Северного Кавказа
по надзору за соблюдением законодательства
в сфере массовых коммуникаций
и охране культурного наследия
ПИ №ФС77-26521 от 7 декабря 2006 года
ISSN 2073-8137
русский
english
Поиск по сайту
Адрес редакции
355017, Ставрополь, улица Мира, 310.
Телефоны
(8652) 35-25-11, 35-32-29.
E-mail
medvestnik@stgmu.ru
Журнал включён в Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы результаты диссертаций на соискание учёной степени кандидата и доктора наук (решение Президиума ВАК Минобрнауки РФ №6/6, февраль 2010).
Журнал включён в Реферативный журнал и Базы данных ВИНИТИ РАН и зарегистрирован в Научной электронной библиотеке в базе данных Российского индекса научного цитирования на основании сублицензионного договора № 07-04/09-14 от 25 марта 2009 года.
Журнал индексируется: БД SCOPUS, Ulrich's International Periodicals Directory.
Использование сверточных нейронных сетей для проведения трехмерного цефалометрического анализа
[Стоматология]
Мураев Александр Александрович; Оборотистов Николай Юрьевич; Мокренко Марк Евгеньевич; Ширяева Татьяна Вячеславовна; Алешина Ольга Александровна; Ершов Михаил Владимирович; Емельянов Петр Николаевич; Агарлева Луиза Робертовна; Долгалев Александр Александрович; Зорич Марьяна Евгеньевна;
Разработана новая модель сверточной нейронной сети (СНС) для распознавания и установки цефалометрических точек на срезах конусно-лучевой компьютерной томограммы (КЛКТ) для дальнейшего проведения 3D-цефалометрического анализа и оценки его точности. В исследовании были использованы файлы DICOM для 192 конусно-лучевых томограмм. Каждый набор файлов был импортирован в программное обеспечение ViSurgery (Сколково, Россия). Далее были сформированы трехмерные модели мягких тканей, костей и зубов пациентов и установлены 26 точек на поверхности лица (мягкотканые точки), 38 – на поверхности черепа (костные точки) и 10 зубных цефалометрических точек на каждую модель. При этом положение точек корректировалось на плоскостных срезах КТ в 3 плоскостях. Проведенное исследование продемонстрировало высокую эффективность подхода с сегментацией изображений для обучения СНС определению цефалометрических точек на КЛКТ. Предлагаемый метод, интегрированный в специализированное программное обеспечение, обладает высоким потенциалом в плане сокращения трудоемкости рабочего процесса.
Список литературы:
1. Adams G. L., Gansky S. A., Miller A. J., Harrell W. E. Jr., Hatcher D. C. Comparison between traditional 2-dimensional cephalometry and a 3-dimensional approach on human dry skulls. Am. J. Orthod. Dentofacial Orthop. 2004;126(4):397-409. https://doi.org/10.1016/j.ajodo.2004.03.023
2. Kragskov J., Bosch C., Gyldensted C., Sindet-Pedersen S. Comparison of the reliability of craniofacial anatomic landmarks based on cephalometric radiographs and three-dimensional CT scans. Cleft Palate Craniofac. J. 1997;34(2):111-116. https://doi.org/10.1597/1545-1569_1997_034_0111_cotroc_2.3.co_2
3. Vlijmen O. J., Maal T., Berge S. J., Bronkhorst E. M., Katsaros C., Kuijpers-Jagtman A. M. A comparison between 2D and 3D cephalometry on CBCT scans of human skulls. Int. J. Oral Maxillofac. Surg. 2010;39(2):156-160. https://doi.org/10.1016/j.ijom.2009.11.017
4. Nalçaci R., Oztürk F., Sokucu O. A comparison of two-dimensional radiography and three-dimensional computed tomography in angular cephalometric measurements. Dentomaxillofac. Radiol. 2010;39(2):100-106. https://doi.org/10.1259/dmfr/82724776
5. Jodeh D. S., Kuykendall L. V., Ford J. M., Ruso S., Decker S. J. [et al.] Adding Depth to Cephalometric Analysis: Comparing Two- and Three-Dimensional Angular Cephalometric Measurements. J. Craniofac. Surg.2019;30(5):1568-1571. https://doi.org/10.1097/SCS.0000000000005555
6. Cintra O., Grybauskas S., Vogel C. J., Latkauskiene D., Gama N. A. Jr. Digital platform for planning facial asymmetry orthodontic-surgical treatment preparation. Dental Press J. Orthod. 2018;23(3):80-93. https://doi.org/10.1590/2177-6709.23.3.080-093.sar
7. Wang R. H., Ho C. T., Lin H. H., Lo L. J. Three-dimensional cephalometry for orthognathic planning: Normative data and analyses. J. Formos Med. Assoc. 2020;119(1 Pt 2):191-203. https://doi.org/10.1016/j.jfma.2019.04.001
8. Muraev A. A., Tsai P., Kibardin I., Oborotistov N., Shirayeva T. Frontal cephalometric landmarking: humans vs artificial neural networks. Int. J. Comput. Dent. 2020;23(2):139-148.
9. Muraev A. A., Kibardin I. A., Oborotistov N. Yu., Ivanov S. S., Persin L. S. Use of neural network algorithms for the automated placement of cephalometric points on Lateral Ceph. REJR. 2018;8(4):16-22.
10. Kazimierczak N., Kazimierczak W., Serafin Z., Nowicki P., Nożewski J., Janiszewska-Olszowska J. AI in Orthodontics: Revolutionizing Diagnostics and Treatment Planning – A Comprehensive Review. Journal of Clinical Medicine. 2024;13(2):344.
11. Kang S. H., Jeon K., Kim H. J., Seo J. K., Lee S. H. Automatic three-dimensional cephalometric annotation system using three-dimensional convolutional neural networks: a developmental trial. Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization. 2020;8(2):210-218. https://doi.org/10.1080/21681163.2019.1674696
12. Kang S. H., Jeon K., Kang S. H., Lee S. H. 3D cephalometric landmark detection by multiple stage deep reinforcement learning. Sci. Rep. 2021;11(1):17509. https://doi.org/10.1038/s41598-021-97116-7
13. Yun H. S., Jang T. J., Lee S. M., Lee S. H., Seo J. K. Learning-based local-to-global landmark annotation for automatic 3D cephalometry. Phys. Med. Biol. 2020;65(8):085018. https://doi.org/10.1088/1361-6560/ab7a71
Ключевые слова: конусно-лучевая компьютерная томография, цефалометрические точки, трехмерный цефалометрический анализ, сверточная нейронная сеть, автоматическая идентификация, компьютерная диагностика
Учредители:
Ставропольская государственная медицинская академия
Государственный научно-исследовательский институт курортологии
Пятигорская государственная фармацевтическая академия