Сравнение традиционной – ручной и автоматической систем расстановки цефалометрических точек на телерентгенограмме головы в боковой проекции в специализированных программах

Цель исследования – определить надежность и скорость анализа телерентгенограмм (ТРГ) головы в боковых проекциях с помощью различного программного обеспечения; выяснить обучающий потенциал использования искусственной нейронной сети (ИНС) для неопытных врачей и оценить степень ее помощи опытным врачам в рамках цефалометрического анализа. Для исследования случайным образом отобрали 30 ТРГ головы в боковой проекции. Сравнили две программы: Dolphin Imaging, в которой цефалометрические ориентиры расставляют вручную, и ViSurgery online, в которой для определения ориентиров используют ИНС. На каждой ТРГ установили 48 цефалометрических точек. Затем провели анализ снимков по методу COGS (Cephalometric for Orthognathic Surgery analysis). В исследовании участвовали 5 опытных врачей и 5 ординаторов 1-го года. Измеряли время обработки снимка и сравнивали точность проведенного анализа. Статистически значимые различия параметров между программами Dolphin Imaging и ViSurgery обнаружили в 2 из 8 измерений, однако данные различия являются клинически незначимы. Среднее время обработки снимка опытными врачами в программе Dolphin Imaging составило 3 мин 36 с, в программе ViSurgery 3 мин 9 с, у неопытных врачей соответствен  но 4 мин 33 с и 3 мин 50 с. Исследование показало, что различия для большинства значений цефалометрических показателей в программах Dolphin Imaging и ViSurgery оказались статистически незначи  мы. Среднее время обработки ТРГ для опытных врачей в программе ViSurgery на 12,5% меньше, чем в программе Dolphin Imaging. Для ординаторов 1-го года разница составила 15,8%.

1. Akhare P.J., Dagab A.M., Alle R.S., Shenoyd U., Garla V. Comparison of landmark identification and linear and angular measurements in conventional and digital cephalometry. Int J Comput Dent. 2013;16(3):241-254.

2. Arponen H., Elf H., Evälahti M., Waltimo-Sirén J. Reliability of cranial base measurements on lateral skull radiographs. Orthod Craniofacial Res. 2008;11:201-210.

3. Bulatova G., Kusnoto B., Grace V., Tsay T.P., Avenetti D.M., Sanchez F.J.C. Assessment of automatic cephalometric landmark identification using artificial intelligence. Orthod Craniofac Res. 2021;24 Suppl 2:37-42.

4. Burstone C.J., James R.B., Legan H., Murphy G.A., Norton L.A. Cephalometrics for orthognathic surgery. J Oral Surg. 1978;36(4):269-277.

5. Celik E., Polat-Ozsoy O., Toygar Memikoglu T.U. Comparison of cephalometric measurements with digital versus conventional cephalometric analysis. Eur J Orthod. 2009;31(3):241-246.

6. Chen S.K., Chen Y.J., Yao C.C., Chang H.F. Enhanced speed and precision of measurement in a computer assisted digital cephalometric analysis system. Angle Orthod. 2004;74(4):501-507.

7. Farooq M.U., Khan M.A., Imran S. et al. Assessing the Reliability of Digitalized Cephalometric Analysis in Comparison with Manual Cephalometric Analysis. J Clin Diagn Res. 2016;10(10):ZC20-ZC23.

8. Goracci C, Ferrari M. Reproducibility of measurements in tablet-assisted, PC-aided, and manual cephalometric analysis. Angle Orthod. 2014;84(3):437-442.

9. Guedes P.D.A., Souza JÉN.D., Tuji F.M., Nery Ê.M. Estudo comparativo das análises cefalométricas manual e computadorizada. Dental Press J Orthodont. 2010;15:44-51.

10. Hwang H.W., Park J.H., Moon J.H. et al. Automated identification of cephalometric landmarks: Part 2-Might it be better than human? Angle Orthod. 2020;90(1):69-76.

11. Hwang H.W., Moon J.H., Kim M.G., Donatelli R.E., Lee S.J. Evaluation of automated cephalometric analysis based on the latest deep learning method. Angle Orthod. 2021;91(3):329-335.

12. Jeon S., Lee K.C. Comparison of cephalometric measurements between conventional and automatic cephalometric analysis using convolutional neural network. Prog Orthod. 2021;22(1):14.

13. Kim H., Shim E., Park J., Kim Y.J., Lee U., Kim Y. Web-based fully automated cephalometric analysis by deep learning. Comput Methods Programs Biomed. 2020;194.

