Name: 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 (動画) | JoVE Journal
Uploaded: 2024-02-23T13:35:00.000+00:00
Duration: 5 min 49 s
Description: 学ぶAI支援のCBCTと歯科デジタル画像統合法。機械学習によるランドマーク自動認識と手動補正を組み合わせ、従来の表面ベース法より高い再現性と精度を実現。歯科画像診断の信頼性向上に貢献します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

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)。

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
<ol><li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
</ol>2. AIベースの登録プロトコル(ABR)
<ol><li>CBCTの方向転換とデジタル化<ol><li>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。</li>
		<li>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。</li>
		<li>[Landmark]パネルの[Reorientation](方向変更)ボタンをクリックします(図1)。</li>
		<li>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。<ol><li>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。</li>
			<li>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。</li>
			<li>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。</li>
		</ol></li>
		<li>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)。<ol><li>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。</li>
			<li>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。</li>
			<li>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。</li>
		</ol></li>
		<li>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。</li>
		<li>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)。<ol><li>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。</li>
			<li>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。</li>
			<li>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。</li>
		</ol></li>
		<li>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。</li>
		<li>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。</li>
		<li>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。</li>
		<li>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。</li>
		<li>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)。</li>
	</ol></li>
</ol>3. DDIマージ手順
<ol><li>[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)。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>歯列登録パネルの「完了」ボタンをクリックします。</li>
	<li>[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)。</li>
	<li>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)。</li>
	<li>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)。<ol><li>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)。</li>
	</ol></li>
</ol>4. 各ランドマークの3D座標値(x、y、z)の取得
<ol><li>[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<s>→</s>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)。</li>
</ol>

人工知能による歯科用画像の統合

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

著者らは、利益相反がないことを宣言します。

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の平均消費時間は、プログラムの専門家によるCBCTとDDIのマージで3〜4分でした。ABRプログラムでは、方向転換のために5つのランドマークを選択するのに平均50秒、DDIで3つのランドマークを選択するのに40秒、CBCTとDDIを統合するプログラムに2〜3秒が費やされました。さらに、CBCT全体の自動ランドマークピッキングの時間は、ランドマークグループの選択に応じて30秒から2分まで変化します。
一部のランドマークのデジタル化が不正確な場合は、手動でデジタル化して [手動登録] をクリックすることで変更できます。解剖学的または形態学的差異(例えば、中切歯または第一大臼歯の欠落)がある場合、臨床医はCBCTとDDIの特定のポイントを一致するようにカスタマイズすることにより、特定のランドマークを識別できます。
CBCTおよびDDIとの様々な積分法の平均誤差については、マーカーを用いた先行研究ではレジストレーション誤差の範囲が0.1〜0.5mmであることが報告されている20。アーチファクト耐性のある表面ベースのレジストレーションでは、Linらは0.10〜0.43mmの精度誤差を報告しました11。しかし、私たちの研究では、ABRの平均差の範囲はSBRよりも小さかった(0.001〜0.314 mm; 表2)。これは、ABRがSBRよりも精度が高いことを意味します。興味深いことに、ABRの上顎切歯のz座標とSBRのx座標は、平均誤差が比較的少なかった。これは、それぞれ上顎切歯の中点と接触点である ABR と SBR の間の上顎切歯の異なるランドマークに由来する可能性があります。
さらに、金属アーチファクトや統合中のオペレーターの経験レベルが、CBCTとDDIをマージする際の精度に影響を与える可能性があります。Nkenkeらは、金属アーチファクト補正ありと金属アーチファクト補正ありでそれぞれ0.13mmと0.27mmを報告した21。別の研究では、上顎歯は、異なるオペレーターグループ間でSBRとのx座標値の信頼性が低いから中程度であることがわかりました10。私たちの研究では、上顎第一大臼歯と切歯のx座標値の信頼性は、ABRとSBRと比較して中程度から悪い一致を示しました。さらに、ほとんどのランドマークのy-/z-座標の信頼性は、実質的に一致するのにほぼ完璧であったが、x座標は中程度から低い一致を示した(表1)。このx座標の変動は、第一大臼歯の咬合摩耗と上顎中切歯の混雑または間隔によるランドマークの曖昧さに由来する可能性があります。
CBCTのAI識別に関しては、山頂、エッジ、頂端、および特徴的な密度を持つ領域間のランドマークは見つけやすく、したがって、最高の精度を示す傾向があります22。Guillotらは、頭蓋基底のランドマークが上顎骨と下顎骨のランドマークよりも高い精度を示すことを発見しました14。ただし、これらの研究では、CBCTとDDIを融合させるわけではなく、AIによるCBCTのみの解剖学的ランドマークの同定を評価しました。
この研究では、ABRの信頼性を評価するために使用されたサンプルサイズが小さくなりました。より大きなサンプルサイズでのさらなる評価が必要です。この研究が1人の審査官によってのみ実施されたことを考えると、審査官間の違いは信頼性に影響を与える可能性があり、これはさらに研究することができます。また、本プロトコルは、サンプルデータベースを用いて畳み込みニューラルネットワークを開発した機械学習アルゴリズムに基づいているため、データベースを定期的に更新する必要があります。歯と顔面骨の解剖学的多様性、特に頬顔面変形、X線濃度の違い、CBCTとDDIの解像度の違いにより、データ表現が損なわれる可能性があることを理解する必要があります。このABRプロトコルは、インプラントや歯周手術の事前設計や、コンピュータ支援顎矯正手術や歯列矯正治療のシミュレーションに適用できます。

