Summary
Een proces voor het registreren van cone-beam computertomografiescans en digitale gebitsbeelden is gepresenteerd met behulp van kunstmatige intelligentie (AI) -ondersteunde identificatie van oriëntatiepunten en samenvoeging. Een vergelijking met oppervlakteregistratie laat zien dat digitalisering en integratie op basis van AI betrouwbaar en reproduceerbaar zijn.
Abstract
Deze studie had tot doel de digitalisering en integratie van digitale gebitsbeelden (DDI) met cone-beam computertomografie (CBCT) te introduceren op basis van op kunstmatige intelligentie (AI) gebaseerde registratie (ABR) en om de betrouwbaarheid en reproduceerbaarheid met behulp van deze methode te evalueren in vergelijking met die van oppervlaktegebaseerde registratie (SBR). Deze retrospectieve studie bestond uit CBCT-beelden en DDI van 17 patiënten die computerondersteunde bimaxillaire orthognatische chirurgie hadden ondergaan. De digitalisering van CBCT-beelden en hun integratie met DDI werden herhaald met behulp van een op AI gebaseerd programma. CBCT-beelden en DDI werden geïntegreerd met behulp van een point-to-point-registratie. Bij de SBR-methode daarentegen werden de drie oriëntatiepunten handmatig geïdentificeerd op de CBCT en DDI, die werden geïntegreerd met de iteratieve methode voor dichtstbijzijnde punten.
Na twee herhaalde integraties van elke methode werden de driedimensionale coördinatenwaarden van de eerste maxillaire kiezen en centrale snijtanden en hun verschillen verkregen. Intraclass-coëfficiënt (ICC)-tests werden uitgevoerd om de betrouwbaarheid van de intra-waarnemer met de coördinaten van elke methode te evalueren en hun betrouwbaarheid tussen de ABR en SBR te vergelijken. De betrouwbaarheid binnen de waarnemer toonde een significante en bijna perfecte ICC in elke methode. Er was geen significantie in het gemiddelde verschil tussen de eerste en tweede registratie in elke ABR en SBR en tussen beide methoden; hun bereik was echter smaller met ABR dan met de SBR-methode. Deze studie toont aan dat op AI gebaseerde digitalisering en integratie betrouwbaar en reproduceerbaar zijn.
Introduction
Driedimensionale (3D) digitale technologie heeft de reikwijdte van diagnose en planning voor orthodontische of chirurgisch-orthodontische behandelingen verbreed. Een virtueel hoofd dat is opgebouwd uit een CBCT-beeld (Cone-Beam computertomografie) van het gezicht kan worden gebruikt om dentofaciale en tandheelkundige afwijkingen te evalueren, orthognatische chirurgie te plannen, tandwafels te fabriceren en chirurgische geleiders te implanteren met behulp van computerondersteund ontwerp en productie 1,2,3,4. CBCT-scans hebben echter een lage weergave van het gebit, inclusief tandmorfologie en interocclusale relatie, die te wijten zijn aan hun beperkte resolutie en streepartefacten van tandrestauratie of orthodontische beugels5. Daarom zijn de gebitskenmerken op CBCT-beelden vervangen door digitale gebitsbeelden (DDI), zoals gescande afgietsels of intraorale scanbeelden.
Voor een betrouwbare integratie van DDI op CBCT-beelden rapporteerden talrijke onderzoeken verschillende methoden, zoals het gebruik van fiduciale markers 6,7, voxel-gebaseerde8 en oppervlakte-gebaseerde registraties (SBR's)9,10. Deze procedures hebben hun methoden voor het gebruik van extraorale markers, meerdere CBCT-scans en extra processtappen zoals het reinigen van metalen artefacten op CBCT-afbeeldingen. Wat de SBR-nauwkeurigheid betreft, rapporteerden verschillende eerdere onderzoeken fouten variërend van 0,10 tot 0,43 mm 9,11. Daarnaast evalueerden Zou et al. de betrouwbaarheid binnen / tussen waarnemers en fouten tussen een digitale ingenieur en een orthodontist met behulp van SBR en rapporteerden ze de noodzaak van klinische ervaring en herhaald leren10.
