Niezawodność integracji tomografii komputerowej wiązki stożkowej opartej na sztucznej inteligencji z cyfrowymi obrazami stomatologicznymi
23 lutego 2024
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.
Nasze badania koncentrują się na integracji obrazów CBCT i antyrozproszonych, co jest nieuniknione przy tworzeniu wirtualnego kapelusza. Do tej pory te trzy obrazy są wyraźnie wykonane przy użyciu najlepszej metody filmowej, która jest oparta na powierzchni. Badania te mają na celu wprowadzenie nowej metody integracji opartej na digitalizacji wspomaganej przez sztuczną inteligencję oraz ocenę jej trafności.
Sztuczna inteligencja została wykorzystana do przewidywania wyników leczenia i digitalizacji punktów orientacyjnych na dodatkowych zdjęciach rentgenowskich lub obrazach CBCT. Dostępnych jest kilka komercyjnych programów. Ten program wykorzystuje wspomaganą sztuczną inteligencją automatyzację uczenia maszynowego w digitalizacji punktów orientacyjnych w CBCT, a także kalibracji ręcznie wybieranych punktów orientacyjnych na obrazach dentystycznych.
Praca międzyoperacyjna zespołu laboratoryjnego wykazała znaczące i prawie doskonałe ICC w każdej metodzie. Główna różnica nie wykazała istotnej między pierwszą a drugą rejestracją w każdym ABR i SBR pomiędzy obiema metodami. Ich zakresy były jednak niższe w przypadku ABR niż w przypadku metody SBR.
Protokół ABR nie tylko poprawił dokładność, ale także znacznie skrócił czas scalania. Podczas gdy metoda SBR zajmowała od trzech do czterech minut, program ABR potrzebował tylko około 50 sekund na wybór punktów orientacyjnych, 40 sekund na punkty orientacyjne DDI i dwie do trzech sekund na łączenie CBCT i DDI. Aby rozpocząć, uruchom oprogramowanie ON3D na komputerze, kliknij ikonę Załaduj plik DICOM, aby zaimportować pliki, wybierz dowolny plik DICOM i kliknij Otwórz.
Kliknij ikonę Zmiana orientacji w panelu Punkt orientacyjny. Następnie kliknij wycięcie w kształcie litery V kości czołowej w widoku 3D. Przewiń w górę i w dół widok strzałkowy, aby znaleźć najbardziej wysunięty do przodu punkt, a następnie kliknij punkt, w którym przedni szew nosowy styka się z kośćmi nosa i czołowymi.
Podobnie przewiń widok koronalny i kliknij, aby określić poziome położenie nasion. Następnie kliknij najniższy punkt na marginesie prawego konturu orbity. Następnie przewiń widok koronalny, aby znaleźć najniższy punkt na dolnym marginesie prawej orbity i kliknij.
Teraz w widoku strzałkowym kliknij najwyższy punkt prawej szczęki, który stanowi dolną granicę oczodołu. Przewiń widok osiowy, a następnie kliknij, aby wyrównać czerwony krzyżyk z punktem, w którym spotykają się krawędzie orbity oka. Kliknij najniższy punkt na marginesie lewego konturu oczodołu, a następnie naciśnij najwyższy punkt konturu prawego zewnętrznego przewodu słuchowego.
Kliknij najniższy punkt prawej kości skroniowej w widoku koronalnym, aby określić pozycję poziomą i pionową, dostosuj pionową i przednią pozycję tylną, klikając najwyższy punkt konturu prawego zewnętrznego przewodu słuchowego w widoku strzałkowym. Następnie przewiń przez widok osiowy do miejsca, w którym pojawia się zewnętrzny przewód słuchowy, a linia kości skroniowych znika, a następnie kliknij. Wybierz najbardziej nadrzędny punkt konturu lewego zewnętrznego przewodu słuchowego.
Teraz kliknij ikonę Gotowe, aby zakończyć reorientację zrekonstruowanego modelu twarzoczaszki. Następnie naciśnij ikonę Wstępne wybieranie punktów orientacyjnych w panelu Punkt orientacyjny. Naciśnij ikonę Wykonaj w panelu Wstępne wskazanie punktu orientacyjnego, aby automatycznie wybrać wstępne punkty orientacyjne.
