Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Niezawodność integracji tomografii komputerowej wiązki stożkowej opartej na sztucznej inteligencji z cyfrowymi obrazami stomatologicznymi

2.1K wyświetleń

⸱

DOI:

10.3791/66014

⸱

23 lutego 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

* These authors contributed equally

W tym artykule

Podsumowanie

Proces rejestracji skanów tomografii komputerowej wiązki stożkowej i cyfrowych obrazów stomatologicznych został przedstawiony przy użyciu wspomaganej sztuczną inteligencją (AI) identyfikacji punktów orientacyjnych i łączenia. Porównanie z rejestracją powierzchniową pokazuje, że digitalizacja i integracja oparta na sztucznej inteligencji jest niezawodna i powtarzalna.

Streszczenie

To badanie miało na celu wprowadzenie digitalizacji tomografii komputerowej wiązki stożkowej (CBCT) i integracji cyfrowych obrazów stomatologicznych (DDI) w oparciu o rejestrację opartą na sztucznej inteligencji (AI) (ABR) oraz ocenę wiarygodności i odtwarzalności przy użyciu tej metody w porównaniu z rejestracją powierzchniową (SBR). To retrospektywne badanie składało się z obrazów CBCT i DDI 17 pacjentów, którzy przeszli wspomaganą komputerowo chirurgię ortognatyczną dwuszczękową. Digitalizacja obrazów CBCT i ich integracja z DDI zostały powtórzone przy użyciu programu opartego na sztucznej inteligencji. Obrazy CBCT i DDI zostały zintegrowane za pomocą rejestracji punkt-punkt. Natomiast w przypadku metody SBR trzy punkty orientacyjne zostały zidentyfikowane ręcznie za pomocą CBCT i DDI, które zostały zintegrowane z iteracyjną metodą najbliższych punktów.

Po dwóch wielokrotnych integracjach każdej metody, uzyskano trójwymiarowe wartości współrzędnych pierwszych zębów trzonowych szczęki i siekaczy centralnych oraz ich różnice. Przeprowadzono testy współczynników wewnątrzklasowych (ICC) w celu oceny niezawodności wewnątrz obserwatora za pomocą współrzędnych każdej metody i porównania ich wiarygodności między ABR i SBR. Wiarygodność wewnątrz obserwatora wykazała znaczące i prawie doskonałe ICC w każdej z metod. Nie stwierdzono istotnej średniej różnicy między pierwszą i drugą rejestracją w każdym ABR i SBR oraz między obiema metodami; jednak ich zakresy były węższe w przypadku ABR niż w przypadku metody SBR. Badanie to pokazuje, że cyfryzacja i integracja oparta na sztucznej inteligencji są niezawodne i powtarzalne.

Wprowadzenie

Trójwymiarowa (3D) technologia cyfrowa poszerzyła zakres diagnostyki i planowania leczenia ortodontycznego lub chirurgiczno-ortodontycznego. Wirtualna głowa skonstruowana na podstawie obrazu tomografii komputerowej wiązki stożkowej twarzy (CBCT) może być używana do oceny nieprawidłowości zębowo-twarzowych i zębowych, planowania chirurgii ortognatycznej, wytwarzania wafli dentystycznych i szablonów chirurgicznych implantów przy użyciu komputerowego wspomagania projektowania i produkcji1,2,3,4. Jednak skany CBCT mają niską reprezentację uzębienia, w tym morfologię zębów i pokrewieństwo międzyzgryzowe, co wynika z ich ograniczonej rozdzielczości i artefaktów smug z odbudowy zębów lub zamków ortodontycznych5. W związku z tym cechy zębów zostały zastąpione na obrazach CBCT cyfrowymi obrazami stomatologicznymi (DDI), takimi jak zeskanowane odlewy lub obrazy skanów wewnątrzustnych.

