Panoramabildgebung der zahnmedizinischen Tomosynthese unter Verwendung von DVT-Projektionsdaten

Wissenschaftliche Berichte Band 13, Artikelnummer: 8817 (2023) Diesen Artikel zitieren

109 Zugriffe

1 Altmetrisch

Details zu den Metriken

Zahnärztliche DVT- und Panoramabilder sind wichtige Bildgebungsmodalitäten für die zahnärztliche Diagnose und Behandlungsplanung. Um ein Panoramabild ohne einen zusätzlichen Panoramascan zu erhalten, haben wir in dieser Studie eine Methode zur Rekonstruktion eines Panoramabilds durch Extrahieren von Panoramaprojektionsdaten aus zahnmedizinischen DVT-Projektionsdaten vorgeschlagen. Nach der Spezifizierung des Zahnbogens des Patienten aus dem DVT-Bild des Patienten werden Panoramaprojektionsdaten aus den DVT-Projektionsdaten entlang der entsprechenden Panorama-Scan-Trajektorie extrahiert, die zum Zahnbogen passt. Zum Testen der vorgeschlagenen Methode wurden insgesamt 40 klinische Humandatensätze und ein Kopfphantomdatensatz verwendet. Der in dieser Studie verwendete klinische Humandatensatz umfasst Fälle, in denen es schwierig ist, Panoramabilder aus DVT-Bildern zu rekonstruieren, wie z. B. Daten mit starken Metallartefakten oder Daten ohne Zähne. Durch die Anwendung der in dieser Studie vorgeschlagenen Panoramabild-Rekonstruktionsmethode konnten wir erfolgreich Panoramabilder aus den DVT-Projektionsdaten verschiedener Patienten erfassen. Die vorgeschlagene Methode erfasst ein universell anwendbares Panoramabild, das weniger von der DVT-Bildqualität und Metallartefakten beeinflusst wird, indem Panoramaprojektionsdaten aus zahnärztlichen DVT-Daten extrahiert und ein Panoramabild rekonstruiert werden.

In der Zahnmedizin werden verschiedene fortschrittliche digitale Technologien wie optische Bildgebung, 2D/3D-Röntgenbildgebung und 3D-Druck aktiv erforscht und eingesetzt1,2,3,4,5,6. Insbesondere die zahnärztliche DVT und die Panoramabildgebung sind täglich verwendete Bildgebungsmodalitäten in der zahnärztlichen Diagnose und Behandlungsplanung1,7. Die Panoramaradiographie spielt eine wichtige Rolle bei der Diagnose verschiedener Zahnerkrankungen und der damit verbundenen Behandlungsplanung, da sie relativ umfangreiche zahnmedizinische Informationen in einem einzigen Display mit einem weiten Sichtfeld und einer geringen Bildstrahlungsdosis liefern kann8,9,10,11,12 . Der Grad der Dosis kann je nach Modell und Scanmethode unterschiedlich sein, aber im Allgemeinen hat eine Panorama-Röntgenaufnahme eine effektive Dosis von 8 bis 14 µSv, während die einer zahnärztlichen DVT zwischen 10 und 130 µSv liegt13,14. Auf Kosten einer höheren DVT-Dosis wird die Fähigkeit, anatomische Informationen in 3D anzuzeigen, als entscheidend für die Diagnose und Therapieplanung in verschiedenen Bereichen wie der Implantatplanung, der Visualisierung abnormaler Zähne und der Kieferbeurteilung angesehen7,15,16,17. Die Visualisierung von zahnärztlichen CBCT-Bildern erfolgt in der Regel mit einer dynamischen Volumen-Rendering-View-Funktion und auch mit multiplanaren Rekonstruktionsschichten (MPR). Da Panoramabilder jedoch anatomische Strukturen mit einem weiten Sichtfeld in einer einzigen Ebene umfassend darstellen können, sind die Anforderungen an die Panoramabildgebung auch nach der DVT-Bildaufnahme in Kliniken hoch18,19,20,21,22,23,24,25,26. Wir möchten darauf hinweisen, dass wir in dieser Arbeit nicht beabsichtigen, die zahnärztliche Panoramabildgebung für die Erstdiagnose durch CBCT-Bildgebung zu ersetzen, sondern stattdessen eine Methode zur Synthese von Panoramabildern vorschlagen, sobald die CBCT-Bildgebung stattgefunden hat und danach eine zusätzliche Panoramabildgebung erforderlich ist. Der Einsatz zweier separater Systeme ist aus Kosten- und Platzgründen nicht wünschenswert und es gibt Bildgebungsgeräte, die beide Bildgebungsmodalitäten auf einer einzigen DVT-Plattform bereitstellen.

Es gibt zwei Hauptansätze zur Erfassung von zahnärztlichen DVT- und Panoramabildern mit einem einzigen Gerät: Hardware- und Softwareansätze. Beim Hardware-Ansatz ist der Panoramascan mit DVT-Geräten möglich, indem die rotierende Welle des DVT-Geräts bewegt werden kann und mithilfe eines Kollimators eine schmale Strahlgeometrie implementiert wird. Die Projektionsdaten werden entlang der vordefinierten Panorama-Scan-Trajektorie im Panorama-Scan-System erfasst. Aufgrund der festen Scan-Trajektorie können jedoch unscharfe Panoramabilder erhalten werden, wenn sich das Gebiss des Patienten deutlich außerhalb der Fokusebene befindet. Noch wichtiger ist, dass ein zusätzlicher Panoramascan zu einer zusätzlichen bildgebenden Strahlendosis für den Patienten führen würde.

Bei den Softwareansätzen wird aus dem zahnärztlichen DVT-Bild ein Panoramabild erstellt18,19,20,21. Da ein zahnärztliches DVT-Bild über anatomische 3D-Informationen verfügt, ist es möglich, ein Panoramabild zu erstellen, indem die erforderlichen Daten aus einem DVT-Bild extrahiert werden. Im Allgemeinen bestehen Methoden zur Synthese eines Panoramabilds aus einem zahnärztlichen DVT-Bild aus zwei Schritten18. Der erste Schritt besteht darin, aus dem zahnärztlichen DVT-Bild einen geeigneten Zahnbogen zu extrahieren, der die Zähne und den Kieferknochen darstellt. Der zweite Schritt besteht darin, die volumetrischen Bildinformationen in der Nähe des extrahierten Zahnbogens in eine Panoramabildebene zu überlagern. Somit kann ein Panoramabild ohne zusätzliche Hardwareänderungen an der vorhandenen zahnärztlichen DVT-Ausrüstung aufgenommen werden. Darüber hinaus gibt es im Gegensatz zum Panorama-Scansystem kein Unschärfeproblem, da das Panoramabild aus dem DVT-Bild entlang des Zahnbogens extrahiert wird. Diese Methoden werden jedoch stark von der Qualität des CBCT-Bildes und der Genauigkeit des Zahnbogens beeinflusst18,19,20,21,23,24,25,26,27,28,29,30. Es wurde berichtet, dass mehrere Algorithmen komplexe Zahnbögen automatisch extrahieren, aber die Genauigkeit des Zahnbogens wird beeinträchtigt, wenn im DVT-Bild Zähne fehlen und/oder Metallartefakte vorhanden sind18,24. Insbesondere bei starken Metallartefakten bleiben Metallartefakte der DVT im Panoramabild zurück, selbst wenn der ideale Zahnbogen eingestellt ist, was die Qualität des Panoramabilds beeinträchtigt.

