Yapay Zeka Tabanlı Konik Işınlı Bilgisayarlı Tomografinin Dijital Dental Görüntülerle Entegrasyonunun Güvenilirliği

Summary

Yapay zeka (AI) destekli yer işaretlerinin tanımlanması ve birleştirilmesi kullanılarak konik ışınlı bilgisayarlı tomografi taramalarını ve dijital diş görüntülerini kaydetme süreci sunulmuştur. Yüzey tabanlı kayıtla yapılan bir karşılaştırma, yapay zeka tabanlı sayısallaştırma ve entegrasyonun güvenilir ve tekrarlanabilir olduğunu gösterir.

Abstract

Bu çalışmanın amacı, yapay zeka (AI) tabanlı kayıtlamaya (ABR) dayalı dijital dental görüntülerin (DDI) konik ışınlı bilgisayarlı tomografi (CBCT) sayısallaştırılması ve entegrasyonunu tanıtmak ve bu yöntemi kullanarak yüzey tabanlı kayıt (SBR) ile karşılaştırıldığında güvenilirliği ve tekrarlanabilirliği değerlendirmektir. Bu retrospektif çalışma, bilgisayar destekli bimaksiller ortognatik cerrahi geçiren 17 hastanın KIBT görüntüleri ve DDI'sinden oluşuyordu. CBCT görüntülerinin sayısallaştırılması ve DDI ile entegrasyonu, yapay zeka tabanlı bir program kullanılarak tekrarlandı. CBCT görüntüleri ve DDI, noktadan noktaya kayıt kullanılarak entegre edildi. Buna karşılık, SBR yöntemiyle, üç yer işareti, yinelemeli en yakın noktalar yöntemiyle entegre edilen CBCT ve DDI üzerinde manuel olarak tanımlandı.

Her yöntemin tekrarlanan iki entegrasyonundan sonra, birinci maksiller azı dişlerinin ve santral kesici dişlerin üç boyutlu koordinat değerleri ve farklılıkları elde edildi. Her bir yöntemin koordinatları ile gözlemci içi güvenilirliği değerlendirmek ve ABR ile SBR arasındaki güvenilirliklerini karşılaştırmak için sınıf içi katsayı (ICC) testi yapıldı. Gözlemci içi güvenirlik, her yöntemde anlamlı ve mükemmele yakın ICC gösterdi. Her bir ABR ve SBR'de birinci ve ikinci kayıtlar arasında ve her iki yöntem arasında ortalama fark yoktu; bununla birlikte, aralıkları ABR ile SBR yöntemine göre daha dardı. Bu çalışma, yapay zeka tabanlı sayısallaştırma ve entegrasyonun güvenilir ve tekrarlanabilir olduğunu göstermektedir.

Introduction

Üç boyutlu (3D) dijital teknoloji, ortodontik veya cerrahi-ortodontik tedavi için tanı ve planlama kapsamını genişletmiştir. Yüz konik ışınlı bilgisayarlı tomografi (CBCT) görüntüsünden oluşturulan sanal bir kafa, dentofasiyal ve dental anormallikleri değerlendirmek, ortognatik cerrahiyi planlamak, bilgisayar destekli tasarım ve üretim kullanarak dental gofretler ve implant cerrahi kılavuzları üretmek için kullanılabilir 1,2,3,4. Bununla birlikte, CBCT taramaları, sınırlı çözünürlükleri ve diş restorasyonu veya ortodontik braketlerden kaynaklanan çizgi artefaktları nedeniyle dental morfoloji ve interoklüzal ilişki dahil olmak üzere düşük bir dişlenme temsiline sahiptir⁵. Bu nedenle, CBCT görüntülerinde dental özellikler, taranmış kalıplar veya ağız içi tarama görüntüleri gibi dijital dental görüntüler (DDI) ile ikame edilmiştir.

