Summary
Un processus d’enregistrement de tomodensitométries à faisceau conique et d’images dentaires numériques a été présenté à l’aide de l’identification et de la fusion assistées par l’intelligence artificielle (IA). Une comparaison avec le recalage basé sur la surface montre que la numérisation et l’intégration basées sur l’IA sont fiables et reproductibles.
Abstract
Cette étude visait à introduire la numérisation et l’intégration d’images dentaires numériques (DDI) par tomographie conique (CBCT) basée sur l’enregistrement basé sur l’intelligence artificielle (IA) et à évaluer la fiabilité et la reproductibilité de cette méthode par rapport à celles de l’enregistrement en surface (SBR). Cette étude rétrospective a consisté en des images CBCT et DDI de 17 patients ayant subi une chirurgie orthognatique bimaxillaire assistée par ordinateur. La numérisation des images CBCT et leur intégration avec DDI ont été répétées à l’aide d’un programme basé sur l’IA. Les images CBCT et DDI ont été intégrées à l’aide d’un recalage point à point. En revanche, avec la méthode SBR, les trois points de repère ont été identifiés manuellement sur le CBCT et le DDI, qui ont été intégrés à la méthode itérative des points les plus proches.
Après deux intégrations répétées de chaque méthode, les valeurs de coordonnées tridimensionnelles des premières molaires maxillaires et des incisives centrales et leurs différences ont été obtenues. Des tests de coefficient intraclasse (ICC) ont été effectués pour évaluer la fiabilité intra-observateur avec les coordonnées de chaque méthode et comparer leur fiabilité entre l’ABR et le SBR. La fiabilité intra-observateur a montré une ICC significative et presque parfaite dans chaque méthode. Il n’y avait pas de différence moyenne significative entre le premier et le deuxième enregistrement dans chaque ABR et SBR et entre les deux méthodes ; cependant, leurs fourchettes étaient plus étroites avec l’ABR qu’avec la méthode SBR. Cette étude montre que la numérisation et l’intégration basées sur l’IA sont fiables et reproductibles.
Introduction
La technologie numérique tridimensionnelle (3D) a élargi le champ du diagnostic et de la planification des traitements orthodontiques ou chirurgico-orthodontiques. Une tête virtuelle construite à partir d’une image de tomodensitométrie à faisceau conique (CBCT) peut être utilisée pour évaluer les anomalies dentofaciales et dentaires, planifier la chirurgie orthognatique, fabriquer des plaquettes dentaires et implanter des guides chirurgicaux à l’aide de la conception et de la fabrication assistées par ordinateur 1,2,3,4. Cependant, les scintigraphies CBCT ont une faible représentation de la dentition, y compris la morphologie dentaire et la relation interocclusale, qui sont dues à leur résolution limitée et aux artefacts striés de la restauration dentaire ou des boîtiers orthodontiques5. Par conséquent, les caractéristiques dentaires ont été substituées sur les images CBCT par des images dentaires numériques (DDI), telles que des plâtres numérisés ou des images de balayage intra-oral.
Pour une intégration fiable de la DDI sur les images CBCT, de nombreuses études ont rapporté diverses méthodes telles que l’utilisation de marqueurs repères 6,7,basés sur les voxels 8 et les enregistrements basés sur la surface (SBR)9,10. Ces procédures ont leurs méthodes d’utilisation de marqueurs extra-oraux, de plusieurs scans CBCT et d’étapes de processus supplémentaires telles que le nettoyage des artefacts métalliques sur les images CBCT. En ce qui concerne la précision SBR, plusieurs études antérieures ont rapporté des erreurs allant de 0,10 à 0,43 mm 9,11. De plus, Zou et al. ont évalué la fiabilité et les erreurs intra-/inter-observateurs entre un ingénieur numérique et un orthodontiste à l’aide de SBR et ont rapporté la nécessité d’une expérience clinique et d’un apprentissage répété10.