Um die Einschränkungen solcher Softwareansätze zu überwinden, schlagen wir in diesem Artikel eine neuartige Panoramabilderzeugungsmethode vor, die die CBCT-Projektionsdaten nutzt. Da der DVT-Scan Projektionsdaten des FOV im gesamten Winkelbereich liefert, ist es theoretisch möglich, die Panoramaprojektionsdaten selektiv aus den DVT-Projektionsdaten zu extrahieren und umzuwandeln. In der Praxis wird häufig eine versetzte Detektorgeometrie verwendet, um bei der zahnmedizinischen DVT ein größeres Sichtfeld abzudecken, wobei die Mitte des Flachbildschirmdetektors horizontal außerhalb des Hauptröntgenstrahls des Systems platziert ist. Obwohl beim Konvertierungsprozess der Kegelstrahlprojektion in Panoramaprojektionsdaten aufgrund der versetzten Detektorgeometrie ein Problem mit der Probenentnahme besteht, haben wir eine Methode entwickelt, um dieses Problem zu umgehen, wie im Abschnitt „Materialien und Daten“ beschrieben wird Abschnitt „Methode“. Um Panoramaprojektionsdaten aus DVT-Projektionsdaten zu extrahieren, wird zunächst ein geeigneter Zahnbogen anhand eines DVT-Bildes abgegrenzt18,23. Anschließend wird eine virtuelle Panorama-Scan-Trajektorie ermittelt, die für den erkannten Zahnbogen geeignet ist. An jeder Quellposition entlang der virtuellen Panorama-Scan-Trajektorie werden durch einen Daten-Rebinning-Prozess Panoramaprojektionsdaten aus den DVT-Projektionsdaten extrahiert. Abschließend wird die Panorama-Tomosynthese-Rekonstruktionsmethode angewendet, um aus den extrahierten Panoramaprojektionsdaten ein Panoramabild zu erhalten4,12,22. Gegenüber dem Hardware-Ansatz hat das vorgeschlagene Verfahren zur Panoramabildrekonstruktion den Vorteil, ein Panoramabild in der für den Patienten optimierten Fokusebene zu erhalten, da der Zahnbogen anhand des DVT-Bildes patientenspezifisch eingestellt werden kann. Im Vergleich zum Software-Ansatz, der zahnärztliche DVT-Bilder anstelle von Projektionsdaten verwendet, ist das vorgeschlagene Verfahren vorteilhaft, da es nicht von der Qualität des DVT-Bildes dominiert wird, da es das Panoramabild direkt aus den extrahierten Projektionsdaten rekonstruiert.

Der Rest dieser Arbeit ist wie folgt aufgebaut. Im Abschnitt „Materialien und Methode“ wird die Gesamtstruktur des vorgeschlagenen Algorithmus angegeben und Einzelheiten zu jedem Modul beschrieben. Im Abschnitt „Ergebnisse“ werden experimentelle Ergebnisse zu Kopf-Phantom-Scandaten und einem klinischen Datensatz bereitgestellt, die die oben genannten Vorteile gegenüber den bestehenden Methoden verdeutlichen. Diskussion und Schlussfolgerungen folgen in den Abschnitten „Diskussion“ bzw. „Schlussfolgerungen“.

Eine Übersicht über die vorgeschlagene Methode ist in Abb. 1 schematisch dargestellt. Der erste Schritt besteht darin, im DVT-Bild einen für den Patienten passenden Zahnbogen festzulegen (Abb. 1c). Der nächste Schritt besteht darin, eine Panorama-Scan-Trajektorie basierend auf dem eingestellten Zahnbogen zu erstellen (Abb. 1d) und virtuelle Panorama-Projektionsdaten aus den CBCT-Projektionsdaten zu erfassen (Abb. 1e). Abschließend wird ein Panoramabild basierend auf den erfassten Panoramaprojektionsdaten rekonstruiert (Abb. 1h).

Arbeitsablauf der vorgeschlagenen Methode. (MIP steht für die Maximum-Intensity-Projektion).

In diesem Abschnitt wird ein Algorithmus beschrieben, der den Zahnbogen anhand eines DVT-Bildes automatisch erkennt. Wir verwenden die axiale Maximum-Intensitätsprojektion (MIP) des CBCT-Bildes, die die Gesamtstruktur der Zähne darstellen kann18,23,24,25,26,27,28,29,30. Zur Erkennung von Zahnbögen ist ein MIP-Bild der axialen Schichten innerhalb eines bestimmten Bereichs wünschenswert. Um den Kieferknochen von den Zähnen im axialen MIP-Bild zu unterscheiden, muss der Bereich zur Erstellung des axialen MIP-Bildes entsprechend gewählt werden18. Wenn der Schichtbereich zu weit eingestellt ist, wird das axiale MIP-Bild mit übermäßigem Knochengewebe überlagert, was die Erkennung des Zahnbogens erschwert. Andererseits besteht die Möglichkeit, dass der interessierende Bereich nicht einbezogen wird, wenn der Schichtbereich zu eng eingestellt ist. In dieser Arbeit haben wir den Schichtbereich automatisch anhand eines koronalen MIP-Bildes bestimmt.

Zunächst wird eine Zahn-Binärmaske (Abb. 2b) erfasst, indem ein Schwellenwert, der empirisch aus dem klinischen Datensatz ermittelt wurde, auf das koronale MIP-Bild angewendet wird (Abb. 2a). Es wird ein Histogramm erstellt, das die Anzahl der positiven Pixel in jeder Zeile des Maskenbildes darstellt (Abb. 2c). Aus dem Histogramm definieren wir die Ober- und Untergrenze der Zähne in der Reihenachse, indem wir die Anzahlen mit einem Schwellenwert versehen. Als nächstes wird der axiale Schichtbereich festgelegt, indem ein zusätzlicher Rand von 20 Schichten zugelassen wird, der in dieser Arbeit ebenfalls empirisch ermittelt wurde (Abb. 2d). Schließlich wird aus dem ursprünglichen DVT-Bild unter Verwendung des ausgewählten axialen Bereichs ein axiales MIP-Bild erstellt (Abb. 2e).

