Summary

Halvautomatisk planimetrisk kvantifiering av tandplack med hjälp av en intraoral fluorescenskamera

Published: January 27, 2023
doi:

Summary

Denna studie presenterar en halvautomatiserad digital bildanalysprocedur för planimetrisk kvantifiering av avslöjad tandplack baserat på bilder som förvärvats med en intraoral fluorescenskamera. Metoden möjliggör snabb och tillförlitlig kvantifiering av tandplack i forskningsmiljön.

Abstract

Plackackumulering kvantifieras med hjälp av kliniska index eller, annars, det planimetriska plackindexet (PPI), som mäter den relativa ytan av en tand som täcks av plackavlagringar. Jämfört med kliniska index har PPI en högre diskriminerande effekt, men traditionell planimetri är en tidskrävande analys, eftersom de placktäckta och rena tandområdena måste bestämmas manuellt för varje bild med hjälp av bildbehandlingsprogram. Här presenterar vi en metod för halvautomatisk planimetrisk kvantifiering av tandplack, vilket möjliggör snabb bearbetning av upp till 1 000 bilder samtidigt. Metoden utnyttjar den förbättrade kontrasten mellan exponerad plack, ljudtandytor och mjuka vävnader i fluorescensbilder som förvärvats med en intraoral kamera. Noggrant utförande av de kliniska procedurerna och noggrann bildinsamling är avgörande steg för framgångsrik halvautomatisk identifiering av de placktäckta områdena. Metoden är lämplig för planimetri på sunda ansikts- och muntandytor, på de flesta komposithartsrestaureringar och på tänder med tandreglering, men inte på metalliska restaureringar. Jämfört med traditionella PPI-inspelningar minskar halvautomatiserad planimetri avsevärt den tid som spenderas på analysen, liksom den subjektiva mänskliga inmatningen, vilket ökar reproducerbarheten av planimetriska mätningar.

Introduction

Kvantifieringen av tandplack i forskningsmiljön utförs antingen med hjälp av kliniska index eller annars genom registrering av planimetriskt plackindex (PPI)1. Kliniska index, såsom Turesky-modifierade Quigley-Hein-plackindex, förlitar sig på den visuella bedömningen av placktäckning av en operatör och den efterföljande tilldelningen av en poäng på en ordinal skala2. Medan poängsättningen är snabb kräver användningen av kliniska index mödosam kalibrering mellan examinatorer och intraexaminatorer, och betyget lider alltid av en viss grad av subjektivitet 3,4,5. Eftersom antalet poäng är begränsat kan det dessutom hända att kliniska index inte upptäcker relevanta skillnader i placktäckning6.

För planimetriska inspelningar bestäms omfattningen av placktäckning på digitala bilder genom att dividera det placktäckta området med tandytans totala yta7. Användningen av en kontinuerlig skala ökar noggrannheten och visar hög diskriminerande kraft i statistisk analys 8,9,10. Dessutom kan man hävda att planimetri är mindre subjektiv, eftersom indexet beräknas och inte uppskattas av granskaren11. Traditionellt har placktäckta och totala tandområden bestämts manuellt för PPI-inspelningar genom att rita intressanta regioner i varje bild med hjälp av bildbehandlingsprogram 7,12. Följaktligen var planimetrisk analys tidigare mycket tidskrävande, vilket minskade dess tillämplighet för större kliniska studier6.

På traditionella vita ljusbilder är kontrasten mellan placktäckta områden, rena tandområden och de omgivande vävnaderna svag, och därmed hämmas automatiserad bildbehandling, som vanligtvis bygger på intensitetsbaserad detektering av föremål, allvarligt13,14. Bilder som förvärvas med en fluorescenskamera visar en signifikant förbättrad kontrast mellan avslöjad plack, rena tänder som autofluorescerar starkt i det gröna spektrumet och icke-fluorescerande mjukvävnader1.

Här presenterar vi en metod för halvautomatiserad planimetri som kraftigt minskar tiden för bildanalys jämfört med traditionella PPI-inspelningar. Metoden använder standardavgivningsprocedurer, en kommersiellt tillgänglig fluorescenskamera och ett bildanalysprogram. De parametrar som är viktiga för bildinsamling och bildanalys, liksom typiska misstag och begränsningar av metoden, diskuteras.

