콘빔 컴퓨터 단층촬영을 이용한 딥러닝 기반 턱뼈 미네랄 밀도 수준의 새로운 자동 등급 시스템 구축

Scientific Reports 12권, 기사 번호: 12841(2022) 이 기사 인용

1295 액세스

1 인용

4 알트메트릭

측정항목 세부정보

콘빔컴퓨터단층촬영(CBCT) 영상에서 얻은 방사선 사진 데이터로부터 구강 임플란트 수술 시 임플란트 부위의 골밀도 수준을 판단하기 위한 인공지능 딥러닝을 활용한 자동 분류 방법을 개발 및 검증한다. 하악 치열 결함이 있는 70명의 환자를 CBCT를 사용하여 스캔했습니다. 이러한 의학의 디지털 영상 및 커뮤니케이션 데이터를 605개의 훈련 세트로 잘라낸 후 데이터 표준화를 통해 데이터를 처리하고 Hounsfiled Unit(HU) 값 수준을 다음과 같이 결정했습니다. 유형 1, 1000-2000; 유형 2, 700-1000; 유형 3, 400-700; 유형 4, 100-400; 5, − 200–100을 입력합니다. 숙련된 치과 임플란트 의사 4명이 LabelMe 소프트웨어를 사용하여 이미지에서 턱뼈 밀도 수준 영역을 수동으로 식별하고 분류했습니다. 그리고 20년의 임상 경험을 가진 의사가 LabelMe에서 생성된 HU 값의 도움을 받아 라벨링 수준을 확인했습니다. 마지막으로 인공지능 분류의 정확성을 평가하기 위해 치과 임플란트 의사가 표시한 다양한 카테고리의 HU 평균값을 인공지능 모델에서 검출한 평균값과 비교하였다. 605개의 훈련 세트로 모델을 훈련한 후, 모델이 검출한 데이터 세트의 다양한 범주에 대한 HU 평균값의 통계 결과는 데이터 주석의 HU 등급 간격과 거의 동일했습니다. 이 새로운 분류는 구강 임플란트 수술을 위한 수술 전 의사 결정 및 수술 중 구멍 준비 과정에서 외과 의사가 드릴링 속도와 도구 선택을 조정하도록 안내하는 보다 자세한 솔루션을 제공합니다.

임상적으로 골질의 정의에 대한 명확한 합의는 없지만 일반적으로 골 무기질화 정도, 골소주의 모양 및 유형과 같은 많은 측면을 포괄합니다. 현재 가장 널리 사용되고 있는 턱뼈의 질 분류는 19851년 Lekholm과 Zarb가 제안한 4가지 턱뼈 분류법으로, 턱뼈는 턱뼈의 피질골과 해면골의 양에 따라 4가지 유형 중 하나로 구분된다. 턱의 방사선학적 이미지2: 유형 I 뼈는 혈관이 가장 적고 가장 균질한 것으로 간주되며 유형 II는 피질골과 골수강의 조합, 유형 III은 주로 소주골로 구성되며 유형 IV는 매우 얇은 것으로 설명됩니다. 피질과 저밀도 섬유주. 그러나 기존의 등급 분류 방식은 골질 등급에 국한되어 있다. 이는 한 부위에서 서로 다른 밀도의 뼈를 관찰하는 것이 흔한 임플란트 수술의 경우 단점입니다. 따라서 이 분류 체계를 단독으로 사용하면 임플란트 식립 시 임플란트 부위의 오프셋이나 비틀림 손실이 발생할 수 있습니다. 우리는 구강 임플란트 수술에서 뼈 분류의 궁극적인 목표는 임플란트 수술 부위에 대한 보다 포괄적인 이해를 유도하여 의사가 임플란트 수술 중 와동 준비 크기와 임플란트 직경 선택을 결정하는 데 도움을 주는 것이라고 믿습니다. 또한, 개선된 뼈 분류 시스템은 임플란트의 초기 안정성과 수술 중 드릴링에 대한 저항성을 향상시키는 데 도움이 될 것입니다.

본 연구에서는 보다 세부적인 골밀도 분류를 제공하기 위해 딥러닝 인공지능 기법을 적용하여 CBCT(Cone Beam Computer Tomography) 영상에서 얻은 방사선학적 데이터를 이용하여 임플란트 부위별 위치별 골밀도 유형을 판단하였다. 범위. 이 방법은 또한 골밀도 등급 판단의 정확성을 높이고 개인의 주관적 판단의 오류 가능성을 줄일 수 있습니다. 이러한 방법을 바탕으로 자동분류 방법을 개발하고 검증하였으며, 턱뼈의 새로운 분류기준을 제안하였다. 턱뼈는 다섯 가지 유형으로 나뉘는데, 1형이 가장 조밀하고, 5형이 가장 느슨합니다. 뼈 유형의 범위는 빅데이터 인공 지능 시스템을 사용하여 자동으로 보정되어 임상의에게 임플란트 수술 수술을 더 효과적으로 안내합니다.