Es wurde ein Verfahren zur Registrierung von Cone-Beam-Computertomographie-Scans und digitalen Zahnbildern vorgestellt, bei dem die durch künstliche Intelligenz (KI) unterstützte Identifizierung von Orientierungspunkten und das Zusammenführen verwendet wird. Ein Vergleich mit der oberflächenbasierten Registrierung zeigt, dass KI-basierte Digitalisierung und Integration zuverlässig und reproduzierbar sind.
Ziel dieser Studie war es, die Digitalisierung der Cone-Beam-Computertomographie (DVT) und die Integration von digitalen Dentalbildern (DDI) auf Basis der auf künstlicher Intelligenz (KI) basierenden Registrierung (ABR) einzuführen und die Zuverlässigkeit und Reproduzierbarkeit mit dieser Methode im Vergleich zur oberflächenbasierten Registrierung (SBR) zu bewerten. Diese retrospektive Studie bestand aus DVT-Bildern und DDI von 17 Patienten, die sich einer computergestützten bimaxillären orthognathen Operation unterzogen hatten. Die Digitalisierung von DVT-Bildern und deren Integration mit DDI wurde mit Hilfe eines KI-basierten Programms wiederholt. DVT-Bilder und DDI wurden mit Hilfe einer Punkt-zu-Punkt-Registrierung integriert. Im Gegensatz dazu wurden bei der SBR-Methode die drei Landmarken manuell auf dem DVT und der DDI identifiziert, die mit der iterativen Methode der nächstgelegenen Punkte integriert wurden.
Nach zweimaliger Wiederholung jeder Methode wurden die dreidimensionalen Koordinatenwerte der ersten Oberkiefermolaren und Mittelschneidezähne und deren Unterschiede ermittelt. Intraklassenkoeffiziententests (ICC) wurden durchgeführt, um die Zuverlässigkeit innerhalb des Beobachters mit den Koordinaten jeder Methode zu bewerten und ihre Zuverlässigkeit zwischen ABR und SBR zu vergleichen. Die Reliabilität innerhalb des Beobachters zeigte bei beiden Methoden eine signifikante und nahezu perfekte ICC. Die mittlere Differenz zwischen der ersten und der zweiten Registrierung in ABR und SBR sowie zwischen beiden Methoden war nicht signifikant. ihre Bereiche waren jedoch bei der ABR-Methode geringer als bei der SBR-Methode. Diese Studie zeigt, dass KI-basierte Digitalisierung und Integration zuverlässig und reproduzierbar sind.
Die dreidimensionale (3D) digitale Technologie hat den Anwendungsbereich der Diagnose und Planung für kieferorthopädische oder chirurgisch-kieferorthopädische Behandlungen erweitert. Ein virtueller Kopf, der aus einem Gesichtskegelstrahl-Computertomographie-Bild (DVT) aufgebaut ist, kann verwendet werden, um dentofaziale und zahnärztliche Anomalien zu bewerten, orthognathe Operationen zu planen, Zahnwafer herzustellen und Bohrschablonen zu implantieren, indem computergestütztes Design und Fertigungverwendet werden 1,2,3,4. DVT-Scans haben jedoch eine geringe Repräsentation des Gebisses, einschließlich der Zahnmorphologie und der interokklusalen Beziehung, die auf ihre begrenzte Auflösung und Streifenartefakte von Zahnrestaurationen oder kieferorthopädischen Brackets zurückzuführen sind5. Daher wurden die zahnärztlichen Merkmale auf DVT-Bildern durch digitale Zahnbilder (DDI) ersetzt, wie z. B. gescannte Abgüsse oder intraorale Scanbilder.
