Method Article

אמינות שילוב טומוגרפיה ממוחשבת מבוססת בינה מלאכותית של קרן חרוט עם תמונות שיניים דיגיטליות

DOI:

10.3791/66014

⸱

February 23rd, 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

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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)

  1. בחר חולים על סמך קריטריוני ההכללה הבאים: חסימה מסוג III של השלד; ניתוח בימקסילרי באמצעות תכנון בעזרת מחשב; וטיפול אורתודונטי עם מכשירים קבועים.
  2. אין לכלול מטופלים עם תסמונות גולגולתיות, שפה/חך שסועים, או טוחנות ראשונות מקסילריות חסרות או חותך מרכזי ימני.
  3. קבל סריקות CBCT עם שדה ראייה של 200 מ"מ x 180 מ"מ, גודל ווקסל של 0.2 מ"מ, ותנאי חשיפה של 80 kVp, 15 mA ו- 10.8 שניות. ודא כי המטופלים נמצאים במצב זקוף עם שיניהם באינטראקציה מקסימלית. שמור את הסריקות כקבצי נתונים של הדמיה דיגיטלית ותקשורת ברפואה (DICOM).
  4. רכוש DDIs מיציקות אבן דנטליות או סריקה אינטרה-אוראלית ישירה ושמור אותם בפורמט Standard Tessellation Language (STL) כשיניים מקסילריות ומנדיבולאריות נפרדות.

2. פרוטוקול רישום מבוסס AI (ABR)

  1. ארגון מחדש ודיגיטציה של CBCT
    1. פתח את התוכנה ולחץ על הלחצן טען קובץ DICOM כדי לייבא קובצי CBCT DICOM לתוכנה.
    2. בחרו באחד מקובצי DICOM בתיקיית הנתונים DICOM ולחצו על הלחצן 'פתח'.
      הערה: כאשר קובצי DICOM נטענים, התוכנה משחזרת אותם באופן אוטומטי לנפח גולגולתי CBCT.
    3. לחצו על כפתור Reorientation בחלונית Landmark (איור 1).
    4. N (Nasion): לחץ על חריץ V של העצם הקדמית בתצוגה התלת-ממדית (איור 2). מיד לאחר הלחיצה, שימו לב שהנקודה הכחולה (מופעלת) הופכת לצלב אדום שיופיע גם במבט הצירי, הקשת והעטרה. לחץ על החצים המשולשים הכחולים קדימה ואחורה כדי לזהות את ציון הדרך.
      1. בתצוגת קשת, גלול את גלגל העכבר למעלה ולמטה כדי למצוא את הנקודה הקדמית ביותר שבה התפר הקדמי פוגש את עצמות האף והחזית ולחץ כדי לקבוע את המיקום האנכי והקדמי של ציון הדרך.
      2. בתצוגת העטרה, גלול את גלגל העכבר למעלה ולמטה כדי למצוא את הרגע רגע לפני שעצם האף נעלמת כדי להבטיח את הנקודה הקדמית ביותר ולחץ כדי לקבוע את המיקום האופקי של הנסיון.
      3. בתצוגה צירית, התאם את המיקום הקדמי כפי שהוא בנקודה הקדמית ביותר.
    5. R Or (Orbitale): לחצו על הנקודה הנחותה ביותר בשולי קו המתאר האורביטלי הימני במודל התלת-ממדי (איור 2).
      1. בתצוגת העטרה, גלול את גלגל העכבר למעלה ולמטה כדי למצוא את הנקודה הנמוכה ביותר בשוליים הנמוכים של המסלול הימני ולחצ.
      2. בתצוגת הסגיטל, לחץ על הנקודה העליונה ביותר של מבנה המקסילה הימני או העצם הזיגומטי המהווה את הגבול התחתון של המסלול.
      3. בתצוגה הצירית, גלול לאורך העכבר ולחץ כך שהצלב האדום ימוקם במקום שבו שפת מסלול העין נפגשת.
    6. L Or (Orbitale): לחץ על הנקודה הנחותה ביותר בשולי מתאר המסלול השמאלי במודל התלת-ממדי (איור 2) ושנה את הנקודה בשלוש התצוגות כמו בתהליך עבור R Or.
    7. R Po (פוריון): לחצו על הנקודה העליונה ביותר בקווי המתאר של הבשר השמיעתי החיצוני הימני במודל התלת-ממדי (איור 2).
      1. בתצוגת העטרה, לחץ על הנקודה הנמוכה ביותר של העצם הרקתית הימנית כדי לקבוע את המיקום האופקי והאנכי.
      2. בתצוגת sagittal, לחץ על הנקודה העליונה ביותר של קווי המתאר של meatus השמיעתי החיצוני הימני כדי להתאים את המיקום האנכי והקדמי-אחורי.
      3. בתצוגה הצירית, גלול בגלגל העכבר כדי ללחוץ במקום שבו מופיעה תעלת השמע החיצונית, שבה קו העצם הרקתית נעלם.
    8. L Po (פוריון): לחץ על הנקודה העליונה ביותר של קווי המתאר של המיטוס השמיעתי החיצוני השמאלי במודל התלת-ממדי (איור 2) ושנה את הנקודה בשלוש התצוגות הרב-מישוריות כמו בתהליך עבור R Po.
      הערה: חמשת ציוני הדרך הבסיסיים של השלד, כולל Nasion, אורביטלים ימניים ושמאליים, ונקבוביות ימין ושמאל במודל הגולגולתי המשוחזר (איור 2), מזוהים כעת.
    9. לחץ על כפתור בוצע כדי להשלים את הכיוון מחדש של מודל הגולגולת המשוחזר.
    10. לחץ על הלחצן Preliminary Landmark Picking בחלונית Landmark ובחר את קבוצת ציון הדרך Dentition I.
      הערה: קבוצות ציון דרך של בסיס גולגולתי, TMJ, שלד מקסילרי, שלד מנדיבולרי, דנטיציה I ורקמות רכות כבר נבחרו לניתוח קרניופציאלי.
    11. לחץ על כפתור Execute בחלונית Preliminary Landmark Picking ותן לתוכנה לבחור באופן אוטומטי ציוני דרך ראשוניים ולקבוע את הקואורדינטות שלהם.
    12. בעת שינוי ציוני הדרך, לחץ על כפתור בחירת ציון דרך ידני בכרטיסייה עוצמת קול , בצע את ההתאמות הדרושות ולחץ על כפתור סיום כדי לאשר (איור 3).

