JoVE Logo

Accedi

È necessario avere un abbonamento a JoVE per visualizzare questo. Accedi o inizia la tua prova gratuita.

In questo articolo

  • Riepilogo
  • Abstract
  • Introduzione
  • Protocollo
  • Risultati
  • Discussione
  • Divulgazioni
  • Riconoscimenti
  • Materiali
  • Riferimenti
  • Ristampe e Autorizzazioni

Riepilogo

È stato presentato un processo di registrazione di scansioni di tomografia computerizzata a fascio conico e immagini dentali digitali utilizzando l'identificazione assistita dall'intelligenza artificiale (AI) dei punti di riferimento e della fusione. Un confronto con la registrazione basata sulla superficie mostra che la digitalizzazione e l'integrazione basate sull'intelligenza artificiale sono affidabili e riproducibili.

Abstract

Questo studio mirava a introdurre la digitalizzazione della tomografia computerizzata a fascio conico (CBCT) e l'integrazione di immagini dentali digitali (DDI) basate sulla registrazione basata sull'intelligenza artificiale (AI) (ABR) e a valutare l'affidabilità e la riproducibilità utilizzando questo metodo rispetto a quelle della registrazione basata sulla superficie (SBR). Questo studio retrospettivo consisteva in immagini CBCT e DDI di 17 pazienti sottoposti a chirurgia ortognatica bimascellare assistita da computer. La digitalizzazione delle immagini CBCT e la loro integrazione con DDI sono state ripetute utilizzando un programma basato sull'intelligenza artificiale. Le immagini CBCT e DDI sono state integrate utilizzando una registrazione point-to-point. Al contrario, con il metodo SBR, i tre punti di riferimento sono stati identificati manualmente sulla CBCT e sulla DDI, che sono stati integrati con il metodo iterativo dei punti più vicini.

Dopo due ripetute integrazioni di ciascun metodo, sono stati ottenuti i valori delle coordinate tridimensionali dei primi molari mascellari e degli incisivi centrali e le loro differenze. È stato eseguito un test del coefficiente intraclasse (ICC) per valutare l'affidabilità intra-osservatore con le coordinate di ciascun metodo e confrontare la loro affidabilità tra ABR e SBR. L'affidabilità intra-osservatore ha mostrato ICC significativo e quasi perfetto in ciascun metodo. Non c'era alcuna significatività nella differenza media tra la prima e la seconda registrazione in ciascun ABR e SBR e tra i due metodi; tuttavia, i loro intervalli erano più ristretti con ABR che con il metodo SBR. Questo studio dimostra che la digitalizzazione e l'integrazione basate sull'intelligenza artificiale sono affidabili e riproducibili.

Introduzione

La tecnologia digitale tridimensionale (3D) ha ampliato l'ambito della diagnosi e della pianificazione per il trattamento ortodontico o chirurgico-ortodontico. Una testa virtuale costruita da un'immagine di tomografia computerizzata a fascio conico facciale (CBCT) può essere utilizzata per valutare anomalie dentofacciali e dentali, pianificare la chirurgia ortognatica, fabbricare wafer dentali e guide chirurgiche implantari utilizzando la progettazione e la produzione assistita da computer 1,2,3,4. Tuttavia, le scansioni CBCT hanno una bassa rappresentazione della dentatura, compresa la morfologia dentale e la relazione interocclusale, che sono dovute alla loro risoluzione limitata e agli artefatti striati del restauro dentale o dei bracket ortodontici5. Pertanto, le caratteristiche dentali sono state sostituite sulle immagini CBCT con immagini dentali digitali (DDI), come i calchi scansionati o le immagini di scansione intraorale.

Per un'integrazione affidabile della DDI sulle immagini CBCT, numerosi studi hanno riportato vari metodi come l'uso di marcatori fiduciali 6,7,voxel 8 e registrazioni basate sulla superficie (SBR)9,10. Queste procedure hanno i loro metodi di utilizzo di marcatori extraorali, scansioni CBCT multiple e fasi di processo aggiuntive come la pulizia di artefatti metallici sulle immagini CBCT. Per quanto riguarda l'accuratezza SBR, diversi studi precedenti hanno riportato errori che vanno da 0,10 a 0,43 mm 9,11. Inoltre, Zou et al. hanno valutato l'affidabilità e gli errori intra/inter-osservatori tra un ingegnere digitale e un ortodontista utilizzando SBR e hanno riportato la necessità di esperienza clinica e apprendimento ripetuto10.

