Bu çalışma Seul Ulusal Üniversitesi Bundang Hastanesi (SNUBH) Araştırma Fonu tarafından desteklenmiştir. (Hibe no. 14-2019-0023).

Bu retrospektif çalışma, Seul Ulusal Üniversitesi Bundang Hastanesi Kurumsal İnceleme Kurulu (B-2205-759-101) tarafından gözden geçirilmiş ve onaylanmıştır ve Helsinki Bildirgesi ilkelerine uygundur. Çalışmada CBCT ve DDI'dan alınan Digital Imaging and Communications in Medicine (DICOM) dosyaları ve dental alçıdan Standart Mozaik Dili (STL) formatında kullanıldı. Çalışmanın retrospektif olması nedeniyle bilgilendirilmiş onam ihtiyacından feragat edildi.
1. CBCT ve Dijital Dental Görüntüler (DDI) edinimi
<ol><li>Hastaları aşağıdaki dahil etme kriterlerine göre seçin: iskelet Sınıf III maloklüzyon; bilgisayar destekli planlama yoluyla bimaksiller cerrahi; ve kenarı sabit apareylerle ortodontik tedavi.</li>
	<li>Kraniyofasiyal sendromları, yarık dudak/damak veya eksik maksiller birinci azı dişleri veya sağ merkezi kesici dişi olan hastaları hariç tutun.</li>
	<li>200 mm x 180 mm görüş alanı, 0,2 mm voksel boyutu ve 80 kVp, 15 mA ve 10,8 s maruz kalma koşullarına sahip CBCT taramaları elde edin. Hastaların dişleri maksimum müdahale ile dik pozisyonda olduklarından emin olun. Taramaları Tıpta Dijital Görüntüleme ve İletişim (DICOM) veri dosyaları olarak kaydedin.</li>
	<li>Dental taş kalıplarından veya doğrudan ağız içi taramadan DDI'ları alın ve bunları Standart Mozaik Dili (STL) formatında ayrı maksiller ve mandibular dişler olarak kaydedin.</li>
</ol>2. Yapay Zeka Tabanlı Kayıt Protokolü (ABR)
<ol><li>CBCT'nin yeniden yönlendirilmesi ve dijitalleştirilmesi<ol><li>Yazılımı açın ve DICOM Dosyasını Yükle CBCT DICOM dosyalarını yazılıma aktarmak için düğmesine basın.</li>
		<li>DICOM veri klasöründeki DICOM dosyalarından herhangi birini seçin ve aç'ı tıklatın. NOT: DICOM dosyaları yüklendiğinde, yazılım bunları otomatik olarak bir CBCT kraniyofasiyal hacmine dönüştürür.</li>
		<li>Yer İşareti panelindeki Yeniden Yönlendirme düğmesine tıklayın (Şekil 1).</li>
		<li>N (Nasion): 3D görünümde ön kemiğin V çentiğine tıklayın (Şekil 2). Tıklamadan hemen sonra, mavi noktanın (etkinleştirilmiş) eksenel, sagital ve koronal görünümlerde de görünecek olan kırmızı bir çarpı işaretine dönüştüğünü gözlemleyin. Yer işaretini belirlemek için mavi üçgen okları ileri geri tıklayın.<ol><li>Sagital görünümde, frontonazal sütürün burun ve frontal kemiklerle birleştiği en ön noktayı bulmak için fare tekerleğini yukarı ve aşağı kaydırın ve yer işaretinin dikey ve ön-arka konumunu belirlemek için tıklayın.</li>
			<li>Koronal görünümde, en ön noktayı sağlamak için burun kemiğinin kaybolmasından hemen önceki anı bulmak için fare tekerleğini yukarı ve aşağı kaydırın ve Nasion'un yatay konumunu belirlemek için tıklayın.</li>
			<li>Eksenel görünümde, ön-arka konumu en ön noktada olduğu gibi ayarlayın.</li>
		</ol></li>
		<li>R Veya (Orbitale): 3B modelde sağ yörünge konturunun kenarındaki en alt noktayı tıklayın (Şekil 2).<ol><li>Koronal görünümde, sağ yörüngenin alt kenarındaki en düşük noktayı bulmak için fare tekerleğini yukarı ve aşağı kaydırın ve tıklayın.</li>
			<li>Sagital görünümde, orbitanın alt sınırını oluşturan sağ maksilla veya elmacık kemik yapısının en üst noktasına tıklayın.</li>
			<li>Eksenel görünümde, fareyi kaydırın ve kırmızı çarpı işaretinin göz yörüngesi kenarının buluştuğu yere yerleştirilmesi için tıklayın.</li>
		</ol></li>
		<li>L Veya (Orbitale): 3B modelde (Şekil 2) sol yörünge konturunun kenarındaki en alt noktayı tıklayın ve R Or işleminde olduğu gibi üç görünümdeki noktayı değiştirin.</li>
		<li>R Po (Porion): 3D modelde sağ dış işitsel meatusun ana hatlarının en üst noktasına tıklayın (Şekil 2).<ol><li>Koronal görünümde, yatay ve dikey konumları belirlemek için sağ temporal kemiğin en alt noktasına tıklayın.</li>
			<li>Sagital görünümde, dikey ve ön-arka pozisyonları ayarlamak için sağ dış işitsel meatusun ana hatlarının en üst noktasına tıklayın.</li>