L’intelligence artificielle (IA) a été utilisée pour prédire les résultats du traitement12 et numériser des points de repère sur des radiographies céphalométriques13 ou des images CBCT 14,15,16, et certains logiciels commerciaux sont actuellement disponibles pour faciliter ce processus 17. L’identification précise des repères anatomiques sur des images 3D est difficile en raison de l’ambiguïté des surfaces planes ou des structures courbes, des zones de faible densité et de la grande variabilité des structures anatomiques.
L’automatisation basée sur l’IA et l’apprentissage automatique peut être appliquée non seulement à la numérisation, mais aussi à l’intégration de DDI et de CBCT dentofacial. Cependant, il existe peu de recherches sur la précision d’un enregistrement basé sur l’IA (ABR) par rapport à la méthode existante basée sur la surface. Pour obtenir des résultats plus précis des modifications squelettiques et dentaires 3D grâce à la chirurgie orthognatique bimaxillaire, il est nécessaire d’évaluer la précision des programmes basés sur l’IA lors de la fusion de CBCT et de DDI. Par conséquent, cet article présente un protocole étape par étape pour numériser et intégrer CBCT et DDI avec un enregistrement basé sur l’IA (ABR) et pour évaluer sa fiabilité et sa reproductibilité par rapport à celle du SBR.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Cette étude rétrospective a été examinée et approuvée par le Conseil d’examen institutionnel de l’hôpital Bundang de l’Université nationale de Séoul (B-2205-759-101) et s’est conformée aux principes de la Déclaration d’Helsinki. Des fichiers DICOM (Digital Imaging and Communications in Medicine) de CBCT et DDI au format STL (Standard Tessellation Language) du plâtre dentaire ont été utilisés dans l’étude. La nécessité d’un consentement éclairé a été écartée en raison de la nature rétrospective de l’étude.
1. Acquisition de CBCT et d’images dentaires numériques (DDI)
- Sélectionner les patients en fonction des critères d’inclusion suivants : malocclusion squelettique de classe III ; chirurgie bimaxillaire via la planification assistée par ordinateur ; et traitement orthodontique avec des appareils fixes dans le sens des bords.
- Exclure les patients atteints de syndromes craniofaciaux, de fente labiale/palatine, ou de premières molaires maxillaires ou d’incisives centrales droites manquantes.
- Obtenez des balayages CBCT avec un champ de vision de 200 mm x 180 mm, une taille de voxel de 0,2 mm et des conditions d’exposition de 80 kVp, 15 mA et 10,8 s. Assurez-vous que les patients sont en position verticale avec leurs dents en intercuspidation maximale. Enregistrez les numérisations sous forme de fichiers de données DICOM (Digital Imaging and Communications in Medicine).
- Acquérez des DDI à partir de moulages de pierres dentaires ou d’un balayage intra-oral direct et enregistrez-les au format STL (Standard Tessellation Language) en tant que dentition maxillaire et mandibulaire distinctes.
2. Protocole d’enregistrement basé sur l’IA (ABR)
- Réorientation et numérisation de la CBCT
- Ouvrez le logiciel et cliquez sur le bouton Charger le fichier DICOM pour importer des fichiers DICOM CBCT dans le logiciel.
- Sélectionnez l’un des fichiers DICOM dans le dossier de données DICOM et cliquez sur Ouvrir.
REMARQUE : Lorsque des fichiers DICOM sont chargés, le logiciel les reconstruit automatiquement en un volume craniofacial CBCT. - Cliquez sur le bouton Réorientation dans le panneau Point de repère (Figure 1).
- N (Nasion) : cliquez sur l’encoche en V de l’os frontal dans la vue 3D (Figure 2). Immédiatement après le clic, observez que le point bleu (activé) se transforme en une croix rouge qui apparaîtra également dans les vues axiale, sagittale et coronale. Cliquez sur les flèches triangulaires bleues d’avant en arrière pour identifier le point de repère.
- Dans la vue sagittale, faites défiler la molette de la souris vers le haut et vers le bas pour trouver le point le plus antérieur où la suture fronto-nasale rencontre les os nasaux et frontaux et cliquez pour déterminer la position verticale et antéropostérieure du point de repère.
