RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
ru_RU
Menu
Menu
Menu
Menu
A subscription to JoVE is required to view this content. Sign in or start your free trial.
Research Article
Ju-Heon Lee*1, Nam-Ki Lee*1, Bingshuang Zou2, Jae Hyun Park3,4, Tae-Hyun Choi1
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
Please note that some of the translations on this page are AI generated. Click here for the English version.
Erratum Notice
Important: There has been an erratum issued for this article. View Erratum Notice
Retraction Notice
The article Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology. View Retraction Notice
Процесс регистрации конусно-лучевых компьютерных томографических снимков и цифровых стоматологических изображений был представлен с использованием искусственного интеллекта (ИИ) идентификации ориентиров и объединения. Сравнение с поверхностной регистрацией показывает, что оцифровка и интеграция на основе ИИ надежны и воспроизводимы.
Это исследование было направлено на внедрение оцифровки конусно-лучевой компьютерной томографии (КЛКТ) и интеграцию цифровых стоматологических изображений (DDI) на основе регистрации на основе искусственного интеллекта (ИИ) (ABR), а также на оценку надежности и воспроизводимости использования этого метода по сравнению с поверхностной регистрацией (SBR). Это ретроспективное исследование состояло из изображений КЛКТ и DDI 17 пациентов, перенесших компьютерную бимаксиллярную ортогнатическую операцию. Оцифровка изображений КЛКТ и их интеграция с DDI были повторены с помощью программы на основе искусственного интеллекта. Изображения КЛКТ и DDI были интегрированы с помощью двухточечной регистрации. В отличие от метода SBR, три ориентира были идентифицированы вручную на CBCT и DDI, которые были интегрированы с итеративным методом ближайших точек.
После двух повторных интегрирований каждого метода были получены трехмерные значения координат первых верхнечелюстных моляров и центральных резцов и их различия. Тестирование внутриклассовых коэффициентов (ICC) было проведено для оценки надежности внутри наблюдателя с координатами каждого метода и сравнения их надежности между ABR и SBR. Внутринаблюдательная надежность показала значительный и почти идеальный ICC в каждом методе. Не было значимой разницы в средних значениях между первой и второй регистрациями в каждом ABR и SBR и между обоими методами; однако их диапазоны были уже при использовании ABR, чем при использовании метода SBR. Это исследование показывает, что оцифровка и интеграция на основе ИИ надежны и воспроизводимы.
Трехмерные (3D) цифровые технологии расширили область диагностики и планирования ортодонтического или хирургического ортодонтического лечения. Виртуальная голова, построенная на основе изображения лицевой конусно-лучевой компьютерной томографии (КЛКТ), может быть использована для оценки зубочелюстных и зубных аномалий, планирования ортогнатической хирургии, изготовления зубных пластин и хирургических шаблонов-имплантатов с использованием автоматизированного проектирования и производства 1,2,3,4. Однако КЛКТ-сканирование имеет низкую представленность зубного ряда, включая морфологию зубов и межокклюзионные отношения, что связано с их ограниченным разрешением и полосами артефактов от реставрации зубов или ортодонтических брекетов5. Таким образом, стоматологические особенности были заменены на изображениях КЛКТ цифровыми стоматологическими изображениями (DDI), такими как отсканированные слепки или изображения интраорального сканирования.
Для надежной интеграции DDI на изображениях КЛКТ в многочисленных исследованиях сообщалось о различных методах, таких как использование реперных маркеров 6,7, воксельных8 и поверхностных регистраций (SBR)9,10. Эти процедуры имеют свои методы использования экстраоральных маркеров, многократных КЛКТ-сканирований и дополнительных этапов процесса, таких как очистка металлических артефактов на изображениях КЛКТ. Что касается точности SBR, несколько предыдущих исследований сообщали о погрешности в диапазоне от 0,10 до 0,43 мм 9,11. Кроме того, Zou et al. оценили надежность внутри и между наблюдателями и ошибки между цифровым инженером и ортодонтом, использующим SBR, и сообщили о необходимости клинического опыта и повторного обучения.
Искусственный интеллект (ИИ) используется для прогнозирования результатов лечения12 и оцифровки ориентиров на цефалометрических рентгенограммах13 или изображениях КЛКТ 14,15,16, и в настоящее время доступно некоторое коммерческое программное обеспечение, помогающее в этом процессе17. Точная идентификация анатомических ориентиров на 3D-изображениях затруднена из-за неоднозначности плоских поверхностей или изогнутых структур, областей низкой плотности и широкой изменчивости анатомических структур.
Автоматизация на основе искусственного интеллекта с машинным обучением может применяться не только для оцифровки, но и для интеграции DDI и зубочелюстной КЛКТ. Однако существует мало исследований точности регистрации на основе ИИ (ABR) по сравнению с существующим поверхностным методом. Для достижения более точных результатов 3D-изменений скелета и зубов с помощью бимаксиллярной ортогнатической хирургии необходимо оценить точность программ на основе искусственного интеллекта при слиянии КЛКТ и DDI. Поэтому в данной статье представлен пошаговый протокол оцифровки и интеграции КЛКТ и DDI с регистрацией на основе ИИ (ABR) и оценки его надежности и воспроизводимости по сравнению с SBR.
Это ретроспективное исследование было рассмотрено и одобрено Институциональным наблюдательным советом больницы Бундан Сеульского национального университета (B-2205-759-101) и соответствовало принципам Хельсинкской декларации. В исследовании использовались файлы Digital Imaging and Communications in Medicine (DICOM) из CBCT и DDI в формате Standard Tessellation Language (STL) из слепка зубов. Необходимость информированного согласия была отменена из-за ретроспективного характера исследования.
1. Получение КЛКТ и цифровых стоматологических изображений (DDI)
2. Протокол регистрации на основе искусственного интеллекта (ABR)
3. Процедура слияния DDI
4. Получение значений 3D-координат (x, y и z) каждого ориентира
Здесь мы описали процесс интеграции CBCT и DDI с помощью программы на основе искусственного интеллекта. Для оценки его надежности и воспроизводимости было проведено сравнительное исследование с поверхностной регистрацией (SBR). Было определено, что после анализа мощности требуется минимальный размер выборки в десять человек при корреляции ρ H1 = 0,77, α = 0,05 и мощности (1−β) = 0,8018. Всего было изучено 17 наборов КЛКТ-сканирований и цифровых стоматологических изображений ортогнатических пациентов в больнице Бундан Сеульского национального университета с марта 2016 года по октябрь 2019 года. Все процессы SBR и ABR для одной и той же популяции были повторены дважды одним и тем же экспертом, ординатором-ортодонтом, который обучался идентификации ориентиров более 1,5 лет. SBR выполняли по протоколу, аналогичному протоколу некоторых предыдущих исследований 9,10 (рис. 10). Оценивались средние различия в значениях координат x, y и z R-/L-U6CP и R U1CP после повторных интеграций с каждой программой. Все данные были статистически проанализированы с помощью программного обеспечения SPSS 22.0. Достоверность координат ориентиров анализировалась в каждом ABR, SBR и между ними для оценки воспроизводимости с использованием внутриклассовой корреляции (ICC)19.
Внутринаблюдательная надежность значений координат x, y и z R-/L-U6CP и R U1CP была значительной и почти идеальной для ABR (0,950 ≤ ICC ≤ 0,998) и SBR (0,886 ≤ ICC ≤ 0,997) соответственно (табл. 1). Разница в надежности значений координат y и z в большинстве ориентиров была значительной и показала почти полное или существенное совпадение между SBR и ABR. Однако значения координат x R-/L-U6CP и R U1CP показали умеренное, посредственное и низкое совпадение соответственно и были незначительными.
Как показано в таблице 2, средние разности всех значений координат при повторных интегрированиях существенно не различались в каждом методе. Эти различия по координатам x варьировались от -0,005 до -0,098 мм для ABR и от -0,212 до 0,013 мм для SBR. Они варьировались от -0,084 до -0,314 мм по координатам y для ABR и от −0,007 до 0,084 мм для SBR, а также варьировались от -0,005 до 0,045 мм по координатам z для ABR и от −0,567 до 0,074 мм для SBR. Однако средняя разница между первой и второй регистрациями между ABR и SBR не была значимой.