			<li>Eksenel görünümde, temporal kemik çizgisinin kaybolduğu dış işitme kanalının göründüğü yere tıklamak için fare tekerleğini kaydırın.</li>
		</ol></li>
		<li>L Po (Porion): 3B modelde (Şekil 2) sol dış işitsel meatusun ana hatlarının en üst noktasına tıklayın ve R Po işleminde olduğu gibi üç çok düzlemli görünümde noktayı değiştirin. NOT: Yeniden yapılandırılmış kraniyofasiyal modelde (Şekil 2) Nasion, sağ ve sol orbitaller ve sağ ve sol poryonlar dahil olmak üzere beş temel iskelet işareti şimdi tanımlanmıştır.</li>
		<li>Yeniden yapılandırılmış kraniyofasiyal modelin yeniden yönlendirilmesini tamamlamak için Bitti düğmesine tıklayın.</li>
		<li>Yer İşareti panelindeki Preliminary Landmark Picking (Ön Yer İşareti Seçme) düğmesine tıklayın ve Dentition I yer işareti grubunu seçin. NOT: Kraniyal taban, TME, Maksiller İskelet, Mandibular İskelet, Dentition I ve Yumuşak dokudan oluşan dönüm noktası grupları kraniyofasiyal analiz için zaten seçilmiştir.</li>
		<li>Ön Yer İşareti Toplama panelindeki Yürüt düğmesine tıklayın ve yazılımın otomatik olarak ön yer işaretlerini seçmesine ve koordinatlarını belirlemesine izin verin.</li>
		<li>Yer işaretlerini değiştirirken, Ses sekmesindeki Manuel Yer İşareti Toplama düğmesine basın, gerekli ayarlamaları yapın ve onaylamak için Bitti düğmesine tıklayın (Şekil 3).</li>
	</ol></li>
</ol>3. DDI birleştirme prosedürü
<ol><li>Araçlar panelindeki Diş Taraması Kaydı düğmesine tıklayın (Şekil 4). </li>
	<li>Maksilla dişlenmeyi seçin ve Diş Kaydı panelindeki Yükle düğmesine tıklayın.</li>
	<li>Maksilla dentition STL dosyalarını yüklemek için klasördeki CBCT modeline sahip aynı hastanın STL dosyalarını seçin. STL dosyaları açıldıktan sonra, ekranın sağ tarafında DDI'ları ve ekranın sol tarafında CBCT'nin dört görünümünü (3D, eksenel, sagital ve koronal) arayın.</li>
	<li>Yüklenen DDI üzerindeki kayıt işaretlerini seçin: sağ maksiller birinci azı dişinin mesiobukal çıkıntıları (R U6CP), insizal kenarda sağ maksiller merkezi kesici orta nokta (R U1CP) ve sol maksiller birinci azı dişinin meziobukkal tüberkülü (L U6CP) (Şekil 5) mavi üçgen okları ileri geri çevirerek. NOT: DDI'yı döndürmek için fareye sol tıklayın ve sürükleyin ve yakınlaştırmak ve uzaklaştırmak için sağ tıklayın ve sürükleyin. Kayıt yer işaretleri, manuel olarak sayısallaştırıldıktan sonra makine öğrenimi otomasyonu ile eş zamanlı olarak kalibre edilir.</li>
	<li>Diş Kaydı panelindeki Bitti düğmesine tıklayın. </li>
	<li>Otomatik kaydı onaylamak için Evet düğmesine tıklayın (Şekil 6).</li>
	<li>Mandibular dentition birleştirme için mandibula dentityion'ı seçin ve Dentition Registration (Dentition Kayıt) panelindeki Load (Yükle) butonuna tıklayın. 3.2 ila 3.6 arasındaki adımları tekrarlayın. Mandibular dişlenme üzerindeki kayıt işaretlerini seçin: sağ/sol alt birinci azı dişinin mezobukkal tüberkülü (R-/L-L6CP), insizal kenarda sağ alt birinci kesici diş orta noktası (R L1CP).</li>
	<li>DDI şimdi yeniden yapılandırılmış CBCT modeli ile birleştirilmiştir (Şekil 7).<ol><li>Birleştirmeyi değiştirirken, Dentition Registration panelindeki Pick Registration Landmark (Kayıt Yer İşareti Seç) düğmesine tıklayın (Şekil 8).</li>
	</ol></li>
</ol>4. Her yer işaretinin 3B koordinat değerlerinin (x, y ve z) elde edilmesi
<ol><li>Yer işaretlerinin 3B koordinat değerlerini elde etmek için Hacim sekmesindeki Manuel Yer İşareti Seçme düğmesine tıklayın veya Analiz sekmesine tıklayın. Veri dışa aktarma için, analiz sekmesi<s>→</s>veri dışa aktarma paneline gidin ve verileri bir dosya olarak kaydetmek için Yer İşareti düğmesine tıklayın. NOT: X düzlemi (yatay), sol ve sağ Orbitales ve sağ Porion'dan geçen Frankfort yatay (FH) düzlemine paralel olarak Nasion'dan geçen düzlemdir. Y düzlemi (midsagital), Nasion ve burçtan geçen X düzlemine diktir. Z-düzlemi (koronal), düzlemi Nasion (sıfır noktası; 0, 0 ve 0) aracılığıyla yatay ve orta sagital düzlemlere dik olarak ayarlar (Şekil 9).</li>
</ol>