Protocol

Studien godkändes av Region Midtjyllands etiska kommitté (1-10-72-259-21) och genomfördes i enlighet med Helsingforsdeklarationen och dess ändringar. 1. Tillverkning av en skräddarsydd distans (tillval) OBS: En skräddarsydd 3D-tryckt distans kan användas under bildinsamling för att standardisera placeringen av kamerahuvudet. Distansen är inte obligatorisk för registrering av fluorescensbilderna. Design av distansenDesigna en distans som passar kamerahuvudet på den intraorala fluorescenskameran. För att göra det, utför en skanning av kamerahuvudet med en digital skanner. Importera skanningen till dedikerad programvara. Designa distansen så att den passar kamerahuvudet med önskad morfologi och positioneringsavstånd till kamerahuvudet (dvs. 4 mm). Exportera som en STL-fil (ett exempel på en design bifogas som tilläggsfil S1). Additiv tillverkning av distansenÖppna den skrivarassocierade programvaran för additiv tillverkning och välj de grundläggande inställningarna. Klicka på Skrivare | Välj tillgänglig 3D-skrivare | Nästa | Form: Klar | Nästa | Utskriftsläge: 50 mikron | Nästa | Byggstil: Standard | Nästa. Importera STL-filen genom att klicka på Arkiv | Import | Välj STL-filen | Öppet. Definiera distansens position på utskriftsplattformen; klicka på Transformera och dra distansen till ett hörn av plattformen så nära plattformens yta som möjligt. För att skriva ut ytterligare distanser, klicka på Kopiera | Linjärt mönster. Justera antalet och avståndet för att passa ytterligare objekt till utskriftsplattformen och klicka på Ställ in. För att designa stödet för objekten, klicka på Smart support | Stil: Allmänt | Generera | Typ: Gate | Skapa support. Skicka utskriftsjobbet till 3D-skrivaren. Klicka på Lägg till i kö. Programvaran utför automatiskt en kvalitetskontroll av STL-filen för att identifiera fel när du lägger till i kön. Klicka sedan på Lägg till i kö | Jobbnamn | F4X | Lägg till i kö. Montera en ren utskriftsplattform på 3D-skrivaren och lägg till ett lämpligt harts. Klicka på Starta jobb och skanna hartsets QR-kod. Kontrollera att utskriftsplattformen är tom och ren, att hartsfacket är fullt och att hartset har rörts om innan det tillsattes. Klicka på Starta jobb. När utskriftsjobbet är klart tar du bort distanserna från utskriftsplattformen. Rengör distanserna i ett ultraljudsbad med isopropanol i 3 minuter. Upprepa rengöringen med färsk isopropanol. Lufttorka distanserna. Säkra den totala polymerisationen av materialet genom att polymerisera distanserna i en efterhärdande ugn i 10 minuter. Ta bort stödmaterialet och färga distanserna för att förhindra att ljus tränger igenom materialet. 2. Plakplåtning och bildförvärv Montera den skräddarsydda distansen på fluorescenskameran (tillval). Anslut intraoralkameran till en dator och öppna kamerans programvara. Klicka på Patient | Ny patient för att skapa patienten i systemet. Fyll i patientinformationen. Klicka på Patient | Spara för att spara patientdata. Klicka på Video. Den intraorala kameran är nu klar att användas. Dämpa rumsbelysningen. Applicera ett rött avslöjande färgämne (dvs 5% erytrosin) med en bomullspellet på tandytorna av intresse för att avslöja placket. Instruera patienten att skölja med vatten i 10 s för att avlägsna överskott av färgämne. Ta bort eventuell tandköttsfläck med en bomullspellet. Lufttorka varje tand i 3 sekunder. Placera den intraorala kameran i ett horisontellt läge framför tanden av intresse, med distansen vidrör tandköttet / intilliggande tänder. Hämta fluorescensbilden genom att trycka på kameraknappen.OBS: Se till att hela tandytan av intresse är i fokus och fångad i bilden utan att inkludera antagonist eller kontralaterala tandytor. Upprepa steg 2.4-2.6 för alla tänder av intresse. Markera alla bilder i kamerans programvara. Klicka på Spara bilder/videor i menyn.OBS: Se till att bilderna sparas i “plaque”-mode och inte i “caries”-läge. Symbolen P/C i menyn indikerar aktuellt läge. Om du vill exportera bilderna går du till visningsprogrammet. Välj de bilder som ska exporteras. Klicka på Arkiv | Exportera (spara som…) | Alla bilder av patienten för att exportera bilderna. I exportfönstret väljer du