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
he_IL
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Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology.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
תהליך של רישום סריקות טומוגרפיה ממוחשבת של קרן חרוט ותמונות שיניים דיגיטליות הוצג באמצעות בינה מלאכותית (AI) - זיהוי בעזרת ציוני דרך ומיזוג. השוואה עם רישום מבוסס פני שטח מראה כי דיגיטציה ואינטגרציה מבוססות בינה מלאכותית הן אמינות וניתנות לשחזור.
מחקר זה נועד להציג דיגיטציה ואינטגרציה של טומוגרפיה ממוחשבת של קרן חרוט (CBCT) ואינטגרציה של תמונות דנטליות דיגיטליות (DDI) המבוססות על רישום מבוסס בינה מלאכותית (AI) (ABR) ולהעריך את המהימנות והשחזור באמצעות שיטה זו בהשוואה לאלה של רישום מבוסס פני שטח (SBR). מחקר רטרוספקטיבי זה כלל תמונות CBCT ו- DDI של 17 חולים שעברו ניתוח אורתוגנתי בימקסילרי בעזרת מחשב. הדיגיטציה של תמונות CBCT והשילוב שלהן עם DDI חזרו על עצמם באמצעות תוכנה מבוססת בינה מלאכותית. תמונות CBCT ו-DDI שולבו באמצעות רישום מנקודה לנקודה. לעומת זאת, בשיטת SBR, שלושת ציוני הדרך זוהו ידנית על CBCT ו- DDI, אשר שולבו עם שיטת הנקודות הקרובות האיטרטיביות.
לאחר שתי אינטגרציות חוזרות ונשנות של כל שיטה, התקבלו ערכי הקואורדינטות התלת ממדיות של הטוחנות המקסילריות הראשונות והחותכות המרכזיות וההבדלים ביניהן. בדיקות מקדם תוך-מעמדי (ICC) בוצעו כדי להעריך את המהימנות התוך-צופה עם הקואורדינטות של כל שיטה ולהשוות את מהימנותן בין ABR ו-SBR. המהימנות התוך-צופה הראתה ICC משמעותי וכמעט מושלם בכל שיטה. לא נמצאה משמעות בהבדל הממוצע בין הרישום הראשון והשני בכל ABR ו- SBR ובין שתי השיטות; עם זאת, הטווחים שלהם היו צרים יותר עם ABR מאשר עם שיטת SBR. מחקר זה מראה כי דיגיטציה ואינטגרציה מבוססות בינה מלאכותית הן אמינות וניתנות לשחזור.
טכנולוגיה דיגיטלית תלת ממדית (3D) הרחיבה את היקף האבחון והתכנון לטיפול אורתודונטי או כירורגי-אורתודונטי. ניתן להשתמש בראש וירטואלי הבנוי מתמונת טומוגרפיה ממוחשבת של קרן חרוט פנים (CBCT) כדי להעריך הפרעות דנטופציאליות ושיניים, לתכנן ניתוחים אורתוגנטיים, לייצר ופלים דנטליים ולהשתיל מדריכים כירורגיים באמצעות תכנון וייצור בעזרת מחשב 1,2,3,4. עם זאת, סריקות CBCT יש ייצוג נמוך של שיניים, כולל מורפולוגיה שיניים ויחסים interocclusal, אשר בשל הרזולוציה המוגבלת שלהם ואת הפסים artifacts משיקום שיניים או סוגריים אורתודונטיים5. לכן, התכונות הדנטליות הוחלפו בתמונות CBCT בתמונות שיניים דיגיטליות (DDI), כגון גבס סרוק או תמונות סריקה אינטרה-אוראלית.
לצורך אינטגרציה אמינה של DDI על תמונות CBCT, מחקרים רבים דיווחו על שיטות שונות כגון שימוש בסמנים פידוקיאליים 6,7, 8 מבוסס ווקסל ורישומים מבוססי פני שטח (SBR) 9,10. נהלים אלה כוללים את השיטות שלהם לשימוש בסמנים חוץ-אוראליים, סריקות CBCT מרובות ושלבי תהליך נוספים כגון ניקוי חפצי מתכת בתמונות CBCT. לגבי דיוק SBR, מספר מחקרים קודמים דיווחו על שגיאות שנעו בין 0.10 ל-0.43 מ"מ 9,11. בנוסף, Zou et al. העריכו אמינות תוך / בין משקיף וטעויות בין מהנדס דיגיטלי לאורתודנט באמצעות SBR ודיווחו על הצורך בניסיון קליני ולמידה חוזרת10.
בינה מלאכותית (AI) שימשה לחיזוי תוצאות טיפול12 ולדיגיטציה של ציוני דרך בצילומי רנטגן צפלומטריים13 או CBCTתמונות 14,15,16, וכמה תוכנות מסחריות זמינות כיום כדי לסייע בתהליך זה 17. זיהוי מדויק של ציוני דרך אנטומיים בתמונות תלת-ממדיות הוא מאתגר בגלל העמימות של משטחים שטוחים או מבנים מעוקלים, אזורים בעלי צפיפות נמוכה והשונות הרחבה של המבנים האנטומיים.