Dental Görüntülerin Yapay Zeka Tabanlı Entegrasyonu

<ol>
	<li>Plooij, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Digital+three-dimensional+image+fusion+processes+for+planning+and+evaluating+orthodontics+and+orthognathic+surgery.+A+systematic+review.">Digital three-dimensional image fusion processes for planning and evaluating orthodontics and orthognathic surgery. A systematic review.</a> J Oral Maxillofac Surg. 40 (4), 341-352 (2011).</li><li>Badiali, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Virtual+orthodontic+surgical+planning+to+improve+the+accuracy+of+the+surgery-first+approach:+A+prospective+evaluation.">Virtual orthodontic surgical planning to improve the accuracy of the surgery-first approach: A prospective evaluation.</a> J Oral Maxillofac Surg. 77 (10), 2104-2115 (2019).</li><li>Lee, C. Y., Ganz, S. D., Wong, N., Suzuki, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Use+of+cone+beam+computed+tomography+and+a+laser+intraoral+scanner+in+virtual+dental+implant+surgery:+part+1.">Use of cone beam computed tomography and a laser intraoral scanner in virtual dental implant surgery: part 1.</a> Implant Dent. 21 (4), 265-271 (2012).</li><li>Park, J. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Creation+of+digital+virtual+patient+by+integrating+CBCT,+intraoral+scan,+3D+facial+scan:+an+approach+to+methodology+for+integration+accuracy.">Creation of digital virtual patient by integrating CBCT, intraoral scan, 3D facial scan: an approach to methodology for integration accuracy.</a> J Craniofac Surg. 33 (4), e396-e398 (2022).</li><li>Almutairi, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Replacement+of+the+distorted+dentition+of+the+cone-beam+computed+tomography+scans+for+orthognathic+surgery+planning.">Replacement of the distorted dentition of the cone-beam computed tomography scans for orthognathic surgery planning.</a> J Oral Maxillofac Surg. 76 (7), 1561.e1-1561.e8 (2018).</li><li>Rangel, F. A., Maal, T. J., Berge, S. J., Kuijpers-Jagtman, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integration+of+digital+dental+casts+in+cone-beam+computed+tomography+scans.">Integration of digital dental casts in cone-beam computed tomography scans.</a> ISRN Dent. 2012, 949086 (2012).</li><li>Yang, W. M., Ho, C. T., Lo, L. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+superimposition+of+palatal+fiducial+markers+for+accurate+integration+of+digital+dental+model+and+cone+beam+computed+tomography.">Automatic superimposition of palatal fiducial markers for accurate integration of digital dental model and cone beam computed tomography.</a> J Oral Maxillofac Surg. 73 (8), 1616.e1-1616.e10 (2015).</li><li>Swennen, G. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+cone-beam+computed+tomography+triple+scan+procedure+to+obtain+a+three-dimensional+augmented+virtual+skull+model+appropriate+for+orthognathic+surgery+planning.">A cone-beam computed tomography triple scan procedure to obtain a three-dimensional augmented virtual skull model appropriate for orthognathic surgery planning.</a> J Craniofac Surg. 20 (2), 297-307 (2009).</li><li>Noh, H., Nabha, W., Cho, J. H., Hwang, H. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Registration+accuracy+in+the+integration+of+laser-scanned+dental+images+into+maxillofacial+cone-beam+computed+tomography+images.">Registration accuracy in the integration of laser-scanned dental images into maxillofacial cone-beam computed tomography images.</a> Am J Orthod Dentofacial Orthop. 140 (4), 585-591 (2011).</li><li>Zou, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accuracy+of+a+surface-based+fusion+method+when+integrating+digital+models+and+the+cone+beam+computed+tomography+scans+with+metal+artifacts.">Accuracy of a surface-based fusion method when integrating digital models and the cone beam computed tomography scans with metal artifacts.</a> Sci Rep. 12 (1), 8034 (2022).</li><li>Lin, H. