Надежность интеграции конусно-лучевой компьютерной томографии на основе искусственного интеллекта с цифровыми стоматологическими изображениями
23 февраля 2024 г.
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.
Наши исследования сосредоточены на интеграции КЛКТ и цифровых стоматологических изображений, что неизбежно при создании виртуальной головы. До сих пор эти три изображения незначительно использовали лучший метод пленки, который основан на поверхности. Это исследование направлено на внедрение нового метода интеграции, основанного на оцифровке с помощью искусственного интеллекта, и оценку его точности.
Искусственный интеллект используется для прогнозирования результатов лечения и оцифровки ориентиров на дополнительных рентгенограммах или изображениях CPCT. Существует несколько коммерческих программ. Эта программа использует автоматизацию машинного обучения с помощью искусственного интеллекта для оцифровки ориентиров в CPCT, а также калибровки выбранных вручную ориентиров на стоматологических изображениях.
Внутренний наблюдатель, команда лаборатории, показал значительный и почти полный эффект ICC в каждом методе. Основное различие между первой и второй регистрациями в каждом ABR и SBR и между обоими методами не было значительным. Однако диапазоны были ниже при ABR, чем при методе SBR.
Протокол ABR не только повысил точность, но и значительно сократил время слияния. В то время как метод SBR занимал от трех до четырех минут, программе ABR требовалось всего около 50 секунд для выбора ориентиров, 40 секунд для ориентиров DDI и две-три секунды для слияния CPCT и DDI.
Обзор
В данном исследовании представлен новый метод интеграции снимков конусно-лучевой компьютерной томографии (КЛКТ) с цифровыми стоматологическими изображениями с помощью искусственного интеллекта (ИИ). Подход с использованием ИИ сосредоточен на идентификации и совмещении ориентиров, демонстрируя надежность и воспроизводимость по сравнению с традиционными методами, основанными на анализе поверхности.
Основные компоненты исследования
Область науки
- Нейробиология
- Стоматологическая визуализация
- Искусственный интеллект
Теоретические основы
- Интеграция КЛКТ и цифровых изображений имеет решающее значение для точной стоматологической оценки.
- Традиционные методы в значительной степени опираются на методы регистрации по поверхности.
- ИИ обладает потенциалом для повышения точности оцифровки ориентиров.
- Существует коммерческое программное обеспечение, использующее ИИ для аналогичных целей.
Цель исследования
- Представить новый метод интеграции, основанный на оцифровке с помощью ИИ.
- Оценить точность этого нового метода по сравнению с существующими методиками.
- Повысить надежность идентификации анатомических ориентиров при стоматологической визуализации.
Используемые методы
- Машинное обучение с применением ИИ для оцифровки ориентиров на изображениях КЛКТ.
- Ручная калибровка ориентиров на цифровых стоматологических изображениях.
- Сравнение интеграции на основе ИИ с традиционными методами на основе поверхностей.
- Оценка прогнозов результатов лечения с использованием ИИ.
Основные результаты
- Оцифровка на основе ИИ демонстрирует высокую надежность и воспроизводимость.
- Метод интеграции превосходит традиционную регистрацию по поверхности.
- Методы с применением ИИ позволяют повысить точность стоматологической визуализации.
- Коммерческое программное обеспечение демонстрирует практическую применимость данного исследования.
Выводы
- Методы с применением ИИ представляют собой перспективную альтернативу для интеграции стоматологических изображений.
- Будущие исследования должны быть сосредоточены на совершенствовании этих методов для более широкого применения.
- Исследование подчеркивает потенциал ИИ в улучшении практики стоматологической визуализации.
Часто задаваемые вопросы
Значимость для промышленности
Надежная интеграция КЛКТ и цифровых стоматологических изображений с помощью регистрации на основе ИИ расширяет возможности количественного анализа изображений в стоматологических и краниофациальных исследованиях. Повышенная воспроизводимость и снижение вариабельности оператора обеспечивают более высокую прогностическую достоверность на этапе перехода от визуализации к анализу. Эта возможность позволяет получать более надежные данные для последующей разработки трансляционных и доклинических моделей в биофармацевтических исследованиях и разработках.
Стратегическое применение в биофармацевтических исследованиях и разработках
Ранний поиск и валидация мишени
- Обеспечивает точное анатомическое картирование для проверки гипотез при валидации мишеней в краниофациальных и стоматологических исследованиях.
- Снижает вероятность ручных ошибок при определении ориентиров, что способствует механистическому снижению рисков при оценке конечных точек на основе визуализации.
- Повышает достоверность количественных данных визуализации для сортировки портфеля проектов на ранних стадиях.
Скрининг и разработка анализа
- Облегчает подготовку стандартизированных, воспроизводимых наборов данных визуализации для последующего анализа.
- Поддерживает разработку анализа, обеспечивая получение согласованных количественных выходных данных в виде 3D-координат.
- Обеспечивает масштабируемую интеграцию данных визуализации для скрининга и сравнительных исследований.
Трансляционные и доклинические исследования
- Обеспечивает согласованность результатов визуализации со стратегиями трансляционных биомаркеров в стоматологических и краниофациальных моделях.
- Обеспечивает непрерывность количественных данных визуализации на этапах от первичного поиска до доклинической валидации.
- Поддерживает принятие обоснованных решений о продвижении проекта с учетом рисков за счет снижения вариабельности конечных точек визуализации.
Интеграция конвейера и рабочего процесса
Данный метод интеграции CBCT и DDI на базе ИИ применяется на этапе между сбором данных визуализации и количественным анализом, обеспечивая поддержку рабочих процессов от ранних стадий поиска до доклинических исследований.
- Открывательная биология: обеспечивает воспроизводимые количественные данные визуализации для проверки гипотез и уточнения путей передачи сигнала.
- Скрининг: предоставляет стандартизированные выходные данные в виде 3D-координат для обеспечения готовности анализа и его воспроизводимости.
- Аналитика: позволяет проводить статистическое сравнение условий визуализации с использованием ICC и разницы координат.
- Трансляционные исследования: связывает данные визуализации с валидацией доклинических моделей в случаях, когда требуется анатомическая точность.
- Корпоративное повторное использование: предлагает масштабируемый, независимый от оператора рабочий процесс для повторяющихся задач по интеграции визуализации.
Операционное и корпоративное влияние
- Научная ценность: повышает достоверность прогнозов и уменьшает механистическую неоднозначность в исследованиях, основанных на методах визуализации.
- Операционная ценность: стандартизирует и ускоряет интеграцию методов визуализации, снижая объем ручного труда и вариабельность результатов.
- Стратегическая ценность: способствует принятию более обоснованных решений о целесообразности дальнейшего продолжения работ («go/no-go») за счет предоставления надежных и воспроизводимых данных визуализации.
- Влияние на портфель проектов: позволяет осуществлять приоритизацию исследовательских программ, зависящих от методов визуализации, с учетом оценки рисков.
Особенности реализации
- Требуется опыт работы с КЛКТ-визуализацией и цифровой обработкой стоматологических изображений.
- Зависит от наличия программного обеспечения для совмещения изображений на базе ИИ и совместимой аналитической инфраструктуры.
- Требуется межкомандная стандартизация протоколов выбора ориентиров и экспорта данных.
- Может потребоваться адаптация для различных анатомических областей или методов визуализации.
- Эффективность зависит от качества исходных изображений и видимости ориентиров.
