Iniciar sesión

Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

En este artículo

  • Resumen
  • Resumen
  • Introducción
  • Protocolo
  • Resultados
  • Discusión
  • Divulgaciones
  • Agradecimientos
  • Materiales
  • Referencias
  • Reimpresiones y Permisos

Resumen

Se ha presentado un proceso de registro de tomografías computarizadas de haz cónico e imágenes dentales digitales utilizando la identificación y fusión asistida por inteligencia artificial (IA) de puntos de referencia. Una comparación con el registro basado en la superficie muestra que la digitalización y la integración basadas en la IA son fiables y reproducibles.

Resumen

Este estudio tuvo como objetivo introducir la digitalización de la tomografía computarizada de haz cónico (CBCT) y la integración de imágenes dentales digitales (DDI) basadas en el registro basado en inteligencia artificial (IA) (ABR) y evaluar la fiabilidad y reproducibilidad utilizando este método en comparación con las del registro basado en superficie (SBR). Este estudio retrospectivo consistió en imágenes CBCT y DDI de 17 pacientes sometidos a cirugía ortognática bimaxilar asistida por ordenador. La digitalización de las imágenes CBCT y su integración con DDI se repitieron utilizando un programa basado en IA. Las imágenes CBCT y DDI se integraron mediante un registro punto a punto. Por el contrario, con el método SBR, los tres puntos de referencia se identificaron manualmente en el CBCT y DDI, que se integraron con el método iterativo de puntos más cercanos.

Después de dos integraciones repetidas de cada método, se obtuvieron los valores de coordenadas tridimensionales de los primeros molares maxilares e incisivos centrales y sus diferencias. Se realizaron pruebas de coeficiente intraclase (ICC) para evaluar la confiabilidad intraobservador con las coordenadas de cada método y comparar su confiabilidad entre el ABR y el SBR. La fiabilidad intraobservador mostró un ICC significativo y casi perfecto en cada método. No hubo significación en la diferencia de medias entre el primer y el segundo registro en cada ABR y SBR y entre ambos métodos; sin embargo, sus rangos fueron más estrechos con el método ABR que con el método SBR. Este estudio demuestra que la digitalización y la integración basadas en la IA son fiables y reproducibles.

Introducción

La tecnología digital tridimensional (3D) ha ampliado el alcance del diagnóstico y la planificación del tratamiento ortodóncico o quirúrgico-ortodóncico. Una cabeza virtual construida a partir de una imagen de tomografía computarizada de haz cónico facial (CBCT) se puede utilizar para evaluar anomalías dentofaciales y dentales, planificar cirugía ortognática, fabricar obleas dentales e implantar guías quirúrgicas utilizando el diseño y la fabricación asistidos por computadora 1,2,3,4. Sin embargo, las exploraciones CBCT tienen una baja representación de la dentición, incluyendo la morfología dental y la relación interoclusal, que se deben a su limitada resolución y a los artefactos de rayas de la restauración dental o de los brackets ortodónticos5. Por lo tanto, las características dentales se han sustituido en las imágenes CBCT por imágenes dentales digitales (DDI), como moldes escaneados o imágenes de escaneo intraoral.

Para una integración fiable de la DDI en las imágenes CBCT, numerosos estudios informaron de diversos métodos, como el uso de marcadores fiduciales 6,7, registros basados en vóxeles8 y registros basados en superficie (SBRs)9,10. Estos procedimientos tienen sus métodos de uso de marcadores extraorales, múltiples escaneos CBCT y pasos de proceso adicionales, como la limpieza de artefactos metálicos en imágenes CBCT. En cuanto a la precisión de la SBR, varios estudios previos reportaron errores que oscilaron entre 0,10 y 0,43 mm 9,11. Además, Zou et al. evaluaron la confiabilidad intra e interobservador y los errores entre un ingeniero digital y un ortodoncista utilizando SBR y reportaron la necesidad de experiencia clínica y aprendizaje repetido10.

La inteligencia artificial (IA) se ha utilizado para predecir los resultados del tratamiento12 y digitalizar puntos de referencia en radiografías cefalométricas13 o imágenes CBCT 14,15,16, y actualmente se dispone de algunos programas informáticos comerciales para ayudar en este proceso 17. La identificación precisa de puntos de referencia anatómicos en imágenes 3D es un desafío debido a la ambigüedad de las superficies planas o estructuras curvas, las áreas de baja densidad y la amplia variabilidad de las estructuras anatómicas.