אוטומציה מבוססת בינה מלאכותית שנלמדה על ידי מכונה יכולה להיות מיושמת לא רק לדיגיטציה אלא גם לשילוב של DDI ו- CBCT דנטופציאלי. עם זאת, יש מעט מחקר על הדיוק של רישום מבוסס AI (ABR) בהשוואה לשיטה הקיימת מבוססת פני השטח. כדי להשיג תוצאות מדויקות יותר של שינויים תלת-ממדיים בשלד ובשיניים באמצעות ניתוח אורתוגנאתי דו-מקסילרי, יש צורך להעריך את הדיוק של תוכניות מבוססות AI בעת מיזוג CBCT ו- DDI. לכן, מאמר זה מציג פרוטוקול שלב אחר שלב לדיגיטציה ושילוב CBCT ו- DDI עם רישום מבוסס AI (ABR) ולהעריך את אמינותו ויכולת השחזור שלו בהשוואה לזו של SBR.
מחקר רטרוספקטיבי זה נבדק ואושר על ידי מועצת הסקירה המוסדית של בית החולים בונדאנג של האוניברסיטה הלאומית בסיאול (B-2205-759-101) ועמד בעקרונות הצהרת הלסינקי. במחקר נעשה שימוש בקובצי Digital Imaging and Communications in Medicine (DICOM) מ-CBCT ו-DDI בפורמט Standard Tessellation Language (STL) מגבס השיניים. הצורך בהסכמה מדעת בוטל בשל אופיו הרטרוספקטיבי של המחקר.
1. רכישת CBCT ותמונות דנטליות דיגיטליות (DDI)
2. פרוטוקול רישום מבוסס AI (ABR)
3. הליך מיזוג DDI
4. קבלת ערכי הקואורדינטות התלת-ממדיות (x, y ו-z) של כל ציון דרך
כאן תיארנו את תהליך האינטגרציה של CBCT ו- DDI באמצעות תוכנה מבוססת AI. כדי להעריך את אמינותו ואת יכולת השחזור, נערך מחקר השוואתי עם רישום מבוסס פני השטח (SBR). נקבע כי גודל מדגם מינימלי של עשרה נדרש לאחר ניתוח הספק תחת מתאם ρ H1 = 0.77, α = 0.05, והספק (1-β) = 0.8018. בסך הכל נחקרו 17 סטים של סריקות CBCT ותמונות שיניים דיגיטליות ממטופלים אורתוגנתיים בבית החולים בונדאנג של האוניברסיטה הלאומית בסיאול ממרץ 2016 עד אוקטובר 2019. כל תהליכי SBR ו- ABR עבור אותה אוכלוסייה חזרו פעמיים על ידי אותו בודק, תושב אורתודונטי שהוכשר בזיהוי ציוני דרך במשך יותר מ -1.5 שנים. SBR בוצע באמצעות פרוטוקול דומה לזה של כמה מחקרים קודמים 9,10 (איור 10). ההבדלים הממוצעים בערכי הקואורדינטות x, y ו-z של R-/L-U6CP ו-R U1CP לאחר שילובים חוזרים ונשנים עם כל תוכנית הוערכו. כל הנתונים נותחו סטטיסטית באמצעות תוכנת SPSS 22.0. המהימנות בקואורדינטות של ציוני הדרך נותחה בכל ABR, SBR, וביניהם כדי להעריך את יכולת השחזור באמצעות מתאם תוך-מעמדי (ICC)19.
האמינות התוך-צופה של ערכי קואורדינטות x-, y ו-z של R-/L-U6CP ו-R U1CP הייתה משמעותית וכמעט מושלמת עבור ABR (0.950 ≤-ICC ≤-0.998) ו-SBR (0.886 ≤-ICC ≤-0.997), בהתאמה (טבלה 1). הפרש המהימנות בערכי קואורדינטות y ו-z ברוב ציוני הדרך היה משמעותי והראה הסכמה כמעט מושלמת עד משמעותית בין SBR ו-ABR. עם זאת, ערכי קואורדינטות ה-x של R-/L-U6CP ו-R U1CP הציגו הסכמה בינונית, בינונית ונמוכה, בהתאמה, ולא היו משמעותיים.
כפי שניתן לראות בטבלה 2, ההבדלים הממוצעים של כל ערכי הקואורדינטות מהשילובים החוזרים לא היו שונים באופן משמעותי בכל שיטה. הבדלים אלה בקואורדינטות x נעו בין -0.005 ל- -0.098 מ"מ עבור ABR ובין -0.212 ל- 0.013 מ"מ עבור SBR. הם נעו בין -0.084 ל- -0.314 מ"מ בקואורדינטות y עבור ABR, ובין -0.007 ל- 0.084 מ"מ עבור SBR, ונעו בין -0.005 ל- 0.045 מ"מ בקואורדינטות z עבור ABR ובין -0.567 ל- 0.074 מ"מ עבור SBR. עם זאת, לא נמצאה משמעות בהבדל הממוצע בין הרישום הראשון והשני בין ה- ABR ל- SBR.