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。

<table><tbody><tr><td>G*パワー&nbsp;</td><td>ハインリッヒ・ハイネ大学&auml;t, D?sseldorf, Germany</td><td>v. 3.1.9.7</td><td>サンプルサイズ計算ソフトウェア</td></tr><tr><td>Geomagic Qualify&reg;</td><td>3D Systems, Morrisville, NC, USA</td><td>v 2013</td><td>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, &nbsp;</td></tr><tr><td>KODAK 9500</td><td>Carestream Health Inc., Rochester, NY, USA</td><td>5159538</td><td>コーンビームコンピュータ断層撮影装置 (CBCT)</td></tr><tr><td>MD-ID0300</td><td>Medit Co, Seoul, South Korea Seoul, Korea</td><td>61010-1</td><td>Desktop model scanner&nbsp;</td></tr><tr><td>ON3D</td><td>3D ONS Inc., Seoul, Korea</td><td>v 1.3.0</td><td>3D 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</td></tr><tr><td>SPSS&nbsp;</td><td>IBM、アーモンク、ニューヨーク、米国</td><td>v 22.0&nbsp;</td><td>統計解析プログラム</td></tr></tbody></table>

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

Reliability of Artificial Intelligence-Based Cone Beam Computed Tomography Integration with Digital Dental Images