Aby zmodyfikować punkty orientacyjne, naciśnij ikonę Ręczne wybieranie punktów orientacyjnych na karcie Głośność, a następnie dokonaj niezbędnych regulacji i naciśnij przycisk Gotowe, aby potwierdzić położenie punktów orientacyjnych. Naciśnij ikonę Rejestracja skanowania uzębienia w panelu Narzędzia. Następnie wybierz uzębienie szczęki i kliknij ikonę Załaduj w panelu Rejestracja uzębienia.
Teraz wybierz pliki STL tego samego pacjenta z modelem CBCT w folderze, aby załadować pliki STL uzębienia szczęki. Przełączaj niebieskie trójkątne strzałki w przód iw tył, aby wybrać guzki policzkowe prawej lewej szczęki, pierwszych zębów trzonowych i środkowego siekacza prawej szczęki jako punkty orientacyjne rejestracji. Na koniec naciśnij ikonę Gotowe w panelu rejestracji uzębienia i kliknij ikonę Tak, aby potwierdzić automatyczną rejestrację.
Aby scalić uzębienie żuchwy, wybierz uzębienie żuchwy i kliknij przycisk Załaduj w panelu Rejestracja uzębienia. Po wygenerowaniu plików STL wybierz mezjalny guzek policzkowy prawego lewego dolnego pierwszego trzonowca i prawego dolnego pierwszego siekacza jako punkty orientacyjne rejestracji. Teraz kliknij ikonę Wybierz punkt orientacyjny rejestracji w panelu Rejestracja uzębienia i naciśnij Potwierdź, aby zmodyfikować scalony model.
Aby uzyskać współrzędne 3D punktów orientacyjnych, kliknij ikonę Ręczne wybieranie punktów orientacyjnych na karcie Objętość lub kliknij kartę Analiza, aby uzyskać współrzędne 3D punktów orientacyjnych. Na koniec kliknij kartę Analiza i naciśnij panel Eksport danych, a następnie ikonę punktu orientacyjnego, aby wyeksportować dane jako plik.
Przegląd
Niniejsze badanie przedstawia nową metodę integrowania skanów tomografii komputerowej w wiązce stożkowej (CBCT) z cyfrowymi obrazami stomatologicznymi przy użyciu sztucznej inteligencji (AI). Podejście wspomagane przez AI koncentruje się na identyfikacji i łączeniu punktów orientacyjnych, wykazując wiarygodność i powtarzalność w porównaniu z tradycyjnymi metodami opartymi na powierzchniach.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Obrazowanie stomatologiczne
- Sztuczna inteligencja
Wstęp
- Integracja obrazowania CBCT i obrazów cyfrowych jest kluczowa dla dokładnych ocen stomatologicznych.
- Tradycyjne metody w dużym stopniu opierają się na technikach rejestracji powierzchniowej.
- Sztuczna inteligencja (AI) ma potencjał do zwiększenia dokładności cyfryzacji punktów orientacyjnych.
- Istnieje oprogramowanie komercyjne wykorzystujące AI w podobnych zastosowaniach.
Cel badania
- Wprowadzenie nowej metody integracji opartej na digitalizacji wspomaganej przez AI.
- Ocena dokładności tej nowej metody w porównaniu z istniejącymi technikami.
- Poprawa niezawodności identyfikacji punktów orientacyjnych w obrazowaniu stomatologicznym.
Zastosowane metody
- Uczenie maszynowe wspomagane przez AI do digitalizacji punktów orientacyjnych w obrazach CBCT.
- Ręczna kalibracja punktów orientacyjnych w cyfrowych obrazach stomatologicznych.
- Porównanie integracji opartej na AI z tradycyjnymi metodami opartymi na powierzchni.
- Ocena prognoz wyników leczenia z wykorzystaniem AI.
Główne wyniki
- Digitalizacja oparta na sztucznej inteligencji wykazuje wysoką niezawodność i powtarzalność.
- Metoda integracji przewyższa tradycyjną rejestrację opartą na powierzchniach.
- Techniki wspomagane przez AI mogą zwiększyć dokładność obrazowania stomatologicznego.
- Oprogramowanie komercyjne demonstruje praktyczne zastosowania przeprowadzonych badań.
Wnioski
- Metody wspomagane przez AI stanowią obiecującą alternatywę dla integracji obrazowania stomatologicznego.
- Przyszłe badania powinny skupić się na udoskonaleniu tych technik w celu ich szerszego zastosowania.