- Dans la vue coronale, faites défiler la molette de la souris vers le haut et vers le bas pour trouver le moment juste avant que l’os nasal ne disparaisse afin de vous assurer que le point le plus antérieur est situé et cliquez pour déterminer la position horizontale de la Nasion.
- En vue axiale, ajustez la position antéropostérieure comme elle l’est sur le point le plus antérieur.
- R Ou (Orbitale) : cliquez sur le point le plus bas sur la marge du contour orbital de droite dans le modèle 3D (Figure 2).
- Dans la vue coronale, faites défiler la molette de la souris vers le haut et vers le bas pour trouver le point le plus bas sur la marge inférieure de l’orbite droite et cliquez.
- Dans la vue sagittale, cliquez sur le point le plus supérieur de la structure osseuse maxillaire ou zygomatique droite qui constitue la limite inférieure de l’orbite.
- Dans la vue axiale, faites défiler la souris et cliquez de sorte que la croix rouge soit positionnée à l’endroit où le bord de l’orbite de l’œil se rencontre.
- L Or (Orbitale) : cliquez sur le point le plus bas sur la marge du contour orbital gauche dans le modèle 3D (Figure 2) et modifiez le point sur les trois vues comme dans le processus pour R Or.
- R Po (Porion) : cliquez sur le point le plus supérieur du contour du méat auditif externe droit dans le modèle 3D (Figure 2).
- Dans la vue coronale, cliquez sur le point le plus bas de l’os temporal droit pour déterminer les positions horizontales et verticales.
- Dans la vue sagittale, cliquez sur le point le plus supérieur du contour du méat auditif externe droit pour ajuster les positions verticale et antéro-postérieure.
- Dans la vue axiale, faites défiler la molette de la souris pour cliquer à l’endroit où apparaît le conduit auditif externe, dans lequel la ligne de l’os temporal disparaît.
- L Po (Porion) : cliquez sur le point le plus supérieur du contour du méat auditif externe gauche dans le modèle 3D (Figure 2) et modifiez le point dans les trois vues multiplanaires comme dans le processus pour R Po.
REMARQUE : Les cinq repères squelettiques de base, y compris Nasion, les orbitales droite et gauche, et les pores droit et gauche dans le modèle craniofacial reconstruit (figure 2), sont maintenant identifiés. - Cliquez sur le bouton Terminé pour terminer la réorientation du modèle craniofacial reconstruit.
- Cliquez sur le bouton Sélection préliminaire des points de repère dans le panneau Points de repère et sélectionnez le groupe de points de repère Dentition I.
REMARQUE : Des groupes de référence de la base crânienne, de l’ATM, du squelette maxillaire, du squelette mandibulaire, de la dentition I et des tissus mous sont déjà sélectionnés pour l’analyse craniofaciale. - Cliquez sur le bouton Exécuter dans le panneau Sélection préliminaire des points de repère et laissez le logiciel choisir automatiquement les points de repère préliminaires et déterminer leurs coordonnées.
- Lorsque vous modifiez les points de repère, appuyez sur le bouton Sélection manuelle des points de repère dans l’onglet Volume , effectuez les réglages nécessaires, puis cliquez sur le bouton Terminé pour confirmer (Figure 3).
3. Procédure de fusion DDI
- Cliquez sur le bouton Enregistrement de la numérisation de la dentition dans le panneau Outils (Figure 4).
- Sélectionnez la dentition maxillaire et cliquez sur le bouton Charger dans le panneau d’enregistrement de la dentition.
- Sélectionnez les fichiers STL du même patient avec le modèle CBCT dans le dossier pour charger les fichiers STL de dentition maxillaire. Une fois les fichiers STL ouverts, recherchez les DDI sur le côté droit de l’écran et quatre vues (3D, axiale, sagittale et coronale) du CBCT sur le côté gauche de l’écran.