Dla niezawodnej integracji DDI na obrazach CBCT, liczne badania opisywały różne metody, takie jak użycie znaczników referencyjnych6,7, voxel-based8, oraz rejestracje oparte na powierzchni (SBR)9,10. Procedury te mają swoje metody wykorzystania markerów zewnątrzustnych, wielokrotnych skanów CBCT i dodatkowych etapów procesu, takich jak czyszczenie metalowych artefaktów na obrazach CBCT. Jeśli chodzi o dokładność SBR, kilka poprzednich badań wykazało błędy w zakresie od 0,10 do 0,43 mm9,11. Ponadto Zou i wsp. ocenili wiarygodność i błędy między obserwatorami a ortodontą za pomocą SBR i zgłosili potrzebę doświadczenia klinicznego i wielokrotnego uczenia się10.

Sztuczna inteligencja (AI) została wykorzystana do przewidywania wyników leczenia12 i digitalizacji punktów orientacyjnych na cefalometrycznych zdjęciach rentgenowskich13 lub obrazach CBCT14,15,16, a obecnie dostępne jest oprogramowanie komercyjne, które pomaga w tym procesie17. Dokładna identyfikacja anatomicznych punktów orientacyjnych na obrazach 3D jest trudna ze względu na niejednoznaczność płaskich powierzchni lub zakrzywionych struktur, obszary o niskiej gęstości i dużą zmienność struktur anatomicznych.

Oparta na sztucznej inteligencji automatyzacja oparta na uczeniu maszynowym może być zastosowana nie tylko do digitalizacji, ale także do integracji DDI i CBCT zębowo-twarzowej. Istnieje jednak niewiele badań dotyczących dokładności rejestracji opartej na sztucznej inteligencji (ABR) w porównaniu z istniejącą metodą opartą na powierzchni. Aby osiągnąć dokładniejsze wyniki zmian 3D szkieletu i zębów za pomocą chirurgii ortognatycznej dwuszczękowej, konieczna jest ocena dokładności programów opartych na sztucznej inteligencji podczas łączenia CBCT i DDI. W związku z tym w niniejszym artykule przedstawiono krok po kroku protokół digitalizacji i integracji CBCT i DDI z rejestracją opartą na sztucznej inteligencji (ABR) oraz oceny jego niezawodności i odtwarzalności w porównaniu z SBR.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

To retrospektywne badanie zostało zrecenzowane i zatwierdzone przez Institutional Review Board of Seoul National University Bundang Hospital (B-2205-759-101) i było zgodne z zasadami Deklaracji Helsińskiej. W badaniu wykorzystano pliki Digital Imaging and Communications in Medicine (DICOM) z CBCT i DDI w formacie Standard Tessellation Language (STL) z odlewu dentystycznego. Konieczność uzyskania świadomej zgody została zniesiona ze względu na retrospektywny charakter badania.

1. Akwizycja CBCT i cyfrowych obrazów stomatologicznych (DDI)

  1. Wybieraj pacjentów na podstawie następujących kryteriów włączenia: wada zgryzu klasy III układu kostnego, chirurgia dwuszczękowa za pomocą planowania wspomaganego komputerowo oraz leczenie ortodontyczne za pomocą stałych aparatów krawędziowych.
  2. Wykluczyć pacjentów z zespołami twarzoczaszki, rozszczepem wargi/podniebienia lub brakiem pierwszych zębów trzonowych szczęki lub prawego siekacza centralnego.
  3. Uzyskaj skany CBCT o polu widzenia 200 mm x 180 mm, wielkości woksela 0,2 mm i warunkach ekspozycji 80 kVp, 15 mA i 10,8 s. Upewnij się, że pacjenci są w pozycji pionowej z zębami w maksymalnym naruszeniu. Zapisz skany jako pliki danych DICOM (Digital Imaging and Communications in Medicine).
  4. Pozyskaj DDI z odlewów kamieni dentystycznych lub bezpośredniego skanowania wewnątrzustnego i zapisz je w formacie standardowego języka teselacji (STL) jako oddzielne uzębienie szczęki i żuchwy.