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Artifact-resistant+superimposition+of+digital+dental+models+and+cone-beam+computed+tomography+images.">Artifact-resistant superimposition of digital dental models and cone-beam computed tomography images.</a> J Oral Maxillofac Surg. 71 (11), 1933-1947 (2013).</li><li>Park, J. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Use+of+artificial+intelligence+to+predict+outcomes+of+nonextraction+treatment+of+Class+II+malocclusions.">Use of artificial intelligence to predict outcomes of nonextraction treatment of Class II malocclusions.</a> Semin Orthodontics. 27 (2), 87-95 (2021).</li><li>Bao, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluating+the+accuracy+of+automated+cephalometric+analysis+based+on+artificial+intelligence.">Evaluating the accuracy of automated cephalometric analysis based on artificial intelligence.</a> BMC Oral Health. 23 (1), 1-10 (2023).</li><li>Gillot, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+landmark+identification+in+cone-beam+computed+tomography.">Automatic landmark identification in cone-beam computed tomography.</a> Orthod Craniofac Res. , (2023).</li><li>Blum, F. M. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+an+artificial+intelligence-based+algorithm+for+automated+localization+of+craniofacial+landmarks.">Evaluation of an artificial intelligence-based algorithm for automated localization of craniofacial landmarks.</a> Clin Oral Invest. 27, 2255-2265 (2023).</li><li>Al-Ubaydi, A. S., Al-Groosh, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+validity+and+reliability+of+automatic+tooth+segmentation+generated+using+artificial+intelligence.">The validity and reliability of automatic tooth segmentation generated using artificial intelligence.</a> The Scientific World Journal. 2023, 5933003 (2023).</li><li>Urban, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=AI-assisted+CBCT+data+management+in+modern+dental+practice:+Benefits,+limitations+and+innovations.">AI-assisted CBCT data management in modern dental practice: Benefits, limitations and innovations.</a> Electronics. 12 (7), 1710 (2023).</li><li>Faul, F., Erdfelder, E., Buchner, A., Lang, A. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Statistical+power+analyses+using+G*Power+3.1:+tests+for+correlation+and+regression+analyses.">Statistical power analyses using G*Power 3.1: tests for correlation and regression analyses.</a> Behav Res Methods. 41 (4), 1149-1160 (2009).</li><li>Landis, J. R., Koch, G. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+measurement+of+observer+agreement+for+categorical+data.">The measurement of observer agreement for categorical data.</a> Biometrics. 33, 159-174 (1977).</li><li>Uechi, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+novel+method+for+the+3-dimensional+simulation+of+orthognathic+surgery+by+using+a+multimodal+image-fusion+technique.">A novel method for the 3-dimensional simulation of orthognathic surgery by using a multimodal image-fusion technique.</a> Am J Orthod Dentofacial Orthop. 130 (6), 786-798 (2006).</li><li>Nkenke, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fusion+of+computed+tomography+data+and+optical+3D+images+of+the+dentition+for+streak+artifact+correction+in+the+simulation+of+orthognathic+surgery.">Fusion of computed tomography data and optical 3D images of the dentition for streak artifact correction in the simulation of orthognathic surgery.</a> Dentomaxillofac Radiol. 33 (4), 226-232 (2004).</li><li>Lagrav&#232;re, M. O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intraexaminer+and+interexaminer+reliabilities+of+landmark+identification+on+digitized+lateral+cephalograms+and+formatted+3-dimensional+cone-beam+computerized+tomography+images.">Intraexaminer and interexaminer reliabilities of landmark identification on digitized lateral cephalograms and formatted 3-dimensional cone-beam computerized tomography images.</a> Am J Orthod Dentofacial Orthop. 137 (5), 598-604 (2010).</li></ol>