följande inställningar: Läge: Standard | Exportväg: Välj önskad mapp | Val av bildtyp: Markera den vänstra rutan | Bildtillstånd: Ursprungliga data. Expandera exportfönstret för att visa fler alternativ. Välj följande: Filnamnet innehåller: Kortnummer ELLER Användarinmatning ELLER Patientnamn | Format: TIF. Klicka på OK för att exportera bilderna.Du kan också ställa in en automatisk filexport före avbildning. Klicka på Alternativ | Visa konfiguration | Moduler | Tittare | Exportera/E-post | Alternativ för export | Läge: Autoexport | Exportväg: Välj önskad mapp | Bildtillstånd: Ursprungliga data. Välj följande: Filnamnet innehåller: Kortnummer ELLER Användarinmatning ELLER Patientnamn | Format: TIF. Klicka på OK för att ställa in standardexportinställningarna. När den automatiska filexporten ställs in exporteras bilderna automatiskt när de sparas (steg 2.8). 3. Digital bildanalys OBS: Den digitala bildanalysen kan utföras när som helst efter bildförvärvet. Batcher med upp till 1 000 fluorescensbilder kan bearbetas parallellt. Om analysen av stora bildbatcher överskrider beräkningskraften kan bildstorleken minskas före analysen. Kvantifiering av den totala tandareanByt namn på alla bilder med sekventiella indexnummer (dvs. Planimetry_001, Planimetry_002,…). Importera fluorescensbildserien till ett dedikerat bildanalysprogram (dvs. Daime15) i röd-grön-blått (RGB) läge genom att klicka på Arkiv | Importera bilder | Importera som färg. Utför en tröskelbaserad segmentering av bildserien genom att klicka på Segment | Automatisk segmentering | Anpassad tröskel. Ställ in tröskeln “Låg” över intensiteten hos de orala mjukvävnaderna (dvs 80). Lämna tröskeln “Hög” vid 255. Således känns endast tänderna (både rena och placktäckta områden) som objekt i programvaran. Klicka på Apply | OK | Segment! för att initiera segmenteringen. Öppna visualiseraren genom att dubbelklicka på namnet på bildserien. Ange objektredigeraren (OBJ). Utför en visuell kvalitetskontroll av de segmenterade bilderna och ta bort artefakter genom att avvisa och ta bort sådana objekt. Sammanfoga de återstående objekten i alla bilder (I alla bilder | Sammanfoga markerade objekt). Nu finns det ett objekt per bild. Kvantifiera den totala tandarean i varje bild (Analys | Mäta objekt | Rensa alla | pixlar). Exportera data. Kvantifiering av de placktäckta områdenaImportera fluorescensbildserien igen till programvaran, den här gången med delade röda, gröna och blå färgkanaler (Arkiv | Importera bilder | Importera som grått). Stäng de blå kanalbilderna. Överför objektlagret från RGB-bilderna till de röda kanalbilderna (Segment | Överför objektlager). Ta bort pixlar som inte är objekt i de röda kanalbilderna med hjälp av objektredigeraren (I alla bilder | Ta bort pixlar som inte är objekt (voxels)). Mjuka vävnader tas nu bort från bilderna. För att förbättra kontrasten mellan placktäckta och rena tandområden, multiplicera den röda kanalens bildserie med en faktor två (Redigera | Bildkalkylator | Multiplikation | Parametrar: Faktor 2,00 | Ansök | OK). Om du vill ta bort rena tandområden från bilderna subtraherar du bildserien med grön kanal från bildserien med den förbättrade röda kanalen (Redigera | Bildkalkylator | Andra operandbilder: Planimetry_green | Subtraktion | Ansök | OK). För att identifiera de placktäckta områdena på tänderna, utför en tröskelbaserad segmentering av den resulterande bildserien (Segment | Automatisk segmentering | Anpassat tröskelvärde). Ställ in tröskeln “Låg” över intensiteten hos de rena tandområdena (dvs. 80). Lämna tröskeln “Hög” vid 255. Endast placktäckta områden känns igen som objekt i programvaran. Klicka på Apply | OK | Segment! för att initiera segmenteringen. Utför en visuell kvalitetskontroll av de segmenterade bilderna i objektredigeraren och ta bort artefakter genom att avvisa och ta bort sådana objekt. Sammanfoga de återstående objekten i alla bilder (I alla bilder | Sammanfoga markerade objekt). Kvantifiera det placktäckta området i varje bild (Analys | Mäta objekt | Rensa alla | pixlar). Exportera data. Öppna de exporterade datatabellerna i en särskild programvara. Beräkna PPI enligt ekvation (1):Ekvation (1)