La automatización basada en IA y aprendida por máquina se puede aplicar no solo para la digitalización, sino también para la integración de DDI y CBCT dentofacial. Sin embargo, hay poca investigación sobre la precisión de un registro basado en IA (ABR) en comparación con el método existente basado en superficie. Para lograr resultados más precisos de los cambios esqueléticos y dentales en 3D a través de la cirugía ortognática bimaxilar, es necesario evaluar la precisión de los programas basados en IA al fusionar CBCT y DDI. Por lo tanto, este artículo presenta un protocolo paso a paso para digitalizar e integrar CBCT e DDI con un registro basado en IA (ABR) y evaluar su confiabilidad y reproducibilidad en comparación con el SBR.

Protocolo

Este estudio retrospectivo fue revisado y aprobado por la Junta de Revisión Institucional del Hospital Bundang de la Universidad Nacional de Seúl (B-2205-759-101) y cumplió con los principios de la Declaración de Helsinki. En el estudio se utilizaron archivos de Digital Imaging and Communications in Medicine (DICOM) de CBCT y DDI en formato Standard Tessellation Language (STL) del yeso dental. Se renunció a la necesidad de consentimiento informado debido a la naturaleza retrospectiva del estudio.

1. Adquisición de CBCT e imágenes dentales digitales (DDI)

  1. Seleccionar a los pacientes con base en los siguientes criterios de inclusión: maloclusión esquelética clase III; cirugía bimaxilar mediante planificación asistida por ordenador; y tratamiento de ortodoncia con aparatología fija en los bordes.
  2. Excluir a pacientes con síndromes craneofaciales, labio leporino/paladar hendido o primeros molares maxilares faltantes o incisivo central derecho.
  3. Obtenga escaneos CBCT con un campo de visión de 200 mm x 180 mm, un tamaño de vóxel de 0,2 mm y condiciones de exposición de 80 kVp, 15 mA y 10,8 s. Asegúrese de que los pacientes estén en posición vertical con los dientes en máxima intercuspación. Guarde los escaneos como archivos de datos de Digital Imaging and Communications in Medicine (DICOM).
  4. Adquiera DDI de moldes de cálculos dentales o escaneo intraoral directo y guárdelos en el formato de lenguaje de teselación estándar (STL) como dentición maxilar y mandibular separadas.