Kunstmatige intelligentie (AI) is gebruikt om behandelingsresultaten12 te voorspellen en oriëntatiepunten op cefalometrische röntgenfoto's13 of CBCT-beelden 14,15,16 te digitaliseren, en er is momenteel commerciële software beschikbaar om bij dit proces te helpen 17. Nauwkeurige identificatie van anatomische oriëntatiepunten op 3D-beelden is een uitdaging vanwege de ambiguïteit van platte oppervlakken of gebogen structuren, gebieden met een lage dichtheid en de grote variabiliteit van de anatomische structuren.
Op AI gebaseerde, machine-learning automatisering kan niet alleen worden toegepast voor digitalisering, maar ook voor de integratie van DDI en dentofaciale CBCT. Er is echter weinig onderzoek gedaan naar de nauwkeurigheid van een AI-gebaseerde registratie (ABR) in vergelijking met de bestaande oppervlakte-gebaseerde methode. Om nauwkeurigere resultaten van 3D-skelet- en gebitsveranderingen te bereiken door middel van bimaxillaire orthognatische chirurgie, is het noodzakelijk om de nauwkeurigheid van op AI gebaseerde programma's te evalueren bij het samenvoegen van CBCT en DDI. Daarom presenteert dit artikel een stapsgewijs protocol voor het digitaliseren en integreren van CBCT en DDI met een op AI gebaseerde registratie (ABR) en om de betrouwbaarheid en reproduceerbaarheid ervan te evalueren in vergelijking met die van SBR.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Deze retrospectieve studie werd beoordeeld en goedgekeurd door de Institutional Review Board van het Seoul National University Bundang Hospital (B-2205-759-101) en voldeed aan de principes van de Verklaring van Helsinki. Digital Imaging and Communications in Medicine (DICOM)-bestanden van CBCT en DDI in Standard Tessellation Language (STL)-formaat van het tandgips werden in het onderzoek gebruikt. Er werd afgezien van de noodzaak van geïnformeerde toestemming vanwege het retrospectieve karakter van het onderzoek.
1. Acquisitie van CBCT en Digital Dental Images (DDI)
- Selecteer patiënten op basis van de volgende inclusiecriteria: skelet klasse III malocclusie; bimaxillaire chirurgie via computerondersteunde planning; en orthodontische behandeling met vaste randgewijze apparaten.
- Sluit patiënten uit met craniofaciale syndromen, gespleten lip/gehemelte of ontbrekende maxillaire eerste kiezen of rechter centrale snijtand.
- Verkrijg CBCT-scans met een gezichtsveld van 200 mm x 180 mm, een voxelgrootte van 0.2 mm en belichtingsomstandigheden van 80 kVp, 15 mA en 10.8 s. Zorg ervoor dat patiënten rechtop staan met hun tanden in maximale intercuspatie. Sla de scans op als DICOM-gegevensbestanden (Digital Imaging and Communications in Medicine).
- Verkrijg DDI's van afgietsels van tandstenen of direct intraoraal scannen en sla ze op in het Standard Tessellation Language (STL)-formaat als afzonderlijk maxillair en mandibulaire gebit.
2. Op AI gebaseerd registratieprotocol (ABR)
- CBCT heroriëntatie en digitalisering
- Open de software en klik op de Laad DICOM-bestand knop om CBCT DICOM-bestanden in de software te importeren.
- Selecteer een van de DICOM-bestanden in de DICOM-gegevensmap en klik op openen.
OPMERKING: Wanneer DICOM-bestanden worden geladen, reconstrueert de software ze automatisch tot een CBCT-craniofaciaal volume. - Klik op de knop Heroriëntatie in het deelvenster Oriëntatiepunt (Afbeelding 1).
- N (Nasion): klik op de V-inkeping van het voorhoofdsbeen in de 3D-weergave (Figuur 2). Merk op dat de blauwe stip (geactiveerd) onmiddellijk na de klik verandert in een rood kruis dat ook in de axiale, sagittale en coronale weergaven zal verschijnen. Klik op de blauwe driehoekige pijlen heen en weer om het herkenningspunt te identificeren.
- Veeg in de sagittale weergave met het muiswiel omhoog en omlaag om het meest voorste punt te vinden waar de frontonasale hechting de neus- en voorhoofdsbeenderen ontmoet en klik om de verticale en anteroposterieure positie van het oriëntatiepunt te bepalen.