Bereich der axialen Schicht, die die Zähne enthält. (a) Koronales MIP-Bild, (b) Maskenbild der Zähne. (c) Y-Achsen-Histogramm des Zahnmaskenbildes, (d) Ausgewählter Bereich des axialen Schnitts, (e) Axiales MIP-Bild.

Nachdem wir das entsprechende axiale MIP-Bild aufgenommen haben, erkennen wir den Zahnbogen anhand einer parabolischen Anpassung im axialen MIP-Bild. Der Zahnbogen einschließlich der Zähne und des Kieferknochens kann durch eine glatte Verbindung der Parabel, die die Zähne darstellt, und der Parabel, die den Kieferknochen darstellt, erhalten werden, wie in Abb. 3 dargestellt. Zunächst wird eine Zahnmaske erfasst, indem ein Schwellenwert auf das axiale MIP-Bild angewendet wird ( Abb. 3b). Nachdem die Zahnmaske gleichmäßig in der Winkelrichtung in Bezug auf die Bildmitte aufgeteilt wurde, wird der Mittelpunkt der maskierten Zähne innerhalb jedes Winkelbereichs als Anpassungspunkt markiert. Der RANSAC-Algorithmus (RANdom Sample Consensus) wurde auf die markierten Punkte angewendet, um die passende Parabel für die Zähne zu erhalten31. Die Kieferknochen-passende Parabel wurde durch Anpassen einer Parabel erhalten, die die markierten Punkte der Backenzähne und die Spitzen des entsprechenden Kieferknochens verband (Abb. 3c). Schließlich wurden die Kieferknochen-passende Parabel und die zahnpassende Parabel mithilfe einer Kosinus-Gewichtungsfunktion in der Nähe der Schnittpunkte zusammengeführt, um sie nahtlos zu verbinden, was zur Abgrenzung des Zahnbogens führte (Abb. 3d).

(a) Axiales MIP-Bild, (b) Anpassung der Zahnbahn, (c) Anpassung der Kieferknochenbahn, (d) Erkennung des Zahnbogens.

Nach der Erfassung des entsprechenden Zahnbogens wird der erfasste Zahnbogen zur Erstellung einer Panorama-Scan-Trajektorie verwendet. Auch hier wird darauf hingewiesen, dass die virtuelle Panorama-Scan-Trajektorie durch Verschieben der Referenz-Panorama-Scan-Trajektorie entsprechend dem Zahnbogen des Patienten erstellt werden kann. In dieser Studie wurde die herkömmliche Panorama-Scantrajektorie des Herstellers als Referenztrajektorie verwendet.

Es gibt zwei große Herausforderungen bei der virtuellen Panoramabildgebung, wie sie in dieser Arbeit vorgeschlagen wird: die Synthese von Panoramaprojektionsdaten aus Halbfächer-Kegelstrahlprojektionsdaten und die Kompensation von Intensitätsungleichmäßigkeiten über das Panorama-FOV. Im Folgenden gehen wir einzeln auf diese Herausforderungen und Abhilfemaßnahmen ein.

Wie in Abb. 4a und b dargestellt, gibt es einige Unterschiede zwischen dem Panorama-Scan-System und dem CBCT-Scan-System. Im Gegensatz zum Panorama-Scansystem verwendet das zahnärztliche DVT-Scansystem einen breiten Detektor, verwendet jedoch einen Halbfächer-Detektormodus mit einem Versatz. Während die Drehachse des zahnärztlichen DVT-Scansystems fest ist, bewegt sich die Drehachse des Panorama-Scansystems außerdem entlang eines Liniensegments, um die Überlappung von Zahnbildern während eines Scans zu minimieren.

(a) Panorama-Scansystem. (b) Dentales CBCT-Scansystem. (c) Anfängliches Panorama-Scan-Trajektorien- und Probenahmeproblem. (d) Ändern der Panorama-Scan-Trajektorie.

Aufgrund der Bewegung der Rotationsachse im Panorama-Scansystem und der Asymmetrie des Detektorfächerwinkels im zahnärztlichen DVT-System können einige Projektionsdaten der eingestellten Panorama-Scan-Trajektorie nicht aus den zahnmedizinischen DVT-Projektionsdaten ermittelt werden, wie in Abb . 4c. Der obere rechte hintere Teil des Zahnbogens, dargestellt durch das gelbe Liniensegment, wäre in dieser Arbeit einem solchen Datenverlust ausgesetzt. Der Grund dafür, dass aus den zahnmedizinischen DVT-Projektionsdaten keine spezifischen Panoramaprojektionsdaten extrahiert werden können, liegt darin, dass der Strahlengang zu weit von der festen Rotationsachse des zahnmedizinischen DVT-Systems entfernt ist, als dass er vom kurzen Fächerwinkel des Offset-Detektors abgedeckt werden könnte. In dieser Arbeit haben wir die fehlenden Panoramaprojektionsdaten angenähert, indem wir den virtuellen Panorama-Scanbereich erweitert haben, sodass die DVT-Projektionsdaten, die den gelben Schwanz des Zahnbogens abdecken, für die Panorama-Tomosynthese verwendet werden können, wie in Abb. 4d dargestellt. Durch die Erweiterung der virtuellen Panorama-Scan-Trajektorie kann der Strahlengang der entsprechenden Ansicht somit näher an der Rotationsachse des zahnmedizinischen DVT-Scansystems liegen.