2. Protocolo de registro basado en IA (ABR)

  1. Reorientación y digitalización del CBCT
    1. Abra el software y haga clic en el botón Cargar archivo DICOM para importar archivos CBCT DICOM al software.
    2. Seleccione cualquiera de los archivos DICOM en la carpeta de datos DICOM y haga clic en abrir.
      NOTA: Cuando se cargan archivos DICOM, el software los reconstruye automáticamente en un volumen craneofacial CBCT.
    3. Haga clic en el botón Reorientación en el panel Hito (Figura 1).
    4. N (Nasion): haga clic en la muesca en V del hueso frontal en la vista 3D (Figura 2). Inmediatamente después del clic, observe que el punto azul (activado) se convierte en una cruz roja que aparecerá también en las vistas axial, sagital y coronal. Haga clic en las flechas triangulares azules hacia adelante y hacia atrás para identificar el punto de referencia.
      1. En la vista sagital, desplácese la rueda del ratón hacia arriba y hacia abajo para encontrar el punto más anterior donde la sutura frontonasal se encuentra con los huesos nasal y frontal y haga clic para determinar la posición vertical y anteroposterior del punto de referencia.
      2. En la vista coronal, desplácese la rueda del ratón hacia arriba y hacia abajo para encontrar el momento justo antes de que desaparezca el hueso nasal para asegurar el punto más anterior y haga clic para determinar la posición horizontal de la Nasion.
      3. En la vista axial, ajuste la posición anteroposterior tal como está en el punto más anterior.
    5. R O (Orbitale): haga clic en el punto más inferior en el margen del contorno orbital derecho en el modelo 3D (Figura 2).
      1. En la vista coronal, desplácese la rueda del ratón hacia arriba y hacia abajo para encontrar el punto más bajo en el margen inferior de la órbita derecha y haga clic.
      2. En la vista sagital, haga clic en el punto más superior del maxilar derecho o en la estructura ósea cigomática que constituye el límite inferior de la órbita.
      3. En la vista axial, desplácese por el ratón y haga clic para que la cruz roja se coloque donde se encuentra el borde de la órbita del ojo.
    6. L Or (Orbitale): haga clic en el punto más inferior en el margen del contorno orbital izquierdo en el modelo 3D (Figura 2) y modifique el punto en las tres vistas como en el proceso para R Or.
    7. R Po (Porion): haga clic en el punto más superior del contorno del meato auditivo externo derecho en el modelo 3D (Figura 2).
      1. En la vista coronal, haga clic en el punto más bajo del hueso temporal derecho para determinar las posiciones horizontal y vertical.
      2. En la vista sagital, haga clic en el punto más superior del contorno del meato auditivo externo derecho para ajustar las posiciones vertical y antero-posterior.
      3. En la vista axial, desplace la rueda del ratón para hacer clic donde aparece el canal auditivo externo, en el que desaparece la línea del hueso temporal.
    8. L Po (Porion): haga clic en el punto más superior del contorno del meato auditivo externo izquierdo en el modelo 3D (Figura 2) y modifique el punto en las tres vistas multiplanares como en el proceso para R Po.
      NOTA: Los cinco puntos de referencia esqueléticos básicos, incluyendo Nasion, orbitales derecho e izquierdo, y poriones derecho e izquierdo en el modelo craneofacial reconstruido (Figura 2), ya están identificados.
    9. Haga clic en el botón Listo para completar la reorientación del modelo craneofacial reconstruido.
    10. Haga clic en el botón Selección preliminar de puntos de referencia en el panel Punto de referencia y seleccione el grupo de puntos de referencia Dentición I.
      NOTA: Los grupos de referencia de base craneal, ATM, esqueleto maxilar, esqueleto mandibular, dentición I y tejido blando ya se seleccionan para el análisis craneofacial.
    11. Haga clic en el botón Ejecutar en el panel Selección preliminar de puntos de referencia y deje que el software elija automáticamente los puntos de referencia preliminares y determine sus coordenadas.
    12. Al modificar los puntos de referencia, presione el botón Selección manual de puntos de referencia en la pestaña Volumen , realice los ajustes necesarios y haga clic en el botón Listo para confirmar (Figura 3).

3. Procedimiento de fusión DDI

  1. Haga clic en el botón Registro de escaneo de dentición en el panel Herramientas (Figura 4).
  2. Seleccione la dentición del maxilar y haga clic en el botón Cargar en el panel de registro de la dentición.
  3. Seleccione los archivos STL del mismo paciente con el modelo CBCT en la carpeta para cargar los archivos STL de la dentición maxilar. Una vez que los archivos STL estén abiertos, busque los DDI en el lado derecho de la pantalla y cuatro vistas (3D, axial, sagital y coronal) del CBCT en el lado izquierdo de la pantalla.
  4. Elija los puntos de referencia de registro en el DDI cargado: las cúspides mesiobucales del primer molar maxilar derecho (R U6CP), el punto medio del incisivo central maxilar derecho en el borde incisal (R U1CP) y la cúspide mesiobucal del primer molar maxilar izquierdo (L U6CP) (Figura 5) cambiando las flechas triangulares azules hacia adelante y hacia atrás.
    NOTA: Haga clic con el botón izquierdo y arrastre el mouse para rotar el DDI y haga clic con el botón derecho y arrastre para acercar y alejar. Los hitos de registro se calibran simultáneamente mediante automatización de aprendizaje automático después de ser digitalizados manualmente.
  5. Haga clic en el botón Listo en el panel de Registro de dentición.
  6. Haga clic en el botón para confirmar el registro automático (Figura 6).
  7. Para la fusión de la dentición mandibular, seleccione la dentición mandibular y haga clic en el botón Cargar en el panel Registro de dentición. Repita los pasos 3.2 a 3.6. Elija los puntos de referencia de registro en la dentición mandibular: la cúspide mesiobucal del primer molar inferior derecho/izquierdo (R-/L-L6CP), el punto medio del primer incisivo inferior derecho en el borde incisal (R L1CP).
  8. El DDI ahora se fusiona con el modelo CBCT reconstruido (Figura 7).
    1. Al modificar la fusión, haga clic en el botón Seleccionar hito de registro en el panel Registro de dentición (Figura 8).