- Scroll in de coronale weergave met het muiswiel op en neer om het moment te vinden net voordat het neusbeen verdwijnt om het meest voorste punt te garanderen en klik om de horizontale positie van de Nasion te bepalen.
- Pas in de axiale weergave de anteroposterieure positie aan zoals deze zich op het meest voorste punt bevindt.
- R Or (Orbitale): klik op het meest inferieure punt op de rand van de rechter orbitale contour in het 3D-model (Figuur 2).
- Scroll in de coronale weergave met het muiswiel omhoog en omlaag om het laagste punt op de inferieure marge van de rechterbaan te vinden en klik.
- Klik in de sagittale weergave op het meest superieure punt van de rechter bovenkaak of jukbeenstructuur die de ondergrens van de baan vormt.
- Blader in de axiale weergave door de muis en klik zo dat het rode kruis zich bevindt op de plaats waar de rand van de oogbaan samenkomt.
- L Or (Orbitale): klik op het meest inferieure punt op de rand van de linker orbitale contour in het 3D-model (Figuur 2) en wijzig het punt op de drie weergaven zoals in het proces voor R Or.
- R Po (Porion): klik op het meest superieure punt van de omtrek van de rechter externe auditieve meatus in het 3D-model (Figuur 2).
- Klik in de coronale weergave op het laagste punt van het rechter slaapbeen om de horizontale en verticale posities te bepalen.
- Klik in de sagittale weergave op het meest superieure punt van de omtrek van de rechter externe auditieve meatus om de verticale en anterieure-posterieure posities aan te passen.
- Scroll in de axiale weergave met het muiswiel om te klikken waar de uitwendige gehoorgang verschijnt, waarin de lijn van het slaapbeen verdwijnt.
- L Po (Porion): klik op het meest superieure punt van de omtrek van de linker externe auditieve meatus in het 3D-model (Figuur 2) en wijzig het punt in de drie multiplanaire weergaven zoals in het proces voor R Po.
OPMERKING: De vijf basisoriëntatiepunten van het skelet, waaronder Nasion, rechter en linker orbitales, en rechter en linker porionen in het gereconstrueerde craniofaciale model (Figuur 2), zijn nu geïdentificeerd. - Klik op de knop Gereed om de heroriëntatie van het gereconstrueerde craniofaciale model te voltooien.
- Klik op de knop Voorlopig herkenningspunt kiezen in het deelvenster Oriëntatiepunt en selecteer de groep Gebit I oriëntatiepunt.
OPMERKING: Kenmerkende groepen van craniale basis, TMJ, maxillair skelet, mandibulaire skelet, gebit I en zacht weefsel zijn al geselecteerd voor craniofaciale analyse. - Klik op de knop Uitvoeren in het deelvenster Voorlopige oriëntatiepunt kiezen en laat de software automatisch voorlopige oriëntatiepunten kiezen en hun coördinaten bepalen.
- Wanneer u de oriëntatiepunten wijzigt, drukt u op de knop Handmatige oriëntatiepunten kiezen op het tabblad Volume , maakt u de nodige aanpassingen en klikt u op de knop Gereed om te bevestigen (Afbeelding 3).
3. Procedure voor het samenvoegen van DDI
- Klik op de knop Registratie van gebitsscan in het deelvenster Tools (Figuur 4).
- Selecteer bovenkaakgebit en klik op de knop Laden in het deelvenster Gebitregistratie.
- Selecteer de STL-bestanden van dezelfde patiënt met het CBCT-model in de map om STL-bestanden voor het bovenkaakgebit te laden. Zodra de STL-bestanden zijn geopend, zoekt u naar DDI's aan de rechterkant van het scherm en vier weergaven (3D, axiaal, sagitaal en coronaal) van de CBCT aan de linkerkant van het scherm.
- Kies de registratiepunten op de geladen DDI: de mesiobuccale knobbels van de rechter maxillaire eerste kies (R U6CP), het rechter maxillaire centrale snijtand middelpunt op de incisale rand (R U1CP) en de mesiobuccale knobbel van de linker maxillaire eerste molaar (L U6CP) (Figuur 5) door de blauwe driehoekige pijlen heen en weer te schakelen.
