このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

人工知能を用いたコーンビームコンピュータ断層撮影と歯科用デジタル画像の統合の信頼性

2.1K 回視聴

⸱

DOI:

10.3791/66014

⸱

2024年2月23日

 ,  ,  ,  , 
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

この記事について

サマリー

コーンビームコンピューター断層撮影スキャンとデジタル歯科画像を登録するプロセスは、人工知能(AI)支援によるランドマークの識別とマージを使用して提示されました。サーフェスベースのレジストレーションと比較すると、AIベースのデジタル化と統合は信頼性が高く、再現性があることがわかります。

要約

本研究は、人工知能(AI)によるレジストレーション(ABR)に基づくコーンビームCT(CBCT)のデジタル化とデジタルデンタル画像(DDI)の統合を導入し、この手法を用いた信頼性と再現性を表面ベースレジストレーション(SBR)と比較して評価することを目的としている。この後ろ向き研究は、コンピューター支援両顎矯正手術を受けた 17 人の患者の CBCT 画像と DDI で構成されていました。CBCT画像のデジタル化とDDIとの統合は、AIベースのプログラムを使用して繰り返されました。CBCT画像とDDIは、ポイントツーポイントレジストレーションを使用して統合されました。対照的に、SBR法では、3つのランドマークはCBCTとDDIで手動で識別され、反復的最接点法と統合されました。

各方法を2回繰り返し積分した後、上顎第一大臼歯と中切歯の3次元座標値とその差を求めた。クラス内係数(ICC)テストを実施して、各メソッドの座標でオブザーバー内の信頼性を評価し、ABRとSBRの信頼性を比較しました。観察者内の信頼性は、各方法で有意かつほぼ完璧なICCを示しました。各ABRとSBRにおける1回目と2回目の登録の平均差、および両手法の間に有意性は認められなかった。ただし、それらの範囲はSBR法よりもABRの方が狭かった。この研究は、AIベースのデジタル化と統合が信頼性が高く、再現性があることを示しています。

概要

3次元(3D)デジタル技術は、歯列矯正または外科的矯正治療の診断と計画の範囲を広げました。顔面コーンビームコンピュータ断層撮影(CBCT)画像から構築された仮想ヘッドは、コンピュータ支援設計および製造1,2,3,4を使用して、顎顔面および歯の異常の評価、顎矯正手術の計画、歯科用ウェーハの製造およびサージカルガイドの移植に使用できます1,2,3,4。ただし、CBCTスキャンは、歯の形態や咬合間関係など、歯列の表現が低く、これは、歯の修復または歯列矯正ブラケットからの解像度と縞のアーティファクトが限られているためです5。したがって、歯の特徴は、スキャンされたキャストや口腔内スキャン画像などのデジタル歯科画像(DDI)でCBCT画像に置き換えられています。

CBCT画像へのDDIの信頼性の高い統合のために、多くの研究で、基準マーカー6,7、ボクセルベース8、表面ベースレジストレーション(SBR)9,10の使用など、さまざまな方法が報告されています。これらの手順には、口腔外マーカー、複数のCBCTスキャン、およびCBCT画像の金属アーチファクトのクリーニングなどの追加のプロセスステップを使用する方法があります。SBRの精度に関しては、いくつかの以前の研究で0.10から0.43mmの範囲の誤差が報告されています9,11。さらに、Zou らは、SBR を使用してデジタル エンジニアと矯正歯科医の間の観察者内/観察者間の信頼性とエラーを評価し、臨床経験と反復学習の必要性を報告しました10。

人工知能(AI)は、治療結果12 を予測し、セファロX線写真13 またはCBCT画像14、15、16のランドマークをデジタル化するために使用されており、このプロセス17を支援するために現在、いくつかの商用ソフトウェアが利用可能です。3D画像上の解剖学的ランドマークの正確な識別は、平面または曲面構造のあいまいさ、低密度の領域、および解剖学的構造の大きな変動性のために困難である。