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。

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価した。すべてのデータは、SPSS 22.0ソフトウェアで統計的に分析されました。ランドマークの座標の信頼性を各ABR、SBR、およびそれらの間で分析し、クラス内相関(ICC)19を使用して再現性を評価しました。
R-/L-U6CPおよびR U1CPのx、y、およびz座標値のオブザーバー内信頼性は有意であり、それぞれABR(0.950 ≤ ICC ≤ 0.998)およびSBR(0.886 ≤ ICC ≤ 0.997)でほぼ完璧でした(表1)。ほとんどのランドマークにおけるy座標値とz座標値の信頼性の差は有意であり、SBRとABRの間でほぼ完全に一致していることが示されました。しかし、R-/L-U6CPとR U1CPのx座標値は、それぞれ中程度、平凡、低い一致を示し、有意ではなかった。
表2に示すように、反復積分によるすべての座標値の平均差は、各方法で有意差はありませんでした。これらのx座標の差は、ABRでは-0.005〜-0.098 mm、SBRでは-0.212〜0.013 mmの範囲でした。それらは、ABRのy座標で-0.084から-0.314mm、SBRで-0.007から0.084mmの範囲であり、ABRのz座標で-0.005から0.045mm、SBRの-0.567から0.074mmの範囲であった。しかし、ABRとSBRの1回目と2回目の登録の平均差には有意性はなかった。
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/66014/66014fig01.jpg"> 図1:頭蓋顔面モデルの向きを変える。これは、ランドマークパネルの[方向変更]ボタンをクリックして開始します。<a href="https://www.jove.com/files/ftp_upload/66014/66014fig01large.jpg" target="_blank">この図の拡大版を表示するには、ここをクリックしてください。</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/66014/66014fig02.jpg"> 図2:再構成された頭蓋顔面モデルの方向を変えるための5つの基本的なランドマーク、鼻、左右の眼窩、左右の孔。 この <a href="https://www.jove.com/files/ftp_upload/66014/66014fig02large.jpg" target="_blank">図の拡大版を見るには、ここをクリックしてください。</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/66014/66014fig03.jpg"> 図3:ランドマークと予備的な自動ランドマーク選択後の座標。ランドマークのレビューと変更は、[ボリューム]タブの[手動ランドマークピッキング]ボタンをクリックして<a href="https://www.jove.com/files/ftp_upload/66014/66014fig03large.jpg" target="_blank">行うことができます。</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/66014/66014fig04.jpg"> 図4:デジタル歯科画像と方向転換された頭蓋顔面モデルのマージの開始。これは、ツールパネルの歯列登録スキャンボタンをクリックして行います。<a href="https://www.jove.com/files/ftp_upload/66014/66014fig04large.jpg" target="_blank">この図の拡大版を見るには、ここをクリックしてください。</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/66014/66014fig05.jpg"> 図5:ロードされたデジタル歯科画像上の3つのレジストレーションランドマークの位置。 右上顎第一大臼歯の近心頬側尖(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の近心頬側尖(L U6CP)。これらのランドマークは、機械学習による自動化によって同時に調整されました。 <a href="https://www.jove.com/files/ftp_upload/66014/66014fig05large.jpg" target="_blank">この図の拡大版を見るには、ここをクリックしてください。</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/66014/66014fig06.jpg"> 図6:ロードされたデジタル歯科画像とCBCTの3つのレジストレーションランドマークの確認。 上顎第一大臼歯(R U6CP、L U6CP)の左右中心頬側尖と右上中央切歯中点(R U1CP)。 「はい 」ボタンをクリックすると、自動登録が行われます。略語:CBCT =コーンビームコンピューター断層撮影。 <a href="https://www.jove.com/files/ftp_upload/66014/66014fig06large.jpg" target="_blank">この図の拡大版を見るには、ここをクリックしてください。</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/66014/66014fig07.jpg"> 図7:デジタル歯科画像をマージした再構築された頭蓋顔面モデル。<a href="https://www.jove.com/files/ftp_upload/66014/66014fig07large.jpg" target="_blank">この図の拡大版を見るには、ここをクリックしてください。</a>
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/66014/66014fig08.jpg"> 図 8: マージの変更マージを変更する場合は、歯列登録パネルの[登録ランドマークの選択]ボタンをクリックします。<a href="https://www.jove.com/files/ftp_upload/66014/66014fig08large.jpg" target="_blank">この図の拡大版を見るには、ここをクリックしてください。</a>
<img alt="Figure 9" class="xfigimg" src="/files/ftp_upload/66014/66014fig09.jpg"> 図9:プログラムの基準面。 X面(水平)は、左右の軌道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(冠状)は、Nasion(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。 <a href="https://www.jove.com/files/ftp_upload/66014/66014fig09large.jpg" target="_blank">この図の拡大版を見るには、ここをクリックしてください。</a>
<img alt="Figure 10" class="xfigimg" src="/files/ftp_upload/66014/66014fig10.jpg"> 図10:上顎デジタル歯科画像の再構築されたCBCT画像の歯の部分への表面ベースのレジストレーション(A)マージ前と(B)マージ後。まず、上顎第一大臼歯の近心頬側尖とCBCTおよびDDIの中切歯の接触点を使用して、初期点を登録しました。その後、反復的最近接点アルゴリズムを使用して、より正確な積分を実現するためにサーフェスを登録しました。略語:CBCT =コーンビームコンピューター断層撮影;DDI = デジタル歯科画像。<a href="https://www.jove.com/files/ftp_upload/66014/66014fig10large.jpg" target="_blank">この図の拡大版を見るには、ここをクリックしてください。</a>
表1:各ABRとSBRおよびそれらの間で顔面CBCTとデジタル歯科画像を統合する場合の各ランドマークの3つの座標の信頼性。 *対応のあるt検定;†独立t検定。ICC &gt; 0.8/0.6/0.4/0.2 または ≤ 0.2 は、それぞれ非常に良い、良い、中程度、普通、または悪い一致の強さを表します。略語:CBCT =コーンビームコンピューター断層撮影;AI = 人工知能;ABR = AIベースの登録。SBR = サーフェスベースの登録。CI = 信頼区間ICC = クラス内係数。 <a href="https://www.jove.com/files/ftp_upload/66014/Table%201_revised.xlsx" target="_blank">この表をダウンロードするには、ここをクリックしてください。</a>
表2:ABRおよびSBRによる顔面CBCTとデジタル歯科画像の繰り返し登録による各ランドマークの3つの座標の平均差。 Δ(1st-2nd)、DDIおよびフェイシャルCBCT画像の1回目のレジストレーション(1回目)と2回目のレジストレーション(2回目)の間の各ランドマークのx、y、z座標の平均差。*対応のあるt検定;†独立 t 検定; イウィルコクソン符号順位検定。有意性は P &lt; 0.05に設定されました。略語:CBCT =コーンビームコンピューター断層撮影;AI = 人工知能;ABR = AIベースの登録。SBR = サーフェスベースの登録。SD = 標準偏差。 <a href="https://www.jove.com/files/ftp_upload/66014/Table%202_revised.xlsx" target="_blank">この表をダウンロードするには、ここをクリックしてください。</a>