איור 1: כיוון מחדש של מודל גולגולתי. פעולה זו מופעלת על ידי לחיצה על כפתור Reorientation בחלונית Landmark. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

איור 2: חמשת ציוני הדרך הבסיסיים לשינוי כיוון של מודל הגולגולת המשוחזר; אזיון, אורביטלים ימניים ושמאליים, ונקבוביות מימין ומשמאל. לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

איור 3: ציוני דרך והקואורדינטות שלהם לאחר בחירה אוטומטית ראשונית של ציוני דרך. ניתן לבצע ביקורות ושינויים של ציוני הדרך על ידי לחיצה על כפתור בחירת ציוני דרך ידנית בכרטיסייה עוצמת קול . אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

איור 4: התחלת מיזוג של תמונות שיניים דיגיטליות עם מודל קרניופציאלי בכיוון חדש. זה נעשה על ידי לחיצה על רישום של Dentition Scan כפתור בחלונית כלים. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

איור 5: מיקום שלושת ציוני הדרך של הרישום על גבי תמונות השיניים הדיגיטליות הטעונות. הקוצים המזיובוקליים של הטוחנת הראשונה המקסילרית הימנית (R U6CP), נקודת האמצע של החותכת המרכזית המקסילרית הימנית בקצה החתך (R U1CP), והקוסם המזיובוקלי של הטוחנת הראשונה המקסילרית השמאלית (L U6CP). ציוני דרך אלה כוילו בו זמנית על ידי אוטומציה שנלמדה על ידי מכונה. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

איור 6: אישור שלושת ציוני הדרך של הרישום בתמונות השיניים הדיגיטליות הטעונות וב-CBCT. השיניים המסיובוקליות הימניות והשמאליות של הטוחנות הראשונות המקסילריות (R U6CP, L U6CP) ונקודת האמצע של החותכת המרכזית העליונה הימנית (R U1CP). לחיצה על כפתור כן מבצעת את הרישום האוטומטי. קיצור: CBCT = טומוגרפיה ממוחשבת של קרן חרוט. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

איור 7: המודל הקרניופציאלי המשוחזר עם תמונת השיניים הדיגיטלית מוזג. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

איור 8: שינוי המיזוג. בעת שינוי המיזוג, לחץ על בחר ציון דרך הרשמה כפתור בחלונית רישום נטיישן. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

תרשים 9: מישורי הייחוס של התוכנית. מישור X (אופקי) הוא מישור העובר דרך הנסיון, מקביל למישור האופקי של פרנקפורט (FH) העובר דרך אורביטלס השמאלי והימני ופוריון הימני. מישור Y (midsagittal) ניצב למישור X, עובר דרך הנאסיון והבזיון. מישור Z (העטרה) מציב את המישור בניצב למישור האופקי ולמישור האמצעי-סגיטלי באמצעות Nasion (נקודת אפס; 0, 0 ו-0). אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.

