인공 지능 기반 Cone Beam Computed Tomography와 Digital Dental Image의 신뢰성 통합

요약

콘 빔 컴퓨터 단층 촬영 스캔과 디지털 치과 이미지를 등록하는 프로세스는 인공 지능(AI)의 지원을 받는 랜드마크 식별 및 병합을 사용하여 제시되었습니다. 표면 기반 등록과의 비교는 AI 기반 디지털화 및 통합이 신뢰할 수 있고 재현 가능하다는 것을 보여줍니다.

초록

본 연구는 인공지능(AI) 기반 정합(ABR)을 기반으로 한 디지털 치과 영상(DDI)의 원뿔형 전산화단층촬영(CBCT) 디지털화 및 통합을 소개하고, 이 방법을 이용한 표면기반정합법(SBR)과 비교하여 신뢰성과 재현성을 평가하고자 하였다. 이 후향적 연구는 컴퓨터 보조 양악 양악 수술을 받은 17명의 환자의 CBCT 이미지와 DDI로 구성되었습니다. CBCT 이미지의 디지털화와 DDI와의 통합은 AI 기반 프로그램을 사용하여 반복되었습니다. CBCT 이미지와 DDI는 점대점(point-to-point) 정합을 사용하여 통합되었습니다. 반면, SBR 방법의 경우 CBCT 및 DDI에서 3개의 랜드마크를 수동으로 식별했으며, 이는 반복적인 가장 가까운 점 방법과 통합되었습니다.

각 방법을 두 번 반복한 후 첫 번째 상악 어금니와 중앙 앞니의 3차원 좌표 값과 그 차이를 얻었습니다. 각 방법의 좌표를 사용하여 관찰자 내 신뢰성을 평가하고 ABR과 SBR 간의 신뢰성을 비교하기 위해 ICC(Intraclass Coefficient) 테스트를 수행했습니다. 관찰자 내 신뢰성은 각 방법에서 유의미하고 거의 완벽한 ICC를 보여주었습니다. 각 ABR과 SBR에서 첫 번째와 두 번째 등록 간의 평균 차이와 두 방법 간의 평균 차이에는 유의하지 않았습니다. 그러나 SBR 방법보다 ABR에서 범위가 더 좁았습니다. 이 연구는 AI 기반 디지털화 및 통합이 신뢰할 수 있고 재현 가능하다는 것을 보여줍니다.

서문

3차원(3D) 디지털 기술은 교정 또는 외과 교정 치료에 대한 진단 및 계획의 범위를 넓혔습니다. CBCT(Facial Cone-Beam Computed Tomography) 이미지로 구성된 가상 머리는 컴퓨터 지원 설계 및 제조를 사용하여 치과 안면 및 치아 이상을 평가하고, 양악 수술을 계획하고, 치과 웨이퍼를 제작하고, 수술 가이드를 이식하는 데 사용할 수 있습니다 1,2,3,4. 그러나 CBCT 스캔은 치과 형태 및 교합 간 관계를 포함한 치열에 대한 표현이 낮은데, 이는 제한된 해상도와 치과 수복 또는 교정 브라켓의 줄무늬 아티팩트 때문이다⁵. 따라서 CBCT 이미지의 치아 특징은 스캔된 캐스트 또는 구강 내 스캔 이미지와 같은 디지털 치과 이미지(DDI)로 대체되었습니다.

CBCT 이미지에 DDI를 안정적으로 통합하기 위해 수많은 연구에서 기준 마커 ^6,7, ....

프로토콜

본 후향연구는 분당서울대학교 병원 기관심사위원회(B-2205-759-101)의 심사 및 승인을 받았으며, 헬싱키 선언의 원칙을 준수하였다. 이 연구에는 치과 캐스트의 STL(Standard Tessellation Language) 형식으로 된 CBCT 및 DDI의 DICOM(Digital Imaging and Communications in Medicine) 파일이 활용되었습니다. 정보에 입각한 동의의 필요성은 연구의 후향적 특성으로 인해 면제되었습니다.

1. CBCT 및 DDI(Digital Dental Image) 획득

1. 다음 포함 기준에 따라 환자를 선택합니다: 골격 클래스 III 부정교합; 컴퓨터 지원 계획을 통한 양악 수술; 그리고 fixed edgewise 장치를 사용한 교정 치료.
2. 두개안면 증후군, 구순구개열 또는 상악 제1대구치 또는 우측 중앙 앞니가 없는 환자는 제외합니다.
3. 200mm x 180mm의 시야, 0.2mm의 복셀 크기, 80kVp, 15mA 및 10.8s의 노출 조건에서 CBCT 스캔을 얻을 수 있습니다. 환자가 치아가 최대한의 삽입 상태에 있도록 똑바로 서 있는지 확인하십시오. 스캔을 DICOM(Digital Imaging and ....

토론

제시된 프로토콜을 사용하면 랜드마크의 디지털화와 CBCT 및 DDI 통합은 기계 학습 소프트웨어를 사용하여 쉽게 수행할 수 있습니다. 이 프로토콜은 i) CBCT 스캔에서 머리의 방향 전환, ii) CBCT 및 DDI의 디지털화, iii) CBCT 이미지를 DDI와 병합과 같은 중요한 단계를 필요로 합니다. 머리의 방향 전환을 위한 5개의 랜드마크의 디지털화는 공간 영역에서 참조 평면을 사용하여 머리의 3D 위치를 결정하기 때.......

자료

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