OPMERKING: Klik met de linkermuisknop en sleep de muis om de DDI te draaien en klik en sleep met de rechtermuisknop om in en uit te zoomen. De registratiepunten worden tegelijkertijd gekalibreerd door machinaal geleerde automatisering nadat ze handmatig zijn gedigitaliseerd. - Klik op de knop Gereed in het deelvenster Gebitsregistratie.
- Klik op de knop Ja om de automatische registratie te bevestigen (Figuur 6).
- Voor het samenvoegen van onderkaakgebit selecteert u onderkaakgebit en klikt u op de knop Laden in het deelvenster Gebitregistratie. Herhaal stap 3.2 tot en met 3.6. Kies de registratiepunten op het mandibulaire gebit: de mesiobuccale knobbel van de rechts/links onderste eerste kies (R-/L-L6CP), rechts onderste eerste snijtand middelpunt op de incisale rand (R L1CP).
- De DDI is nu samengevoegd met het gereconstrueerde CBCT-model (Figuur 7).
- Wanneer u de samenvoeging wijzigt, klikt u op de knop Registratie Oriëntatiepunt kiezen in het paneel Gebitsregistratie (Afbeelding 8).
4. Het verkrijgen van de 3D-coördinatenwaarden (x, y en z) van elk oriëntatiepunt
- Klik op de knop Handmatig kiezen van oriëntatiepunten op het tabblad Volume of klik op het tabblad Analyse om de 3D-coördinatenwaarden van de oriëntatiepunten te verkrijgen. Ga voor gegevensexport naar het tabblad analyse
→gegevensexportpaneel en klik op de knop Landmark om de gegevens als bestand op te slaan.
OPMERKING: Het X-vlak (horizontaal) is het vlak dat door de Nasion gaat, evenwijdig aan het horizontale (FH) vlak van Frankfort dat door de linker en rechter Orbitales en rechter Porion gaat. Het Y-vlak (midsagittaal) staat loodrecht op het X-vlak en passeert het Nasion en het basion. Het Z-vlak (coronaal) zet het vlak loodrecht op de horizontale en midsagittale vlakken via de Nasion (nulpunt; 0, 0 en 0) (Figuur 9).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Hier hebben we het integratieproces van CBCT en DDI beschreven met behulp van een op AI gebaseerd programma. Om de betrouwbaarheid en reproduceerbaarheid te beoordelen, werd een vergelijkende studie met oppervlakteregistratie (SBR) uitgevoerd. Er werd vastgesteld dat een minimale steekproefomvang van tien vereist was na een machtsanalyse onder correlatie ρ H1 = 0,77, α = 0,05 en vermogen (1−β) = 0,8018. In totaal werden 17 sets CBCT-scans en digitale gebitsbeelden van orthognatische patiënten in het Seoul National University Bundang Hospital van maart 2016 tot oktober 2019 bestudeerd. De volledige SBR- en ABR-processen voor dezelfde populatie werden twee keer herhaald door dezelfde examinator, een orthodontische bewoner die meer dan 1,5 jaar had getraind in het identificeren van oriëntatiepunten. SBR werd uitgevoerd via een protocol dat vergelijkbaar is met dat van sommige eerdere onderzoeken 9,10 (Figuur 10). De gemiddelde verschillen in x-, y- en z-coördinaatwaarden van R-/L-U6CP en R U1CP na herhaalde integraties met elk programma werden geëvalueerd. Alle gegevens werden statistisch geanalyseerd met SPSS 22.0-software. De betrouwbaarheid van de coördinaten van de oriëntatiepunten werd geanalyseerd in elke ABR, SBR en daartussen om de reproduceerbaarheid te evalueren met behulp van intraclass correlatie (ICC)19.
De intra-observer betrouwbaarheid van x-, y- en z-coördinaatwaarden van R-/L-U6CP en R U1CP was significant en bijna perfect voor respectievelijk ABR (0,950 ≤ ICC ≤ 0,998) en SBR (0,886 ≤ ICC ≤ 0,997) (Tabel 1). Het betrouwbaarheidsverschil in de y- en z-coördinaten in de meeste oriëntatiepunten was significant en vertoonde bijna perfecte tot substantiële overeenstemming tussen de SBR en ABR. De x-coördinatenwaarden van R-/L-U6CP en R U1CP vertoonden echter respectievelijk een matige, middelmatige en lage overeenkomst en waren onbeduidend.