2. Protokół rejestracji oparty na sztucznej inteligencji (ABR)

  1. Reorientacja i digitalizacja CBCT
    1. Otwórz oprogramowanie i kliknij przycisk Załaduj plik DICOM, aby zaimportować pliki CBCT DICOM do oprogramowania.
    2. Wybierz dowolny plik DICOM w folderze danych DICOM i kliknij przycisk open.
      UWAGA: Po załadowaniu plików DICOM oprogramowanie automatycznie rekonstruuje je do objętości twarzoczaszki CBCT.
    3. Kliknij przycisk Reorientation (Zmiana orientacji) w panelu Landmark (Punkt orientacyjny) (Rysunek 1).
    4. N (Nasion): kliknij wcięcie w kształcie litery V kości czołowej w widoku 3D (Rysunek 2). Natychmiast po kliknięciu zwróć uwagę, że niebieska kropka (aktywowana) zamienia się w czerwony krzyżyk, który pojawi się również w widoku osiowym, strzałkowym i koronalnym. Klikaj niebieskie trójkątne strzałki w przód i w tył, aby zidentyfikować punkt orientacyjny.
      1. W widoku strzałkowym przewiń kółko myszy w górę iw dół, aby znaleźć najbardziej wysunięty do przodu punkt, w którym szew czołowo-nosowy styka się z kośćmi nosowymi i czołowymi, a następnie kliknij, aby określić pionowe i przednio-tylne położenie punktu orientacyjnego.
      2. W widoku koronalnym przewiń kółko myszy w górę i w dół, aby znaleźć moment tuż przed zniknięciem kości nosowej, aby zapewnić najbardziej wysunięty do przodu punkt i kliknij, aby określić poziomą pozycję Nasion.
      3. W widoku osiowym dostosuj pozycję przednio-tylną, tak jak znajduje się w najbardziej wysuniętym do przodu punkcie.
    5. R Or (Orbitale): kliknij najniższy punkt na marginesie prawego konturu orbity w modelu 3D (Rysunek 2).
      1. W widoku koronalnym przewiń kółko myszy w górę i w dół, aby znaleźć najniższy punkt na dolnym marginesie prawej orbity i kliknij.
      2. W widoku strzałkowym kliknij najwyższy punkt prawej struktury szczęki lub kości jarzmowej, który stanowi dolną granicę oczodołu.
      3. W widoku osiowym przewiń mysz i kliknij tak, aby czerwony krzyżyk znalazł się w miejscu, w którym spotyka się krawędź oczodołu.
    6. L Or (Orbitale): kliknij najniższy punkt na marginesie lewego konturu orbity w modelu 3D (Rysunek 2) i zmodyfikuj punkt na trzech widokach, tak jak w procesie dla R Or.
    7. R Po (Porion): kliknij najwyższy punkt konturu prawego zewnętrznego przewodu słuchowego w modelu 3D (Rysunek 2).
      1. W widoku koronalnym kliknij najniższy punkt prawej kości skroniowej, aby określić położenie poziome i pionowe.
      2. W widoku strzałkowym kliknij najwyższy punkt konturu prawego zewnętrznego przewodu słuchowego, aby dostosować pozycję pionową i przednio-tylną.
      3. W widoku osiowym przewiń kółko myszy, aby kliknąć w miejscu, w którym pojawia się zewnętrzny przewód słuchowy, w którym znika linia kości skroniowej.
    8. L Po (Porion): kliknij najbardziej wysunięty punkt konturu lewego zewnętrznego przewodu słuchowego w modelu 3D (Rysunek 2) i zmodyfikuj punkt w trzech widokach wielopłaszczyznowych, tak jak w procesie dla R Po.
      UWAGA: Pięć podstawowych punktów orientacyjnych szkieletu, w tym Nasion, prawy i lewy orbitale oraz prawe i lewe piony w zrekonstruowanym modelu twarzoczaszki (Rysunek 2), jest teraz zidentyfikowanych.
    9. Kliknij przycisk Gotowe, aby zakończyć reorientację zrekonstruowanego modelu twarzoczaszki.
    10. Kliknij przycisk Wstępne wskazanie punktu orientacyjnego w panelu Punkt orientacyjny i wybierz grupę punktów orientacyjnych Dentition I.
      UWAGA: Charakterystyczne grupy podstawy czaszki, stawu skroniowo-żuchwowego, szkieletu szczęki, szkieletu żuchwy, uzębienia I i tkanki miękkiej są już wybrane do analizy twarzoczaszki.
    11. Kliknij przycisk Wykonaj w panelu Wstępne wybieranie punktów orientacyjnych i pozwól oprogramowaniu automatycznie wybrać wstępne punkty orientacyjne i określić ich współrzędne.
    12. Podczas modyfikowania punktów orientacyjnych naciśnij przycisk Ręczne wybieranie punktów orientacyjnych na karcie Głośność, dokonaj niezbędnych regulacji i kliknij przycisk Gotowe, aby potwierdzić (Rysunek 3).