- Choisissez les points de repère d’enregistrement sur le DDI chargé : les cuspides mésiobuccales de la première molaire maxillaire droite (R U6CP), le point médian de l’incisive centrale maxillaire droite sur le bord incisif (R U1CP) et la cuspide mésiobuccale de la première molaire maxillaire gauche (L U6CP) (Figure 5) en basculant les flèches triangulaires bleues d’avant en arrière.
REMARQUE : Cliquez avec le bouton gauche et faites glisser la souris pour faire pivoter le DDI et cliquez avec le bouton droit et faites glisser pour zoomer et dézoomer. Les points de repère d’enregistrement sont calibrés simultanément par l’automatisation de l’apprentissage automatique après avoir été numérisés manuellement. - Cliquez sur le bouton Terminé dans le panneau d’enregistrement de la dentition.
- Cliquez sur le bouton Oui pour confirmer l’enregistrement automatique (Figure 6).
- Pour la fusion de la dentition mandibulaire, sélectionnez la dentition mandibulaire et cliquez sur le bouton Charger dans le panneau d’enregistrement de la dentition. Répétez les étapes 3.2 à 3.6. Choisissez les points de repère d’enregistrement sur la dentition mandibulaire : la cuspide mésiobuccale de la première molaire inférieure droite/gauche (R-/L- L- L6CP), le premier point médian de la première incisive inférieure droite sur le bord incisif (R L1CP).
- Le DDI est maintenant fusionné avec le modèle CBCT reconstruit (Figure 7).
- Lorsque vous modifiez la fusion, cliquez sur le bouton Pick Registration Landmark (Point de repère d’enregistrement de choix) dans le panneau Dentition Registration (Figure 8).
4. Obtention des valeurs des coordonnées 3D (x, y et z) de chaque point de repère
- Cliquez sur le bouton Sélection manuelle des points de repère dans l’onglet Volume ou cliquez sur l’onglet Analyse pour obtenir les valeurs de coordonnées 3D des points de repère. Pour l’exportation des données, allez dans l’onglet analyse
→panneau d’exportation de données, et cliquez sur le bouton Point de repère pour enregistrer les données sous forme de fichier.
REMARQUE : Le plan X (horizontal) est le plan qui passe par la Nasion, parallèlement au plan horizontal de Francfort (FH) qui passe par les orbitales gauche et droite et le poion droit. Le plan Y (médio-sagittal) est perpendiculaire au plan X, passant par la Nasion et le basion. Le plan Z (coronal) définit le plan perpendiculaire aux plans horizontal et médio-sagittal via la Nasion (point zéro ; 0, 0 et 0) (Figure 9).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Nous avons décrit ici le processus d’intégration de CBCT et DDI à l’aide d’un programme basé sur l’IA. Pour évaluer sa fiabilité et sa reproductibilité, une étude comparative avec enregistrement en surface (SBR) a été réalisée. Il a été déterminé qu’une taille d’échantillon minimale de dix était nécessaire après une analyse de puissance sous corrélation ρ H1 = 0,77, α = 0,05 et puissance (1−β) = 0,8018. Au total, 17 séries de scans CBCT et d’images dentaires numériques de patients orthognathiques de l’hôpital Bundang de l’Université nationale de Séoul de mars 2016 à octobre 2019 ont été étudiées. L’ensemble des processus SBR et ABR pour la même population a été répété deux fois par le même examinateur, un résident en orthodontie qui avait suivi une formation en identification de points de repère pendant plus d’un an et demi. La SBR a été réalisée selon un protocole similaire à celui de certaines études antérieures 9,10 (Figure 10). Les différences moyennes entre les valeurs des coordonnées x, y et z de R-/L-U6CP et R U1CP après des intégrations répétées avec chaque programme ont été évaluées. Toutes les données ont été analysées statistiquement à l’aide du logiciel SPSS 22.0. La fiabilité des coordonnées des points de repère a été analysée dans chaque ABR, SBR et entre eux pour évaluer la reproductibilité à l’aide de la corrélation intraclasse (ICC)19.
