA (ABR)

  1. Réorientation et numérisation de la CBCT
    1. Ouvrez le logiciel et cliquez sur le bouton Charger le fichier DICOM pour importer des fichiers DICOM CBCT dans le logiciel.
    2. Sélectionnez l’un des fichiers DICOM dans le dossier de données DICOM et cliquez sur Ouvrir.
      REMARQUE : Lorsque des fichiers DICOM sont chargés, le logiciel les reconstruit automatiquement en un volume craniofacial CBCT.
    3. Cliquez sur le bouton Réorientation dans le panneau Point de repère (Figure 1).
    4. N (Nasion) : cliquez sur l’encoche en V de l’os frontal dans la vue 3D (Figure 2). Immédiatement après le clic, observez que le point bleu (activé) se transforme en une croix rouge qui apparaîtra également dans les vues axiale, sagittale et coronale. Cliquez sur les flèches triangulaires bleues d’avant en arrière pour identifier le point de repère.
      1. Dans la vue sagittale, faites défiler la molette de la souris vers le haut et vers le bas pour trouver le point le plus antérieur où la suture fronto-nasale rencontre les os nasaux et frontaux et cliquez pour déterminer la position verticale et antéropostérieure du point de repère.
      2. Dans la vue coronale, faites défiler la molette de la souris vers le haut et vers le bas pour trouver le moment juste avant que l’os nasal ne disparaisse afin de vous assurer que le point le plus antérieur est situé et cliquez pour déterminer la position horizontale de la Nasion.
      3. En vue axiale, ajustez la position antéropostérieure comme elle l’est sur le point le plus antérieur.
    5. R Ou (Orbitale) : cliquez sur le point le plus bas sur la marge du contour orbital de droite dans le modèle 3D (Figure 2).
      1. Dans la vue coronale, faites défiler la molette de la souris vers le haut et vers le bas pour trouver le point le plus bas sur la marge inférieure de l’orbite droite et cliquez.
      2. Dans la vue sagittale, cliquez sur le point le plus supérieur de la structure osseuse maxillaire ou zygomatique droite qui constitue la limite inférieure de l’orbite.
      3. Dans la vue axiale, faites défiler la souris et cliquez de sorte que la croix rouge soit positionnée à l’endroit où le bord de l’orbite de l’œil se rencontre.
    6. L Or (Orbitale) : cliquez sur le point le plus bas sur la marge du contour orbital gauche dans le modèle 3D (Figure 2) et modifiez le point sur les trois vues comme dans le processus pour R Or.
    7. R Po (Porion) : cliquez sur le point le plus supérieur du contour du méat auditif externe droit dans le modèle 3D (Figure 2).
      1. Dans la vue coronale, cliquez sur le point le plus bas de l’os temporal droit pour déterminer les positions horizontales et verticales.
      2. Dans la vue sagittale, cliquez sur le point le plus supérieur du contour du méat auditif externe droit pour ajuster les positions verticale et antéro-postérieure.
      3. Dans la vue axiale, faites défiler la molette de la souris pour cliquer à l’endroit où apparaît le conduit auditif externe, dans lequel la ligne de l’os temporal disparaît.
    8. L Po (Porion) : cliquez sur le point le plus supérieur du contour du méat auditif externe gauche dans le modèle 3D (Figure 2) et modifiez le point dans les trois vues multiplanaires comme dans le processus pour R Po.
      REMARQUE : Les cinq repères squelettiques de base, y compris Nasion, les orbitales droite et gauche, et les pores droit et gauche dans le modèle craniofacial reconstruit (figure 2), sont maintenant identifiés.
    9. Cliquez sur le bouton Terminé pour terminer la réorientation du modèle craniofacial reconstruit.
    10. Cliquez sur le bouton Sélection préliminaire des points de repère dans le panneau Points de repère et sélectionnez le groupe de points de repère Dentition I.
      REMARQUE : Des groupes de référence de la base crânienne, de l’ATM, du squelette maxillaire, du squelette mandibulaire, de la dentition I et des tissus mous sont déjà sélectionnés pour l’analyse craniofaciale.
    11. Cliquez sur le bouton Exécuter dans le panneau Sélection préliminaire des points de repère et laissez le logiciel choisir automatiquement les points de repère préliminaires et déterminer leurs coordonnées.
    12. Lorsque vous modifiez les points de repère, appuyez sur le bouton Sélection manuelle des points de repère dans l’onglet Volume , effectuez les réglages nécessaires, puis cliquez sur le bouton Terminé pour confirmer (Figure 3).