DDI'nin CBCT görüntülerine güvenilir entegrasyonu için, çok sayıda çalışma, referans belirteçlerinin ^6,7, voksel tabanlı⁸ ve yüzey tabanlı kayıtların (SBR'ler^{) kullanımı9,10} gibi çeşitli yöntemler bildirmiştir. Bu prosedürlerin ağız dışı belirteçler, çoklu CBCT taramaları ve CBCT görüntülerindeki metal artefaktların temizlenmesi gibi ekstra işlem adımları kullanma yöntemleri vardır. SBR doğruluğu ile ilgili olarak, önceki birkaç çalışma 0.10 ila 0.43 mm^arasında değişen hatalar bildirmiştir ^9,11. Ek olarak, Zou ve ark. SBR kullanarak bir dijital mühendis ile bir ortodontist arasındaki gözlemci içi/gözlemciler arası güvenirliği ve hataları değerlendirmiş ve klinik deneyim ve tekrarlanan öğrenme ihtiyacını bildirmişlerdir¹⁰.

Yapay zeka (AI), tedavi sonuçlarını^{tahmin etmek 12} ve sefalometrik radyografiler¹³ veya CBCT görüntüleri 14,15,16 üzerindeki yer işaretlerini sayısallaştırmak için kullanılmıştır ve şu anda bu sürece yardımcı olmak için bazı ticari yazılımlar mevcuttur ¹⁷. 3D görüntülerdeki anatomik yer işaretlerinin doğru bir şekilde tanımlanması, düz yüzeylerin veya kavisli yapıların belirsizliği, düşük yoğunluklu alanlar ve anatomik yapıların geniş değişkenliği nedeniyle zordur.

Yapay zeka tabanlı, makine öğrenimi otomasyonu yalnızca sayısallaştırma için değil, aynı zamanda DDI ve dentofasiyal CBCT'nin entegrasyonu için de uygulanabilir. Bununla birlikte, mevcut yüzey tabanlı yönteme kıyasla yapay zeka tabanlı bir kaydın (ABR) doğruluğu hakkında çok az araştırma vardır. Bimaksiller ortognatik cerrahi yoluyla 3D iskelet ve diş değişikliklerinin daha doğru sonuçlarını elde etmek için, CBCT ve DDI'yi birleştirirken yapay zeka tabanlı programların doğruluğunu değerlendirmek gerekir. Bu nedenle, bu makale, CBCT ve DDI'yi yapay zeka tabanlı bir kayıt (ABR) ile sayısallaştırmak ve entegre etmek ve SBR'ye kıyasla güvenilirliğini ve tekrarlanabilirliğini değerlendirmek için adım adım bir protokol sunmaktadır.

Protocol

Bu retrospektif çalışma, Seul Ulusal Üniversitesi Bundang Hastanesi Kurumsal İnceleme Kurulu (B-2205-759-101) tarafından gözden geçirilmiş ve onaylanmıştır ve Helsinki Bildirgesi ilkelerine uygundur. Çalışmada CBCT ve DDI'dan alınan Digital Imaging and Communications in Medicine (DICOM) dosyaları ve dental alçıdan Standart Mozaik Dili (STL) formatında kullanıldı. Çalışmanın retrospektif olması nedeniyle bilgilendirilmiş onam ihtiyacından feragat edildi.

1. CBCT ve Dijital Dental Görüntüler (DDI) edinimi

1. Hastaları aşağıdaki dahil etme kriterlerine göre seçin: iskelet Sınıf III maloklüzyon; bilgisayar destekli planlama yoluyla bimaksiller cerrahi; ve kenarı sabit apareylerle ortodontik tedavi.
2. Kraniyofasiyal sendromları, yarık dudak/damak veya eksik maksiller birinci azı dişleri veya sağ merkezi kesici dişi olan hastaları hariç tutun.
3. 200 mm x 180 mm görüş alanı, 0,2 mm voksel boyutu ve 80 kVp, 15 mA ve 10,8 s maruz kalma koşullarına sahip CBCT taramaları elde edin. Hastaların dişleri maksimum müdahale ile dik pozisyonda olduklarından emin olun. Taramaları Tıpta Dijital Görüntüleme ve İletişim (DICOM) veri dosyaları olarak kaydedin.
4. Dental taş kalıplarından veya doğrudan ağız içi taramadan DDI'ları alın ve bunları Standart Mozaik Dili (STL) formatında ayrı maksiller ve mandibular dişler olarak kaydedin.