Рисунок 1: Переориентация черепно-лицевой модели. Это запускается нажатием кнопки «Переориентация» на панели «Ориентир».

Рисунок 2: Пять основных ориентиров для переориентации реконструированной черепно-лицевой модели: назион, правая и левая орбитали, а также правая и левая порции.

Рисунок 3: Ориентиры и их координаты после предварительного автоматического выбора ориентиров. Обзор и изменение достопримечательностей можно сделать, нажав на кнопку «Ручной выбор достопримечательностей» на вкладке «Объем».

Рисунок 4: Начало слияния цифровых стоматологических изображений с переориентированной черепно-лицевой моделью. Это делается нажатием на кнопку «Регистрация сканирования зубного ряда » на панели «Инструменты». Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Рисунок 5: Расположение трех регистрационных ориентиров на загруженных цифровых стоматологических изображениях. Мезиобуккальные бугорки первого моляра правой верхней челюсти (R U6CP), средняя точка центрального резца правой верхней челюсти на краю резца (R U1CP) и мезиобуккальная бугорка первого моляра левой верхней челюсти (L U6CP). Эти ориентиры были одновременно откалиброваны с помощью автоматизации с машинным обучением. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Рисунок 6: Подтверждение трех регистрационных ориентиров на загруженных цифровых стоматологических изображениях и КЛКТ. Правый и левый мезиобуккальные бугорки первых моляров верхней челюсти (R U6CP, L U6CP) и правой верхней центральной средней точки резца (R U1CP). Нажатие на кнопку « Да » выполняет автоматическую регистрацию. Аббревиатура: КЛКТ = конусно-лучевая компьютерная томография. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Рисунок 7: Реконструированная черепно-лицевая модель объединена с цифровым изображением зубов.