Representative Results

Den presenterade metoden möjliggör snabb, halvautomatisk planimetrisk kvantifiering av placktäckta områden på tänderna (figur 1). Plackavlagringar visualiseras av erytrosin, medan rena tandområden såväl som den förvärvade pellikelen lämnas ofärgade16 (figur 2A). När bilder tas med en fluorescenskamera förbättras kontrasten mellan de rena tandområdena, placktäckta områdena och omgivande mjukvävnader avsevärt (figur 2B, C). Fluorescenskameran arbetar med två detekteringsfönster, ett i grönt och ett i det röda spektrumet. Jämfört med de rena tandområdena verkar de placktäckta områdena något ljusare i den röda kanalen (figur 2D, E). I den gröna kanalen maskeras tandens autofluorescens avsevärt i de placktäckta områdena (figur 2F). Denna maskeringseffekt utnyttjas under bildanalys, när de gröna kanalbilderna subtraheras från de röda kanalbilderna (figur 2G). Den starka kontrasten mellan de rena och placktäckta områdena i de resulterande bilderna (figur 2H) möjliggör en intensitetströskelbaserad, halvautomatisk bestämning av PPI. Upp till 1 000 fluorescensbilder kan bearbetas samtidigt. En skräddarsydd 3D-tryckt distans kan användas för att förbättra den standardiserade placeringen av kamerahuvudet på ett identiskt avstånd från tanden av intresse. Distansen skyddar också tanden från omgivande ljus och förbättrar därmed kontrasten mellan den avslöjade placken, rena tandområden och omgivande mjuka vävnader i de förvärvade bilderna. Distansen monteras på kamerahuvudet med hjälp av tre fästelement (figur 3). Den beskrivna metoden kan användas för planimetriska registreringar av supragingival plack och kalkyl på både ansikts- och muntandytor (figur 4A-D). Beroende på tandbågens krökning kan det vara svårt att placera distansen i nära kontakt med tandköttet och därmed hålla samma avstånd mellan kamerahuvudet och tanden. Eftersom plackområdets täckning bestäms i förhållande till den totala tandarean är det osannolikt att sådana skillnader påverkar PPI-inspelningarna. Olika tandfärgade material fluorescerar i det gröna spektrumet med varierande intensitet17,18,19. Därför kan PPI vanligtvis bestämmas med standardbildanalysalgoritmen på tänder med glasjonomercement och komposithartsrestaureringar (figur 4E-H). Däremot avger amalgam- och gjutrestaureringar vanligtvis svagt i både de röda och de gröna kanalerna, och det är därför inte möjligt att bestämma placktäckningen på sådana ytor (figur 4I, J). Detsamma gäller för metalliska ortodontiska fästen, men eftersom konsolytan vanligtvis utesluts från PPI-inspelningar är halvautomatisk planimetri lämplig för ortodontiska patienter (figur 4K, L). Den framgångsrika halvautomatiska identifieringen av placktäckta områden på fluorescensbilder är starkt beroende av noggrant utförande av alla steg i den kliniska proceduren. Om för mycket omgivande ljus kommer in i bilderna ökar ljusstyrkan på bakgrunden i den röda kanalen, vilket gör det svårt att skilja mellan tänderna och mjukvävnaderna (figur 5A, B). Därför måste rumsbelysningen dämpas under bildtagningen. Om patienten inte öppnar munnen tillräckligt under bildtagningen kan antagonisttänder avbildas tillsammans med tanden av intresse och hindra den halvautomatiska behandlingen (figur 5C). När planimetri utförs på premolarer eller molarer är korrekt vinkling av kameran viktig för att undvika att avbilda delar av ocklusala ytan (figur 5D, E). När plackavlagringarna har avslöjats bör operatören omedelbart gå vidare till bildförvärvet. Annars kan erytrosinet tvättas ut och kontrasten mellan de placktäckta och rena tandområdena kan bli för svag. I vissa fall kan dock den avslöjande lösningen kraftigt fläcka tandköttet och fläcken kanske inte avlägsnas under följande sköljning (figur 5F). För att undvika en överskattning av det placktäckta området kan fläcken minskas genom en extra sköljning eller genom försiktig torkning av tandköttet med en bomullspellet. Figur 1: Arbetsflöde för halvautomatisk kvantifiering av placktäckning på tandytor. Förkortning: PPI = planimetrisk plackindex. Klicka här för att se