AIベースの機械学習による自動化は、デジタル化だけでなく、DDIと歯顔面CBCTの統合にも適用できます。しかし、既存の表面ベースの方法と比較して、AIベースの登録(ABR)の精度に関する研究はほとんどありません。両顎矯正手術による3D骨格・歯の変化をより正確に再現するためには、CBCTとDDIを融合させる際のAIによるプログラムの精度を評価する必要があります。したがって、この記事では、CBCTとDDIをデジタル化してAIベースの登録(ABR)と統合し、SBRと比較してその信頼性と再現性を評価するための手順を紹介します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

このレトロスペクティブ研究は、ソウル国立大学盆唐病院の治験審査委員会(B-2205-759-101)によって審査および承認され、ヘルシンキ宣言の原則に準拠しました。この研究では、歯科用キャストの標準テッセレーション言語 (STL) 形式の CBCT および DDI の Digital Imaging and Communications in Medicine (DICOM) ファイルが利用されました。インフォームドコンセントの必要性は、研究の後ろ向きの性質のために放棄されました。

1. CBCTおよびデジタル歯科用画像(DDI)の取得

  1. 次の選択基準に基づいて患者を選択します: 骨格クラス III 不正咬合;コンピューター支援計画による両顎手術。固定エッジワイズ器具による矯正治療。
  2. 頭蓋顔面症候群、口唇裂/口蓋裂、または上顎第一大臼歯または右中切歯の欠損のある患者を除外します。
  3. 視野角200 mm x 180 mm、ボクセルサイズ0.2 mm、露光条件80 kVp、15 mA、10.8秒でCBCTスキャンを取得します。患者が歯を最大限に間削って直立姿勢にあることを確認してください。スキャンを Digital Imaging and Communications in Medicine (DICOM) データ ファイルとして保存します。
  4. 歯科用ストーンキャストまたは直接口腔内スキャンからDDIを取得し、上顎歯列と下顎歯列を別々の標準テッセレーション言語(STL)形式で保存します。

2. AIベースの登録プロトコル(ABR)

  1. CBCTの方向転換とデジタル化
    1. ソフトウェアを開き、 DICOMファイルの読み込み ボタンをクリックして、CBCT DICOMファイルをソフトウェアにインポートします。
    2. DICOM データ フォルダー内の DICOM ファイルを 1 つ選択し、[ 開く] をクリックします。
      注:DICOMファイルがロードされると、ソフトウェアは自動的にそれらをCBCT頭蓋顔面ボリュームに再構築します。
    3. [Landmark]パネルの[Reorientation](方向変更)ボタンをクリックします(図1)。
    4. N(Nasion):3Dビューで前頭骨のVノッチをクリックします(図2)。クリックの直後に、青い点(アクティブ化)が赤い十字に変わり、軸方向、矢状方向、および冠状ビューにも表示されることを確認します。青い三角形の矢印を前後にクリックして、ランドマークを識別します。
      1. 矢状ビューで、マウスホイールを上下にスクロールして、前鼻縫合糸が鼻骨と前頭骨と出会う最も前方のポイントを見つけ、クリックしてランドマークの垂直位置と前後位置を決定します。
      2. 冠状ビューで、マウスホイールを上下にスクロールして鼻骨が消える直前の瞬間を見つけて、最も前方の点を確保し、クリックして鼻腔の水平位置を決定します。
      3. 軸方向図で、最も前方の点にあるように前後の位置を調整します。
    5. R Or (Orbitale):3Dモデルの右軌道コンターの余白にある最も劣った点をクリックします(図2)。
      1. コロナ ビューで、マウス ホイールを上下にスクロールして、右軌道の下縁にある最も低い点を見つけてクリックします。
      2. 矢状ビューで、眼窩の下限を構成する右上顎骨または頬骨構造の最も優れた点をクリックします。
      3. 軸ビューで、マウスをスクロールしてクリックし、赤い十字が眼球の縁が交わる場所に配置されます。
    6. L Or (軌道): 3Dモデル(図 2)の左軌道等高線の余白上の最も劣った点をクリックし、R Orのプロセスと同様に3つのビュー上の点を修正します。
    7. R Po(ポリオン):3Dモデルで右外耳道の輪郭の最も優れた点をクリックします(図2)。
      1. 冠状ビューで、右の側頭骨の最も低い点をクリックして、水平位置と垂直位置を決定します。
      2. 矢状図で、右外耳道の輪郭の最も優れた点をクリックして、垂直位置と前後位置を調整します。
      3. 軸方向のビューで、マウスホイールをスクロールして、側頭骨の線が消える外耳道が表示される場所をクリックします。
    8. L Po(ポリオン):3Dモデル(図2)で左外耳道の輪郭の最も優れた点をクリックし、R Poの処理と同様に3つの多面図の点を修正します。
      注:再構成された頭蓋顔面モデル(図2)のナシオン、左右の眼窩、左右の孔質を含む5つの基本的な骨格ランドマークが特定されました。
    9. Done ボタンをクリックして、再構築された頭蓋顔面モデルの向きの変更を完了します。
    10. ランドマークパネルの「Preliminary Landmark Picking」ボタンをクリックし、「 Dentition I」ランドマークグループを選択します。
      注:頭蓋底、顎関節、上顎骨格、下顎骨格、歯列I、および軟組織のランドマークグループは、頭蓋顔面分析のためにすでに選択されています。
    11. Preliminary Landmark PickingパネルのExecuteボタンをクリックすると、ソフトウェアが自動的にPreliminary Landmarkを選択し、その座標を決定することができます。
    12. ランドマークを変更する場合は、[Volume](ボリューム)タブの[Manual Landmark Picking](手動ランドマークピッキング)ボタンを押し、必要な調整を行い、[Done](完了)ボタンをクリックして確定します(図3)。