2. Yapay Zeka Tabanlı Kayıt Protokolü (ABR)

1. CBCT'nin yeniden yönlendirilmesi ve dijitalleştirilmesi
   1. Yazılımı açın ve DICOM Dosyasını Yükle CBCT DICOM dosyalarını yazılıma aktarmak için düğmesine basın.
   2. DICOM veri klasöründeki DICOM dosyalarından herhangi birini seçin ve aç'ı tıklatın.
      NOT: DICOM dosyaları yüklendiğinde, yazılım bunları otomatik olarak bir CBCT kraniyofasiyal hacmine dönüştürür.
   3. Yer İşareti panelindeki Yeniden Yönlendirme düğmesine tıklayın (Şekil 1).
   4. N (Nasion): 3D görünümde ön kemiğin V çentiğine tıklayın (Şekil 2). Tıklamadan hemen sonra, mavi noktanın (etkinleştirilmiş) eksenel, sagital ve koronal görünümlerde de görünecek olan kırmızı bir çarpı işaretine dönüştüğünü gözlemleyin. Yer işaretini belirlemek için mavi üçgen okları ileri geri tıklayın.
      1. Sagital görünümde, frontonazal sütürün burun ve frontal kemiklerle birleştiği en ön noktayı bulmak için fare tekerleğini yukarı ve aşağı kaydırın ve yer işaretinin dikey ve ön-arka konumunu belirlemek için tıklayın.
      2. Koronal görünümde, en ön noktayı sağlamak için burun kemiğinin kaybolmasından hemen önceki anı bulmak için fare tekerleğini yukarı ve aşağı kaydırın ve Nasion'un yatay konumunu belirlemek için tıklayın.
      3. Eksenel görünümde, ön-arka konumu en ön noktada olduğu gibi ayarlayın.
   5. R Veya (Orbitale): 3B modelde sağ yörünge konturunun kenarındaki en alt noktayı tıklayın (Şekil 2).
      1. Koronal görünümde, sağ yörüngenin alt kenarındaki en düşük noktayı bulmak için fare tekerleğini yukarı ve aşağı kaydırın ve tıklayın.
      2. Sagital görünümde, orbitanın alt sınırını oluşturan sağ maksilla veya elmacık kemik yapısının en üst noktasına tıklayın.
      3. Eksenel görünümde, fareyi kaydırın ve kırmızı çarpı işaretinin göz yörüngesi kenarının buluştuğu yere yerleştirilmesi için tıklayın.
   6. L Veya (Orbitale): 3B modelde (Şekil 2) sol yörünge konturunun kenarındaki en alt noktayı tıklayın ve R Or işleminde olduğu gibi üç görünümdeki noktayı değiştirin.
   7. R Po (Porion): 3D modelde sağ dış işitsel meatusun ana hatlarının en üst noktasına tıklayın (Şekil 2).
      1. Koronal görünümde, yatay ve dikey konumları belirlemek için sağ temporal kemiğin en alt noktasına tıklayın.
      2. Sagital görünümde, dikey ve ön-arka pozisyonları ayarlamak için sağ dış işitsel meatusun ana hatlarının en üst noktasına tıklayın.
      3. Eksenel görünümde, temporal kemik çizgisinin kaybolduğu dış işitme kanalının göründüğü yere tıklamak için fare tekerleğini kaydırın.
   8. L Po (Porion): 3B modelde (Şekil 2) sol dış işitsel meatusun ana hatlarının en üst noktasına tıklayın ve R Po işleminde olduğu gibi üç çok düzlemli görünümde noktayı değiştirin.
      NOT: Yeniden yapılandırılmış kraniyofasiyal modelde (Şekil 2) Nasion, sağ ve sol orbitaller ve sağ ve sol poryonlar dahil olmak üzere beş temel iskelet işareti şimdi tanımlanmıştır.
   9. Yeniden yapılandırılmış kraniyofasiyal modelin yeniden yönlendirilmesini tamamlamak için Bitti düğmesine tıklayın.
   10. Yer İşareti panelindeki Preliminary Landmark Picking (Ön Yer İşareti Seçme) düğmesine tıklayın ve Dentition I yer işareti grubunu seçin.
       NOT: Kraniyal taban, TME, Maksiller İskelet, Mandibular İskelet, Dentition I ve Yumuşak dokudan oluşan dönüm noktası grupları kraniyofasiyal analiz için zaten seçilmiştir.
   11. Ön Yer İşareti Toplama panelindeki Yürüt düğmesine tıklayın ve yazılımın otomatik olarak ön yer işaretlerini seçmesine ve koordinatlarını belirlemesine izin verin.
   12. Yer işaretlerini değiştirirken, Ses sekmesindeki Manuel Yer İşareti Toplama düğmesine basın, gerekli ayarlamaları yapın ve onaylamak için Bitti düğmesine tıklayın (Şekil 3).