en större version av denna figur. Figur 2: Procedur för analys av digitala bilder. (A) Bild av exponerad plack i vitt ljus (tand 26, ansiktsaspekt). (B) Motsvarande bild som tagits med en fluorescenskamera (röd-grön-blå [RGB]-läge). Observera den förbättrade kontrasten mellan de placktäckta och rena tandområdena. (C) Den totala tandytan, markerad med den orange konturen, identifieras genom intensitetströskelbaserad segmentering. (D) Objektlagret från RGB-bilden överförs till den röda kanalbilden (orange kontur) och pixlarna som inte är objekt (bakgrund, mjuka vävnader) raderas. (E) Ljusstyrkan på de röda kanalbilderna förbättras med en faktor två. (F) Den gröna kanalbilden. Observera den minskade autofluorescensen i de placktäckta områdena. (G) Efter att den gröna kanalbilden (F) har dragits bort från den modifierade röda kanalbilden (E) är kontrasten mellan de placktäckta områdena och rena tandområden uppenbar. (H) Efter intensitetströskelbaserad segmentering identifieras de placktäckta områdena som objekt (orange kontur) och det planimetriska plackindexet (PPI) kan beräknas (PPI = 81,6%). Klicka här för att se en större version av denna figur. Figur 3: Specialtillverkad distans. En skräddarsydd distans sedd från (A) framsidan, (B) sidan och (C) baksidan. (D) Fluorescenskamera med monterad distans (orange kontur). Klicka här för att se en större version av denna figur. Figur 4: Tillämpningar och begränsningar av halvautomatisk planimetri. (A) Fluorescensbild av en ansiktstandyta. (B) Motsvarande bearbetad bild som visar de placktäckta områdena (orange kontur; planimetrisk plackindex [PPI] = 51,9%). (C) Fluorescensbild av en oral tandyta. (D) Motsvarande bearbetad bild som visar de placktäckta områdena (orange kontur; PPI = 14,5%). (E-H) Bilder av tänder med sammansatta hartsrestaureringar. Restaureringen i E fluorescerar starkt i det gröna spektrumet, medan restaureringen i G verkar något svagare än de omgivande rena tandområdena. I båda bilderna kan PPI bestämmas med hjälp av standardbildanalysalgoritmen. (F,H) Bearbetade bilder som visar de placktäckta områdena (orange konturer; PPI = 20,3% respektive 20,2%). (I,J) Fluorescensbilder av en tand med amalgamrestaurering (I) och en tand med metallkeramisk krona (J, blå kontur, tillagd manuellt). Båda restaureringarna är icke-fluorescerande, och plackavlagringarna kan inte kvantifieras med halvautomatiserad planimetri. (K) Fluorescensbild av en tand med metallisk tandreglering. Eftersom fästet utesluts från analysen kan PPI bestämmas med hjälp av standardbildanalysalgoritmen (L, orange kontur, PPI = 31,5%). Klicka här för att se en större version av denna figur. Figur 5: De kliniska procedurernas inverkan på bildkvaliteten och resultaten av halvautomatisk planimetri . (A) Fluorescensbild förvärvad med dämpad rumsbelysning. Den totala tandarean bestäms korrekt efter tröskelbaserad bildsegmentering (orange kontur). (B) Fluorescensbild av samma tand som erhållits med rumsbelysningen tänd. På grund av en ökad bakgrundsemission i det röda spektrumet misslyckas den tröskelbaserade segmenteringen att skilja exakt mellan tandytorna och de omgivande mjukvävnaderna (orange kontur). (C) Fluorescensbild som erhållits med otillräcklig munöppning. De okända antagonisttänderna är synliga i bilden och ingår därmed i det totala tandområdet (orange konturer). För att få ett korrekt planimetrisk plackindex måste de tas bort manuellt under bildanalysen. (D) Fluorescensbild som erhålls med optimal placering av kamerahuvudet. Den totala tandytan (orange kontur) är begränsad till ansiktsaspekten. (E) Fluorescensbild av tanden i D förvärvad med suboptimal vinkling av kamerahuvudet. En del av den ocklusala ytan fångas upp, vilket resulterar i en ökad total tandyta (orange kontur). (F) Bild i vitt ljus av exponerad plack med framträdande färgning av tandköttet. Den höga emissionen i det röda spektrumet kan leda till en överskattning av det placktäckta området. Klicka här för att se en större version av denna figur. Tilläggsfil S1: Klicka här för att ladda ner den här filen.