Zoals te zien is in tabel 2, waren de gemiddelde verschillen van alle coördinaatwaarden van de herhaalde integraties niet significant verschillend in elke methode. Deze verschillen op de x-coördinaten varieerden van -0,005 tot -0,098 mm voor ABR en van -0,212 tot 0,013 mm voor SBR. Ze varieerden van -0,084 tot -0,314 mm op de y-coördinaten voor ABR, en van -0,007 tot 0,084 mm voor SBR, en varieerden van -0,005 tot 0,045 mm op de z-coördinaten voor ABR en van -0,567 tot 0,074 mm voor SBR. Er was echter geen significantie in het gemiddelde verschil tussen de eerste en de tweede registratie tussen de ABR en SBR.
Figuur 1: Heroriënteren van een craniofaciaal model. Dit wordt gestart door op de knop Heroriëntatie in het deelvenster Landmark te klikken. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 2: De vijf basisoriëntatiepunten voor de heroriëntatie van het gereconstrueerde craniofaciale model; nasion, rechter en linker orbitales, en rechter en linker porionen. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 3: Oriëntatiepunten en hun coördinaten na voorlopige automatische selectie van oriëntatiepunten. Beoordelingen en aanpassingen van de oriëntatiepunten kunnen worden gedaan door te klikken op de knop Handmatig kiezen van oriëntatiepunten in het tabblad Volume . Klik hier om een grotere versie van deze afbeelding te bekijken.
Figuur 4: Start van het samenvoegen van digitale gebitsbeelden met het geheroriënteerde craniofaciale model. Dit doet u door te klikken op de knop Registratie van gebitsscan in het paneel Tools. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 5: Locatie van de drie registratiepunten op de geladen digitale gebitsbeelden. De mesiobuccale knobbels van de rechter maxillaire eerste kies (R U6CP), het rechter maxillaire centrale snijtand middelpunt op de incisale rand (R U1CP) en de mesiobuccale knobbel van de linker maxillaire eerste kies (L U6CP). Deze oriëntatiepunten werden tegelijkertijd gekalibreerd door machine-learning automatisering. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 6: Bevestiging van de drie registratiepunten op de geladen digitale gebitsbeelden en CBCT. De rechter en linker mesiobuccale knobbels van de maxillaire eerste molaren (R U6CP, L U6CP) en het midden van de rechter bovenste centrale snijtand (R U1CP). Door op de knop Ja te klikken, wordt de automatische registratie uitgevoerd. Afkorting: CBCT = cone-beam computertomografie. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 7: Het gereconstrueerde craniofaciale model met het digitale gebitsbeeld samengevoegd. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 8: Wijzigen van de samenvoeging. Wanneer u de samenvoeging wijzigt, klikt u op de knop Registratie Oriëntatiepunt kiezen in het deelvenster Gebitsregistratie. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 9: Referentievlakken van het programma. Het X-vlak (horizontaal) is het vlak dat door de Nasion gaat, evenwijdig aan het horizontale (FH) vlak van Frankfort dat door de linker en rechter Orbitales en rechter Porion gaat. Het Y-vlak (midsagittaal) staat loodrecht op het X-vlak en passeert het Nasion en het basion. Het Z-vlak (coronaal) zet het vlak loodrecht op de horizontale en midsagittale vlakken via Nasion (nulpunt; 0, 0 en 0). Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 10: Oppervlakteregistratie van de maxillaire digitale tandbeelden in de tandheelkundige delen van gereconstrueerde CBCT-beelden. (A) Voor en (B) na samenvoeging. Eerst werden de beginpunten geregistreerd met behulp van de mesiobuccale knobbels van de maxillaire eerste molaren en het contactpunt van de centrale snijtanden in de CBCT en DDI. Vervolgens werd het oppervlak geregistreerd om een nauwkeurigere integratie te bereiken met behulp van het iteratieve algoritme voor dichtstbijzijnde punten. Afkorting: CBCT = cone-beam computertomografie; DDI = digitale gebitsbeelden. Klik hier om een grotere versie van deze figuur te bekijken.