3. Procedura łączenia DDI

  1. Kliknij przycisk Rejestracja skanowania uzębienia w panelu Narzędzia (Rysunek 4).
  2. Wybierz uzębienie szczęki i kliknij przycisk Załaduj w panelu Rejestracja uzębienia.
  3. Wybierz pliki STL tego samego pacjenta z modelem CBCT w folderze, aby załadować pliki STL uzębienia szczęki. Po otwarciu plików STL poszukaj DDI po prawej stronie ekranu i czterech widoków (3D, osiowy, strzałkowy i koronalny) CBCT po lewej stronie ekranu.
  4. Wybierz punkty orientacyjne rejestracji na załadowanym DDI: guzki mezjopoliczkowe pierwszego trzonowca prawej szczęki (R U6CP), punkt środkowy siekacza środkowego prawej szczęki na krawędzi siecznej (R U1CP) i guzek mezjopoliczkowy lewego pierwszego trzonowca szczęki (L U6CP) (Ryc. 5), przełączając niebieskie trójkątne strzałki w przód iw tył.
    UWAGA: Kliknij lewym przyciskiem myszy i przeciągnij myszą, aby obrócić DDI, a następnie kliknij prawym przyciskiem myszy i przeciągnij, aby powiększyć lub pomniejszyć. Punkty rejestracyjne są jednocześnie kalibrowane przez automatyzację opartą na uczeniu maszynowym po ręcznej digitalizacji.
  5. Kliknij przycisk Gotowe w panelu rejestracji uzębienia.
  6. Kliknij przycisk Tak, aby potwierdzić automatyczną rejestrację (Rysunek 6).
  7. W celu połączenia uzębienia żuchwy wybierz uzębienie żuchwy i kliknij przycisk Załaduj w panelu Rejestracja uzębienia. Powtórz kroki od 3.2 do 3.6. Wybierz punkty orientacyjne rejestracji na uzębieniu żuchwy: guzek mezjopoliczkowy prawego/lewego dolnego pierwszego trzonowca (R-/L- L6CP), prawy dolny punkt środkowy pierwszego siekacza na krawędzi siecznej (R L1CP).
  8. DDI jest teraz połączony ze zrekonstruowanym modelem CBCT (Rysunek 7).
    1. Podczas modyfikowania scalania kliknij przycisk Wybierz punkt orientacyjny rejestracji w panelu rejestracji uzębienia (Rysunek 8).

