Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
* Estos autores han contribuido por igual
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.
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.
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.
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)
2. Protocolo de registro basado en IA (ABR)
3. Procedimiento de fusión DDI
4. Obtención de los valores de las coordenadas 3D (x, y y z) de cada hito
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...
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...
Los autores declaran no tener conflictos de intereses.
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).
Name | Company | Catalog Number | Comments |
G*Power | Heinrich Heine Universität, Dϋsseldorf, Germany | v. 3.1.9.7 | A sample size calculuation software |
Geomagic Qualify® | 3D Systems, Morrisville, NC, USA | v 2013 | 3D metrology feature and automation software, which transform scan and probe data into 3D to be used in design, manufacturing and metrology applications |
KODAK 9500 | Carestream Health Inc., Rochester, NY, USA | 5159538 | Cone Beam Computed Tomograph (CBCT) |
MD-ID0300 | Medit Co, Seoul, South Korea Seoul, Korea | 61010-1 | Desktop model scanner |
ON3D | 3D ONS Inc., Seoul, Korea | v 1.3.0 | Software for 3D CBCT evaluation; AI-based landmark identification, craniofacial and TMJ analysis, superimposition, and virtual orthognathic surgery |
SPSS | IBM, Armonk, NY, USA | v 22.0 | A statistic analysis program |
Solicitar permiso para reutilizar el texto o las figuras de este JoVE artículos
Solicitar permisoExplorar más artículos
This article has been published
Video Coming Soon
ACERCA DE JoVE
Copyright © 2025 MyJoVE Corporation. Todos los derechos reservados