Nach dem Festlegen einer virtuellen Panorama-Scan-Trajektorie wie oben beschrieben wurden virtuelle Panorama-Projektionsdaten aus den CBCT-Projektionsdaten extrahiert. Da sich die Quellenpositionen entlang einer Panorama-Scan-Trajektorie nicht genau mit denen entlang einer CBCT-Scan-Trajektorie überlappen, sind Strahlanpassung und Rebinning erforderlich. Der Ziel-Panoramastrahl wurde zunächst durch fächerparalleles Rebinning32 in einen parallelen Strahl umgewandelt. Danach wurde der dem Ziel-Panoramastrahl entsprechende CBCT-Strahl gefunden, indem der parallele Strahl gemäß dem CBCT-System in einen Fächerstrahl umgewandelt wurde. Sowohl die Panoramastrahl- als auch die CBCT-Strahlgeometrie sind in Abb. 5 dargestellt. Zuerst wandeln wir den Panoramastrahl in den Parallelstrahl um, wie in Abb. 5a dargestellt. Sop stellt die Quellenposition des Panoramascans dar, Dp die Detektorebene und Op stellt die Rotationsachse dar. \({\upbeta }_{\mathrm{p}}\) stellt den Winkel der Panoramastrahlquelle dar, \({\upgamma }_{\mathrm{p}}\) stellt den Fächerwinkel dar und \(\uptheta\ ) stellt den entsprechenden Parallelstrahlwinkel dar. \({\mathrm{u}}_{\mathrm{p}}\) stellt die Panorama-Strahldetektorkoordinate dar, \({\mathrm{s}}_{\mathrm{p}}\) stellt die virtuelle Fächer- Strahldetektorkoordinate, \({\mathrm{t}}_{\mathrm{p}}\) stellt die radiale Parallelkoordinate dar, D ist der Abstand von der Quelle zur Rotationsachse und R ist der Abstand von der Rotationsachse zu der Detektoroberfläche. Die Beziehung zwischen \(\left(\uptheta ,{\mathrm{t}}_{\mathrm{p}}\right)\) und \(\left({\upbeta }_{\mathrm{p}}, {\upgamma }_{\mathrm{p}},{\mathrm{s}}_{\mathrm{p}}\right)\) ist gegeben durch Gl. (1).

(a) Geometrie des Panoramastrahls. (\({\mathbf{S}\mathbf{o}}_{\mathbf{p}}\), Quellposition; \({\mathbf{D}}_{{\varvec{p}}}\) , Detektorposition; \({\mathbf{O}}_{{\varvec{p}}}\), Rotationszentrum), (b) Geometrie des CBCT-Strahls. (\({\mathbf{S}\mathbf{o}}_{\mathbf{c}}\), Quellposition; \({\mathbf{D}}_{\mathbf{c}}\), Detektor Position; \({\mathbf{O}}_{\mathbf{c}}\, Rotationszentrum).

Wie in den Abb. gezeigt. In 5b wird der Parallelstrahl nun wieder in einen DVT-Fächerstrahl umgewandelt. \({\mathrm{So}}_{\mathrm{c}}\) stellt die Quellposition des DVT-Scansystems dar, \({\mathrm{D}}_{\mathrm{c}}\) den Detektor Ebene und \({O}_{\mathrm{c}}\) stellt die Rotationsachse dar. Im Gegensatz zu \({O}_{p}\) hat \({O}_{\mathrm{c}}\) eine feste Position. \({\upbeta}_{\mathrm{c}}\) stellt den CBCT-Strahlquellenwinkel dar, \({\upgamma}_{\mathrm{c}}\) stellt den Fächerwinkel dar, \({\mathrm {s}}_{\mathrm{c}}\) repräsentiert die Koordinate des virtuellen Fächerstrahldetektors, \({\mathrm{t}}_{c}\) repräsentiert die radiale Parallelkoordinate. Die Beziehung zwischen \(\left(\uptheta,{\mathrm{t}}_{\mathrm{p}},{t}_{c}\right)\) und \(\left({\upbeta}_ {\mathrm{c}},{\upgamma}_{\mathrm{c}},{\mathrm{s}}_{\mathrm{c}}\right)\) ist gegeben durch Gl. (2).

Wir können den Panoramastrahl \(\left({\upbeta}_{\mathrm{p}},{\upgamma}_{\mathrm{p}},{\mathrm{s}}_{\mathrm{p) umwandeln }} }}\right)\) zum DVT-Strahl \(\left({\upbeta}_{\mathrm{c}},{\upgamma}_{\mathrm{c}},{\mathrm{s} }_ {\mathrm{c}}\right)\) unter Verwendung der beiden Gleichungssätze. Bei dieser Methode können die Panoramaprojektionsdaten aus den DVT-Projektionsdaten entlang der virtuellen Panoramaprojektionsscantrajektorie extrahiert werden.

Das zweite Problem, das angegangen werden muss, ist die Schwächungskorrektur bei der Synthese von Panoramaprojektionsdaten. Insbesondere bei den Projektionsstrahlen, die den Halswirbel passieren, sind die Strahlintegrale der Schwächungskoeffizienten viel höher als bei Projektionsstrahlen, die den Halswirbel nicht passieren. Bei den bestehenden Panorama-Scansystemen werden die durch die Halswirbel verursachten Projektionen geringer Intensität üblicherweise durch eine Erhöhung der Strahlenergie oder eine effektive Erhöhung der Belichtung im relevanten Scanbereich kompensiert. Im Falle der Synthese von Panoramaprojektionsdaten aus DVT-Projektionsdaten sollte die Strahlintensität im Rohprojektionsbereich jedoch durch Software entsprechend korrigiert werden.

Wie aus Abb. 6 ersichtlich ist, weisen die synthetisierten Panoramaprojektionsdaten eine erhebliche Ungleichmäßigkeit auf, und diese Ungleichmäßigkeit überträgt sich direkt auf das rekonstruierte Panoramabild. In dieser Studie wurde nach der Berechnung des durchschnittlichen Pixelwerts der gesamten Panoramaprojektionsdaten (\({\mathrm{m}}_{\mathrm{tot}}\)) und des durchschnittlichen Pixelwerts jeder Projektionsdaten (\({ \mathrm{m}}_{\mathrm{proj}}\)), ein geeignetes Gewicht für jede Projektionsdaten wird basierend auf dem Verhältnis der durchschnittlichen Pixelwerte berechnet (\({\mathrm{w}}_{\mathrm {proj}}= {\mathrm{m}}_{\mathrm{tot}}/{\mathrm{m}}_{\mathrm{proj}}\)). Der so ermittelte View-by-View-Gewichtungsfaktor wurde dann auf alle Pixel in der entsprechenden Projektion multipliziert.

(Links) Der mittlere Pixelwert der Panoramaprojektionsdaten entsprechend der Winkelposition, (Rechts) der mittlere Pixelwert des Panoramabilds entsprechend der Winkelposition.