איור 10: רישום מבוסס משטח של תמונות שיניים דיגיטליות מקסילריות בחלקים הדנטליים של תמונות CBCT משוחזרות. (א) לפני ו-(ב) אחרי המיזוג. ראשית, הנקודות הראשוניות נרשמו באמצעות השיניים החותכות המזויבוקליות של הטוחנות הראשונות המקסילריות ונקודת המגע של החותכות המרכזיות ב- CBCT וב- DDI. לאחר מכן, המשטח נרשם כדי להשיג אינטגרציה מדויקת יותר באמצעות אלגוריתם הנקודות הקרובות האיטרטיביות. קיצור: CBCT = טומוגרפיה ממוחשבת של קרן חרוט; DDI = תמונות שיניים דיגיטליות. אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
טבלה 1: אמינות בשלוש קואורדינטות של כל ציון דרך בעת שילוב CBCTs פנים ותמונות שיניים דיגיטליות בכל ABR ו- SBR וביניהם. *מבחן t זוגי; †מבחן t בלתי תלוי. ICC > 0.8/0.6/0.4/0.2 או ≤ 0.2 מייצגים חוזק טוב מאוד, טוב, מתון, הוגן או גרוע של הסכמה, בהתאמה. קיצורים: CBCT = טומוגרפיה ממוחשבת של קרן חרוט; AI = בינה מלאכותית; ABR = רישום מבוסס AI; SBR = רישום מבוסס פני שטח; CI = רווח בר-סמך; ICC= מקדם תוך מחלקתי. אנא לחץ כאן כדי להוריד טבלה זו.
טבלה 2: ההבדלים הממוצעים בשלוש הקואורדינטות של כל ציון דרך מרישומים חוזרים ונשנים של CBCTs פנים ותמונות שיניים דיגיטליות עם ABR ו- SBR. Δ (1st-2nd), ההבדל הממוצע בקואורדינטות x, y ו- z של כל ציון דרך בין הרישום הראשון (1st) והשני (2nd) של DDI ותמונות CBCT פנים. *מבחן t זוגי; †מבחן t עצמאי; במבחן Wilcoxon Signed-rank. המשמעות נקבעה על P < 0.05. קיצורים: CBCT = טומוגרפיה ממוחשבת של קרן חרוט; AI = בינה מלאכותית; ABR = רישום מבוסס AI; SBR = רישום מבוסס פני שטח; S.D. = סטיית תקן. אנא לחץ כאן כדי להוריד טבלה זו.
המחברים מצהירים כי אין ניגודי עניינים.
תהליך של רישום סריקות טומוגרפיה ממוחשבת של קרן חרוט ותמונות שיניים דיגיטליות הוצג באמצעות בינה מלאכותית (AI) - זיהוי בעזרת ציוני דרך ומיזוג. השוואה עם רישום מבוסס פני שטח מראה כי דיגיטציה ואינטגרציה מבוססות בינה מלאכותית הן אמינות וניתנות לשחזור.
מחקר זה נתמך על ידי קרן המחקר של בית החולים בונדאנג של האוניברסיטה הלאומית בסיאול (SNUBH). (מענק מס' 14-2019-0023).
| G*כוח | אוניברסיטת היינריך היינה (Heinrich Heine Universitä); t, D?sseldorf, Germany | v. 3.1.9.7 | תוכנת חישוב גודל מדגם |
| Geomagic Qualify® | מערכות תלת מימד, מוריסוויל, קרוליינה הצפונית, ארה"ב | v 2013 | תכונת מטרולוגיה תלת מימדית ותוכנת אוטומציה, אשר הופכות נתוני סריקה ובדיקה לתלת מימד לשימוש ביישומי תכנון, ייצור ומטרולוגיה |
| KODAK 9500 | Carestream Health Inc., רוצ'סטר, ניו יורק, ארה"ב | 5159538 | טומוגרפיה ממוחשבת של קרן חרוט (CBCT) |
| MD-ID0300 | Medit Co, סיאול, דרום קוריאה סיאול, קוריאה | 61010-1 | סורק דגם שולחני |
| ON3D | 3D ONS Inc., סיאול, קוריאה | v 1.3.0 | תוכנה להערכת CBCT תלת מימדית; זיהוי ציוני דרך מבוסס בינה מלאכותית, ניתוח גולגולת פנים ו-TMJ, סופר-אימפוזיציה וניתוחים אורתוגנטיים וירטואליים |
| SPSS | IBM, Armonk, NY, ארה"ב | v 22.0 | תוכנה לניתוח סטטיסטי |