Tabel 1: Betrouwbaarheid in drie coördinaten van elk herkenningspunt bij het integreren van gezichts-CBCT's en digitale gebitsbeelden in elke ABR en SBR en daartussen. *Gepaarde T-test; †Onafhankelijke T Test. ICC-> 0,8/0,6/0,4/0,2 of ≤ 0,2 vertegenwoordigen respectievelijk een zeer goede, goede, matige, redelijke of slechte sterkte van de overeenkomst. Afkortingen: CBCT = cone-beam computertomografie; AI = kunstmatige intelligentie; ABR = registratie op basis van AI; SBR = grondgebonden registratie; BI = betrouwbaarheidsinterval; ICC= intraklasse-coëfficiënt. Klik hier om deze tabel te downloaden.
Tabel 2: De gemiddelde verschillen in de drie coördinaten van elk oriëntatiepunt van herhaalde registraties van gezichts-CBCT's en digitale gebitsbeelden met de ABR en SBR. Δ (1e-2e), het gemiddelde verschil in x-, y- en z-coördinaten van elk oriëntatiepunt tussen de eerste registratie (1e) en tweede registratie (2e) van DDI- en CBCT-gezichtsbeelden. *Gepaarde T-test; †onafhankelijke T-test ; bWilcoxon Signed-rank test. De significantie werd vastgesteld op P < 0,05. Afkortingen: CBCT = cone-beam computertomografie; AI = kunstmatige intelligentie; ABR = registratie op basis van AI; SBR = grondgebonden registratie; S.D. = standaarddeviatie. Klik hier om deze tabel te downloaden.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Met behulp van het gepresenteerde protocol kan digitalisering van oriëntatiepunten en de integratie van CBCT en DDI eenvoudig worden bereikt met behulp van machine-learned software. Dit protocol vereist de volgende kritieke stappen: i) heroriëntatie van het hoofd in de CBCT-scan, ii) digitalisering van CBCT en DDI, en iii) het samenvoegen van CBCT-beelden met de DDI. De digitalisering van vijf oriëntatiepunten voor de heroriëntatie van het hoofd is van cruciaal belang omdat het de 3D-positie van het hoofd bepaalt met referentievlakken in ruimtelijke gebieden. Drie oriëntatiepunten (R-/L-U6CP en R U1CP) op de DDI werden gekalibreerd door machine-learning automatisering nadat ze handmatig waren gedigitaliseerd. Het enige handmatige proces was het lokaliseren van de vijf basisoriëntatiepunten van het skelet in het gereconstrueerde CBCT-model, waaronder Nasion, rechter en linker orbitales en porions (Figuur 2), en de drie tandheelkundige oriëntatiepunten in de DDI, waaronder R-/L-U6CP en R U1CP (Figuur 5). Daarom moet de gebruiker ervaring hebben met het digitaliseren van deze acht oriëntatiepunten, die van invloed kunnen zijn op registratiefouten. De gemiddelde verbruikstijd van SBR was 3-4 minuten voor het samenvoegen van CBCT en DDI door een programma-expert. In het ABR-programma werd gemiddeld 50 s verbruikt voor het kiezen van vijf oriëntatiepunten voor heroriëntatie, 40 s voor het kiezen van drie oriëntatiepunten in DDI en 2-3 s voor het programma om CBCT en DDI samen te voegen. Bovendien varieert de tijd voor het automatisch picken van oriëntatiepunten in de hele CBCT van 30 s tot 2 minuten, afhankelijk van de selectie van de oriëntatiepuntgroep.
Wanneer de digitalisering van sommige oriëntatiepunten onnauwkeurig is, kunnen ze worden gewijzigd door handmatige digitalisering en door op Handmatige registratie te klikken. Stel dat er een anatomische of morfologische afwijking is (bijv. ontbrekende centrale snijtanden of eerste kiezen), dan kan een clinicus specifieke herkenningspunten identificeren door bepaalde punten in de CBCT en DDI aan te passen aan elkaar.