Für eine zuverlässige Integration von DDI in DVT-Bilder wurde in zahlreichen Studien über verschiedene Methoden berichtet, wie z. B. die Verwendung von Referenzmarkern 6,7, voxelbasierten8 und oberflächenbasierten Registrierungen (SBRs)9,10. Bei diesen Verfahren werden extraorale Marker, mehrere DVT-Scans und zusätzliche Prozessschritte wie die Reinigung von Metallartefakten auf DVT-Bildern verwendet. In Bezug auf die SBR-Genauigkeit berichteten mehrere frühere Studien über Fehler im Bereich von 0,10 bis 0,43 mm 9,11. Darüber hinaus bewerteten Zou et al. die Intra-/Interobserver-Reliabilität und Fehler zwischen einem Digital Engineer und einem Kieferorthopäden, die SBR verwendeten, und berichteten über den Bedarf an klinischer Erfahrung und wiederholtem Lernen10.
Künstliche Intelligenz (KI) wurde verwendet, um Behandlungsergebnisse12 vorherzusagen und Orientierungspunkte auf Fernröntgenbildern13 oder DVT-Bildern14, 15, 16 zu digitalisieren, und einige kommerzielle Software steht derzeit zur Verfügung, um diesen Prozess zu unterstützen17. Die genaue Identifizierung anatomischer Orientierungspunkte auf 3D-Bildern ist aufgrund der Mehrdeutigkeit von flachen Oberflächen oder gekrümmten Strukturen, Bereichen mit geringer Dichte und der großen Variabilität der anatomischen Strukturen eine Herausforderung.
KI-basierte, maschinell erlernte Automatisierung kann nicht nur für die Digitalisierung, sondern auch für die Integration von DDI und dentofazialer DVT eingesetzt werden. Es gibt jedoch wenig Forschung über die Genauigkeit einer KI-basierten Registrierung (ABR) im Vergleich zur bestehenden oberflächenbasierten Methode. Um genauere Ergebnisse von 3D-Skelett- und Zahnveränderungen durch bimaxilläre orthognathe Chirurgie zu erzielen, ist es notwendig, die Genauigkeit von KI-basierten Programmen bei der Zusammenführung von DVT und DDI zu bewerten. Daher wird in diesem Artikel ein Schritt-für-Schritt-Protokoll für die Digitalisierung und Integration von DVT und DDI mit einer KI-basierten Registrierung (ABR) vorgestellt und deren Zuverlässigkeit und Reproduzierbarkeit im Vergleich zu SBR bewertet.
Mit dem vorgestellten Protokoll kann die Digitalisierung von Sehenswürdigkeiten und die Integration von DVT und DDI mit Hilfe von maschinell erlernter Software einfach durchgeführt werden. Dieses Protokoll erfordert die folgenden kritischen Schritte: i) Neuausrichtung des Kopfes im DVT-Scan, ii) Digitalisierung von DVT und DDI und iii) Zusammenführung von DVT-Bildern mit dem DDI. Die Digitalisierung von fünf Landmarken für die Neuausrichtung des Kopfes ist kritisch, da sie die 3D-Position des Kopfes mit Referenzeben…
The authors have nothing to disclose.
Diese Studie wurde vom Forschungsfonds des Seoul National University Bundang Hospital (SNUBH) unterstützt. (Förderkennzeichen 14-2019-0023).
G*Power | Heinrich Heine Universität, Dϋsseldorf, Germany | v. 3.1.9.7 | A sample size calculuation software |
Geomagic Qualify® | 3D Systems, Morrisville, NC, USA |
v 2013 | 3D metrology feature and automation software, which transform scan and probe data into 3D to be used in design, manufacturing and metrology applications |
KODAK 9500 | Carestream Health Inc., Rochester, NY, USA | 5159538 | Cone Beam Computed Tomograph (CBCT) |
MD-ID0300 | Medit Co, Seoul, South Korea Seoul, Korea |
61010-1 | Desktop model scanner |
ON3D | 3D ONS Inc., Seoul, Korea |
v 1.3.0 | Software for 3D CBCT evaluation; AI-based landmark identification, craniofacial and TMJ analysis, superimposition, and virtual orthognathic surgery |
SPSS | IBM, Armonk, NY, USA | v 22.0 | A statistic analysis program |