Yazarlar herhangi bir çıkar çatışması beyan etmemektedir.

Sunulan protokolü kullanarak, yer işaretlerinin sayısallaştırılması ve CBCT ile DDI'nin entegrasyonu, makine öğrenimi yazılımı kullanılarak kolayca gerçekleştirilebilir. Bu protokol aşağıdaki kritik adımları gerektirir: i) CBCT taramasında kafanın yeniden yönlendirilmesi, ii) CBCT ve DDI'nın sayısallaştırılması ve iii) CBCT görüntülerinin DDI ile birleştirilmesi. Kafanın yeniden yönlendirilmesi için beş yer işaretinin sayısallaştırılması kritik öneme sahiptir, çünkü uzamsal ...

Üç boyutlu (3D) dijital teknoloji, ortodontik veya cerrahi-ortodontik tedavi için tanı ve planlama kapsamını genişletmiştir. Yüz konik ışınlı bilgisayarlı tomografi (CBCT) görüntüsünden oluşturulan sanal bir kafa, dentofasiyal ve dental anormallikleri değerlendirmek, ortognatik cerrahiyi planlamak, bilgisayar destekli tasarım ve üretim kullanarak dental gofretler ve implant cerrahi kılavuzları üretmek için kullanılabilir 1,2,3,4. Bununla birlikte, CBCT taramaları, sınırlı çözünürlükleri ve diş restorasyonu veya ortodontik braketlerden kaynaklanan çizgi artefaktları nedeniyle dental morfoloji ve interoklüzal ilişki dahil olmak üzere düşük bir dişlenme temsiline sahiptir5. Bu nedenle, CBCT görüntülerinde dental özellikler, taranmış kalıplar veya ağız içi tarama görüntüleri gibi dijital dental görüntüler (DDI) ile ikame edilmiştir.
DDI'nin CBCT görüntülerine güvenilir entegrasyonu için, çok sayıda çalışma, referans belirteçlerinin 6,7, voksel tabanlı8 ve yüzey tabanlı kayıtların (SBR'ler) kullanımı9,10 gibi çeşitli yöntemler bildirmiştir. Bu prosedürlerin ağız dışı belirteçler, çoklu CBCT taramaları ve CBCT görüntülerindeki metal artefaktların temizlenmesi gibi ekstra işlem adımları kullanma yöntemleri vardır. SBR doğruluğu ile ilgili olarak, önceki birkaç çalışma 0.10 ila 0.43 mmarasında değişen hatalar bildirmiştir 9,11. Ek olarak, Zou ve ark. SBR kullanarak bir dijital mühendis ile bir ortodontist arasındaki gözlemci içi/gözlemciler arası güvenirliği ve hataları değerlendirmiş ve klinik deneyim ve tekrarlanan öğrenme ihtiyacını bildirmişlerdir10.
Yapay zeka (AI), tedavi sonuçlarınıtahmin etmek 12 ve sefalometrik radyografiler13 veya CBCT görüntüleri 14,15,16 üzerindeki yer işaretlerini sayısallaştırmak için kullanılmıştır ve şu anda bu sürece yardımcı olmak için bazı ticari yazılımlar mevcuttur 17. 3D görüntülerdeki anatomik yer işaretlerinin doğru bir şekilde tanımlanması, düz yüzeylerin veya kavisli yapıların belirsizliği, düşük yoğunluklu alanlar ve anatomik yapıların geniş değişkenliği nedeniyle zordur.
Yapay zeka tabanlı, makine öğrenimi otomasyonu yalnızca sayısallaştırma için değil, aynı zamanda DDI ve dentofasiyal CBCT'nin entegrasyonu için de uygulanabilir. Bununla birlikte, mevcut yüzey tabanlı yönteme kıyasla yapay zeka tabanlı bir kaydın (ABR) doğruluğu hakkında çok az araştırma vardır. Bimaksiller ortognatik cerrahi yoluyla 3D iskelet ve diş değişikliklerinin daha doğru sonuçlarını elde etmek için, CBCT ve DDI'yi birleştirirken yapay zeka tabanlı programların doğruluğunu değerlendirmek gerekir. Bu nedenle, bu makale, CBCT ve DDI'yi yapay zeka tabanlı bir kayıt (ABR) ile sayısallaştırmak ve entegre etmek ve SBR'ye kıyasla güvenilirliğini ve tekrarlanabilirliğini değerlendirmek için adım adım bir protokol sunmaktadır.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>G*Power&#160;</td>
			<td>Heinrich Heine Universit&#228;t, D&#971;sseldorf, Germany</td>
			<td>v. 3.1.9.7</td>
			<td>A sample size calculuation software</td>
		</tr>
		<tr>
			<td>Geomagic Qualify&#174;</td>
			<td>3D Systems, 
			Morrisville, NC, USA</td>
			<td>v 2013</td>
			<td>3D metrology feature and automation software, 
			which transform scan and probe data into 3D to be used in design, manufacturing and metrology applications&#160;</td>
		</tr>
		<tr>
			<td>KODAK 9500</td>
			<td>Carestream Health Inc., Rochester, NY, USA</td>
			<td>5159538</td>
			<td>Cone Beam Computed Tomograph (CBCT)</td>
		</tr>
		<tr>
			<td>MD-ID0300</td>
			<td>Medit Co, Seoul, South Korea 
			Seoul, Korea</td>
			<td>61010-1</td>
			<td>Desktop model scanner&#160;</td>
		</tr>
		<tr>
			<td>ON3D</td>
			<td>3D ONS Inc., 
			Seoul, Korea</td>
			<td>v 1.3.0</td>
			<td>Software for 3D CBCT evaluation; AI-based landmark identification, craniofacial and TMJ analysis, superimposition, and virtual orthognathic surgery</td>
		</tr>
		<tr>
			<td>SPSS&#160;</td>
			<td>IBM, Armonk, NY, USA</td>
			<td>v 22.0&#160;</td>
			<td>A statistic analysis program</td>
		</tr>
	</tbody>
</table>