3. Procédure de fusion DDI

  1. Cliquez sur le bouton Enregistrement de la numérisation de la dentition dans le panneau Outils (Figure 4).
  2. Sélectionnez la dentition maxillaire et cliquez sur le bouton Charger dans le panneau d’enregistrement de la dentition.
  3. Sélectionnez les fichiers STL du même patient avec le modèle CBCT dans le dossier pour charger les fichiers STL de dentition maxillaire. Une fois les fichiers STL ouverts, recherchez les DDI sur le côté droit de l’écran et quatre vues (3D, axiale, sagittale et coronale) du CBCT sur le côté gauche de l’écran.
  4. Choisissez les points de repère d’enregistrement sur le DDI chargé : les cuspides mésiobuccales de la première molaire maxillaire droite (R U6CP), le point médian de l’incisive centrale maxillaire droite sur le bord incisif (R U1CP) et la cuspide mésiobuccale de la première molaire maxillaire gauche (L U6CP) (Figure 5) en basculant les flèches triangulaires bleues d’avant en arrière.
    REMARQUE : Cliquez avec le bouton gauche et faites glisser la souris pour faire pivoter le DDI et cliquez avec le bouton droit et faites glisser pour zoomer et dézoomer. Les points de repère d’enregistrement sont calibrés simultanément par l’automatisation de l’apprentissage automatique après avoir été numérisés manuellement.
  5. Cliquez sur le bouton Terminé dans le panneau d’enregistrement de la dentition.
  6. Cliquez sur le bouton Oui pour confirmer l’enregistrement automatique (Figure 6).
  7. Pour la fusion de la dentition mandibulaire, sélectionnez la dentition mandibulaire et cliquez sur le bouton Charger dans le panneau d’enregistrement de la dentition. Répétez les étapes 3.2 à 3.6. Choisissez les points de repère d’enregistrement sur la dentition mandibulaire : la cuspide mésiobuccale de la première molaire inférieure droite/gauche (R-/L- L- L6CP), le premier point médian de la première incisive inférieure droite sur le bord incisif (R L1CP).
  8. Le DDI est maintenant fusionné avec le modèle CBCT reconstruit (Figure 7).
    1. Lorsque vous modifiez la fusion, cliquez sur le bouton Pick Registration Landmark (Point de repère d’enregistrement de choix) dans le panneau Dentition Registration (Figure 8).

4. Obtention des valeurs des coordonnées 3D (x, y et z) de chaque point de repère

  1. Cliquez sur le bouton Sélection manuelle des points de repère dans l’onglet Volume ou cliquez sur l’onglet Analyse pour obtenir les valeurs de coordonnées 3D des points de repère. Pour l’exportation des données, allez dans l’onglet analyse→panneau d’exportation de données, et cliquez sur le bouton Point de repère pour enregistrer les données sous forme de fichier.
    REMARQUE : Le plan X (horizontal) est le plan qui passe par la Nasion, parallèlement au plan horizontal de Francfort (FH) qui passe par les orbitales gauche et droite et le poion droit. Le plan Y (médio-sagittal) est perpendiculaire au plan X, passant par la Nasion et le basion. Le plan Z (coronal) définit le plan perpendiculaire aux plans horizontal et médio-sagittal via la Nasion (point zéro ; 0, 0 et 0) (Figure 9).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Nous avons décrit ici le processus d’intégration de CBCT et DDI à l’aide d’un programme basé sur l’IA. Pour évaluer sa fiabilité et sa reproductibilité, une étude comparative avec enregistrement en surface (SBR) a été réalisée. Il a été déterminé qu’une taille d’échantillon minimale de dix était nécessaire après une analyse de puissance sous corrélation ρ H1 = 0,77, α = 0,05 et puissance (1−β) = 0,8018. Au total, 17 séries de scans CBCT et d’images dentaires numériques de patients orthognathiques ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

À l’aide du protocole présenté, la numérisation des points de repère et l’intégration de la CBCT et de la DDI peuvent être facilement réalisées à l’aide d’un logiciel d’apprentissage automatique. Ce protocole nécessite les étapes critiques suivantes : i) réorientation de la tête dans le balayage CBCT, ii) numérisation du CBCT et du DDI, et iii) fusion des images CBCT avec le DDI. La numérisation de cinq points de repère pour la réorientation de la tête est essentielle car elle détermine la position 3D de la tête avec des...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs ne déclarent aucun conflit d’intérêts.

Remerciements

Cette étude a été financée par le Fonds de recherche de l’hôpital Bundang de l’Université nationale de Séoul (SNUBH). (Subvention n° 14-2019-0023).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
G*Puissance  ;Heinrich Heine Universitä ; t, Düsseldorf, Allemagnev. 3.1.9.7Un logiciel de calcul de la taille d’un échantillon
Geomagic Qualify® ;3D Systems,
Morrisville, NC, États-Unis		v 2013Logiciel de métrologie 3D et d’automatisation,
qui transforment les données de balayage et de palpage en 3D pour être utilisées dans les applications de conception, de fabrication et de métrologie.
KODAK 9500Carestream Health Inc., Rochester, NY, États-UnisTomographe 5159538à faisceau conique (CBCT)
MD-ID0300Medit Co, Séoul, Corée du Sud
Séoul, Corée		61010-1Scanner de bureau  ;
ON3D3D ONS Inc.,
Séoul, Corée		v 1.3.0Logiciel pour l’évaluation 3D CBCT ; Identification de points de repère basée sur l’IA, analyse craniofaciale et ATM, superposition et chirurgie orthognatique virtuelle
SPSS  ;IBM, Armonk, NY, États-Unisv 22.0  ;Un programme d’analyse statistique