3. DDI birleştirme prosedürü

1. Araçlar panelindeki Diş Taraması Kaydı düğmesine tıklayın (Şekil 4).
2. Maksilla dişlenmeyi seçin ve Diş Kaydı panelindeki Yükle düğmesine tıklayın.
3. Maksilla dentition STL dosyalarını yüklemek için klasördeki CBCT modeline sahip aynı hastanın STL dosyalarını seçin. STL dosyaları açıldıktan sonra, ekranın sağ tarafında DDI'ları ve ekranın sol tarafında CBCT'nin dört görünümünü (3D, eksenel, sagital ve koronal) arayın.
4. Yüklenen DDI üzerindeki kayıt işaretlerini seçin: sağ maksiller birinci azı dişinin mesiobukal çıkıntıları (R U6CP), insizal kenarda sağ maksiller merkezi kesici orta nokta (R U1CP) ve sol maksiller birinci azı dişinin meziobukkal tüberkülü (L U6CP) (Şekil 5) mavi üçgen okları ileri geri çevirerek.
   NOT: DDI'yı döndürmek için fareye sol tıklayın ve sürükleyin ve yakınlaştırmak ve uzaklaştırmak için sağ tıklayın ve sürükleyin. Kayıt yer işaretleri, manuel olarak sayısallaştırıldıktan sonra makine öğrenimi otomasyonu ile eş zamanlı olarak kalibre edilir.
5. Diş Kaydı panelindeki Bitti düğmesine tıklayın.
6. Otomatik kaydı onaylamak için Evet düğmesine tıklayın (Şekil 6).
7. Mandibular dentition birleştirme için mandibula dentityion'ı seçin ve Dentition Registration (Dentition Kayıt) panelindeki Load (Yükle) butonuna tıklayın. 3.2 ila 3.6 arasındaki adımları tekrarlayın. Mandibular dişlenme üzerindeki kayıt işaretlerini seçin: sağ/sol alt birinci azı dişinin mezobukkal tüberkülü (R-/L-L6CP), insizal kenarda sağ alt birinci kesici diş orta noktası (R L1CP).
8. DDI şimdi yeniden yapılandırılmış CBCT modeli ile birleştirilmiştir (Şekil 7).
   1. Birleştirmeyi değiştirirken, Dentition Registration panelindeki Pick Registration Landmark (Kayıt Yer İşareti Seç) düğmesine tıklayın (Şekil 8).

4. Her yer işaretinin 3B koordinat değerlerinin (x, y ve z) elde edilmesi

1. Yer işaretlerinin 3B koordinat değerlerini elde etmek için Hacim sekmesindeki Manuel Yer İşareti Seçme düğmesine tıklayın veya Analiz sekmesine tıklayın. Veri dışa aktarma için, analiz sekmesi→veri dışa aktarma paneline gidin ve verileri bir dosya olarak kaydetmek için Yer İşareti düğmesine tıklayın.
   NOT: X düzlemi (yatay), sol ve sağ Orbitales ve sağ Porion'dan geçen Frankfort yatay (FH) düzlemine paralel olarak Nasion'dan geçen düzlemdir. Y düzlemi (midsagital), Nasion ve burçtan geçen X düzlemine diktir. Z-düzlemi (koronal), düzlemi Nasion (sıfır noktası; 0, 0 ve 0) aracılığıyla yatay ve orta sagital düzlemlere dik olarak ayarlar (Şekil 9).

