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
French
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Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology.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
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.
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.
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.
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)
2. Protocole d’enregistrement basé sur l’IA (ABR)
3. Procédure de fusion DDI
4. Obtention des valeurs des coordonnées 3D (x, y et z) de chaque point de repère
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 de l’hôpital Bundang de l’Université nationale de Séoul de mars 2016 à octobre 2019 ont été étudiées. L’ensemble des processus SBR et ABR pour la même population a été répété deux fois par le même examinateur, un résident en orthodontie qui avait suivi une formation en identification de points de repère pendant plus d’un an et demi. La SBR a été réalisée selon un protocole similaire à celui de certaines études antérieures 9,10 (Figure 10). Les différences moyennes entre les valeurs des coordonnées x, y et z de R-/L-U6CP et R U1CP après des intégrations répétées avec chaque programme ont été évaluées. Toutes les données ont été analysées statistiquement à l’aide du logiciel SPSS 22.0. La fiabilité des coordonnées des points de repère a été analysée dans chaque ABR, SBR et entre eux pour évaluer la reproductibilité à l’aide de la corrélation intraclasse (ICC)19.
La fiabilité intra-observateur des valeurs des coordonnées x, y et z de R-/L-U6CP et R U1CP était significative et presque parfaite pour ABR (0,950 ≤ ICC ≤ 0,998) et SBR (0,886 ≤ ICC ≤ 0,997), respectivement (tableau 1). La différence de fiabilité entre les valeurs des coordonnées y et z dans la plupart des points de repère était significative et montrait une concordance presque parfaite à substantielle entre le SBR et l’ABR. Cependant, les valeurs des coordonnées x de R-/L-U6CP et R U1CP présentaient respectivement une concordance modérée, médiocre et faible, et étaient non significatives.
Comme le montre le tableau 2, les différences moyennes de toutes les valeurs de coordonnées des intégrations répétées n’étaient pas significativement différentes dans chaque méthode. Ces différences sur les coordonnées x variaient de -0,005 à -0,098 mm pour ABR et de -0,212 à 0,013 mm pour SBR. Ils variaient de -0,084 à -0,314 mm sur les coordonnées y pour ABR, et de −0,007 à 0,084 mm pour SBR, et variaient de -0,005 à 0,045 mm sur les coordonnées z pour ABR et de −0,567 à 0,074 mm pour SBR. Cependant, il n’y avait pas de différence moyenne significative entre la première et la deuxième immatriculation entre l’ABR et le SBR.

Figure 1 : Réorientation d’un modèle cranio-facial. Pour ce faire, cliquez sur le bouton Réorienter dans le panneau Landmark. Veuillez cliquer ici pour voir une version plus grande de cette figure.

Figure 2 : Les cinq points de repère de base pour la réorientation du modèle craniofacial reconstruit : nasion, orbitales droite et gauche, et porions droit et gauche. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3 : Points de repère et leurs coordonnées après sélection automatique préliminaire des points de repère. Les révisions et les modifications des points de repère peuvent être effectuées en cliquant sur le bouton Sélection manuelle des points de repère dans l’onglet Volume. Veuillez cliquer ici pour voir une version plus grande de cette figure.

Figure 4 : Initiation de la fusion d’images dentaires numériques avec le modèle craniofacial réorienté. Pour ce faire, cliquez sur le bouton Enregistrement de la numérisation de la dentition dans le panneau Outils. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 5 : Emplacement des trois points de repère d’enregistrement sur les images dentaires numériques chargées. Les cuspides mésiobucciques de la première molaire maxillaire droite (R U6CP), le milieu de l’incisive centrale maxillaire droite sur le bord incisif (R U1CP) et la cuspide mésiobuccale de la première molaire maxillaire gauche (L U6CP). Ces points de repère ont été calibrés simultanément par l’automatisation de l’apprentissage automatique. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 6 : Confirmation des trois points de repère d’enregistrement sur les images dentaires numériques chargées et le CBCT. Les cuspides mésio-buccales droite et gauche des premières molaires maxillaires (R U6CP, L U6CP) et le point médian de l’incisive centrale supérieure droite (R U1CP). En cliquant sur le bouton Oui, l’enregistrement automatique s’effectue. Abréviation : CBCT = tomodensitométrie à faisceau conique. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 7 : Le modèle craniofacial reconstruit avec l’image dentaire numérique fusionnée. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 8 : Modification de la fusion. Lors de la modification de la fusion, cliquez sur le bouton Choisir le point de repère d’enregistrement dans le panneau d’enregistrement de la dentition. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 9 : Plans de référence du programme. 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 Nasion (point zéro ; 0, 0 et 0). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 10 : Enregistrement en surface des images dentaires numériques maxillaires dans les parties dentaires des images CBCT reconstruites. (A) Avant et (B) Après la fusion. Tout d’abord, les points initiaux ont été enregistrés à l’aide des cuspides mésiobuccales des premières molaires maxillaires et du point de contact des incisives centrales dans le CBCT et le DDI. Par la suite, la surface a été enregistrée pour réaliser une intégration plus précise à l’aide de l’algorithme itératif des points les plus proches. Abréviation : CBCT = tomographie assistée par ordinateur à faisceau conique ; DDI = images dentaires numériques. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Tableau 1 : Fiabilité en trois coordonnées de chaque point de repère lors de l’intégration de CBCT faciaux et d’images dentaires numériques dans chaque ABR et SBR et entre eux. *test T apparié ; Test T †indépendant. Les > ICC 0,8/0,6/0,4/0,2 ou ≤ 0,2 représentent respectivement une force d’accord très bonne, bonne, modérée, passable ou faible. Abréviations : CBCT = tomographie conique par ordinateur ; IA = intelligence artificielle ; ABR = enregistrement basé sur l’IA ; SBR = enregistrement en surface ; IC = intervalle de confiance ; ICC = coefficient intraclasse. Veuillez cliquer ici pour télécharger ce tableau.
Tableau 2 : Les différences moyennes dans les trois coordonnées de chaque point de repère à partir d’enregistrements répétés de CBCT faciaux et d’images dentaires numériques avec l’ABR et le SBR. Δ (1er-2e), la différence moyenne des coordonnées x, y et z de chaque point de repère entre le premier enregistrement (1er) et le deuxième enregistrement (2e) des images DDI et CBCT faciales. *test T apparié ; †test t indépendant ; bWilcoxon Test du rang signé. La signification a été fixée à P < 0,05. Abréviations : CBCT = tomographie conique par ordinateur ; IA = intelligence artificielle ; ABR = enregistrement basé sur l’IA ; SBR = enregistrement en surface ; S.D. = écart-type. Veuillez cliquer ici pour télécharger ce tableau.
Les auteurs ne déclarent aucun conflit d’intérêts.
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.
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).
| G*Puissance  ; | Heinrich Heine Universitä ; t, Düsseldorf, Allemagne | v. 3.1.9.7 | Un logiciel de calcul de la taille d’un échantillon |
| Geomagic Qualify® ; | 3D Systems, Morrisville, NC, États-Unis | v 2013 | Logiciel 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 9500 | Carestream Health Inc., Rochester, NY, États-Unis | Tomographe 5159538 | à faisceau conique (CBCT) |
| MD-ID0300 | Medit Co, Séoul, Corée du Sud Séoul, Corée | 61010-1 | Scanner de bureau  ; |
| ON3D | 3D ONS Inc., Séoul, Corée | v 1.3.0 | Logiciel 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-Unis | v 22.0  ; | Un programme d’analyse statistique |