Рисунок 8: Изменение слияния. При изменении объединения нажмите кнопку «Выбрать регистрационный ориентир» на панели «Регистрация зубного ряда». Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Рисунок 9: Опорные плоскости программы. X-плоскость (горизонтальная) — это плоскость, проходящая через Nasion, параллельно Франкфуртской горизонтальной плоскости (FH), которая проходит через левую и правую орбитальные и правую Porion. Y-плоскость (срединная сагиттальная) перпендикулярна плоскости X, проходя через Nasion и Basion. Z-плоскость (корональная) устанавливает плоскость перпендикулярно горизонтальной и среднесагиттальной плоскостям через Nasion (нулевая точка; 0, 0 и 0). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Рисунок 10: Поверхностная регистрация цифровых стоматологических изображений верхней челюсти в зубных частях реконструированных изображений КЛКТ. (A) До и (B) после слияния. Сначала начальные точки регистрировали с помощью мезиобуккальных бугорков первых моляров верхней челюсти и точки контакта центральных резцов в КЛКТ и ДДИ. Впоследствии поверхность была зарегистрирована для достижения более точного интегрирования с помощью итерационного алгоритма ближайших точек. Аббревиатура: КЛКТ = конусно-лучевая компьютерная томография; DDI = цифровые стоматологические изображения. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Таблица 1: Надежность в трех координатах каждого ориентира при интеграции лицевых КЛКТ и цифровых стоматологических изображений в каждом ABR и SBR и между ними. *парный t-критерий; † независимый t-критерий. ICC > 0,8/0,6/0,4/0,2 или ≤ 0,2 представляют собой очень хорошую, хорошую, умеренную, справедливую или плохую силу согласия соответственно. Сокращения: КЛКТ = конусно-лучевая компьютерная томография; ИИ = искусственный интеллект; ABR = регистрация на основе ИИ; SBR = наземная регистрация; ДИ = доверительный интервал; ICC= внутриклассовый коэффициент. Пожалуйста, нажмите здесь, чтобы загрузить эту таблицу.
Таблица 2: Средние различия в трех координатах каждого ориентира при повторной регистрации лицевых КЛКТ и цифровых стоматологических изображений с помощью ABR и SBR. Δ (1-2-я) — средняя разница в координатах x, y и z каждого ориентира между первой регистрацией (1-й) и второй регистрацией (2-й) изображений DDI и лицевой КЛКТ. *парный t-критерий; †независимый t-критерий ; ВУилкоксон Тест знакового ранга. Значимость была установлена на уровне P < 0,05. Сокращения: КЛКТ = конусно-лучевая компьютерная томография; ИИ = искусственный интеллект; ABR = регистрация на основе ИИ; SBR = наземная регистрация; S.D. = стандартное отклонение. Пожалуйста, нажмите здесь, чтобы загрузить эту таблицу.
Авторы заявляют об отсутствии конфликта интересов.
Процесс регистрации конусно-лучевых компьютерных томографических снимков и цифровых стоматологических изображений был представлен с использованием искусственного интеллекта (ИИ) идентификации ориентиров и объединения. Сравнение с поверхностной регистрацией показывает, что оцифровка и интеграция на основе ИИ надежны и воспроизводимы.
Это исследование было поддержано Исследовательским фондом больницы Бундан Сеульского национального университета (SNUBH). (Грант No 14-2019-0023).
| G*Power | Университет имени Генриха Гейнеä t, Дюссельдорф, Германия | v. 3.1.9.7 | Программное обеспечение для расчета размера выборки |
| Geomagic Qualify® | 3D Systems, Morrisville, NC, США | v 2013 | 3D-метрологическое программное обеспечение и программное обеспечение для автоматизации, которые преобразуют данные сканирования и зонда в 3D для использования в проектировании, производстве и метрологических приложениях |
| KODAK 9500 | Carestream Health Inc., Рочестер, Нью-Йорк, США | 5159538 | Конусно-лучевой компьютерный томограф (КЛКТ) |
| MD-ID0300 | Medit Co, Сеул, Южная Корея Сеул, Корея | 61010-1 | Настольная модель сканера |
| ON3D | 3D ONS Inc., Сеул, Корея | v 1.3.0 | Программное обеспечение для оценки 3D КЛКТ; Идентификация ориентиров на основе искусственного интеллекта, черепно-лицевой анализ и анализ ВНЧС, наложение и виртуальная ортогнатическая хирургия |
| SPSS | IBM, Армонк, Нью-Йорк, США | v 22.0 | Программа статистического анализа |