Results

Burada, yapay zeka tabanlı bir program kullanarak CBCT ve DDI'nin entegrasyon sürecini anlattık. Güvenilirliğini ve tekrarlanabilirliğini değerlendirmek için, yüzey tabanlı kayıt (SBR) ile karşılaştırmalı bir çalışma yapılmıştır. ρ H1 = 0.77, α = 0.05 ve güç (1−β) = 0.80¹⁸ korelasyonu altında bir güç analizinden sonra minimum on örneklem büyüklüğünün gerekli olduğu belirlenmiştir. Mart 2016'dan Ekim 2019'a kadar Seul Ulusal Üniversitesi Bundang Hastanesi'ndeki ortognatik hastalardan toplam 17 set CBCT taraması ve dijital diş görüntüsü incelendi. Aynı popülasyon için tüm SBR ve ABR süreçleri, 1,5 yıldan fazla bir süredir dönüm noktası tanımlama konusunda eğitim almış bir ortodonti asistanı olan aynı muayene görevlisi tarafından iki kez tekrarlandı. SBR, önceki bazı çalışmalara benzer bir protokol ile gerçekleştirildi^9,10 (Şekil 10). R-/L-U6CP ve R U1CP'nin x, y ve z koordinat değerlerindeki ortalama farklılıklar, her bir programla tekrarlanan entegrasyonlardan sonra değerlendirildi. Tüm veriler SPSS 22.0 paket programı ile istatistiksel olarak analiz edildi. Yer işaretlerinin koordinatlarındaki güvenilirlik, sınıf içi korelasyon (ICC) kullanılarak tekrarlanabilirliği değerlendirmek için her bir ABR, SBR'de ve aralarında analiz ^edildi19.

R-/L-U6CP ve R U1CP'nin x-, y- ve z-koordinat değerlerinin gözlemci içi güvenilirliği sırasıyla ABR (0.950 ≤ ICC ≤ 0.998) ve SBR (0.886 ≤ ICC ≤ 0.997) için anlamlıydı ve neredeyse mükemmeldi (Tablo 1). Çoğu yer işaretindeki y ve z koordinat değerlerindeki güvenilirlik farkı önemliydi ve SBR ile ABR arasında önemli bir uyum sağlamak için neredeyse mükemmel olduğunu gösterdi. Bununla birlikte, R-/L-U6CP ve R U1CP'nin x-koordinat değerleri sırasıyla orta, vasat ve düşük uyum gösterdi ve önemsizdi.

Tablo 2'de gösterildiği gibi, tekrarlanan entegrasyonlardan elde edilen tüm koordinat değerlerinin ortalama farkları her yöntemde önemli ölçüde farklı değildi. X koordinatlarındaki bu farklılıklar ABR için -0.005 ila -0.098 mm ve SBR için -0.212 ila 0.013 mm arasında değişmektedir. ABR için y koordinatlarında -0.084 ila -0.314 mm arasında ve SBR için -0.007 ila 0.084 mm arasında ve ABR için z koordinatlarında -0.005 ila 0.045 mm arasında ve SBR için -0.567 ila 0.074 mm arasında değişmektedir. Bununla birlikte, ABR ve SBR arasındaki birinci ve ikinci kayıtlar arasındaki ortalama farkta anlamlı bir fark yoktu.

