3D-цефалометрия лица с применением искусственного интеллекта

Цель исследования – разработка новой модели сверхточной нейронной сети (СНС) для распознавания и установки цефалометрических точек (ЦТ) на срезах конусно-лучевой компьютерной томограммы (КЛКТ) для дальнейшего проведения трехмерного (3D) цефалометрического анализа и оценки его точности. Настоящее исследование показало, что в случае ограниченного набора данных обнаружение ключевых точек как проблемы сегментации изображения может обеспечить точную и обобщенную производительность для определения цефалометрических ориентиров на КЛКТ.

Разработанная искусственная нейронная сеть (ИНС) показала, что средняя абсолютная ошибка для всех точек (МАЕ) при определении координат составляет 2,78 мм, а среднее стандартное отклонение – 1,59 мм.

Предлагаемый метод определения на КЛКТ ЦТ с помощью обученной ИНС, интегрированный в специализированное программное обеспечение, обладает высоким потенциалом в плане сокращения трудоемкости рабочего процесса.

1. Cintra O., Grybauskas S., Vogel C.J., Latkauskiene D., Gama N.A. Jr. Digital platform for planning facial asymmetry orthodontic-surgical treatment preparation. Dental press journal of orthodontics. 2018;23(3):80-93.

2. Codari M., Caffini M., Tartaglia G.M., Sforza C., Baselli G. Computer-aided cephalometric landmark annotation for CBCT data. Int J Computer Assisted Radiol Surg. 2017;12(1):113-121.

3. Gupta A., Kharbanda O.P., Sardana V., Balachandran R., Sardana H.K. A knowledge-based algorithm for automatic detection of cephalometric landmarks on CBCT images. Int J Computer Assisted Radiol Surg. 2015;10(11):1737-1752.

4. Kang S.H., Jeon K., Kim H.J., Seo J.K., Lee S.H. Automatic three-dimensional cephalometric annotation system using three-dimensional convolutional neural networks: a developmental trial. Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization. 2020;8(2):210-218.

5. Lee S.M., Kim H.P., Jeon K., Lee S.H., Seo J.K. Automatic 3D cephalometric annotation system using shadowed 2D image-based machine learning. Physics in Medicine & Biology. 2019;64(5):055002.

6. Makram M., Kamel H. Reeb graph for automatic 3D cephalometry. IJIP. 2014;8(2):17-29.

7. Montúfar J., Romero M., Scougall-Vilchis R.J. Automatic 3-dimensional cephalometric landmarking based on active shape models in related projections. Am J Orthodont Dentofac Orthoped. 2018;153(3):449-458.

8. Montúfar J., Romero M., Scougall-Vilchis R.J. Hybrid approach for automatic cephalometric landmark annotation on cone-beam computed tomography volumes. Am J Orthodont Dentofac Orthoped. 2018;154(1):140-150.

9. Muraev A.A., Kibardin I.A., Oborotistov N.Yu., Ivanov S.S., Persin L.S. (2018) Use of neural network algorithms for the automated placement of cephalometric points on Lateral Ceph. REJR 8(4):16-22

10. Muraev A.A., Tsai P., Kibardin I., Oborotistov N., Shirayeva T., Ivanov S., Ivanov S., Guseynov N., Aleshina O., Bosykh Y., Safyanova E., Andreischev A., Rudoman S., Dolgalev A., Matyuta M., Karagodsky V., Tuturov N. Frontal cephalometric landmarking: humans vs artificial neural networks. Int J Computerized Dentistry. 2020;23(2):139-148.

11. Nalçaci R., Oztürk F., Sökücü O. A comparison of two-dimensional radiography and three-dimensional computed tomography in angular cephalometric measurements. Dentomaxillofacial Radiol. 2010;39 (2) : 100-106.

12. Neelapu B.C., Kharbanda O.P., Sardana V., Gupta A., Vasamsetti S., Balachandran R., Sardana H.K. Automatic localisation of three-dimensional cephalometric landmarks on CBCT images by extracting symmetry features of the skull. Dentomaxillofacial Radiol. 2018;47(2):20170054.

13. Shahidi Sh., Oshagh M., Gozin F., Salehi P., Danaei S.M. Accuracy of computerized automatic identification of cephalometric landmarks by a designed soft ware. Dentomaxillofacial Radiol. 2013;42(1):2011018720110187.

14. Vlijmen van O.J., Maal T., Bergé S.J., Bronkhorst E.M., Katsaros C., Kuijpers-Jagtman A.M. A comparison between 2D and 3D cephalometry on CBCT scans of human skulls. Int J Oral Maxillofac Surg. 2010;39(2):156-160.

15. Wang R.H., Ho C.T., Lin H.H, Lo L.J. Th ree-dimensional cephalometry for orthognathic planning: Normative data and analyses. J Formosan Med Association. 2020;119(1):191-203.

16. Yun H.S., Jang T.J., Lee S.M., Lee S.H., Seo J.K. Learning-based local-to-global landmark annotation for automatic 3D cephalometry. Physics in Med Biol. 2020;65(8):085018.