3. הליך מיזוג DDI

  1. לחצו על כפתור Registration of Dentition Scan בחלונית Tools (איור 4).
  2. בחר maxilla dentition ולחץ על טען כפתור בחלונית Dentition Registration.
  3. בחר את קבצי STL של אותו מטופל עם מודל CBCT בתיקיה כדי לטעון קבצי STL שיניים maxilla. לאחר שקבצי STL פתוחים, חפש DDI בצד ימין של המסך וארבע תצוגות (תלת-ממד, צירית, קשת ועטרה) של CBCT בצד שמאל של המסך.
  4. בחר את ציוני הדרך של הרישום ב- DDI הטעון: ה- mesiobuccal cusps של הטוחנת הראשונה המקסילרית הימנית (R U6CP), נקודת האמצע של החותכת המרכזית המקסילרית הימנית בקצה החתך (R U1CP), וה- mesiobuccal cusp של הטוחנת הראשונה המקסילרית השמאלית (L U6CP) (איור 5) על-ידי החלפת החצים המשולשים הכחולים קדימה ואחורה.
    הערה: לחץ באמצעות לחצן העכבר השמאלי וגרור את העכבר כדי לסובב את ה- DDI ולחץ באמצעות לחצן העכבר הימני וגרור כדי להגדיל ולהקטין את התצוגה. ציוני הדרך של הרישום מכוילים בו זמנית על ידי אוטומציה שנלמדה על ידי מכונה לאחר שעברו דיגיטציה ידנית.
  5. לחץ על כפתור Done בחלונית Dentition Registration.
  6. לחץ על כפתור כן כדי לאשר את הרישום האוטומטי (איור 6).
  7. למיזוג שיניים מנדיבולאריות, בחר שיניים לסתות ולחץ על כפתור טען בחלונית רישום נטישה. חזור על שלבים 3.2 עד 3.6. בחר את ציוני הדרך הרשומים על השיניים המנדיבולאריות: הקצה המסיובוקי של הטוחנת הראשונה התחתונה הימנית/שמאלית (R-/L- L6CP), נקודת האמצע החותכת הראשונה התחתונה הימנית בקצה החתך (R L1CP).
  8. ה-DDI מוזג כעת עם מודל CBCT המשוחזר (איור 7).
    1. בעת שינוי המיזוג, לחץ על כפתור בחירת ציון דרך ברישום בחלונית רישום דנטיישן (איור 8).