4. Obtención de los valores de las coordenadas 3D (x, y y z) de cada hito

  1. Haga clic en el botón Selección manual de puntos de referencia en la pestaña Volumen o haga clic en la pestaña Análisis para obtener los valores de coordenadas 3D de los puntos de referencia. Para la exportación de datos, vaya a la pestaña de análisis→panel de exportación de datos y haga clic en el botón Hito para guardar los datos como un archivo.
    NOTA: El plano X (horizontal) es el plano que pasa a través de la Nasion, paralelo al plano horizontal de Frankfort (FH) que pasa por los orbitales izquierdo y derecho y el Orion derecho. El plano Y (sagital medio) es perpendicular al plano X, pasando a través de la Nasión y la Basión. El plano Z (coronal) establece el plano perpendicular a los planos horizontal y sagital medio a través de la Nasion (punto cero; 0, 0 y 0) (Figura 9).

Resultados

Aquí describimos el proceso de integración de CBCT y DDI utilizando un programa basado en IA. Para evaluar su confiabilidad y reproducibilidad, se realizó un estudio comparativo con registro basado en superficie (SBR). Se determinó que se requería un tamaño de muestra mínimo de diez después de un análisis de potencia bajo correlación ρ H1 = 0,77, α = 0,05 y potencia (1−β) = 0,8018. Se estudiaron un total de 17 conjuntos de escaneos CBCT e imágenes dentales digitales de pacientes or...

Discusión

Utilizando el protocolo presentado, la digitalización de puntos de referencia y la integración de CBCT y DDI se pueden lograr fácilmente utilizando software de aprendizaje automático. Este protocolo requiere los siguientes pasos críticos: i) reorientación de la cabeza en la exploración CBCT, ii) digitalización de CBCT y DDI, y iii) fusión de imágenes CBCT con DDI. La digitalización de cinco puntos de referencia para la reorientación de la cabeza es fundamental porque determina la posición 3D de la cabeza con...

Divulgaciones

Los autores declaran no tener conflictos de intereses.

Agradecimientos

Este estudio contó con el apoyo del Fondo de Investigación del Hospital Bundang de la Universidad Nacional de Seúl (SNUBH). (Beca nº 14-2019-0023).

Materiales

NameCompanyCatalog NumberComments
G*Power Heinrich Heine Universität, Dϋsseldorf, Germanyv. 3.1.9.7A sample size calculuation software
Geomagic Qualify®3D Systems,
Morrisville, NC, USA
v 20133D metrology feature and automation software,
which transform scan and probe data into 3D to be used in design, manufacturing and metrology applications 
KODAK 9500Carestream Health Inc., Rochester, NY, USA5159538Cone Beam Computed Tomograph (CBCT)
MD-ID0300Medit Co, Seoul, South Korea
Seoul, Korea
61010-1Desktop model scanner 
ON3D3D ONS Inc.,
Seoul, Korea
v 1.3.0Software for 3D CBCT evaluation; AI-based landmark identification, craniofacial and TMJ analysis, superimposition, and virtual orthognathic surgery
SPSS IBM, Armonk, NY, USAv 22.0 A statistic analysis program

Referencias

  1. 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).
  2. 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).
  3. 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).
  4. 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).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. Bao, H., et al. Evaluating the accuracy of automated cephalometric analysis based on artificial intelligence. BMC Oral Health. 23 (1), 1-10 (2023).
  14. Gillot, M., et al. Automatic landmark identification in cone-beam computed tomography. Orthod Craniofac Res. , (2023).
  15. 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).
  16. 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).
  17. Urban, R., et al. AI-assisted CBCT data management in modern dental practice: Benefits, limitations and innovations. Electronics. 12 (7), 1710 (2023).
  18. 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).
  19. Landis, J. R., Koch, G. G. The measurement of observer agreement for categorical data. Biometrics. 33, 159-174 (1977).
  20. 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).
  21. 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).
  22. 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).

Reimpresiones y Permisos

Solicitar permiso para reutilizar el texto o las figuras de este JoVE artículos

Solicitar permiso

Explorar más artículos

MedicinaN mero 204

This article has been published

Video Coming Soon

JoVE Logo

Privacidad

Condiciones de uso

Políticas

Investigación

Educación

ACERCA DE JoVE

Copyright © 2025 MyJoVE Corporation. Todos los derechos reservados