La fiabilité intra-observateur des valeurs des coordonnées x, y et z de R-/L-U6CP et R U1CP était significative et presque parfaite pour ABR (0,950 ≤ ICC ≤ 0,998) et SBR (0,886 ≤ ICC ≤ 0,997), respectivement (tableau 1). La différence de fiabilité entre les valeurs des coordonnées y et z dans la plupart des points de repère était significative et montrait une concordance presque parfaite à substantielle entre le SBR et l’ABR. Cependant, les valeurs des coordonnées x de R-/L-U6CP et R U1CP présentaient respectivement une concordance modérée, médiocre et faible, et étaient non significatives.
Comme le montre le tableau 2, les différences moyennes de toutes les valeurs de coordonnées des intégrations répétées n’étaient pas significativement différentes dans chaque méthode. Ces différences sur les coordonnées x variaient de -0,005 à -0,098 mm pour ABR et de -0,212 à 0,013 mm pour SBR. Ils variaient de -0,084 à -0,314 mm sur les coordonnées y pour ABR, et de −0,007 à 0,084 mm pour SBR, et variaient de -0,005 à 0,045 mm sur les coordonnées z pour ABR et de −0,567 à 0,074 mm pour SBR. Cependant, il n’y avait pas de différence moyenne significative entre la première et la deuxième immatriculation entre l’ABR et le SBR.
Figure 1 : Réorientation d’un modèle cranio-facial. Pour ce faire, cliquez sur le bouton Réorienter dans le panneau Landmark. Veuillez cliquer ici pour voir une version plus grande de cette figure.
Figure 2 : Les cinq points de repère de base pour la réorientation du modèle craniofacial reconstruit : nasion, orbitales droite et gauche, et porions droit et gauche. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 3 : Points de repère et leurs coordonnées après sélection automatique préliminaire des points de repère. Les révisions et les modifications des points de repère peuvent être effectuées en cliquant sur le bouton Sélection manuelle des points de repère dans l’onglet Volume. Veuillez cliquer ici pour voir une version plus grande de cette figure.
Figure 4 : Initiation de la fusion d’images dentaires numériques avec le modèle craniofacial réorienté. Pour ce faire, cliquez sur le bouton Enregistrement de la numérisation de la dentition dans le panneau Outils. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 5 : Emplacement des trois points de repère d’enregistrement sur les images dentaires numériques chargées. Les cuspides mésiobucciques de la première molaire maxillaire droite (R U6CP), le milieu de l’incisive centrale maxillaire droite sur le bord incisif (R U1CP) et la cuspide mésiobuccale de la première molaire maxillaire gauche (L U6CP). Ces points de repère ont été calibrés simultanément par l’automatisation de l’apprentissage automatique. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 6 : Confirmation des trois points de repère d’enregistrement sur les images dentaires numériques chargées et le CBCT. Les cuspides mésio-buccales droite et gauche des premières molaires maxillaires (R U6CP, L U6CP) et le point médian de l’incisive centrale supérieure droite (R U1CP). En cliquant sur le bouton Oui, l’enregistrement automatique s’effectue. Abréviation : CBCT = tomodensitométrie à faisceau conique. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 7 : Le modèle craniofacial reconstruit avec l’image dentaire numérique fusionnée. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 8 : Modification de la fusion. Lors de la modification de la fusion, cliquez sur le bouton Choisir le point de repère d’enregistrement dans le panneau d’enregistrement de la dentition. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 9 : Plans de référence du programme. Le plan X (horizontal) est le plan qui passe par la Nasion, parallèlement au plan horizontal de Francfort (FH) qui passe par les orbitales gauche et droite et le poion droit. Le plan Y (médio-sagittal) est perpendiculaire au plan X, passant par la Nasion et le basion. Le plan Z (coronal) définit le plan perpendiculaire aux plans horizontal et médio-sagittal via Nasion (point zéro ; 0, 0 et 0). Veuillez cliquer ici pour voir une version agrandie de cette figure.