14. Kolsanov A.V., Popov N.V., Ayupova I.O., Tsitsiashvili A.M., Gaidel A.V., Dobratulin K.S. Tsefalometricheskii analiz rentgenologicheskikh snimkov bokovoi proektsii cherepa s pomoshch'yu komponentov myagkikh vychislenii v poiske klyuchevykh tochek [Cephalometric analysis of lateral skull X-ray images using soft computing components in the search for key points]. Stomatologiia (Mosk). 2021;100(4):63-67.

15. Kunz F., Stellzig-Eisenhauer A., Zeman F., Boldt J. Artificial intelligence in orthodontics: Evaluation of a fully automated cephalometric analysis using a customizedconvolutional neural network. Künstliche Intelligenz in der Kieferorthopädie: Evaluierung einer vollständig automatisierten Fernröntgenseitenanalyse unter Anwendung eines individualisierten «convolutional neural network». J Orofac Orthop. 2020;81(1):52-68.

16. Lindner C., Wang C.W., Huang C.T., Li C.H., Chang S.W., Cootes T.F. Fully Automatic System for Accurate Localisation and Analysis of Cephalometric Landmarks in Lateral Cephalograms. Sci Rep. 2016;6:1-10.

17. Meriç P., Naoumova J. Web-based Fully Automated Cephalometric Analysis: Comparisons between App-aided, Computerized, and Manual Tracings. Turk J Orthod. 2020;33(3):142-149. Published 2020 Aug 11.

18. Mohammad-Rahimi H., Nadimi M., Rohban M.H., Shamsoddin E., Lee V.Y., Motamedian S.R. Machine learning and orthodontics, current trends and the future opportunities: A scoping review. Am J Orthod Dentofac Orthop. 2021;160:170-192e4.

19. Muraev A.A., Tsai P., Kibardin I., Oborotistov N., Shirayeva T., Ivanov S. et al. Frontal cephalometric landmarking: humans vs artificial neural networks. Int J Comput Dent. 2020;23:139-148.

20. Muraev A.A., Kibardin I.A., Oborotistov N.Yu., Ivanov S.S., Ivanov S.Yu., Persin L.S. Use of neural network algorithms for the automated arrangement of cephalometric markers on lateral cephalograms. Russ Electron J Radiol. 2018;8:16-22.

21. Nishimoto S., Sotsuka Y., Kawai K., Ishise H., Kakibuchi M. Personal computer-based cephalometric landmark detection with deep learning, using cephalograms on the internet. J Craniofac Surg. 2019;30:91-95.

22. Park J.H., Hwang H.W., Moon J.H. et al. Automated identification of cephalometric landmarks: Part 1-Comparisons between the latest deep-learning methods YOLOV3 and SSD. Angle Orthod. 2019;89(6):903-909.

23. Shah A.R., Karandikar G., Ravindranath V., Sonawane M., Mhatre A. A comparative study of reliability and accuracy of manual and digital lateral cephalometric tracing. J Contemp Dent. 2016;6(1): 15-18.

24. Tsorovas G., Karsten A.L. A comparison of hand-tracing and cephalometric analysis computer programs with and without advanced features--accuracy and time demands. Eur J Orthod. 2010;32(6):721-728.

25. Uysal T., Baysal A., Yagci A. Evaluation of speed, repeatability, and reproducibility of digital radiography with manual versus computer-assisted cephalometric analyses. Eur J Orthod. 2009;31(5):523-528.

26. Vithanaarachchi N. 5th, Chandrasir i A.C., Nawarathna L.N. A comparison of cephalometric measurements obtained using conventional and digital methods. Ceylon Med J. 2020;65(3):39-45.

27. Wang C.W., Huang C.T., Hsieh M.C. et al. Evaluation and Comparison of Anatomical Landmark Detection Methods for Cephalometric X-Ray Images: A Grand Challenge. IEEE Trans Med Imaging. 2015;34(9):1890-1900.

28. Yao J., Zeng W., He T. et al. Automatic localization of cephalometric landmarks based on convolutional neural network. Am J Orthod Dentofacial Orthop. 2022;161(3):e250-e259.

29. Yu H.J., Cho S.R., Kim M.J., Kim W.H., Kim J.W., Choi J. Automated skeletal classification with lateral cephalometry based on artificial intelligence. J Dent Res. 2020;99:249-256.

30. Zeng M., Yan Z., Liu S., Zhou Y., Qiu L. Cascaded convolutional networks for automatic cephalometric landmark detection. Med Image Anal. 2021;68:101904.