4. Uzyskiwanie wartości współrzędnych 3D (x, y i z) każdego punktu orientacyjnego

  1. Kliknij przycisk Ręczne wskazywanie punktów orientacyjnych na karcie Objętość lub kliknij kartę Analiza, aby uzyskać wartości współrzędnych 3D punktów orientacyjnych. W celu eksportu danych przejdź do zakładki analiza→panel eksportu danych i kliknij przycisk Punkt orientacyjny, aby zapisać dane jako plik.
    UWAGA: Płaszczyzna X (pozioma) to płaszczyzna, która przechodzi przez Nasiona, równolegle do płaszczyzny poziomej Frankfurtu (FH), która przechodzi przez lewy i prawy Orbitales oraz prawy Porion. Płaszczyzna Y (środkowa) jest prostopadła do płaszczyzny X, przechodząc przez Nasion i bazę. Płaszczyzna Z (czołowa) ustawia płaszczyznę prostopadłą do płaszczyzny poziomej i środkowej za pomocą Nasion (punkt zerowy; 0, 0 i 0) (Rysunek 9).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

W niniejszej pracy opisano proces integracji CBCT i DDI z wykorzystaniem programu opartego na sztucznej inteligencji (AI). Aby ocenić jego niezawodność i powtarzalność, przeprowadzono badanie porównawcze z rejestracją opartą na powierzchni (SBR). Po przeprowadzeniu analizy mocy przy korelacji ρ H1 = 0,77, α = 0,05 i mocy (1−β) = 0,80 ustalono, że wymagana minimalna wielkość próby wynosi dziesięć18. Zbadano łącznie 17 zestawów skanów CBCT i cyfrowych obrazów stomatologicznych pacjentów ortognatyczn...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Korzystając z przedstawionego protokołu, digitalizacja zabytków oraz integracja CBCT i DDI może być łatwo zrealizowana za pomocą oprogramowania do uczenia maszynowego. Protokół ten wymaga następujących krytycznych kroków: i) reorientacji głowy w badaniu CBCT, ii) digitalizacji CBCT i DDI oraz iii) połączenia obrazów CBCT z DDI. Digitalizacja pięciu punktów orientacyjnych dla reorientacji głowy ma kluczowe znaczenie, ponieważ określa pozycję 3D głowy z płaszczyznami odniesienia w obszarach przestrzennych. Trzy punkty orie...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy deklarują brak konfliktu interesów.

Podziękowania

To badanie było wspierane przez Fundusz Badawczy Szpitala Bundang w Seulu (SNUBH). (Grant nr 14-2019-0023).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
G*Moc Uniwersytet Heinricha Heinegoä t, D?sseldorf, Niemcyv. 3.1.9.7Oprogramowanie do obliczania wielkości próbki
Geomagic Qualify®3D Systems,
Morrisville, NC, USA		v 2013Funkcja metrologii 3D i oprogramowanie do automatyzacji,
, które przekształcają dane skanowania i sondy w 3D do wykorzystania w projektowaniu, produkcji i zastosowaniach metrologicznych 
KODAK 9500Carestream Health Inc., Rochester, NY, Stany Zjednoczone5159538Tomograf komputerowy wiązki stożkowej (CBCT)
MD-ID0300Medit Co, Seul, Korea Południowa
Seul, Korea		61010-1Skaner biurkowy 
ON3D3D ONS Inc.,
Seul, Korea		v 1.3.0Oprogramowanie do oceny CBCT 3D; Identyfikacja punktów orientacyjnych w oparciu o sztuczną inteligencję, analiza twarzoczaszki i stawu skroniowo-żuchwowego, nakładanie i wirtualna chirurgia ortognatyczna
SPSS IBM, Armonk, NY, Stany Zjednoczonev 22.0 Program do analizy statystycznej

Bibliografia

  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Stomatologia oparta na sztucznej inteligencjirejestracja oparta na SIrejestracja oparta na powierzchnicyfryzacja punktów orientacyjnychobrazowanie w chirurgii ortognatycznejanaliza współrzędnych 3Dintegracja obrazów stomatologicznychtestowanie współczynnika wewnątrzklasowego
Niezawodność integracji tomografii komputerowej wiązki stożkowej opartej na sztucznej inteligencji z cyfrowymi obrazami stomatologicznymi
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.