L'intelligenza artificiale (AI) è stata utilizzata per prevedere i risultati del trattamento12 e digitalizzare i punti di riferimento sulle radiografie cefalometriche13 o sulle immagini CBCT 14,15,16 e attualmente sono disponibili alcuni software commerciali per assistere in questo processo17. L'identificazione accurata dei punti di riferimento anatomici sulle immagini 3D è difficile a causa dell'ambiguità delle superfici piane o delle strutture curve, delle aree a bassa densità e dell'ampia variabilità delle strutture anatomiche.

L'automazione basata sull'intelligenza artificiale e l'apprendimento automatico possono essere applicate non solo per la digitalizzazione, ma anche per l'integrazione di DDI e CBCT dentofacciale. Tuttavia, ci sono poche ricerche sull'accuratezza di una registrazione basata sull'intelligenza artificiale (ABR) rispetto al metodo basato sulla superficie esistente. Per ottenere risultati più accurati dei cambiamenti scheletrici e dentali 3D attraverso la chirurgia ortognatica bimascellare, è necessario valutare l'accuratezza dei programmi basati sull'intelligenza artificiale durante la fusione di CBCT e DDI. Pertanto, questo articolo presenta un protocollo passo-passo per la digitalizzazione e l'integrazione di CBCT e DDI con una registrazione basata sull'intelligenza artificiale (ABR) e per valutarne l'affidabilità e la riproducibilità rispetto a quella di SBR.

Protocollo

Questo studio retrospettivo è stato esaminato e approvato dall'Institutional Review Board dell'Ospedale Bundang dell'Università Nazionale di Seoul (B-2205-759-101) ed è conforme ai principi della Dichiarazione di Helsinki. Nello studio sono stati utilizzati file DICOM (Digital Imaging and Communications in Medicine) da CBCT e DDI in formato STL (Standard Tessellation Language) dal calco dentale. La necessità del consenso informato è stata rinunciata a causa della natura retrospettiva dello studio.

1. CBCT e acquisizione di immagini dentali digitali (DDI)

  1. Selezionare i pazienti in base ai seguenti criteri di inclusione: malocclusione scheletrica di classe III; chirurgia bimascellare tramite pianificazione assistita da computer; e trattamento ortodontico con apparecchi fissi a spigolo.
  2. Escludere i pazienti con sindromi craniofacciali, labiopalatoschisi o primi molari mascellari mancanti o incisivo centrale destro.
  3. Ottieni scansioni CBCT con un campo visivo di 200 mm x 180 mm, una dimensione del voxel di 0,2 mm e condizioni di esposizione di 80 kVp, 15 mA e 10,8 s. Assicurarsi che i pazienti siano in posizione eretta con i denti nella massima intercuspidazione. Salvare le scansioni come file di dati DICOM (Digital Imaging and Communications in Medicine).
  4. Acquisisci DDI da calchi dentali o scansioni intraorali dirette e salvali nel formato STL (Standard Tessellation Language) come dentizione mascellare e mandibolare separata.