Figure 10 : Enregistrement en surface des images dentaires numériques maxillaires dans les parties dentaires des images CBCT reconstruites. (A) Avant et (B) Après la fusion. Tout d’abord, les points initiaux ont été enregistrés à l’aide des cuspides mésiobuccales des premières molaires maxillaires et du point de contact des incisives centrales dans le CBCT et le DDI. Par la suite, la surface a été enregistrée pour réaliser une intégration plus précise à l’aide de l’algorithme itératif des points les plus proches. Abréviation : CBCT = tomographie assistée par ordinateur à faisceau conique ; DDI = images dentaires numériques. Veuillez cliquer ici pour voir une version agrandie de cette figure.
Tableau 1 : Fiabilité en trois coordonnées de chaque point de repère lors de l’intégration de CBCT faciaux et d’images dentaires numériques dans chaque ABR et SBR et entre eux. *test T apparié ; Test T †indépendant. Les > ICC 0,8/0,6/0,4/0,2 ou ≤ 0,2 représentent respectivement une force d’accord très bonne, bonne, modérée, passable ou faible. Abréviations : CBCT = tomographie conique par ordinateur ; IA = intelligence artificielle ; ABR = enregistrement basé sur l’IA ; SBR = enregistrement en surface ; IC = intervalle de confiance ; ICC = coefficient intraclasse. Veuillez cliquer ici pour télécharger ce tableau.
Tableau 2 : Les différences moyennes dans les trois coordonnées de chaque point de repère à partir d’enregistrements répétés de CBCT faciaux et d’images dentaires numériques avec l’ABR et le SBR. Δ (1er-2e), la différence moyenne des coordonnées x, y et z de chaque point de repère entre le premier enregistrement (1er) et le deuxième enregistrement (2e) des images DDI et CBCT faciales. *test T apparié ; †test t indépendant ; bWilcoxon Test du rang signé. La signification a été fixée à P < 0,05. Abréviations : CBCT = tomographie conique par ordinateur ; IA = intelligence artificielle ; ABR = enregistrement basé sur l’IA ; SBR = enregistrement en surface ; S.D. = écart-type. Veuillez cliquer ici pour télécharger ce tableau.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
À l’aide du protocole présenté, la numérisation des points de repère et l’intégration de la CBCT et de la DDI peuvent être facilement réalisées à l’aide d’un logiciel d’apprentissage automatique. Ce protocole nécessite les étapes critiques suivantes : i) réorientation de la tête dans le balayage CBCT, ii) numérisation du CBCT et du DDI, et iii) fusion des images CBCT avec le DDI. La numérisation de cinq points de repère pour la réorientation de la tête est essentielle car elle détermine la position 3D de la tête avec des plans de référence dans des zones spatiales. Trois points de repère (R-/L-U6CP et R U1CP) sur la DDI ont été calibrés par l’automatisation de l’apprentissage automatique après avoir été numérisés manuellement. Le seul processus manuel consistait à localiser les cinq points de repère squelettiques de base dans le modèle CBCT reconstruit, y compris Nasion, les orbitales droite et gauche et les porions (figure 2), et les trois points de repère dentaires dans le DDI, y compris R-/L-U6CP et R U1CP (figure 5). Par conséquent, l’utilisateur doit avoir de l’expérience dans la numérisation de ces huit points de repère, ce qui peut influencer les erreurs d’enregistrement. Le temps moyen de consommation de SBR était de 3 à 4 minutes pour la fusion CBCT et DDI par un expert du programme. Dans le programme ABR, une moyenne de 50 s a été utilisée pour choisir cinq points de repère pour la réorientation, 40 s pour choisir trois points de repère dans DDI et 2-3 s pour le programme de fusion CBCT et DDI. De plus, le temps de sélection automatique des points de repère dans l’ensemble du CBCT varie de 30 s à 2 minutes selon la sélection du groupe de points de repère.