3. DDIマージ手順

  1. [Tools](ツール)パネルの[Registration of Dentition Scan](歯列登録スキャン)ボタンをクリックします(図4)。
  2. 上顎歯列を選択し、歯列登録パネルのロードボタンをクリックします。
  3. フォルダ内のCBCTモデルと同じ患者のSTLファイルを選択して、上顎歯列STLファイルを読み込みます。STL ファイルが開いたら、画面の右側で DDI を探し、画面の左側で CBCT の 4 つのビュー (3D、軸方向、矢状、冠状) を探します。
  4. ロードされたDDIの登録 ランドマーク を選択します:右上顎第一大臼歯の近心頬側尖端(R U6CP)、切歯縁の右上顎中切歯中点(R U1CP)、および左上顎第一大臼歯(L U6CP)の近心頬側尖(図5)青い 三角形の矢印 を前後に切り替えて。
    注: マウスを左クリックしてドラッグすると DDI が回転し、右クリックしてドラッグするとズームインおよびズームアウトします。レジストレーションランドマークは、手動でデジタル化された後、機械学習された自動化によって同時に校正されます。
  5. 歯列登録パネルの「完了」ボタンをクリックします。
  6. [Yes](はい)ボタンをクリックして、自動登録を確認します(図6)。
  7. 下顎歯列の合体には、下顎歯列を選択し、歯列登録パネルのロードボタンをクリックします。手順 3.2 から 3.6 を繰り返します。下顎歯列の登録ランドマークを選択します:右/左下第一大臼歯の近心頬側尖(R-/ L-L-L6CP)、切歯縁の右下第一切歯中点(RL1CP)。
  8. これで、DDIが再構築されたCBCTモデルとマージされます(図7)。
    1. マージを変更する場合は、[Dentition Registration]パネルの[Pick Registration Landmark]ボタンをクリックします(図8)。