Aus den erfassten Panoramaprojektionsdaten wird nun ein Panoramabild rekonstruiert. In dieser Arbeit wurde die auf Tomosynthese basierende Panoramabild-Rekonstruktionsmethode verwendet, die häufig in herkömmlichen Panorama-Scan-Systemen verwendet wird. Die auf Tomosynthese basierende Panoramabildrekonstruktionsmethode verwendet die Shift-and-Add-Methode mit unterschiedlichen Verschiebungsbeträgen zur Erstellung von Bildern mit mehreren Brennebenen10,12. Die Position der Brennebene, auf der das Panoramabild erzeugt wird, hängt vom Verschiebungsbetrag ab10,12. Mit zunehmendem Verschiebungsbetrag wird eine Brennebene erzeugt, die weiter von der Quelle entfernt ist; und wenn der Verschiebungsbetrag abnimmt, wird eine Brennebene näher an der Quelle erzeugt. Dadurch ist es möglich, ein Panoramabild aus mehreren Schichten mit unterschiedlicher Tiefenschärfe entlang des Zahnbogens zu erstellen. Um ein einzelnes Panoramabild mit der besten Fokussierung zu erhalten, wird eine Autofokussierungsmethode angewendet, die das geschnittene Bild in Teilbilder unterteilt und diejenigen mit der höchsten Schärfe findet und kombiniert. Für weitere Einzelheiten zur Autofokussierungsmethode verweisen wir gerne auf unsere frühere Veröffentlichung12. Abschließend wurde der folgende Kantenverstärkungsalgorithmus angewendet, um die Sichtbarkeit des erfassten Panoramabilds zu erhöhen18.

, wobei \({\alpha }_{\mathrm{n}}\) die Gewichtungsfaktoren bezeichnet, die zur Steuerung des Detaillierungsgrades verwendet werden, und \({G}_{n}\) ein 2D-Gauß-gefiltertes Bild des Originals darstellt Panoramabild \({I}_{0}\). Die in dieser Arbeit verwendeten Werte von \({\alpha }_{\mathrm{n}}\) wurden empirisch festgelegt durch: \({\alpha }_{0}=1,0,{\alpha }_{1}= 1,0,{\alpha }_{2}=1,5,{\alpha }_{3}=1,5\). Die Taillen der Gaußschen Filterfunktionen waren: \({\upsigma }_{\mathrm{G}1}=2,4,{\upsigma }_{\mathrm{G}2}=4,8,{\upsigma }_{\ mathrm{G}3}=19.2\). \(I\) stellt das endgültige Panoramabild dar.

Klinische zahnmedizinische CBCT-Projektionsdaten von 40 Patienten wurden nachträglich erfasst, nachdem die Well Dental Clinic in Teheran-ro, Seoul, Republik Korea, nach der Anonymisierung alle Methoden genehmigt und vom Institutional Review Board (IRB) auf eine Einwilligung nach Aufklärung verzichtet hatte. Alle Methoden dieser Arbeit wurden in Übereinstimmung mit den Richtlinien und Vorschriften der Well Dental Clinic IRB durchgeführt. Für eine Vergleichsstudie wurde außerdem ein Kopfphantom gescannt. Die Datensätze wurden mit einem Rainbow-CT-Scanner (Dentium, Republik Korea) mit Parametern von 94 kVp, 8 mA (gepulster Modus) erfasst. Der in dieser Studie verwendete DVT-Scanner ist ein 2-in-1-Gerät mit Panorama-Scanfunktion. Die im CBCT-Scansystem und im Panorama-Scansystem verwendeten Scanparameter sind in Tabelle 1 zusammengefasst.

Die vorgeschlagene Methode wurde auf einem Computer mit den folgenden Spezifikationen getestet (Intel(R) Core(TM) i7-10700 K CPU 3,80 GHz, 64 GB RAM, NVIDIA GeForce RTX 2080 Ti, Windows 10). Die Methode wurde zur Beschleunigung mithilfe der CUDA-Bibliothek implementiert. Die durchschnittliche Laufzeit zur Erfassung von Panoramaprojektionsdaten betrug etwa 5,5 s und die Bildrekonstruktion dauerte etwa 6,2 s.

Um die Auswirkungen der Panorama-Scan-Trajektorienkorrektur und der Strahlintensitätskorrektur zu überprüfen, wurden Panoramabilder ohne jede Korrektur aufgenommen und in Abb. 7 verglichen. In Abb. 7a zeigt das Panoramabild ohne Strahlintensitätskorrektur den Schneidezahnbereich unter Verwendung von Projektionsdaten Der Durchgang durch den Halswirbel weist im Vergleich zu den anderen Bereichen eine deutlich höhere Intensität auf. Sofern die Strahlintensität nicht korrigiert wird, verringert sich die Gesamtsichtbarkeit. Wie im Panoramabild ohne Korrektur der Panorama-Scan-Trajektorie zu sehen ist (Abb. 7b), werden außerdem einige der Projektionsdaten nicht abgetastet, wenn die Panorama-Scan-Trajektorie nicht korrigiert wird. Dadurch wird auch die Gesamtsicht beeinträchtigt.

(a) Ein Panoramabild ohne Korrektur der Strahlintensität, (b) Ein Panoramabild ohne Korrektur der Panorama-Scan-Trajektorie. (c) Ein Panoramabild mit Strahlintensitäts- und Scan-Trajektorienkorrektur.

Zum Vergleich der Bildqualität wurden ein mit einem Panorama-Scansystem aufgenommenes Panoramabild (Abb. 8a) und ein aus einem CT-Bildvolumen synthetisiertes Panoramabild (Abb. 8b) unter Verwendung einer herkömmlichen Methode verwendet, die im Einleitungsteil kurz beschrieben wird. wurden mit einem Panoramabild verglichen, das mit der vorgeschlagenen Methode aufgenommen wurde (Abb. 8c). Abbildung 8a gilt als Goldstandard.

(a) Ein Panoramabild, das mit dem Panorama-Scansystem erhalten wurde, (b) Ein Panoramabild, das aus dem zahnärztlichen DVT-Bild synthetisiert wurde, und (c) Ein Panoramabild, das mit der vorgeschlagenen Methode erhalten wurde.

Das aus dem DVT-Bild gewonnene Panoramabild (Abb. 8b) zeigt die gesamte Zahnstruktur des Patienten, die Auflösung des Panoramabildes ist jedoch eher schlecht. Darüber hinaus wird beobachtet, dass das Metallartefakt des DVT-Bildes im Panoramabild als streifige Schattierungen in der Nähe des Metallobjekts verbleibt. In Abb. 8c wird bestätigt, dass die Auflösung des mit der vorgeschlagenen Methode rekonstruierten Bildes höher ist als die eines Panoramabildes, das direkt aus einem DVT-Bild gewonnen wurde. Das CBCT-Bild besteht aus Pixeln mit einer Größe von 0,31 mm, während das Panoramabild aus Pixeln mit einer Größe von 0,11 mm besteht. Da die vorgeschlagene Methode DVT-Originalprojektionsdaten nutzt, deren Detektorpixelgröße 0,24 mm beträgt, weist das resultierende Panoramabild eine höhere räumliche Auflösung auf. Es ist auch zu beachten, dass die räumliche Auflösung des echten Panoramabildes am höchsten ist, da die Pixelgröße des Detektors kleiner und die Anzahl der Projektionsansichten größer ist als bei der DVT.