4. קבלת ערכי הקואורדינטות התלת-ממדיות (x, y ו-z) של כל ציון דרך

  1. לחץ על כפתור בחירת ציון דרך ידנית בכרטיסייה עוצמת קול או לחץ על הכרטיסייה ניתוח כדי לקבל את ערכי הקואורדינטות התלת-ממדיות של ציוני הדרך. לייצוא נתונים, עבור אל כרטיסיית ניתוח → חלונית ייצוא נתונים, ולחץ על כפתור ציון דרך כדי לשמור את הנתונים כקובץ.
    הערה: מישור X (אופקי) הוא המישור העובר דרך הנסיון, במקביל למישור האופקי של פרנקפורט (FH) העובר דרך האורביטלס 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 דרך הנאסיון (נקודת אפס; 0, 0 ו-0) (איור 9).

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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.

figure-results-1
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.

figure-results-2
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.

figure-results-3
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.

figure-results-4
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.

figure-results-5
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.

figure-results-6
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.

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

figure-results-8
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.

figure-results-9
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.

figure-results-10
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.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

באמצעות הפרוטוקול המוצג, דיגיטציה של ציוני דרך ושילוב CBCT ו- DDI ניתן לבצע בקלות באמצעות תוכנה שנלמדה על ידי מכונה. פרוטוקול זה דורש את השלבים הקריטיים הבאים: i) כיוון מחדש של הראש בסריקת CBCT, ii) דיגיטציה של CBCT ו- DDI, ו- iii) מיזוג תמונות CBCT עם DDI. דיגיטציה של חמישה ציוני דרך עבור כיוון מחדש של הראש היא קריטית מכיוון שהיא קובעת את המיקום התלת-ממדי של הראש עם מישורי ייחוס באזורים מרחביים. שלושה ציוני דרך (R-/L-U6CP ו-R U1CP) ב-DDI כוילו על ידי אוטומציה שלמדה מכונה לאחר שעברו דיגיטציה ידנית. התהליך הידני היחיד היה איתור חמשת ציוני הדרך הבסיסיים של השלד במודל CBCT המשוחזר, כולל Nasion, אורביטלים ימניים ושמאליים ונקבוביות (איור 2), ושלושת ציוני הדרך הדנטליים ב-DDI, כולל R-/L-U6CP ו-R U1CP (איור 5). לכן, המשתמש צריך להיות מנוסה בדיגיטציה של שמונה ציוני דרך אלה, אשר עשויים להשפיע על טעויות רישום. זמן הצריכה הממוצע של SBR היה 3-4 דקות עבור מיזוג CBCT ו- DDI על ידי מומחה תוכנית. בתוכנית ABR, נצרכו בממוצע 50 שניות לבחירת חמישה ציוני דרך לשינוי אוריינטציה, 40 שניות לבחירת שלושה ציוני דרך ב- DDI, ו- 2-3 שניות לתוכנית למיזוג CBCT ו- DDI. בנוסף, הזמן לקטיף ציוני דרך אוטומטי בכל CBCT נע בין 30 שניות ל -2 דקות בהתאם לבחירת קבוצת ציון הדרך.