- Badanie podkreśla potencjał AI w usprawnianiu praktyk obrazowania stomatologicznego.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Niezawodna integracja obrazów CBCT i cyfrowych obrazów stomatologicznych z wykorzystaniem rejestracji opartej na AI usprawnia ilościowe procesy obrazowania w badaniach stomatologicznych i kraniofacjalnych. Poprawiona powtarzalność i zmniejszona zmienność operatora wspierają wyższą pewność predykcyjną w punkcie przejścia z obrazowania do analizy. Możliwość ta zapewnia bardziej wiarygodne dane dla późniejszego rozwoju modeli translacyjnych i przedklinicznych w badaniach i rozwoju biofarmaceutycznym.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Umożliwia precyzyjne mapowanie anatomiczne w celu walidacji celów terapeutycznych w oparciu o hipotezy w badaniach kraniomaksylarnych i stomatologicznych.
- Ogranicza błędy manualne przy identyfikacji punktów orientacyjnych, wspierając redukcję ryzyka mechanistycznego w przypadku punktów końcowych opartych na obrazowaniu.
- Zwiększa wiarygodność ilościowych danych obrazowych podczas wstępnej selekcji projektów w portfelu badawczym.
Przesiewanie i opracowywanie testów
- Ułatwia przygotowanie zestandaryzowanych, powtarzalnych zbiorów danych obrazowych do dalszej analizy.
- Wspiera opracowywanie testów poprzez zapewnienie spójnych, ilościowych wyników w postaci współrzędnych 3D.
- Umożliwia skalowalną integrację danych obrazowych na potrzeby badań przesiewowych i porównawczych.
Badania translacyjne i przedkliniczne
- Uzgadnia wyniki obrazowania ze strategiami translacyjnymi w zakresie biomarkerów w modelach stomatologicznych i kraniofacjalnych.
- Zapewnia ciągłość ilościowych danych obrazowania od etapu odkrycia po walidację przedkliniczną.
- Wspiera decyzje o dalszym rozwoju projektu w oparciu o analizę ryzyka poprzez redukcję zmienności punktów końcowych obrazowania.
Integracja potoku i przepływu pracy
Ta metoda integracji CBCT i DDI oparta na AI znajduje zastosowanie na styku akwizycji danych obrazowych i analizy ilościowej, wspierając procesy badawcze od wczesnego etapu odkryć po badania przedkliniczne.
- Biologia odkrywcza: Dostarcza powtarzalnych, ilościowych danych obrazowania do testowania hipotez i wyjaśniania szlaków sygnałowych.
- Przesiewanie: Zapewnia zestandaryzowane wyniki współrzędnych 3D w celu przygotowania testów i zapewnienia powtarzalności.
- Analityka: Umożliwia statystyczne porównanie warunków obrazowania z wykorzystaniem ICC oraz różnic współrzędnych.
- Badania translacyjne: Łączy dane obrazowania z walidacją modeli przedklinicznych w przypadkach wymagających precyzji anatomicznej.
- Ponowne wykorzystanie w przedsiębiorstwie: Oferuje skalowalny, niezależny od operatora przepływ pracy dla powtarzalnych zadań integracji obrazowania.
Wpływ operacyjny i przedsiębiorstwa
- Wartość naukowa: Zwiększa pewność predykcyjną i redukuje niejednoznaczność mechanistyczną w badaniach opartych na obrazowaniu.
- Wartość operacyjna: Standaryzuje i przyspiesza integrację obrazowania, redukując obciążenie pracą manualną oraz zmienność.
- Wartość strategiczna: Wspiera lepsze podejmowanie decyzji o kontynuacji lub przerwaniu badań (go/no-go) poprzez dostarczanie solidnych, powtarzalnych danych obrazowania.
- Wpływ na portfolio: Umożliwia priorytetyzację programów badawczych zależnych od obrazowania z uwzględnieniem analizy ryzyka.
Uwagi dotyczące wdrożenia
- Wymaga doświadczenia w obrazowaniu CBCT oraz cyfrowym przetwarzaniu obrazów stomatologicznych.
- Zależy od dostępu do oprogramowania do rejestracji opartego na sztucznej inteligencji oraz kompatybilnej infrastruktury analitycznej.
- Wymaga standaryzacji wyboru punktów orientacyjnych oraz protokołów eksportu danych pomiędzy zespołami.
- Może wymagać adaptacji dla różnych obszarów anatomicznych lub modalności obrazowania.
- Wydajność jest uzależniona od jakości obrazów wejściowych oraz widoczności punktów orientacyjnych.