Şekil 1: Bir kraniyofasiyal modelin yeniden yönlendirilmesi. Bu, Yer İşareti panelindeki Yeniden Yönlendirme düğmesine tıklanarak başlatılır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 2: Yeniden yapılandırılmış kraniyofasiyal modelin yeniden yönlendirilmesi için beş temel dönüm noktası; nasion, sağ ve sol orbitaller ve sağ ve sol poryonlar. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 3: Ön otomatik yer işareti seçiminden sonra yer işaretleri ve koordinatları. Yer işaretlerinin gözden geçirilmesi ve değiştirilmesi, Ses sekmesindeki Manuel Yer İşareti Toplama düğmesine tıklanarak yapılabilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 4: Dijital dental görüntülerin yeniden yönlendirilmiş kraniyofasiyal model ile birleştirilmesinin başlatılması. Bu, Araçlar panelindeki Diş Taraması Kaydı düğmesine tıklanarak yapılır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 5: Yüklenen dijital dental görüntülerdeki üç kayıt yer işaretinin konumu. Sağ maksiller birinci azı dişinin mesiobukkal tüberkülleri (R U6CP), insizal kenarda sağ maksiller santral kesici orta nokta (R U1CP) ve sol maksiller birinci azı dişinin meziobukkal tüberkülü (L U6CP). Bu yer işaretleri, makine öğrenimi otomasyonu ile eş zamanlı olarak kalibre edildi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 6: Yüklenen dijital dental görüntüler ve CBCT üzerindeki üç kayıt yer işaretinin onayı. Maksiller birinci azı dişlerinin sağ ve sol mesiobukal tüberkülleri (R U6CP, L U6CP) ve sağ üst santral kesici orta nokta (R U1CP). Evet düğmesine tıklamak otomatik kaydı gerçekleştirir. Kısaltma: CBCT = konik ışınlı bilgisayarlı tomografi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 7: Dijital dental görüntünün birleştirildiği yeniden yapılandırılmış kraniyofasiyal model. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 8: Birleştirmeyi değiştirme. Birleştirmeyi değiştirirken, Diş Kaydı panelindeki Kayıt Yer İşareti Seç düğmesine tıklayın. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 9: Programın referans düzlemleri. X düzlemi (yatay), sol ve sağ Orbitales ve sağ Porion'dan geçen Frankfort yatay (FH) düzlemine paralel olarak Nasion'dan geçen düzlemdir. Y düzlemi (midsagital), Nasion ve burçtan geçen X düzlemine diktir. Z düzlemi (koronal), düzlemi Nasion (sıfır noktası; 0, 0 ve 0) aracılığıyla yatay ve orta sagital düzlemlere dik olarak ayarlar. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 10: Maksiller dijital dental görüntülerin yeniden yapılandırılmış CBCT görüntülerinin dental kısımlarına yüzey tabanlı kaydı. (A) Birleştirmeden önce ve (B) birleştirmeden sonra. İlk olarak, başlangıç noktaları, maksiller birinci azı dişlerinin meziobukkal tüberkülleri ve CBCT ve DDI'daki merkezi kesici dişlerin temas noktası kullanılarak kaydedildi. Daha sonra, yinelemeli en yakın noktalar algoritması kullanılarak daha doğru bir entegrasyon elde etmek için yüzey kaydedildi. Kısaltma: CBCT = konik ışınlı bilgisayarlı tomografi; DDI = dijital diş görüntüleri. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Tablo 1: Yüz CBCT'leri ve dijital dental görüntüleri her bir ABR ve SBR'ye ve bunlar arasına entegre ederken her bir yer işaretinin üç koordinatında güvenilirlik. * Eşleştirilmiş T testi; † bağımsız t testi. 0.8/0.6/0.4/0.2 veya ≤ 0.2 > ICC sırasıyla çok iyi, iyi, orta, adil veya zayıf anlaşma gücünü temsil eder. Kısaltmalar: CBCT = konik ışınlı bilgisayarlı tomografi; AI = yapay zeka; ABR = Yapay zeka tabanlı kayıt; SBR = yüzey tabanlı kayıt; CI = güven aralığı; ICC= sınıf içi katsayı. Bu Tabloyu indirmek için lütfen buraya tıklayın.

Tablo 2: ABR ve SBR ile yüz CBCT'lerinin ve dijital dental görüntülerin tekrarlanan kayıtlarından her bir yer işaretinin üç koordinatındaki ortalama farklılıklar. Δ (1.-2.), DDI ve yüz CBCT görüntülerinin ilk kaydı (1.) ve ikinci kaydı (2.) arasındaki her bir yer işaretinin x, y ve z koordinatlarındaki ortalama fark. * Eşleştirilmiş T testi; † bağımsız t testi; ^bWilcoxon İmzalı rütbe testi. Anlamlılık P < 0.05 olarak belirlendi. Kısaltmalar: CBCT = konik ışınlı bilgisayarlı tomografi; AI = yapay zeka; ABR = Yapay zeka tabanlı kayıt; SBR = yüzey tabanlı kayıt; S.D. = standart sapma. Bu Tabloyu indirmek için lütfen buraya tıklayın.