Wat betreft de gemiddelde fouten van verschillende integratiemethoden met CBCT en DDI, rapporteerden eerdere studies met behulp van markers dat het bereik van registratiefouten liep van 0,1 tot 0,5 mm20. In een artefactbestendige oppervlakteregistratie rapporteerden Lin et al. nauwkeurigheidsfouten van 0,10 tot 0,43 mm11. In onze studie was het bereik van het gemiddelde verschil in ABR echter kleiner dan dat met SBR (0,001 tot 0,314 mm; Tabel 2). Dit betekent dat ABR nauwkeuriger kan zijn dan SBR. Interessant is dat de z-coördinaat van de maxillaire snijtand in de ABR en de x-coördinaat in de SBR relatief minder gemiddelde fouten vertoonden. Het kan worden afgeleid van verschillende oriëntatiepunten van de maxillaire snijtand tussen ABR en SBR, respectievelijk het middelpunt en het contactpunt van de maxillaire snijtand.
Bovendien kunnen metalen artefacten en het ervaringsniveau van de operator tijdens de integratie van invloed zijn op de nauwkeurigheid bij het samenvoegen van CBCT en DDI. Nkenke et al. rapporteerden respectievelijk 0,13 mm en 0,27 mm zonder en met metaalartefactcorrectie21. Een andere studie wees uit dat maxillaire tanden een slechte tot matige betrouwbaarheid vertoonden in x-coördinaatwaarden met SBR tussen verschillende operatorgroepen10. Consequent vertoonde in onze studie de betrouwbaarheid van x-coördinatenwaarden van maxillaire eerste molaren en snijtanden een matige tot slechte overeenkomst in vergelijking tussen ABR en SBR. Bovendien was de betrouwbaarheid in de y-/z-coördinaten in de meeste oriëntatiepunten bijna perfect tot substantiële overeenstemming, terwijl de x-coördinaten matige tot lage overeenstemming vertoonden (Tabel 1). Deze variabiliteit in x-coördinaten kan worden afgeleid uit de ambiguïteit van de oriëntatiepunten als gevolg van occlusale slijtage in de eerste kiezen en verdringing of afstand in maxillaire centrale snijtanden.
Wat de AI-identificatie van CBCT betreft, zijn oriëntatiepunten op toppen, randen, apices en tussen gebieden met verschillende dichtheden gemakkelijker te lokaliseren en hebben ze daarom de neiging om de hoogste nauwkeurigheid te vertonen22. Guillot et al. ontdekten dat oriëntatiepunten in de schedelbasis een hogere nauwkeurigheid vertoonden dan die in de bovenkaak en onderkaak14. Deze studies voegden CBCT echter niet samen met DDI en evalueerden de identificatie van anatomische oriëntatiepunten in alleen CBCT door AI.
Deze studie had een kleine steekproefomvang die werd gebruikt om de betrouwbaarheid van ABR te evalueren; Verdere evaluatie met een grotere steekproefomvang is nodig. Aangezien deze studie slechts door één examinator is uitgevoerd, kunnen verschillen tussen examinatoren van invloed zijn op de betrouwbaarheid, die verder kan worden bestudeerd. Aangezien dit protocol was gebaseerd op een machinaal geleerd algoritme waarin convolutie neurale netwerken werden ontwikkeld met een voorbeelddatabase, moet de database bovendien periodiek worden bijgewerkt. Het moet duidelijk zijn dat anatomische diversiteit van tanden en gezichtsbotten, vooral bij dentofaciale misvormingen, verschillen in radiografische dichtheid en resolutie van CBCT en DDI kan leiden tot een gecompromitteerde gegevensweergave. Dit ABR-protocol kan worden toegepast om een implantaat of parodontale chirurgie vooraf te ontwerpen en computerondersteunde orthognatische chirurgie en orthodontische behandeling te simuleren.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De auteurs verklaren geen belangenconflicten.
Acknowledgments
Deze studie werd ondersteund door het Seoul National University Bundang Hospital (SNUBH) Research Fund. (Subsidie nr. 14-2019-0023).
Materials
| Name | Company | Catalog Number | Comments |
| G*Power | Heinrich Heine Universität, D?sseldorf, 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 |
References
- Plooij, J. M., et al. Digital three-dimensional image fusion processes for planning and evaluating orthodontics and orthognathic surgery. A systematic review. J Oral Maxillofac Surg. 40 (4), 341-352 (2011).