Discussion

Den presenterade metoden för halvautomatiserad planimetri baserad på fluorescensbilder innebär en förbättring av tandplackkvantifiering på sunda tandytor i forskningsmiljön jämfört med traditionell planimetri20. Halvautomatiserad planimetri möjliggör samtidig bestämning av PPI i upp till 1 000 bilder med hjälp av en förutbestämd efterbehandlingsalgoritm. Därmed är metoden betydligt mer tidseffektiv än konventionell planimetri, där den totala tandytan och placktäckta areorna bestäms manuellt genom att rita intressanta regioner i ett bildbehandlingsprogram 7,12. Dessutom reduceras omfattningen av mänskligt omdöme i bildanalysen till valet av en ljusstyrka för bildsegmentering. Därmed behandlas alla bilder lika, och påverkan av granskarens subjektivitet reduceras kraftigt11.

De kritiska stegen i protokollet är främst relaterade till de kliniska procedurerna, som måste utföras på ett mycket standardiserat sätt för optimal bildkvalitet. Avtäckningslösningen måste appliceras försiktigt och jämnt, och bilderna bör förvärvas direkt efter sköljning och lufttorkning för att undvika en tvättning av färgämnet och därmed en förlust av bildkontrast. Dessutom måste tandköttsblödning undvikas, eftersom hemoglobin kan förbättra den registrerade fluorescensen i den röda kanalen19. Bildtagningen bör utföras med rumsbelysningen nedtonad för att minska störningen av omgivande ljus, och patienterna måste öppna munnen tillräckligt, så att antagonisttänderna inte syns på bilderna. Kamerahuvudet måste placeras vinkelrätt mot tandaxeln för att undvika att fånga en del av den ocklusala ytan och kontralaterala tänder.

Artefakter som är resultatet av suboptimal bildinsamling kan – i de flesta fall – tas bort under bildanalysen, men på bekostnad av en avsevärt ökad bearbetningstid. Vissa artefakter som känns igen som objekt under segmentering kan rensas genom enkel borttagning i objektredigeraren. Om artefakter sammanfaller med de områden som identifieras som plack måste de resulterande objekten delas upp i objektredigeraren innan de tas bort. I extrema fall kan operatören behöva återgå till manuell bestämning av de rena tand- och placktäckta områdena genom att rita områden av intresse i programvaran. Om alla kliniska procedurer utförs korrekt består operatörens enda subjektiva inmatning under bildanalysen av att bestämma gränsvärdena för de tröskelbaserade segmenteringarna. I allmänhet är de placktäckta och rena tandområdena väldefinierade i bilderna, men det måste nämnas att små skillnader i de valda tröskelvärdena påverkar de beräknade PPI-värdena, om än i relativt liten utsträckning. Eftersom alla bilder som förvärvats för en viss studie kan segmenteras med identiska tröskelvärden påverkar det subjektiva valet av brytpunkter inte skillnaderna mellan behandlings- eller patientgrupperna.