Discussion

Sunulan protokolü kullanarak, yer işaretlerinin sayısallaştırılması ve CBCT ile DDI'nin entegrasyonu, makine öğrenimi yazılımı kullanılarak kolayca gerçekleştirilebilir. Bu protokol aşağıdaki kritik adımları gerektirir: i) CBCT taramasında kafanın yeniden yönlendirilmesi, ii) CBCT ve DDI'nın sayısallaştırılması ve iii) CBCT görüntülerinin DDI ile birleştirilmesi. Kafanın yeniden yönlendirilmesi için beş yer işaretinin sayısallaştırılması kritik öneme sahiptir, çünkü uzamsal alanlardaki referans düzlemleri ile kafanın 3B konumunu belirler. DDI üzerindeki üç yer işareti (R-/L-U6CP ve R U1CP), manuel olarak sayısallaştırıldıktan sonra makine öğrenimi otomasyonu ile kalibre edildi. Tek manuel işlem, Nasion, sağ ve sol orbitaller ve poryonlar dahil olmak üzere yeniden yapılandırılmış CBCT modelindeki temel beş iskelet yer işaretinin (Şekil 2) ve R-/L-U6CP ve R U1CP (Şekil 5) dahil olmak üzere DDI'daki üç diş yer işaretinin bulunmasıydı. Bu nedenle, kullanıcının kayıt hatalarını etkileyebilecek bu sekiz yer işaretini dijitalleştirme konusunda deneyimli olması gerekir. SBR'nin ortalama tüketim süresi, bir program uzmanı tarafından CBCT ve DDI birleştirilmesi için 3-4 dakika idi. ABR programında, yeniden yönlendirme için beş yer işareti seçmek için ortalama 50 s, DDI'da üç yer işareti seçmek için 40 sn ve CBCT ve DDI'yı birleştirme programı için 2-3 sn tüketildi. Ek olarak, tüm CBCT'de otomatik yer işareti toplama süresi, yer işareti grubu seçimine göre 30 sn ile 2 dakika arasında değişir.

Bazı yer işaretlerinin sayısallaştırılması kesin olmadığında, bunlar manuel sayısallaştırma ve Manuel Kayıt'a tıklanarak değiştirilebilir. Herhangi bir anatomik veya morfolojik farklılık olduğunu varsayalım (örneğin, eksik merkezi kesici dişler veya birinci azı dişleri), bir klinisyen CBCT ve DDI'daki belirli noktaları eşleşecek şekilde özelleştirerek belirli yer işaretlerini tanımlayabilir.

CBCT ve DDI ile çeşitli entegrasyon yöntemlerinin ortalama hataları ile ilgili olarak, işaretleyiciler kullanılarak yapılan önceki çalışmalar, kayıt hatalarının aralığının 0,1 ila 0,5 mm arasında olduğunu bildirmiştir²⁰. Artefakta dayanıklı yüzey tabanlı bir kayıtta, Lin ve ark. 0.10 ila 0.43 mm arasında doğruluk hataları bildirdi¹¹. Bununla birlikte, çalışmamızda, ABR'deki ortalama fark aralığı SBR ile olandan daha azdı (0.001 ila 0.314 mm; Tablo 2). Bu, ABR'nin SBR'den daha fazla doğruluğa sahip olabileceği anlamına gelir. İlginç bir şekilde, ABR'deki maksiller kesici dişin z koordinatı ve SBR'deki x koordinatı nispeten daha az ortalama hata gösterdi. Maksiller kesici dişin sırasıyla orta noktası ve temas noktası olan ABR ve SBR arasındaki maksiller kesici dişin farklı yer işaretlerinden türetilebilir.