reliability of artificial intelligence-based cone beam computed tomography integration with digital dental images

Bu çalışmanın amacı, yapay zeka (AI) tabanlı kayıtlamaya (ABR) dayalı dijital dental görüntülerin (DDI) konik ışınlı bilgisayarlı tomografi (CBCT) sayısallaştırılması ve entegrasyonunu tanıtmak ve bu yöntemi kullanarak yüzey tabanlı kayıt (SBR) ile karşılaştırıldığında güvenilirliği ve tekrarlanabilirliği değerlendirmektir. Bu retrospektif çalışma, bilgisayar destekli bimaksiller ortognatik cerrahi geçiren 17 hastanın KIBT görüntüleri ve DDI'sinden oluşuyordu. CBCT görüntülerinin sayısallaştırılması ve DDI ile entegrasyonu, yapay zeka tabanlı bir program kullanılarak tekrarlandı. CBCT görüntüleri ve DDI, noktadan noktaya kayıt kullanılarak entegre edildi. Buna karşılık, SBR yöntemiyle, üç yer işareti, yinelemeli en yakın noktalar yöntemiyle entegre edilen CBCT ve DDI üzerinde manuel olarak tanımlandı.
Her yöntemin tekrarlanan iki entegrasyonundan sonra, birinci maksiller azı dişlerinin ve santral kesici dişlerin üç boyutlu koordinat değerleri ve farklılıkları elde edildi. Her bir yöntemin koordinatları ile gözlemci içi güvenilirliği değerlendirmek ve ABR ile SBR arasındaki güvenilirliklerini karşılaştırmak için sınıf içi katsayı (ICC) testi yapıldı. Gözlemci içi güvenirlik, her yöntemde anlamlı ve mükemmele yakın ICC gösterdi. Her bir ABR ve SBR'de birinci ve ikinci kayıtlar arasında ve her iki yöntem arasında ortalama fark yoktu; bununla birlikte, aralıkları ABR ile SBR yöntemine göre daha dardı. Bu çalışma, yapay zeka tabanlı sayısallaştırma ve entegrasyonun güvenilir ve tekrarlanabilir olduğunu göstermektedir.