Der Zahnbogen und die virtuelle Panorama-Scanachse, die mit der vorgeschlagenen Methode für verschiedene klinische Fälle extrahiert wurden, sind in Abb. 9 dargestellt. Wie in der Abbildung gezeigt, wird bestätigt, dass der Zahnbogen und die virtuelle Panorama-Scanachse nicht nur dann konsistent geformt sind alle Zähne vorhanden sind (Abb. 9a–c), aber auch bei starken Metallartefakten (Abb. 9d–f) oder fehlenden Zähnen (Abb. 9g–i).

Zahnbogen und Panorama-Scan-Trajektorie, extrahiert aus dem klinischen Fall. (a–c) Fälle, in denen alle Zähne vorhanden sind, (d–f) Fälle mit vielen Metallprothesen und (g–i) Fälle fehlender Zähne.

Die mit der vorgeschlagenen Methode für die klinischen Fälle rekonstruierten Panoramabilder sind in Abb. 10 dargestellt. Hochwertige Panoramabilder wurden aus den klinischen Daten verschiedener Fälle erhalten. Selbst in Fällen mit starken Metallartefakten konnten Panoramabilder erfolgreich auf der Grundlage der etablierten Panorama-Scan-Trajektorie aufgenommen werden. Darüber hinaus harmonieren Panoramabilder bei vielen fehlenden Zähnen auf natürliche Weise zwischen dem Teil ohne Zähne und dem Teil mit Zähnen.

Panoramabilder, die mit der vorgeschlagenen Methode erhalten wurden. (a–c) Fälle, in denen alle Zähne vorhanden sind, (d–f) Fälle mit vielen Metallprothesen und (g–i) Fälle fehlender Zähne.

Um die vorgeschlagene Methode mit der auf CBCT-Bildern basierenden Methode oder einer herkömmlichen Methode im klinischen Fall mit schweren Metallartefakten zu vergleichen, zeigen wir die rekonstruierten Bilder in Abb. 11. Wie im roten Kasten in Abb. 11a gezeigt, Die Zähne zwischen den Prothesen können aufgrund der Strahlaufhärtung, die hauptsächlich zu Metallbildartefakten in der CT beiträgt, dunkler erscheinen. Da jedoch bei der vorgeschlagenen Methode schmale Panoramaprojektionsdaten extrahiert und verwendet werden, sind die Auswirkungen der Prothese viel geringer. Vergrößerte Bilder des gelben Kästchens in Abb. 11 zeigen auch, dass die auf DVT-Bildern basierende Panoramabildrekonstruktion aufgrund der schlechten Bildqualität der DVT mit starken Bildartefakten möglicherweise erhebliche Anatomieverluste erleidet.

(a) Ein Panoramabild, das mithilfe einer herkömmlichen Methode aus dem DVT-Zahnbild synthetisiert wurde, (b) Ein Panoramabild, das mit der vorgeschlagenen Methode erhalten wurde.

Die Methode zur Synthese von Panoramabildern aus zahnärztlichen DVT-Bildern hängt nicht nur stark von der Bildqualität des DVT ab, sondern auch von der Genauigkeit des Zahnbogens. Wir haben eine zuverlässige Methode zur Abgrenzung des Zahnbogens entwickelt, die sowohl für die auf DVT-Bildern basierende Methode als auch für die vorgeschlagene Datensynthesemethode nützlich sein kann, obwohl die auf DVT-Bildern basierende Methode immer noch unter einer Verschlechterung der Bildqualität aufgrund von Bildartefakten wie Metall leidet Artefakte. Es wurde erfolgreich gezeigt, dass die vorgeschlagene Methode zur Panoramabildrekonstruktion die Bilder in verschiedenen klinischen Fällen robust rekonstruieren kann und dass die vorgeschlagene Methode die bestehende, auf DVT-Bildern basierende Panoramabildsynthese übertrifft. Insbesondere wurden die Vorteile der vorgeschlagenen Methode gegenüber der bestehenden in Fällen mit schweren Metallartefakten in DVT-Bildern hervorgehoben.

Eine der Stärken der vorgeschlagenen Methode besteht in der flexiblen Auswahl des Zahnbogens und der zugehörigen virtuellen Panorama-Scan-Trajektorie, sobald die CBCT-Projektionsdaten verfügbar sind. Abbildung 12 zeigt ein Beispiel für die Demonstration dieser Flexibilität. Wenn der Kopf des Patienten mit einer Winkelfehlausrichtung positioniert ist, wie in Abb. 12a gezeigt, kann dies zu einem geneigten oder verzerrten Zahnbogen und dementsprechend zu einem falsch ausgerichteten Panoramabild führen, wie in Abb. 12b gezeigt. Man kann das ursprüngliche CBCT-Bild drehen und den Zahnbogen und die virtuelle Panorama-Scan-Trajektorie neu berechnen, wie in Abb. 12c dargestellt. Das aus dieser modifizierten virtuellen Flugbahn aufgenommene Panoramabild liefert ein verzerrungsfreies Bild, wie in Abb. 12d dargestellt. Heutzutage werden automatisierte, auf künstlicher Intelligenz basierende Ansätze aktiv untersucht und in verschiedenen klinischen Bildverarbeitungsverfahren eingesetzt. Obwohl wir glauben, dass solche Innovationen auch bei der Erkennung von Zahnbögen, der Konstruktion virtueller Panoramabahnen usw. Anwendung finden können, sind wir der Meinung, dass ein Vergleich mit solchen Techniken in diesem Artikel den Rahmen sprengt.

(a) Der erkannte Zahnbogen und die Panorama-Scan-Trajektorie, wenn der Kopf des Patienten falsch ausgerichtet ist, (b) Ein Panoramabild, das mit der vorgeschlagenen Methode erhalten wurde. (c) Zahnbogen und Panorama-Scan-Trajektorie, extrahiert nach der Neuausrichtung des Kopfes, (d) Ein Panoramabild, das mit der vorgeschlagenen Methode erhalten wurde.

Wir möchten noch einmal darauf hinweisen, dass die vorgeschlagene Methode nicht darauf abzielt, das bei der Erstdiagnose verwendete Panorama-Bildgebungssystem zu ersetzen, das in Kliniken häufig ohne DVT-Untersuchung praktiziert wird. In verschiedenen klinischen Anwendungen würde unser Ansatz nach erfolgter CBCT-Bildgebung eine effizientere Möglichkeit zur Synthese eines virtuellen Panoramabildes darstellen als die auf CBCT-Bildern basierende Panoramabildsynthese. Wir weisen auch darauf hin, dass Vergrößerungseffekte in den mit der vorgeschlagenen Methode erzeugten Bildern im Vergleich zu den realen Panoramabildern vorhanden sein können, wenn im virtuellen Panoramasystem und im realen Panorama-Scansystem ein Unterschied im Abstand zwischen Quelle und Detektor besteht.