- Badiali, G., et al. Virtual orthodontic surgical planning to improve the accuracy of the surgery-first approach: A prospective evaluation. J Oral Maxillofac Surg. 77 (10), 2104-2115 (2019).
- Lee, C. Y., Ganz, S. D., Wong, N., Suzuki, J. B. Use of cone beam computed tomography and a laser intraoral scanner in virtual dental implant surgery: part 1. Implant Dent. 21 (4), 265-271 (2012).
- Park, J. H., et al. Creation of digital virtual patient by integrating CBCT, intraoral scan, 3D facial scan: an approach to methodology for integration accuracy. J Craniofac Surg. 33 (4), e396-e398 (2022).
- Almutairi, T., et al. Replacement of the distorted dentition of the cone-beam computed tomography scans for orthognathic surgery planning. J Oral Maxillofac Surg. 76 (7), 1561.e1-1561.e8 (2018).
- Rangel, F. A., Maal, T. J., Berge, S. J., Kuijpers-Jagtman, A. M. Integration of digital dental casts in cone-beam computed tomography scans. ISRN Dent. 2012, 949086 (2012).
- Yang, W. M., Ho, C. T., Lo, L. J. Automatic superimposition of palatal fiducial markers for accurate integration of digital dental model and cone beam computed tomography. J Oral Maxillofac Surg. 73 (8), 1616.e1-1616.e10 (2015).
- Swennen, G. R., et al. A cone-beam computed tomography triple scan procedure to obtain a three-dimensional augmented virtual skull model appropriate for orthognathic surgery planning. J Craniofac Surg. 20 (2), 297-307 (2009).
- Noh, H., Nabha, W., Cho, J. H., Hwang, H. S. Registration accuracy in the integration of laser-scanned dental images into maxillofacial cone-beam computed tomography images. Am J Orthod Dentofacial Orthop. 140 (4), 585-591 (2011).
- Zou, B., et al. Accuracy of a surface-based fusion method when integrating digital models and the cone beam computed tomography scans with metal artifacts. Sci Rep. 12 (1), 8034 (2022).
- Lin, H. H., et al. Artifact-resistant superimposition of digital dental models and cone-beam computed tomography images. J Oral Maxillofac Surg. 71 (11), 1933-1947 (2013).
- Park, J. H., et al. Use of artificial intelligence to predict outcomes of nonextraction treatment of Class II malocclusions. Semin Orthodontics. 27 (2), 87-95 (2021).
- Bao, H., et al. Evaluating the accuracy of automated cephalometric analysis based on artificial intelligence. BMC Oral Health. 23 (1), 1-10 (2023).
- Gillot, M., et al. Automatic landmark identification in cone-beam computed tomography. Orthod Craniofac Res. , (2023).
- Blum, F. M. S., et al. Evaluation of an artificial intelligence-based algorithm for automated localization of craniofacial landmarks. Clin Oral Invest. 27, 2255-2265 (2023).
- Al-Ubaydi, A. S., Al-Groosh, D. The validity and reliability of automatic tooth segmentation generated using artificial intelligence. The Scientific World Journal. 2023, 5933003 (2023).
- Urban, R., et al. AI-assisted CBCT data management in modern dental practice: Benefits, limitations and innovations. Electronics. 12 (7), 1710 (2023).
- Faul, F., Erdfelder, E., Buchner, A., Lang, A. G. Statistical power analyses using G*Power 3.1: tests for correlation and regression analyses. Behav Res Methods. 41 (4), 1149-1160 (2009).
- Landis, J. R., Koch, G. G. The measurement of observer agreement for categorical data. Biometrics. 33, 159-174 (1977).
- Uechi, J., et al. A novel method for the 3-dimensional simulation of orthognathic surgery by using a multimodal image-fusion technique. Am J Orthod Dentofacial Orthop. 130 (6), 786-798 (2006).
- Nkenke, E., et al. Fusion of computed tomography data and optical 3D images of the dentition for streak artifact correction in the simulation of orthognathic surgery. Dentomaxillofac Radiol. 33 (4), 226-232 (2004).
- Lagravère, M. O., et al. Intraexaminer and interexaminer reliabilities of landmark identification on digitized lateral cephalograms and formatted 3-dimensional cone-beam computerized tomography images. Am J Orthod Dentofacial Orthop. 137 (5), 598-604 (2010).
