к.м.н.
Самара
PhD
Samara
д.м.н., профессор, профессор РАН
Самара
DSc, Professor, Professor of the RAS
Samara
д.м.н., доцент
Самара
DSc, Associate Professor
Samara
д.м.н., профессор
Самара
DSc, Professor
Samara
Пасадена, Калифорния
Pasadena, California
к.т.н., доцент
Самара
PhD, Associate Professor
Samara
Самара
Samara
Цель. Оценить перспективность применения нейронных сетей для цефалометрического анализа при помощи анализа точности ручной иидентификации анатомических ориентиров на цифровых латеральных телерентгенограммах.
Материалы и методы. Выполнена разметка 100 обезличенных телерентгенограмм в боковой проекции одиннадцатью врачами- ортодонтами по 21 параметру, получено 23100 цифровых рентгеновских изображения с нанесенной на них опорной точкой. Проведено сравнение координат опорной точки с «базовой точкой», то есть усредненной координатой для каждой опорной точки среди всех ее локализаций.
Результаты. По критерию среднего отклонения от «базовой точки» наилучшая точность достигнута для вершин режущих краев центральных резцов верхней (is) (0,589, ДИ = 95%) и нижней челюстей (ii) (0,835, ДИ = 95%), а также для середины входа в турецкое седло (S) (0,662, ДИ = 95%). Для группы ориентиров с наименьшей согласованностью, куда вошли такие точки как Po (4,330, ДИ = 95%), Pt (2,999, ДИ = 95%) и Ba (2,887, ДИ = 95%), для автоматизации идентификаций и повышения качества цефалометрического анализа, вероятно, будет недостаточным применение только искусственных нейронных сетей и потребуется внедрение других элементов машинного обучения.
Заключение. Учитывая результаты нашего исследования, можно сделать вывод, что предложенный метод демонстрирует высокую точность для большинства точек и может быть использован для автоматизации цефалометрического анализа с дальнейшим развитием технологий машинного обучения.
Objective. To evaluate the promising application of neural networks for cephalometric analysis by analyzing the accuracy of manual identification of anatomical landmarks on digital lateral teleradiographs.
Materials and Methods. Markup of 100 anonymized teleradiographs in lateral projection by eleven orthodontists on 21 parameters was performed, 23100 digital X-ray images with a reference point plotted on them were obtained. The coordinates of the reference point were compared with the “base point”, i.e. the averaged coordinate for each reference point among all its localizations.
Results. According to the criterion of average deviation from the “base point”, the best accuracy was achieved for the apices of the incisal edges of the central incisors of the maxilla (is) (0.589, CI = 95%) and mandible (ii) (0.835, CI = 95%), as well as for the middle of the entrance to the Turkish saddle (S) (0.662, CI = 95%). For the group of landmarks with the lowest consistency, which included points such as Po (4.330, CI = 95%), Pt (2.999, CI = 95%) and Ba (2.887, CI = 95%), the use of artificial neural networks alone is likely to be insufficient to automate identifications and improve the quality of cephalometric analysis and other machine learning elements will need to be implemented.
Conclusion. Considering the results of our study, we can conclude that the proposed method demonstrates high accuracy for most points and can be used to automate cephalometric analysis with further development of machine learning technologies.
The authors declare that there are no conflicts of interest present.