In dieser Studie wurde eine Bildrekonstruktionsmethode vorgeschlagen, um aus DVT-Projektionsdaten ein virtuelles Panoramabild zu erhalten, anstatt direkt ein DVT-Bild zu verwenden. Es besteht aus der Abgrenzung des Zahnbogens, der Einrichtung einer virtuellen Panorama-Scan-Trajektorie, der Rekrutierung virtueller Panoramadaten aus der DVT-Projektion, der Rekonstruktion der Panoramabildschnitte und der Zusammenstellung des endgültigen Panoramabilds durch Anwendung einer Autofokussierungstechnik. Mit der vorgeschlagenen Methode konnten Panoramabilder auch dann erfolgreich rekonstruiert werden, wenn schwere Metallartefakte oder fehlende Zähne in DVT-Bildern vorhanden waren. Es wird angenommen, dass die vorgeschlagene Methode eine wichtige Rolle bei verschiedenen zahnärztlichen Eingriffen spielt, bei denen Panoramabilder zusätzlich zu DVT-Bildern erforderlich sind.

Die in dieser Studie generierten und/oder analysierten Datensätze sind aufgrund der Lizenzeinschränkungen für die aktuelle Studie nicht öffentlich zugänglich, können jedoch auf begründete Anfrage beim entsprechenden Autor angefordert werden.

Pauwels, R., Araki, K., Siewerdsen, JH & Thongvigitmanee, SS Technische Aspekte der zahnärztlichen DVT: Stand der Technik. Dentomaxillofac. Radiol. 44(1), 20140224 (2015).

Artikel CAS PubMed Google Scholar

Jacobs, R., Salmon, B., Codari, M., Hassan, B. & Bornstein, MM Kegelstrahl-Computertomographie in der Implantologie: Empfehlungen für den klinischen Einsatz. BMC Oral Health 18(1), 1–16 (2018).

Artikel Google Scholar

Kakuma, H., Ohbayashi, K. & Arakawa, Y. Optische Bildgebung von hartem und weichem Zahngewebe mittels diskreter optischer Frequenzbereichsreflektometrie und optischer Kohärenztomographie bei Wellenlängen von 1560 bis 1600 nm. J. Biomed. Opt. 13(1), 014012 (2008).

Artikel PubMed ADS Google Scholar

Ogawa, K. et al. Entwicklung eines neuen zahnmedizinischen Panorama-Röntgensystems basierend auf einer Tomosynthese-Methode. Dentomaxillofac. Radiol. 39(1), 47–53 (2010).

Artikel CAS PubMed PubMed Central Google Scholar

Tunchel, S., Blay, A., Kolerman, R., Mijiritsky, E. & Shibli, JA 3D-Druck/additive Fertigung einzelner Titan-Zahnimplantate: Eine prospektive multizentrische Studie mit 3-jähriger Nachbeobachtung. Int. J. Dent. 2016, 1–9 (2016).

Artikel Google Scholar

Dawood, A., Marti, BM, Sauret-Jackson, V. & Darwood, A. 3D-Druck in der Zahnmedizin. Br. Delle. J. 219(11), 521–529 (2015).

Artikel CAS PubMed Google Scholar

Fokas, G., Vaughn, VM, Scarfe, WC & Bornstein, MM Genauigkeit linearer Messungen auf CBCT-Bildern im Zusammenhang mit der Planung präoperativer Implantatbehandlungen: Eine systematische Überprüfung. Klin. Orale Implantat-Res. 29, 393–415 (2018).

Artikel Google Scholar

Hallikainen, D. Geschichte der Panoramaradiographie. Acta Radiol. 37(3), 441–445 (1996).

Artikel CAS PubMed Google Scholar

Angelopoulos, C., Bedard, A., Katz, JO, Karamanis, S. und Parissis, N. Digitale Panoramaradiographie: Ein Überblick. In Seminare in Kieferorthopädie, Bd. 10 (194–203) (WB Saunders, 2004).

Katsumata, A. et al. Erste Auswertung linearer und räumlich orientierter Planarbilder aus einem neuen zahnmedizinischen Panoramasystem auf Basis der Tomosynthese. Oralchirurgie. Oral Med. Oral Pathol. Orale Radiol. Endodontol. 112(3), 375–382 (2011).

Artikel Google Scholar

Pawar, RR & Makdissi, J. Die Rolle des Fokusblocks (Trog/Ebene) in der Panoramaradiographie: Warum erscheinen einige Strukturen auf diesen Bildern verschwommen? Radiographie 20(2), 167–170 (2014).

Artikel Google Scholar

Lee, T., Lee, YJ und Cho, S. Autofokussierte zahnärztliche Panorama-Tomosynthese-Bildgebung mit auf Exponentialpolynomen basierenden Schärfeindikatoren. In Medical Imaging 2017: Image Processing (Vol. 10133) (556–561) (SPIE, 2017).

Al-Okshi, A. et al. Verwendung eines GafChromic-Films zur Abschätzung der effektiven Dosis aus der zahnmedizinischen Kegelstrahl-CT und der Panoramaradiographie. Dentomaxillofac. Radiol. 42(7), 20120343 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Ludlow, JB et al. Effektive Dosis der zahnärztlichen DVT – eine Metaanalyse veröffentlichter Daten und zusätzlicher Daten für neun DVT-Einheiten. Dentomaxillofac. Radiol. 44(1), 20140197 (2015).

Artikel CAS PubMed Google Scholar

Manavella, V. et al. Eine neuartige Bildverarbeitungstechnik für die volumetrische 3D-Analyse stark resorbierter Alveolarhöhlen mittels DVT. Bergmann. Stomatol. 66(3), 81–90 (2017).

Google Scholar

Aimetti, M. et al. Dreidimensionale Analyse des Knochenumbaus nach Kieferkammaugmentation beeinträchtigter Extraktionsalveolen bei Parodontitispatienten: Eine randomisierte kontrollierte Studie. Klin. Orale Implantat-Res. 29(2), 202–214 (2018).

Artikel Google Scholar

Manavella, V., Romano, F., Corano, L., Bignardi, C. & Aimetti, M. Dreidimensionale volumetrische Veränderungen in stark resorbierten Alveolarhöhlen nach Kammvergrößerung mit bovinem Xenotransplantat und resorbierbarer Barriere: Eine vorläufige Studie zu CBCT-Bildgebung. Int. J. Oral Maxillofac. Implantate 33, 2 (2018).