Références

  1. Plooij, J. M., et al. Digital three-dimensional image fusion processes for planning and evaluating orthodontics and orthognathic surgery. A systematic review. J Oral Maxillofac Surg. 40 (4), 341-352 (2011).
  2. Badiali, G., et al. Virtual orthodontic surgical planning to improve the accuracy of the surgery-first approach: A prospective evaluation. J Oral Maxillofac Surg. 77 (10), 2104-2115 (2019).
  3. Lee, C. Y., Ganz, S. D., Wong, N., Suzuki, J. B. Use of cone beam computed tomography and a laser intraoral scanner in virtual dental implant surgery: part 1. Implant Dent. 21 (4), 265-271 (2012).
  4. Park, J. H., et al. Creation of digital virtual patient by integrating CBCT, intraoral scan, 3D facial scan: an approach to methodology for integration accuracy. J Craniofac Surg. 33 (4), e396-e398 (2022).
  5. Almutairi, T., et al. Replacement of the distorted dentition of the cone-beam computed tomography scans for orthognathic surgery planning. J Oral Maxillofac Surg. 76 (7), 1561.e1-1561.e8 (2018).
  6. Rangel, F. A., Maal, T. J., Berge, S. J., Kuijpers-Jagtman, A. M. Integration of digital dental casts in cone-beam computed tomography scans. ISRN Dent. 2012, 949086(2012).
  7. Yang, W. M., Ho, C. T., Lo, L. J. Automatic superimposition of palatal fiducial markers for accurate integration of digital dental model and cone beam computed tomography. J Oral Maxillofac Surg. 73 (8), 1616.e1-1616.e10 (2015).
  8. Swennen, G. R., et al. A cone-beam computed tomography triple scan procedure to obtain a three-dimensional augmented virtual skull model appropriate for orthognathic surgery planning. J Craniofac Surg. 20 (2), 297-307 (2009).
  9. Noh, H., Nabha, W., Cho, J. H., Hwang, H. S. Registration accuracy in the integration of laser-scanned dental images into maxillofacial cone-beam computed tomography images. Am J Orthod Dentofacial Orthop. 140 (4), 585-591 (2011).
  10. Zou, B., et al. Accuracy of a surface-based fusion method when integrating digital models and the cone beam computed tomography scans with metal artifacts. Sci Rep. 12 (1), 8034(2022).
  11. Lin, H. H., et al. Artifact-resistant superimposition of digital dental models and cone-beam computed tomography images. J Oral Maxillofac Surg. 71 (11), 1933-1947 (2013).
  12. Park, J. H., et al. Use of artificial intelligence to predict outcomes of nonextraction treatment of Class II malocclusions. Semin Orthodontics. 27 (2), 87-95 (2021).
  13. Bao, H., et al. Evaluating the accuracy of automated cephalometric analysis based on artificial intelligence. BMC Oral Health. 23 (1), 1-10 (2023).
  14. Gillot, M., et al. Automatic landmark identification in cone-beam computed tomography. Orthod Craniofac Res. , (2023).
  15. Blum, F. M. S., et al. Evaluation of an artificial intelligence-based algorithm for automated localization of craniofacial landmarks. Clin Oral Invest. 27, 2255-2265 (2023).
  16. Al-Ubaydi, A. S., Al-Groosh, D. The validity and reliability of automatic tooth segmentation generated using artificial intelligence. The Scientific World Journal. 2023, 5933003(2023).
  17. Urban, R., et al. AI-assisted CBCT data management in modern dental practice: Benefits, limitations and innovations. Electronics. 12 (7), 1710(2023).
  18. Faul, F., Erdfelder, E., Buchner, A., Lang, A. G. Statistical power analyses using G*Power 3.1: tests for correlation and regression analyses. Behav Res Methods. 41 (4), 1149-1160 (2009).
  19. Landis, J. R., Koch, G. G. The measurement of observer agreement for categorical data. Biometrics. 33, 159-174 (1977).
  20. Uechi, J., et al. A novel method for the 3-dimensional simulation of orthognathic surgery by using a multimodal image-fusion technique. Am J Orthod Dentofacial Orthop. 130 (6), 786-798 (2006).
  21. Nkenke, E., et al. Fusion of computed tomography data and optical 3D images of the dentition for streak artifact correction in the simulation of orthognathic surgery. Dentomaxillofac Radiol. 33 (4), 226-232 (2004).
  22. Lagravère, M. O., et al. Intraexaminer and interexaminer reliabilities of landmark identification on digitized lateral cephalograms and formatted 3-dimensional cone-beam computerized tomography images. Am J Orthod Dentofacial Orthop. 137 (5), 598-604 (2010).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Étiquettes

Odontologie basée sur l'intelligence artificiellerecalage basé sur l'IArecalage basé sur la surfacenumérisation des points de repèreimagerie en chirurgie orthognathiqueanalyse des coordonnées 3Dintégration d'images dentairestests du coefficient de corrélation intraclasse
Fiabilité de l’intégration de la tomodensitométrie à faisceau conique basée sur l’intelligence artificielle avec les images dentaires numériques
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.