2. Protocollo di registrazione basato sull'intelligenza artificiale (ABR)

  1. Riorientamento e digitalizzazione della CBCT
    1. Aprire il software e fare clic sul pulsante Carica file DICOM per importare i file DICOM CBCT nel software.
    2. Selezionare uno dei file DICOM nella cartella dei dati DICOM e fare clic su Apri.
      NOTA: Quando i file DICOM vengono caricati, il software li ricostruisce automaticamente in un volume craniofacciale CBCT.
    3. Fare clic sul pulsante Riorientamento nel pannello Punto di riferimento (Figura 1).
    4. N (Nasion): fare clic sulla tacca a V dell'osso frontale nella vista 3D (Figura 2). Subito dopo il clic, osserva che il punto blu (attivato) si trasforma in una croce rossa che apparirà anche nelle viste assiale, sagittale e coronale. Fare clic sulle frecce triangolari blu avanti e indietro per identificare il punto di riferimento.
      1. Nella vista sagittale, scorrere la rotellina del mouse su e giù per trovare il punto più anteriore in cui la sutura frontonasale incontra le ossa nasali e frontali e fare clic per determinare la posizione verticale e anteroposteriore del punto di riferimento.
      2. Nella vista coronale, scorrere la rotellina del mouse su e giù per trovare il momento appena prima che l'osso nasale scompaia per garantire il punto e il clic più anteriori per determinare la posizione orizzontale della Nasion.
      3. Nella vista assiale, regolare la posizione anteroposteriore in quanto si trova nel punto più anteriore.
    5. R O (Orbitale): fare clic sul punto più basso sul margine del contorno orbitale destro nel modello 3D (Figura 2).
      1. Nella vista coronale, scorrere la rotellina del mouse su e giù per trovare il punto più basso sul margine inferiore dell'orbita destra e fare clic.
      2. Nella vista sagittale, fare clic sul punto più superiore della mascella destra o della struttura ossea zigomatica che costituisce il limite inferiore dell'orbita.
      3. Nella vista assiale, scorrere il mouse e fare clic in modo che la croce rossa sia posizionata nel punto in cui si incontra il bordo dell'orbita dell'occhio.
    6. L O (Orbitale): fare clic sul punto più basso sul margine del contorno orbitale sinistro nel modello 3D (Figura 2) e modificare il punto sulle tre viste come nel processo per R O.
    7. R Po (Porion): fare clic sul punto più alto del contorno del meato uditivo esterno destro nel modello 3D (Figura 2).
      1. Nella vista coronale, fare clic sul punto più basso dell'osso temporale destro per determinare le posizioni orizzontale e verticale.
      2. Nella vista sagittale, fare clic sul punto più alto del contorno del meato uditivo esterno destro per regolare le posizioni verticale e antero-posteriore.
      3. Nella vista assiale, scorrere la rotellina del mouse per fare clic nel punto in cui appare il canale uditivo esterno, in cui la linea dell'osso temporale scompare.
    8. L Po (Porion): fare clic sul punto più alto del contorno del meato uditivo esterno sinistro nel modello 3D (Figura 2) e modificare il punto nelle tre viste multiplanari come nel processo per R Po.
      NOTA: I cinque punti di riferimento scheletrici di base, tra cui Nasion, orbitali destro e sinistro e porzioni destra e sinistra nel modello craniofacciale ricostruito (Figura 2), sono ora identificati.
    9. Fare clic sul pulsante Fine per completare il riorientamento del modello craniofacciale ricostruito.
    10. Fare clic sul pulsante Selezione preliminare dei punti di riferimento nel pannello Punto di riferimento e selezionare il gruppo di punti di riferimento Dentizione I.
      NOTA: I gruppi di riferimento della base cranica, dell'ATM, dello scheletro mascellare, dello scheletro mandibolare, della dentizione I e dei tessuti molli sono già selezionati per l'analisi craniofacciale.
    11. Fai clic sul pulsante Esegui nel pannello Preliminary Landmark Picking e lascia che il software prelevi automaticamente i punti di riferimento preliminari e ne determini le coordinate.
    12. Quando si modificano i punti di riferimento, premere il pulsante Selezione manuale dei punti di riferimento nella scheda Volume , apportare le modifiche necessarie e fare clic sul pulsante Fine per confermare (Figura 3).