4. 各ランドマークの3D座標値(x、y、z)の取得

  1. [ボリューム] タブの [手動ランドマーク ピッキング] ボタンをクリックするか、[解析] タブをクリックして、ランドマークの 3D 座標値を取得します。データエクスポートの場合は、解析タブ→データエクスポートパネルに移動し、ランドマークボタンをクリックしてデータをファイルとして保存します。
    注:X平面(水平)は、左右のオービタルと右のポリオンを通過するフランクフルト水平面(FH)に平行な、ナシオンを通過する平面です。Y面(矢状中央)はX面に垂直で、鼻腔と基底を通過します。Z面(コロナ状)は、鼻(ゼロ点、0、0、および0)を介して水平面と正中矢面に垂直な平面を設定します(図9)。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

ここでは、AIベースのプログラムを使用したCBCTとDDIの統合プロセスについて説明しました。その信頼性と再現性を評価するために、表面登録(SBR)との比較研究が実施されました。相関ρH1 = 0.77、α = 0.05、および検出力(1−β)= 0.80 18の下での検出力分析の後、10の最小サンプルサイズが必要であると判断されました。2016年3月から2019年10月までのソウル大学盆唐病院の顎矯正患者からの合計17セットのCBCTスキャンとデジタル歯科画像が研究されました。同じ集団のSBRおよびABRプロセス全体が、1.5年以上にわたってランドマーク識別の訓練を受けた歯科矯正研修医である同じ検査官によって2回繰り返されました。SBRは、いくつかの以前の研究と同様のプロトコルを介して実施されました9,10(図10)。各プログラムと繰り返し統合した後のR-/L-U6CPとR U1CPのx、y、z座標値の平均差を評...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

提示されたプロトコルを使用すると、ランドマークのデジタル化とCBCTとDDIの統合は、機械学習ソフトウェアを使用して簡単に実現できます。このプロトコルには、次の重要な手順が必要です:i)CBCTスキャンでのヘッドの向きの変更、ii)CBCTとDDIのデジタル化、およびiii)CBCT画像をDDIとマージします。頭部の向きを変えるための5つのランドマークのデジタル化は、空間領域内の基準面を持つ頭部の3D位置を決定するため、非常に重要です。DDIの3つのランドマーク(R-/L-U6CPとR U1CP)は、手動でデジタル化した後、機械学習の自動化によって校正されました。唯一の手動プロセスは、再構築されたCBCTモデル内の基本的な5つの骨格ランドマーク(Nasion、左右の眼窩、孔(図2))と、DDIの3つの歯のランドマーク(R-/L-U6CP、R U1CP)(図5)を見つけることでした。したがって、ユーザーはこれら8つのランドマークをデジタル化する経験が必要であり、登録のエラーに影響を与える可能性があります。SBRの平均消費...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者らは、利益相反がないことを宣言します。

謝辞

この研究は、ソウル国立大学盆唐病院(SNUBH)研究基金の支援を受けました。(助成金番号14-2019-0023)。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
G*パワー ハインリッヒ・ハイネ大学ät, D?sseldorf, Germanyv. 3.1.9.7サンプルサイズ計算ソフトウェア
Geomagic Qualify®3D Systems,
Morrisville, NC, USA		v 2013スキャンとプローブのデータを設計、製造、計測アプリケーションで使用する3Dに変換する3D計測機能および自動化ソフトウェア,
 
KODAK 9500Carestream Health Inc., Rochester, NY, USA5159538コーンビームコンピュータ断層撮影装置 (CBCT)
MD-ID0300Medit Co, Seoul, South Korea
Seoul, Korea		61010-1Desktop model scanner 
ON3D3D ONS Inc.,
Seoul, Korea		v 1.3.03D CBCT評価用ソフトウェア;AIベースのランドマーク識別、頭蓋顔面および顎関節分析、重ね合わせ、および仮想顎矯正手術
SPSS IBM、アーモンク、ニューヨーク、米国v 22.0 統計解析プログラム

参考文献

  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).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

人工知能歯科医学AIベースのレジストレーション表面ベースのレジストレーションランドマークのデジタル化顎矯正手術イメージング3D座標解析歯科画像統合級内相関係数検定
人工知能を用いたコーンビームコンピュータ断層撮影と歯科用デジタル画像の統合の信頼性
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。