Three-dimensional (3D) digital technology has broadened the scope of diagnosis and planning for orthodontic or surgical-orthodontic treatment. A virtual head constructed from a facial cone-beam computed tomography (CBCT) image can be used to evaluate dentofacial and dental abnormalities, plan orthognathic surgery, fabricate dental wafers&#160;and implant surgical guides using computer-aided design and manufacturing1,2,3,4. However, CBCT scans have a low representation of dentition, including dental morphology and interocclusal relationship, which are due to their limited resolution and streak artifacts from dental restoration or orthodontic brackets5. Therefore, the dental features have been substituted on CBCT images with digital dental images (DDI), such as scanned casts or intraoral scan images.
For reliable integration of DDI on CBCT images, numerous studies reported various methods such as the use of fiducial markers6,7, voxel-based8, and surface-based registrations (SBRs)9,10. These procedures have their methods of using extraoral markers, multiple CBCT scans, and extra process steps such as cleaning metal artifacts on CBCT images. Regarding SBR accuracy, several previous studies reported errors ranging from 0.10 to 0.43mm9,11. In addition, Zou et al. evaluated intra-/inter-observer reliability and errors between a digital engineer and an orthodontist using SBR and reported the need for clinical experience and repeated learning10.
Artificial intelligence (AI) has been used to predict treatment outcomes12 and digitize landmarks on cephalometric radiographs13 or CBCT images14,15,16, and some commercial software is currently available to assist in this process17. Accurate identification of anatomical landmarks on 3D images is challenging because of the ambiguity of flat surfaces or curved structures, areas of low density, and the wide variability of the anatomical structures.
AI-based, machine-learned automation can be applied not only for digitization but also for the integration of DDI and dentofacial CBCT. However, there is little research on the accuracy of an AI-based registration (ABR) compared to the existing surface-based method. To achieve more accurate outcomes of 3D skeletal and dental changes through bimaxillary orthognathic surgery, it is necessary to evaluate the accuracy of AI-based programs when merging CBCT and DDI. Therefore, this article presents a step-by-step protocol for digitizing and integrating CBCT and DDI with an AI-based registration (ABR) and to evaluate its reliability and reproducibility compared to that of SBR.

Yazar Spotlight: Yapay Zeka Destekli Sayısallaştırma ile CBCT ve Dijital Dental Görüntü Entegrasyonunu Geliştirme

Yapay Zeka Tabanlı Konik Işınlı Bilgisayarlı Tomografinin Dijital Dental Görüntülerle Entegrasyonunun Güvenilirliği

Our research is focused on integration of CBCT and digital dental images, which is inevitable in creating a virtual head. So far, those three images are marginally using the best film method, which is surface-based. This research is to introduce a new integration method based on AI-assisted digitization and to evaluate its accuracy.Artificial intelligence has been used to predict treatment outcomes and digitize landmarks in supplementary radiographs or CPCT images. There are some commercial softwares available. This program adopts AI-assisted machine-learned automation in digitizing landmarks in CPCT and also calibrating manually picked landmarks in dental images.The internal observer, the lab team, showed significant and almost full effect ICC in each method. The main difference showed no significant between the first and second registrations in each ABR and SBR and between both methods. However, the ranges were lower with ABR than with the SBR method.The ABR protocol not only improved the accuracy, but also significantly reduced the merging time. While the SBR method took three to four minutes, the ABR program only required about 50 seconds for landmark selection, 40 seconds for DDI landmarks, and two to three seconds for CPCT and DDI merging.

Burada, yapay zeka tabanlı bir program kullanarak CBCT ve DDI'nin entegrasyon sürecini anlattık. Güvenilirliğini ve tekrarlanabilirliğini değerlendirmek için, yüzey tabanlı kayıt (SBR) ile karşılaştırmalı bir çalışma yapılmıştır. ρ H1 = 0.77, α = 0.05 ve güç (1−β) = 0.8018 korelasyonu altında bir güç analizinden sonra minimum on örneklem büyüklüğünün gerekli olduğu belirlenmiştir. Mart 2016'dan Ekim 2019'a kadar Seul Ulusal Üniversitesi Bundang Hastanesi'...

Watch this Scientific Journal Video about Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization at JoVE.com

Yapay zeka (AI) destekli yer işaretlerinin tanımlanması ve birleştirilmesi kullanılarak konik ışınlı bilgisayarlı tomografi taramalarını ve dijital diş görüntülerini kaydetme süreci sunulmuştur. Yüzey tabanlı kayıtla yapılan bir karşılaştırma, yapay zeka tabanlı sayısallaştırma ve entegrasyonun güvenilir ve tekrarlanabilir olduğunu gösterir.