Ek olarak, metal artefaktlar ve operatörün entegrasyon sırasındaki deneyim seviyesi, CBCT ve DDI'yı birleştirirken doğruluğu etkileyebilir. Nkenke ve ark. metal artefakt düzeltmesi olmadan ve olmadan sırasıyla 0.13 mm ve 0.27 mm rapor etmişlerdir²¹. Başka bir çalışma, maksiller dişlerin farklı operatör grupları arasında SBR ile x koordinat değerlerinde düşük-orta derecede güvenilirlik sunduğunu^{buldu 10}. Çalışmamızda tutarlı bir şekilde, maksiller birinci azı dişleri ve kesici dişlerin x koordinat değerlerinin güvenilirliği, ABR ve SBR arasında karşılaştırıldığında orta-zayıf uyum göstermiştir. Ek olarak, çoğu yer işaretindeki y-/z- koordinatlarındaki güvenilirlik, önemli ölçüde uyum için neredeyse mükemmelken, x-koordinatları orta ila düşük uyum gösterdi (Tablo 1). X-koordinatlarındaki bu değişkenlik, birinci azı dişlerindeki oklüzal aşınma ve maksiller santral kesici dişlerdeki çapraşıklık veya aralık nedeniyle yer işaretlerinin belirsizliğinden kaynaklanabilir.

CBCT'nin yapay zeka tanımlaması ile ilgili olarak, tepeler, kenarlar, apisler ve farklı yoğunluklara sahip alanlar arasındaki yer işaretlerinin bulunması daha kolaydır ve bu nedenle en yüksek doğruluğu sunma eğilimindedir²². Guillot ve ark. kraniyal tabandaki yer işaretlerinin maksilla ve mandibuladakilerden daha yüksek doğruluk gösterdiğini bulmuşlardır¹⁴. Bununla birlikte, bu çalışmalar CBCT'yi DDI ile birleştirmedi ve sadece CBCT'deki anatomik işaretlerin AI tarafından tanımlanmasını değerlendirdi.

Bu çalışma, ABR'nin güvenilirliğini değerlendirmek için kullanılan küçük bir örneklem büyüklüğüne sahipti; Daha büyük bir örneklem büyüklüğü ile daha fazla değerlendirmeye ihtiyaç vardır. Bu çalışmanın sadece bir denetçi tarafından yapıldığı göz önüne alındığında, denetçiler arası farklılıklar güvenilirliği etkileyebilir ve bu da daha fazla incelenebilir. Ayrıca bu protokol, örnek bir veri tabanı ile evrişimli sinir ağlarının geliştirildiği makine öğrenmesi bir algoritmaya dayandığından, veri tabanının belirli aralıklarla güncellenmesi gerekmektedir. Dişlerin ve yüz kemiğinin anatomik çeşitliliğinin, özellikle dentofasiyal deformitelerde, radyografik yoğunluktaki farklılıkların ve CBCT ve DDI'nin çözünürlüğünün, veri temsilinin tehlikeye girmesine neden olabileceği anlaşılmalıdır. Bu ABR protokolü, bir implant veya periodontal cerrahiyi önceden tasarlamak ve bilgisayar destekli ortognatik cerrahi ve ortodontik tedaviyi simüle etmek için uygulanabilir.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
G * Güç	Heinrich Heine Üniversitesiä t, D?sseldorf, Almanya	v. 3.1.9.7	Bir örnek boyutu hesaplama yazılımı
Geomagic Qualify®	3D Systems, Morrisville, NC, USA	v 2013	3D metroloji özellik ve otomasyon yazılımı, tasarım, üretim ve metroloji uygulamalarında kullanılmak üzere tarama ve prob verilerini 3D'ye dönüştüren ;
KODAK 9500	Carestream Health Inc., Rochester, NY, ABD	5159538	Konik Işınlı Bilgisayarlı Tomografi (CBCT)
MD-ID0300	Medit Co, Seul, Güney Kore Seul, Kore	61010-1	Masaüstü model tarayıcı
ON3D	3D ONS Inc., Seul, Kore	v 1.3.0	3D CBCT değerlendirmesi için yazılım; Yapay zeka tabanlı dönüm noktası tanımlama, kraniyofasiyal ve TME analizi, üst üste binme ve sanal ortognatik cerrahi
SPSS	IBM, Armonk, NY, ABD	v 22.0	Bir istatistik analiz programı