Precis som manuell planimetri är halvautomatiserad planimetri inte lämplig för longitudinella inspelningar av plackuppbyggnad på grund av användning av en avslöjande lösning. Erytrosin kan störa biofilmtillväxt genom en antibakteriell aktivitet21,22,23, men viktigast av allt, den framträdande fläcken kräver professionell plackborttagning innan patienten skickas hem. Den beskrivna metoden kan dock användas för regelbunden kvantifiering av vanliga placknivåer på kliniken. En annan begränsning av halvautomatiserad planimetri uppstår på grund av storleksskillnaderna mellan enskilda tänder. Även om avståndet mellan kameran och tandytan och därmed synfältets storlek kan standardiseras, kan de förvärvade bilderna innehålla delar av de närliggande tänderna. Dessa kan inte tas bort genom en batchoperation utan endast genom manuell beskärning av bilderna under analysen. Medan halvautomatiserad planimetri är lämplig för kvantifiering av supragingival plack och kalkyl24 på sunda tandytor, måste framtida arbete bestämma hur den beskrivna metoden påverkas av utvecklingsfel25, kaviterade och icke-kaviterade kariesskador samt svår fläck.

Sammanfattningsvis är halvautomatiserad planimetri en metod som möjliggör snabb och tillförlitlig kvantifiering av plackområdets täckning med hjälp av en fluorescenskamera. Det kan användas i kliniska prövningar som bedömer de novo plackbildning i olika patientgrupper eller effekten av olika behandlingsregimer på plackborttagning.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Författarna tackar Dirk Leonhardt för hans utmärkta hjälp med additiv tillverkning av de skräddarsydda distanserna. Lene Grønkjær, Javier E. Garcia, Charlotte K. Vindbjerg och Sussi B. Eriksen uppmärksammas för sitt tekniska stöd under studien. Författarna vill också tacka Matthias Beck för tekniskt stöd för användningen av fluorescenskameran och Mette R. Jørgensen för givande diskussioner.

Materials

3D Sprint Basic 3D systems Additive manufacturing software
5% erythrosine; Top Dent Rondell Röd Top Dent Lifco Dental AB 6327 Disclosing solution
D1000 lab scanner 3 Shape Lab scanner used to scan the camera head
DBSWIN 5.17.0 Dürr Dental Software for VistaCam
Digital image analysis in microbial ecology (Daime), version 2.2.2 Freeware for image analysis
LC-3D Print Box NextDent Polymerization unit
Meshmixer 3.5 Autodesk Freeware for designing custom-made spacer
NextDent 5100 3D systems 3D-printer
NextDent Ortho IBT 3D systems Material for spacer
Ultrasound bath T660/H Elma Schmidbauer GmbH
VistaCam iX HD Smart intraoral camera  Dürr Dental Coupled with a fluorescence camera head