This study aimed to introduce cone-beam computed tomography (CBCT) digitization and integration of digital dental images (DDI) based on artificial ...

Araştırmamız, sanal bir kafa oluşturmada kaçınılmaz olan CBCT ve dijital dental görüntülerin entegrasyonuna odaklanmıştır. Şimdiye kadar, bu üç görüntü marjinal olarak yüzey tabanlı olan en iyi film yöntemini kullanıyor. Bu araştırma, yapay zeka destekli sayısallaştırmaya dayalı yeni bir entegrasyon yöntemini tanıtmak ve doğruluğunu değerlendirmektir.Yapay zeka, tedavi sonuçlarını tahmin etmek ve ek radyografilerde veya CPCT görüntülerinde yer işaretlerini dijitalleştirmek için kullanılmıştır. Bazı ticari yazılımlar mevcuttur. Bu program, CPCT'deki yer işaretlerinin sayısallaştırılmasında ve ayrıca dental görüntülerde manuel olarak seçilen yer işaretlerinin kalibre edilmesinde yapay zeka destekli makine öğrenimi otomasyonunu benimser.İç gözlemci olan laboratuvar ekibi, her yöntemde önemli ve neredeyse tam etkili ICC gösterdi. Temel fark, her bir ABR ve SBR'de birinci ve ikinci kayıtlar arasında ve her iki yöntem arasında anlamlı bir fark göstermedi. Bununla birlikte, aralıklar ABR ile SBR yöntemine göre daha düşüktü.ABR protokolü yalnızca doğruluğu artırmakla kalmadı, aynı zamanda birleştirme süresini de önemli ölçüde azalttı. SBR yöntemi üç ila dört dakika sürerken, ABR programı yer işareti seçimi için yalnızca yaklaşık 50 saniye, DDI yer işaretleri için 40 saniye ve CPCT ve DDI birleştirme için iki ila üç saniye gerektiriyordu.

reliability-artificial-intelligence-based-cone-beam-computed

Research

JoVE Journal

Medicine

Reliability of Artificial Intelligence-Based Cone Beam Computed Tomography Integration with Digital Dental Images

583 Görüntüleme.  Seoul National University Bundang Hospital. Araştırmamız, sanal bir kafa oluşturmada kaçınılmaz olan CBCT ve dijital dental görüntülerin entegrasyonuna odaklanmıştır. Şimdiye kadar, bu üç görüntü marjinal olarak yüzey tabanlı olan en iyi film yöntemini kullanıyor. Bu araştırma, yapay zeka destekli sayısallaştırmaya dayalı yeni bir entegrasyon yöntemini tanıtmak ve doğruluğunu değerlendirmektir.Yapay zeka, tedavi sonuçlarını tahmin etmek ve ek radyografilerde veya CPCT görüntülerinde yer i?...

Video: Yazar Spotlight: Yapay Zeka Destekli Sayısallaştırma ile CBCT ve Dijital Dental Görüntü Entegrasyonunu Geliştirme

This study aimed to introduce cone-beam computed tomography (CBCT) digitization and integration of digital dental images (DDI) based on artificial intelligence (AI)-based registration (ABR) and to evaluate the reliability and reproducibility using this method compared with those of surface-based registration (SBR). This retrospective study consisted of CBCT images and DDI of 17 patients who had undergone computer-aided bimaxillary orthognathic surgery. The digitization of CBCT images and their integration with DDI were repeated using an AI-based program. CBCT images and DDI were integrated using a point-to-point registration. In contrast, with the SBR method, the three landmarks were identified manually on the CBCT and DDI, which were integrated with the iterative closest points method.
After two repeated integrations of each method, the three-dimensional coordinate values of the first maxillary molars and central incisors and their differences were obtained. Intraclass coefficient (ICC) testing was performed to evaluate intra-observer reliability with each method&#39;s coordinates and compare their reliability between the ABR and SBR. The intra-observer reliability showed significant and almost perfect ICC in each method. There was no significance in the mean difference between the first and second registrations in each ABR and SBR and between both methods; however, their ranges were narrower with ABR than with the SBR method. This study shows that AI-based digitization and integration are reliable and reproducible.

A process of registering cone-beam computed tomography scans and digital dental images has been presented using artificial intelligence (AI) -assisted identification of landmarks and merging. A comparison with surface-based registration shows that AI-based digitization and integration are reliable and reproducible.