Lorsque la numérisation de certains points de repère est imprécise, ils peuvent être modifiés par numérisation manuelle et en cliquant sur Enregistrement manuel. Supposons qu’il y ait une variance anatomique ou morphologique (par exemple, des incisives centrales ou des molaires manquantes), un clinicien peut identifier des points de repère spécifiques en personnalisant certains points dans le CBCT et le DDI pour qu’ils correspondent.
En ce qui concerne les erreurs moyennes de diverses méthodes d’intégration avec CBCT et DDI, des études antérieures utilisant des marqueurs ont rapporté que la plage des erreurs de repérage était de 0,1 à 0,5 mm20. Dans un recalage basé sur la surface résistant aux artefacts, Lin et al. ont signalé des erreurs de précision de 0,10 à 0,43 mm11. Cependant, dans notre étude, la plage de différence moyenne de l’ABR était inférieure à celle de la SBR (0,001 à 0,314 mm ; Tableau 2). Cela signifie que l’ABR peut avoir plus de précision que le SBR. Il est intéressant de noter que la coordonnée z de l’incisive maxillaire dans l’ABR et la coordonnée x dans le SBR ont montré des erreurs moyennes relativement moins nombreuses. Il peut être dérivé de différents points de repère de l’incisive maxillaire entre ABR et SBR, qui est le point médian et le point de contact de l’incisive maxillaire, respectivement.
De plus, les artefacts métalliques et le niveau d’expérience de l’opérateur lors de l’intégration peuvent influencer la précision lors de la fusion de CBCT et de DDI. Nkenke et al. ont signalé respectivement 0,13 mm et 0,27 mm sans et avec correction d’artefact métallique, respectivement21. Une autre étude a révélé que les dents maxillaires présentaient une fiabilité faible à modérée dans les valeurs de coordonnées x avec SBR entre différents groupes d’opérateurs10. De manière constante, dans notre étude, la fiabilité des valeurs des coordonnées x des premières molaires maxillaires et des incisives présentait une concordance modérée à faible en comparaison entre ABR et SBR. De plus, la fiabilité des coordonnées y/z dans la plupart des points de repère était presque parfaite à un accord substantiel, tandis que les coordonnées x montraient une concordance modérée à faible (tableau 1). Cette variabilité des coordonnées x pourrait provenir de l’ambiguïté des points de repère due à l’usure occlusale des premières molaires et à l’encombrement ou à l’espacement des incisives centrales maxillaires.
En ce qui concerne l’identification par IA de la CBCT, les points de repère sur les crêtes, les bords, les sommets et entre les zones avec des densités distinctives sont plus faciles à localiser et, par conséquent, ont tendance à présenter la plus grande précision22. Guillot et al. ont constaté que les repères de la base crânienne montraient une plus grande précision que ceux du maxillaire et de la mandibule14. Cependant, ces études n’ont pas fusionné la CBCT avec la DDI et ont évalué l’identification de repères anatomiques uniquement dans la CBCT par l’IA.
Dans cette étude, un échantillon de petite taille a été utilisé pour évaluer la fiabilité de l’ABR ; Une évaluation plus poussée avec un échantillon de plus grande taille est nécessaire. Étant donné que cette étude n’a été menée que par un seul examinateur, les différences entre les examinateurs pourraient affecter la fiabilité, qui peut être étudiée plus avant. De plus, comme ce protocole était basé sur un algorithme d’apprentissage automatique dans lequel des réseaux de neurones à convolution ont été développés avec une base de données échantillon, la base de données devrait être mise à jour périodiquement. Il faut comprendre que la diversité anatomique des dents et de l’os facial, en particulier dans les déformations dentofaciales, les différences de densité radiographique et la résolution de la CBCT et de la DDI pourraient entraîner une représentation compromise des données. Ce protocole ABR peut être appliqué pour préconcevoir une chirurgie implantaire ou parodontale et simuler une chirurgie orthognatique assistée par ordinateur et un traitement orthodontique.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Les auteurs ne déclarent aucun conflit d’intérêts.
Acknowledgments
Cette étude a été financée par le Fonds de recherche de l’hôpital Bundang de l’Université nationale de Séoul (SNUBH). (Subvention n° 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).