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。

This study aimed to introduce cone-beam computed tomography (CBCT) digitization and integration of digital dental images (DDI) based on artificial ...

私たちの研究は、仮想頭を作成する上で避けられないCBCTとデジタル歯科画像の統合に焦点を当てています。これまでのところ、これら3つの画像は、表面ベースの最良のフィルム法をわずかに使用しています。本研究は、AIを活用したデジタル化に基づく新しい統合手法を導入し、その精度を評価することである。人工知能は、治療結果を予測し、補足的なX線写真やCPCT画像のランドマークをデジタル化するために使用されてきました。市販のソフトウェアもいくつかあります。このプログラムは、CPCTでランドマークをデジタル化し、歯科画像で手動で選択したランドマークをキャリブレーションする際に、AI支援の機械学習自動化を採用しています。内部観察者であるラボチームは、各方法で有意かつほぼ完全な効果を示しました。主な差は、各ABRとSBRの1回目と2回目の登録の間に有意な差は示さず、両方の方法間で有意な差は示されなかった。ただし、ABRの方がSBR法よりも範囲が狭かった。ABRプロトコルは精度を向上させただけでなく、マージ時間を大幅に短縮しました。SBR方式は3〜4分しかかかりませんでしたが、ABRプログラムではランドマークの選択に約50秒、DDIランドマークに40秒、CPCTとDDIのマージに2〜3秒しかかかりませんでした。

reliability-artificial-intelligence-based-cone-beam-computed

Research

JoVE Journal

Medicine

医学

精度は、歯科医療の主要な需要である。正確性を検証するために、リファレンス·スキャナが必要とされている。この記事では、高い真度と精度を有する歯科用の形態の多種多様なを取得するように調整スキャン方法を使用して新しい基準スキャナを提示します。...