3. Procedura di fusione DDI

  1. Fare clic sul pulsante Registrazione della scansione della dentatura nel pannello Strumenti (Figura 4).
  2. Selezionare la dentatura mascellare e fare clic sul pulsante Carica nel pannello Registrazione dentazione.
  3. Selezionare i file STL dello stesso paziente con il modello CBCT nella cartella per caricare i file STL della dentatura mascellare. Una volta aperti i file STL, cerca i DDI sul lato destro dello schermo e quattro viste (3D, assiale, sagittale e coronale) della CBCT sul lato sinistro dello schermo.
  4. Scegli i punti di riferimento di registrazione sul DDI caricato: le cuspidi mesiobuccali del primo molare mascellare destro (R U6CP), il punto medio dell'incisivo centrale mascellare destro sul bordo incisale (R U1CP) e la cuspide mesiobuccale del primo molare mascellare sinistro (L U6CP) (Figura 5) scambiando le frecce triangolari blu avanti e indietro.
    NOTA: fare clic con il pulsante sinistro del mouse e trascinare il mouse per ruotare il DDI e fare clic con il pulsante destro del mouse e trascinare per ingrandire e rimpicciolire. I punti di riferimento di registrazione vengono calibrati simultaneamente dall'automazione ad apprendimento automatico dopo essere stati digitalizzati manualmente.
  5. Fare clic sul pulsante Fine nel pannello Registrazione denzione.
  6. Fare clic sul pulsante per confermare la registrazione automatica (Figura 6).
  7. Per l'unione della dentatura mandibolare, selezionare la dentatura mandibolare e fare clic sul pulsante Carica nel pannello Registrazione dentazione. Ripetere i passaggi da 3.2 a 3.6. Individuare i punti di riferimento di registrazione sulla dentatura mandibolare: la cuspide mesiobuccale del primo molare inferiore destro/sinistro (R-/L- L6CP), il punto medio del primo incisivo inferiore destro sul bordo incisale (R L1CP).
  8. Il DDI è ora fuso con il modello CBCT ricostruito (Figura 7).
    1. Quando si modifica l'unione, fare clic sul pulsante Scegli punto di riferimento di registrazione nel pannello Registrazione dentatura (Figura 8).

4. Ottenere i valori delle coordinate 3D (x, y e z) di ciascun punto di riferimento

  1. Fare clic sul pulsante Selezione manuale dei punti di riferimento nella scheda Volume o fare clic sulla scheda Analisi per ottenere i valori delle coordinate 3D dei punti di riferimento. Per l'esportazione dei dati, vai alla scheda analisipannello di esportazione dei dati e fai clic sul pulsante Punto di riferimento per salvare i dati come file.
    NOTA: Il piano X (orizzontale) è il piano che passa attraverso la Nasion, parallelo al piano orizzontale di Francoforte (FH) che passa per gli orbitali sinistro e destro e la porzione destra. Il piano Y (sagittale medio) è perpendicolare al piano X, passando per il Nasion e il basion. Il piano Z (coronale) imposta il piano perpendicolare ai piani orizzontale e sagittale medio tramite il Nasion (punto zero; 0, 0 e 0) (Figura 9).

Risultati

Qui abbiamo descritto il processo di integrazione di CBCT e DDI utilizzando un programma basato sull'intelligenza artificiale. Per valutarne l'affidabilità e la riproducibilità, è stato condotto uno studio comparativo con registrazione basata sulla superficie (SBR). È stato determinato che era richiesta una dimensione minima del campione di dieci dopo un'analisi di potenza sotto correlazione ρ H1 = 0,77, α = 0,05 e potenza (1−β) = 0,8018. Sono state studiate un totale di 17 serie di scans...

Discussione

Utilizzando il protocollo presentato, la digitalizzazione dei punti di riferimento e l'integrazione di CBCT e DDI possono essere facilmente realizzate utilizzando un software di apprendimento automatico. Questo protocollo richiede i seguenti passaggi critici: i) riorientamento della testa nella scansione CBCT, ii) digitalizzazione di CBCT e DDI e iii) fusione delle immagini CBCT con la DDI. La digitalizzazione di cinque punti di riferimento per il riorientamento della testa è fondamentale perché determina la posizione ...

Divulgazioni

Gli autori dichiarano di non avere conflitti di interesse.

Riconoscimenti

Questo studio è stato supportato dal Fondo di ricerca dell'ospedale Bundang dell'Università nazionale di Seoul (SNUBH). (Sovvenzione n. 14-2019-0023).

Materiali

NameCompanyCatalog NumberComments
G*Power Heinrich Heine Universität, D?sseldorf, 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

Riferimenti

  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).

Ristampe e Autorizzazioni

Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE

Richiedi Autorizzazione

Esplora altri articoli

MedicinaNumero 204

This article has been published

Video Coming Soon

JoVE Logo

Riservatezza

Condizioni di utilizzo

Politiche

Ricerca

Didattica

CHI SIAMO

Copyright © 2025 MyJoVE Corporation. Tutti i diritti riservati