Artikel Google Scholar

Yun, Z. et al. Automatische Rekonstruktionsmethode für kontrastreiche Panoramabilder aus zahnärztlichen Kegelstrahl-CT-Daten. Berechnen. Methodenprogramme Biomed. 175, 205–214 (2019).

Artikel PubMed ADS Google Scholar

Zhang, J. et al. Eine schnelle automatische Rekonstruktionsmethode für Panoramabilder basierend auf der Kegelstrahl-Computertomographie. Elektronik 11(15), 2404 (2022).

Artikel Google Scholar

Suzuki, S., Ichikawa, K. & Tamaki, S. Bildqualität und klinischer Nutzen von aus CT-Daten rekonstruierten Strahlensummenbildern im Vergleich zur digitalen Radiographie. Nihon Hoshasen Gijut. Gakkai Zasshi 73(5), 372–381 (2017).

Artikel Google Scholar

Westenberg, MA & Roerdink, JB Röntgenvolumen-Rendering durch hierarchisches Wavelet-Splatting. In Proceedings 15. Internationale Konferenz zur Mustererkennung. ICPR-2000, Bd. 3 (159–162) (IEEE, 2000).

Kim, S. & Ra, JB Dynamische Fokusebenenschätzung für die zahnärztliche Panoramaradiographie. Med. Physik. 46(11), 4907–4917 (2019).

Artikel PubMed Google Scholar

Bae, M., Park, JW & Kim, N. Halbautomatische und robuste Bestimmung der Zahnbogenform in der zahnärztlichen Kegelstrahl-CT mit B-Spline-Näherung. Berechnen. Methodenprogramme Biomed. 172, 95–101 (2019).

Artikel PubMed Google Scholar

Luo, T., Shi, C., Zhao, X., Zhao, Y. & Xu, J. Automatische Synthese von Panorama-Röntgenaufnahmen aus Zahnkegelstrahl-Computertomographiedaten. PLoS ONE 11(6), e0156976 (2016).

Artikel PubMed PubMed Central Google Scholar

Çiftçi, ME et al. Zusammenhang zwischen CBCT und Panoramabildern der Morphologie und Winkelung des hinteren Unterkieferknochens. Surg. Radiol. Anatomy 38, 313–320 (2016).

Artikel Google Scholar

Lee, D. et al. Synthese geisterfreier Panorama-Röntgenbilder aus zahnärztlichen DVT-Bildern. In Medical Imaging 2020: Physics of Medical Imaging, Bd. 11312 (SPIE, 2020).

Chanwimaluang, T., Sotthivirat, S. und Sinthupinyo, W. Automatisierte Zahnbogenerkennung mithilfe von Computertomographiebildern. Im Jahr 2008 9. Internationale Konferenz zur Signalverarbeitung 737–740 (IEEE, 2008).

Muthuraman, M. et al. Kohärente Quellen- und Konnektivitätsanalyse gleichzeitig gemessener EEG- und MEG-Daten während der isometrischen Kontraktion. Im Jahr 2014 36. jährliche internationale Konferenz der IEEE Engineering in Medicine and Biology Society 6365–6368 (IEEE, 2014).

Amorim, PH, de Moraes, TF, da Silva, JV, Pedrini, H. & Ruben, RB Automatische Rekonstruktion von Dental-CT-Bildern mittels Optimierung. In Biodental Engineering III: Proceedings of the 3rd International Conference on Biodental Engineering (BIODENTAL 2014) 57–62 (Taylor & Francis Books Ltd, 2014).

Papakosta, TK, Savva, AD, Economopoulos, TL, Matsopoulos, GK & Gröhndal, HG Ein automatisches Panoramabild-Rekonstruktionsschema aus zahnärztlichen Computertomographiebildern. Dentomaxillofac. Radiol. 46(4), 20160225 (2017).

Artikel PubMed PubMed Central Google Scholar

Fischler, MA & Bolles, RC Zufallsstichprobenkonsens: Ein Paradigma für die Modellanpassung mit Anwendungen in der Bildanalyse und automatisierten Kartographie. Komm. ACM 24(6), 381–395 (1981).

Artikel MathSciNet Google Scholar

Kim, C. et al. Datenkonsistenzgesteuerte Streukernoptimierung für Röntgen-Kegelstrahl-CT. Physik. Med. Biol. 60(15), 5971 (2015).

Artikel PubMed Google Scholar

Referenzen herunterladen

Diese Forschung wurde teilweise von der Korea National Research Foundation [NRF-2018M3A9E9024949, NRF-2021M3I1A1097909] und vom Ministerium für Wissenschaft und IKT (MSIT, Korea) und dem Ministerium für Handel, Industrie und Energie (MOTIE, Korea) [Projektnummer] unterstützt : 20014921].

Abteilung für Nuklear- und Quantentechnik (NQE), Korea Advanced Institute of Science and Technology, Daejeon, 34141, Korea

Taejin Kwon, Da-in Choi, Jaehong Hwang, Taewon Lee und Seungryong Cho

Abteilung für IKT, Dentium Co., Ltd., Suwon, Korea

Inje Lee

KAIST-Institute für ITC und HST, Korea Advanced Institute of Science and Technology, Daejeon, 34141, Korea

Seungryong Cho

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

TKHauptautor trug zur Präsentation und Anwendung der Methodik der Arbeit bei.Beitrug zur Erfassung und Analyse des Panoramabildes.Beitrug als Hauptautor an der Erstellung und Überarbeitung der Arbeit.DCTrug zur Erfassung von Panoramabildern mithilfe von CT-Bildern bei.Beigetragen zur Überarbeitung des Papiers.JH trug zur Geometriekalibrierung von CT-Projektionsdaten bei.TL trug zur Erfassung von Panoramabildern unter Verwendung von Panoramaprojektionsdaten bei.IL trug zur Sammlung, Analyse und Interpretation von Daten für das Papier bei.SCkorrespondierender Autor trug zur Präsentation der Kernmethodik von bei der Studie. Hat als korrespondierender Autor zum gesamten Verfassen und Überarbeiten der Arbeit beigetragen.

Korrespondenz mit Seungryong Cho.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Kwon, T., Choi, Di., Hwang, J. et al. Panoramabildgebung der zahnmedizinischen Tomosynthese unter Verwendung von DVT-Projektionsdaten. Sci Rep 13, 8817 (2023). https://doi.org/10.1038/s41598-023-35805-1

Zitat herunterladen

Eingegangen: 18. November 2022

Angenommen: 24. Mai 2023

Veröffentlicht: 31. Mai 2023

DOI: https://doi.org/10.1038/s41598-023-35805-1

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.