References

  1. Pretty, I. A., Edgar, W. M., Smith, P. W., Higham, S. M. Quantification of dental plaque in the research environment. Journal of Dentistry. 33 (3), 193-207 (2005).
  2. Turesky, S., Gilmore, N. D., Glickman, I. Reduced plaque formation by the chloromethyl analogue of victamine C. Journal of Periodontology. 41 (1), 41-43 (1970).
  3. Marks, R. G., et al. Evaluation of reliability and reproducibility of dental indices. Journal of Clinical Periodontology. 20 (1), 54-58 (1993).
  4. Matthijs, S., Sabzevar, M. M., Adriaens, P. A. Intra-examiner reproducibility of 4 dental plaque indices: Dental plaque indices. Journal of Clinical Periodontology. 28 (3), 250-254 (2001).
  5. Shaloub, A., Addy, M. Evaluation of accuracy and variability of scoring-area-based plaque indices. Journal of Clinical Periodontology. 27 (1), 16-21 (2000).
  6. Söder, P. -. &. #. 2. 1. 4. ;., Jin, L. J., Söder, B. Computerized planimetric method for clinical plaque measurement. European Journal of Oral Sciences. 101 (1), 21-25 (1993).
  7. Lang, N. P., Ostergaard, E., Loe, H. A fluorescent plaque disclosing agent. Journal of Periodontal Research. 7 (1), 59-67 (1972).
  8. Staudt, C. B., et al. Computer-based intraoral image analysis of the clinical plaque removing capacity of 3 manual toothbrushes. Journal of Clinical Periodontology. 28 (8), 746-752 (2001).
  9. Smith, M. R. Parametric vs. nonparametric. Analyzing the periodontal and gingival indicies. Journal of Periodontal Research. 17 (5), 514-517 (1982).
  10. Quirynen, M., Dekeyser, C., van Steenberghe, D. Discriminating power of five plaque indices. Journal of Periodontology. 62 (2), 100-105 (1991).
  11. Al-Anezi, S. A., Harradine, N. W. T. Quantifying plaque during orthodontic treatment. The Angle Orthodontist. 82 (4), 748-753 (2012).
  12. Smith, R. N., Brook, A. H., Elcock, C. The quantification of dental plaque using an image analysis system: reliability and validation. Journal of Clinical Periodontology. 28 (12), 1158-1162 (2001).
  13. Kang, J., Ji, Z., Gong, C. Segmentation and quantification of dental plaque using modified kernelized fuzzy C-means clustering algorithm. 2010 Chinese Control and Decision Conference. , 788-791 (2010).
  14. Klaus, K., Glanz, T., Glanz, A. G., Ganss, C., Ruf, S. Comparison of quantitative light-induced fluorescence-digital (QLF-D) images and images of disclosed plaque for planimetric quantification of dental plaque in multibracket appliance patients. Scientific Reports. 10 (1), 4478 (2020).
  15. Daims, H., Lücker, S., Wagner, M. Daime, a novel image analysis program for microbial ecology and biofilm research. Environmental Microbiology. 8 (2), 200-213 (2006).
  16. Arnim, S. S. The use of disclosing agents for measuring tooth cleanliness. Journal of Periodontology. 34 (3), 227-245 (1963).
  17. Meller, C., Klein, C. Fluorescence properties of commercial composite resin restorative materials in dentistry. Dental Materials Journal. 31 (6), 916-923 (2012).
  18. Kiran, R., Chapman, J., Tennant, M., Forrest, A., Walsh, L. J. Detection of tooth-colored restorative materials for forensic purposes based on their optical properties: An in vitro comparative study. Journal of Forensic Sciences. 64 (1), 254-259 (2019).
  19. Shakibaie, F., Walsh, L. J. Fluorescence imaging of dental restorations using the VistaCam intra-oral camera. Australian Journal of Forensic Sciences. 51 (1), 3-11 (2019).
  20. Rey, Y. C. D., Rikvold, P. D., Johnsen, K. K., Schlafer, S. A fast and reliable method for semi-automated planimetric quantification of dental plaque in clinical trials. Journal of Clinical Periodontology. , (2022).
  21. Baab, D. A., Broadwell, A. H., Williams, B. L. A comparison of antimicrobial activity of four disclosant dyes. Journal of Dental Research. 62 (7), 837-841 (1983).
  22. Begue, W. J., Bard, R. C., Koehne, G. W. Microbial inhibition by erythrosin. Journal of Dental Research. 45 (5), 1464-1467 (1966).
  23. Marsh, P. D., et al. Antibacterial activity of some plaque-disclosing agents and dyes (short communication). Caries Research. 23 (5), 348-350 (1989).
  24. Shakibaie, F., Walsh, L. J. Dental calculus detection using the VistaCam. Clinical and Experimental Dental Research. 2 (3), 226-229 (2016).
  25. Seow, W. Developmental defects of enamel and dentine: Challenges for basic science research and clinical management. Australian Dental Journal. 59, 143-154 (2014).

Play Video

Cite This Article
Rikvold, P. D., Del Rey, Y. C., Johnsen, K. K., Schlafer, S. Semi-Automated Planimetric Quantification of Dental Plaque Using an Intraoral Fluorescence Camera. J. Vis. Exp. (191), e65035, doi:10.3791/65035 (2023).

View Video