כאשר הדיגיטציה של ציוני דרך מסוימים אינה מדויקת, ניתן לשנות אותם על ידי דיגיטציה ידנית ולחיצה על רישום ידני. נניח שיש שונות אנטומית או מורפולוגית כלשהי (למשל, חסרות חותכות מרכזיות או טוחנות ראשונות), קלינאי יכול לזהות ציוני דרך ספציפיים על ידי התאמה אישית של נקודות מסוימות ב- CBCT וב- DDI כך שיתאימו.

לגבי השגיאות הממוצעות של שיטות אינטגרציה שונות עם CBCT ו- DDI, מחקרים קודמים שהשתמשו בסמנים דיווחו כי טווח שגיאות הרישום הוא בין 0.1 ל -0.5 מ"מ20. ברישום מבוסס משטח עמיד בפני חפצים, לין ואחרים דיווחו על שגיאות דיוק בין 0.10 ל -0.43 מ"מ11. עם זאת, במחקר שלנו, טווח ההבדל הממוצע ב- ABR היה קטן מזה עם SBR (0.001 עד 0.314 מ"מ; טבלה 2). משמעות הדבר היא כי ABR יכול להיות דיוק רב יותר מאשר SBR. באופן מעניין, קואורדינטת z של החותכת המקסילרית ב- ABR וקואורדינטת x ב- SBR הראו שגיאות ממוצעות פחותות יחסית. זה יכול להיגזר מציוני דרך שונים של החותכת המקסילרית בין ABR ו- SBR, שהיא נקודת האמצע ונקודת המגע של החותך המקסילרי, בהתאמה.

בנוסף, תוצרי מתכת ורמת הניסיון של המפעיל במהלך האינטגרציה יכולים להשפיע על הדיוק בעת מיזוג CBCT ו- DDI. Nkenke et al. דיווחו על 0.13 מ"מ ו-0.27 מ"מ ללא ועם תיקון חפצי מתכת, בהתאמה21. מחקר אחר מצא כי שיניים מקסילריות הציגו אמינות נמוכה עד בינונית בערכי קואורדינטות x עם SBR בין קבוצות אופרטורים שונות10. באופן עקבי, במחקר שלנו, האמינות של ערכי קואורדינטות x של טוחנות ראשונות מקסילריות וחותכות הציגה הסכמה בינונית עד גרועה בהשוואה בין ABR ו- SBR. בנוסף, המהימנות בקואורדינטות y-/z ברוב ציוני הדרך הייתה כמעט מושלמת עד הסכמה מהותית, בעוד שקואורדינטות x הראו הסכמה בינונית עד נמוכה (טבלה 1). שונות זו בקואורדינטות x עשויה לנבוע מהעמימות של ציוני הדרך עקב שחיקה סמויה בשיניים הטוחנות הראשונות וצפיפות או ריווח בחותכות מרכזיות מקסילריות.

באשר לזיהוי AI של CBCT, קל יותר לאתר ציוני דרך על פסגות, קצוות, אפיקים ובין אזורים בעלי צפיפות ייחודית, ולכן נוטים להציג את הדיוק הגבוה ביותר22. Guillot et al. מצאו כי ציוני דרך בבסיס הגולגולת הראו דיוק גבוה יותר מאלה שבמקסילה ובלסת14. עם זאת, מחקרים אלה לא מיזגו CBCT עם DDI והעריכו את הזיהוי של ציוני דרך אנטומיים רק CBCT על ידי AI.

במחקר זה היה מדגם קטן ששימש להערכת האמינות של ABR; יש צורך בהערכה נוספת עם מדגם גדול יותר. בהתחשב בכך שמחקר זה נערך על ידי בוחן אחד בלבד, הבדלים בין בוחנים עשויים להשפיע על המהימנות, אשר ניתן להמשיך ולחקור. בנוסף, מכיוון שפרוטוקול זה התבסס על אלגוריתם מלומד מכונה שבו פותחו רשתות עצביות קונבולוציה עם מסד נתונים לדוגמה, יש לעדכן את מסד הנתונים מעת לעת. יש להבין כי מגוון אנטומי של שיניים ועצמות פנים, במיוחד בעיוותים דנטופציאליים, הבדלים בצפיפות רדיוגרפית ורזולוציה של CBCT ו- DDI עלול לגרום לייצוג נתונים בסיכון. פרוטוקול ABR זה יכול להיות מיושם כדי לתכנן מראש שתל או ניתוח חניכיים ולדמות ניתוח אורתוגנטי בעזרת מחשב וטיפול אורתודונטי.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

המחברים מצהירים כי אין ניגודי עניינים.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מחקר זה נתמך על ידי קרן המחקר של בית החולים בונדאנג של האוניברסיטה הלאומית בסיאול (SNUBH). (מענק מס' 14-2019-0023).