歯科医学、真度と精度を測定するための新しい方法の精度

自家および同種骨移植片の移植は、主要な頭蓋顔面骨損失を治療するための受け入れられたアプローチを構成します。まだ血管新生、細胞分化及び骨形成の間で相互にグラフト組成物の効果は不明です。我々は、移植片近傍での血管新生骨形成の相互依存を解明することを目的としたマルチモーダルイメージングのプロトコルを提示します。...

コンピュータ断層撮影法と頭蓋骨自家移植と同種移植片の統合を評価するために、骨形成、血管新生のカップリングの光イメージング

ここでは、標準的な形状を持つ3Dプリントされた金属ファントムを持つ口腔内スキャナから取得した競技アーチデジタルインプレッションの各部分の歪みの程度を測定するプロトコルを提示する。...

光学歯科印象の完全アーチ歪みを測定する

ここでは、術後精度評価に関する研究間の均一性を生み出すために、下述のコンピュータ支援再構成のための実用的で実現可能で再現可能な評価ガイドラインを提案する。このプロトコルは継続して、この評価ガイドラインの以前の公開を指定します。...

コンピュータ支援型下述者再建のための術後評価ガイドライン

3次元(3D)仮想ハイブリッドモデルを作成するためのワークフローは、コーンビームコンピュータ断層撮影データセットと、X線画像セグメンテーション法と自由曲面表面モデリングを利用した口腔内光学スキャンに基づいて設計されています。デジタルモデルは、再建歯槽骨手術の仮想計画に使用されます。...

歯槽骨再建手術の仮想計画のためのデジタルハイブリッドモデル作成

動的コンピュータ支援インプラント手術(DCAIS)は、光学制御を使用して外科的テンプレートなしで実行される制御されたインプラント外科的埋入方法です。手術装置の動きと位置のリアルタイムの術中制御は、手順を簡素化し、外科医により多くの自由を与え、静的ナビゲーション方法と同様の精度を提供します。...

歯科インプラント埋入のための動的ナビゲーション

ダイナミックナビゲーションシステム(DNS)は、歯内アクセスキャビティの準備中にオペレーターにリアルタイムの視覚化とガイダンスを提供します。手順の計画には、コーンビームコンピューター断層撮影と表面スキャンを利用した3次元イメージングが必要です。計画データをDNSにエクスポートした後、最小限の侵入で空洞を準備できます。...

歯内療法におけるダイナミックナビゲーション:小型ナビゲーションシステムによるガイド付きアクセスキャビティ準備

ガイド付き歯内療法は、アクセスキャビティの準備のためのテンプレート支援アプローチについて説明しています。この手順では、テンプレートを生成するためにコーンビームコンピューター断層撮影と表面スキャンが必要です。組み込まれたスリーブがドリルをターゲットポイントにガイドします。これにより、石灰化した歯における低侵襲の歯内アクセス空洞の調製が可能になります。...

ガイド付き歯内療法:歯内アクセス虫歯の3次元計画とテンプレート支援準備

ここに提示されるのは、人間のコーンビームコンピュータ断層撮影スキャンを使用した3次元セファロ分析の実施のための詳細なプロトコルです。...

ヒューマンコーンビームコンピュータ断層撮影スキャンにおける3次元セファロランドマークアノテーションのデモンストレーション

この原稿では、歯列矯正学および歯顔面整形外科の貴重なツールであるデジタルモデル重ね合わせを使用して、クリアアライナーを備えた上顎後歯の3次元(3D)の動きを評価するための包括的なプロトコルを提示します。...

上顎後歯の動きの測定:口蓋と歯の重ね合わせを使用したモデル評価

学ぶAI支援のCBCTと歯科デジタル画像統合法。機械学習によるランドマーク自動認識と手動補正を組み合わせ、従来の表面ベース法より高い再現性と精度を実現。歯科画像診断の信頼性向上に貢献します。

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

さらに動画を探す