Tooth and pulp chamber automatic segmentation with artificial intelligence network and morphometry method in cone-beam CT / Segmentación automática de cámaras dentales y pulpares con red de inteligencia artificial y método de morfometría en TC de haz cónico

SUMMARY: This study aims to extract teeth and alveolar bone structures in CBCT images automatically, which is a key step in CBCT image analysis in the field of stomatology. In this study, semantic segmentation was used for automatic segmentation. Five marked classes of CBCT images were input for U-net neural network training. Tooth hard tissue (including enamel, dentin, and cementum), dental pulp cavity, cortical bone, cancellous bone, and other tissues were marked manually in each class. The output data were from different regions of interest. The network configuration and training parameters were optimized and adjusted according to the prediction effect. This method can be used to segment teeth and peripheral bone structures using CBCT. The time of the automatic segmentation process for each CBCT was less than 13 min. The Dice of the evaluation reference image was 98 %. The U-net model combined with the watershed method can effectively segment the teeth, pulp cavity, and cortical bone in CBCT images. It can provide morphological information for clinical treatment.

RESUMEN: El objetivo del presente estudio fue extraer estructuras dentarias y óseas alveolares desde imágenes CBCT automáticamente, lo cual es un paso clave en el análisis de imágenes CBCT en el campo de la estomatología. En este estudio, se utilizó la segmentación de tipo emántica para la segmentación automática. Se ingresaron cinco clases de imágenes CBCT marcadas, para el entrenamiento de la red neuronal U-net. El tejido duro del diente (incluidos esmalte, dentina y cemento), la cavidad de la pulpa dentaria, hueso cortical, hueso esponjoso y otros tejidos se marcaron manualmente en cada clase. Los datos se obtuvieron de diferentes regiones de interés. La configuración de la red y los parámetros de entrenamiento se optimizaron y ajustaron de acuerdo con un análisis predictivo. Este método se puede utilizar para segmentar dientes y estructuras óseas periféricas mediante CBCT. El tiempo del proceso de segmentación automática para cada CBCT fue menor a 13 min. El "Dice" de evaluación de la imagen de referencia fue de 98 %. El modelo U-net combinado con el método "watershed"puede segmentar eficazmente los dientes, la cavidad pulpar y el hueso cortical en imágenes CBCT. Puede proporcionar información morfológica para el tratamiento clínico.

Research on a segmentation and evaluation method combining tooth morphology features / Investigación sobre un método de segmentación y evaluación que combina características morfológicas dentales

SUMMARY: To explore a new semi-automatic method to segment the teeth from the three-dimensional volume data which acquired from cone beam computed tomography (CBCT) scanner. Scanned dental cast models are used to evaluate the segmentation accuracy. The CBCT data are loaded to ORS software. Based on gray value, a semi-automatic method was used to segment teeth and then the segmented teeth were saved in STL format data. Smooth the mesh data in the Geomagic Studio software. The upper and lower dental cast models were scanned by a white light scanner and the data was saved in STL format too. After registering the model data to teeth data, the deviation between them was analyzed in the Geomagic Qualify. All teeth could be obtained, the method is simple to use and applied in orthodontic biomechanics. The entire process took less than 30 minutes. The actual measured Root Mean Square (RMS) value is 0.39 mm, less than 0.4 mm. This method can segment teeth from the jaw quickly and reliably with a little user intervention. The method has important significance for dental orthodontics, virtual jaw surgery simulation and other stomatology applications.

RESUMEN: El objetivo de este estudio fue explorar un nuevo método semiautomático para segmentar los dientes a partir de datos de volumen tridimensional adquiridos mediante escáner de tomografía computarizada de haz cónico (CBCT). Los modelos escaneados de moldes dentales se utilizan para evaluar la precisión de la segmentación. Para los datos CBCT se utilizó el software ORS, y basado en el valor gris, se usó un método semiautomático para segmentar los dientes los que posteriormente se guardaron en datos de formato STL. Los datos se ingresaron en el software Geomagic Studio. Los modelo dentales superior e inferior se escanearon con un escáner de luz blanca y la información también se guardó en formato STL. Después del registro y comparación de los datos del modelo y los datos de los dientes, la desviación entre estos se analizó en el programa Geomagic Qualify. Usando este método fue posible obtener de forma fácil todos los dientes y además aplicar en la biomecánica de ortodoncia. El proceso completo demoró menos de 30 minutos. El valor real medido de la raíz cuadrada media fue de 0,39 mm, menos de 0,4 mm. Este método puede segmentar los dientes mandibulares de forma rápida y confiable, con una mínima intervención del usuario. El método tiene una importancia crítica para la ortodoncia, simulaciones virtuales de las cirugías de la mandíbula y otras aplicaciones en estomatología.