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
G*כוח אוניברסיטת היינריך היינה (Heinrich Heine Universitä); t, D?sseldorf, Germanyv. 3.1.9.7תוכנת חישוב גודל מדגם
Geomagic Qualify®מערכות תלת מימד,
מוריסוויל, קרוליינה הצפונית, ארה"ב		v 2013תכונת מטרולוגיה תלת מימדית ותוכנת אוטומציה,
אשר הופכות נתוני סריקה ובדיקה לתלת מימד לשימוש ביישומי תכנון, ייצור ומטרולוגיה 
KODAK 9500Carestream Health Inc., רוצ'סטר, ניו יורק, ארה"ב5159538טומוגרפיה ממוחשבת של קרן חרוט (CBCT)
MD-ID0300Medit Co, סיאול, דרום קוריאה
סיאול, קוריאה		61010-1סורק דגם שולחני 
ON3D3D ONS Inc.,
סיאול, קוריאה		v 1.3.0תוכנה 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"בv 22.0 תוכנה לניתוח סטטיסטי

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. 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).">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. 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).">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. 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).">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. 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).">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. 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).">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. Integration of digital dental casts in cone-beam computed tomography scans. ISRN Dent. 2012, 949086(2012).">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. 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).">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. 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).">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. 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).">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. 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).">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. Artifact-resistant superimposition of digital dental models and cone-beam computed tomography images. J Oral Maxillofac Surg. 71 (11), 1933-1947 (2013).">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. Use of artificial intelligence to predict outcomes of nonextraction treatment of Class II malocclusions. Semin Orthodontics. 27 (2), 87-95 (2021).">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. Evaluating the accuracy of automated cephalometric analysis based on artificial intelligence. BMC Oral Health. 23 (1), 1-10 (2023).">Bao, H., et al. Evaluating the accuracy of automated cephalometric analysis based on artificial intelligence. BMC Oral Health. 23 (1), 1-10 (2023).
  14. Automatic landmark identification in cone-beam computed tomography. Orthod Craniofac Res. , (2023).">Gillot, M., et al. Automatic landmark identification in cone-beam computed tomography. Orthod Craniofac Res. , (2023).
  15. Evaluation of an artificial intelligence-based algorithm for automated localization of craniofacial landmarks. Clin Oral Invest. 27, 2255-2265 (2023).">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. The validity and reliability of automatic tooth segmentation generated using artificial intelligence. The Scientific World Journal. 2023, 5933003(2023).">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. AI-assisted CBCT data management in modern dental practice: Benefits, limitations and innovations. Electronics. 12 (7), 1710(2023).">Urban, R., et al. AI-assisted CBCT data management in modern dental practice: Benefits, limitations and innovations. Electronics. 12 (7), 1710(2023).
  18. Statistical power analyses using G*Power 3.1: tests for correlation and regression analyses. Behav Res Methods. 41 (4), 1149-1160 (2009).">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. The measurement of observer agreement for categorical data. Biometrics. 33, 159-174 (1977).">Landis, J. R., Koch, G. G. The measurement of observer agreement for categorical data. Biometrics. 33, 159-174 (1977).
  20. 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).">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. 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).">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. 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).">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).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Artificial Intelligence DentistryCone Beam Computed TomographyDigital Dental ImagesAI Based RegistrationSurface Based RegistrationLandmark DigitizationOrthognathic Surgery Imaging3D Coordinate AnalysisDental Image IntegrationIntraclass Coefficient Testing

Related Articles