ВПЛИВ ШТУЧНО СФОРМОВАНИХ ДЕФЕКТІВ ІНТРАОРАЛЬНИХ СКАНІВ НА ЯКІСТЬ АВТОМАТИЧНОЇ СЕГМЕНТАЦІЇ ЦИФРОВИХ МОДЕЛЕЙ У ПАЦІЄНТІВ ЗІ СКУПЧЕНІСТЮ ЗУБІВ У ФРОНТАЛЬНІЙ ДІЛЯНЦІ
DOI:
https://doi.org/10.35220/2523-420X/2026.3.11Ключові слова:
інтраоральний сканер, цифровий від- биток, сегментація зубів, штучний інтелект, скупченість зубів, дефекти сканування, ортодонтія, цифрова модельАнотація
Мета дослідження. Оцінити вплив локалізації штучно сформованих дефектів поверхні інтраоральних ска- нів на якість автоматичної сегментації цифрових моделей у пацієнтів зі скупченістю зубів у фронталь- ній ділянці. Матеріали та методи. До дослідження було включено 18 анонімізованих інтраоральних ска- нів нижньої щелепи пацієнтів зі скупченістю зубів у фронтальній ділянці. Для кожного вихідного скану формували чотири цифрові досліджувані сценарії: вихідний скан без додаткових змін; скан із локальним дефектом вестибулярної поверхні; скан із дефектом контактної поверхні без поширення на візуальну лінію розмежування між сусідніми зубами; скан із дефек- том контактної поверхні, який поширювався через візуальну лінію розмежування між сусідніми зубами. Штучне формування дефектів проводили у програм- ному середовищі Medit Design шляхом локального вида- лення фрагментів полігональної сітки. Автоматичну сегментацію виконували у програмному середовищі Medit Ortho Simulation. Результати. Критичні пору- шення автоматизованої сегментації були зареєстро- вані у 4 із 18 вихідних сканів без штучно сформованих дефектів поверхні (22,22%), у 5 із 18 сканів із дефек- том на вестибулярній поверхні (27,78%), у 8 із 18 ска- нів (44,44%) із дефектом на контактній поверхні без поширення на візуальну лінію розмежування між сусідніми зубами, та у 15 із 18 сканів (83,33%), в яких дефект поверхні поширювався через візуальну лінію розмежування між двома сусідніми зубами. Найбільш характерними порушеннями в останній групі були змі- щення або втрата частини межі сегментації, част- кове графічне об’єднання сусідніх зубів, фрагментація сегмента окремого зуба та помилки автоматичного маркування. Частота дефектів сегментації статис- тично значуще відрізнялася між чотирма умовами (критерій Кохрена Q=24,67; p < 0,001). Висновки. Локалізація дефекту цифрової поверхні відносно візу- альної межі між сусідніми зубами є більш значущим фактором для якості автоматичної сегментації, ніж сам факт наявності локальної втрати даних. Дефекти вестибулярної поверхні характеризувалися мінімальним впливом, тоді як поширення дефекту на проекцію візуальної лінії розмежування двох сусідніх зубів суттєво підвищувало ризик критичних помилок сегментації
Посилання
Christopoulou, I., Kaklamanos, E.G., Makrygiannakis, M.A., Bitsanis, I., Perlea, P., & Tsolakis, A.I. (2022). Intraoral scanners in orthodontics: a critical review. International Journal of Environmental Research and Public Health, 19(3), 1407. https://doi.org/10.3390/ijerph19031407
Alassiry, A.M. (2023). Clinical aspects of digital three-dimensional intraoral scanning in orthodontics–A systematic review. The Saudi Dental Journal, 35(5), 437-442. https://doi.org/10.1016/j.sdentj.2023.04.004
Eggmann, F., & Blatz, M.B. (2024). Recent advances in intraoral scanners. Journal of Dental Research, 103(13), 1349-1357. https://doi.org/10.1177/00220345241271937
Revilla-León, M., Aragoneses, R., Arroyo Valverde, E.M., Gómez-Polo, M., & Kois, J.C. (2025). Classification of scanning errors of digital scans recorded by using intraoral scanners. Journal of Esthetic and Restorative Dentistry, 37(6), 1363-1371. https://doi.org/10.1111/jerd.13419
Vasilescu, V.G., Ciocan, L.T., Imre, M., & Pituru, S.M. (2026). Clinical identification and classification of scanning errors in intraoral digital scans. Journal of Dentistry, 167, 106365. https://doi.org/10.1016/j.jdent.2026.106365
Yacout, Y.M., Eid, F.Y., Tageldin, M.A., & Kassem, H.E. (2024). Evaluation of the accuracy of automated tooth segmentation of intraoral scans using artificial intelligence-based software packages. American Journal of Orthodontics and Dentofacial Orthopedics, 166(3), 282-291.e1. https://doi.org/10.1016/j.ajodo.2024.05.015
Wu, T.H., Lian, C., Lee, S., Pastewait, M., Piers, C., Liu, J., Wang, F., Wang, L., Chiu, C. Y., Wang, W., Jackson, C., Chao, W. L., Shen, D., & Ko, C. C. (2022). Two-Stage Mesh Deep Learning for Automated Tooth Segmentation and Landmark Localization on 3D Intraoral Scans. IEEE Transactions on Medical Imaging, 41(11), 3158-3166. https://doi.org/10.1109/TMI.2022.3180343
Wang, X., Alqahtani, K. A., Van den Bogaert, T., Shujaat, S., Jacobs, R., & Shaheen, E. (2024). Convolutional neural network for automated tooth segmentation on intraoral scans. BMC Oral Health, 24(1), 804. https://doi.org/10.1186/s12903-024-04582-2
Krenmayr, L., von Schwerin, R., Schaudt, D., Riedel, P., & Hafner, A. (2024). DilatedToothSegNet: Tooth Segmentation Network on 3D Dental Meshes Through Increasing Receptive Vision. Journal of Imaging Informatics in Medicine, 37(4), 1846-1862. https://doi.org/10.1007/s10278-024-01061-6
Li, J., Cheng, B., Niu, N., Gao, G., Ying, S., Shi, J.,& Zeng, T. (2024). A fine-grained orthodontics segmentation model for 3D intraoral scan data. Computers in Biology and Medicine, 168, 107821. https://doi.org/10.1016/j.compbiomed.2023.107821
Del Cacho-Salvador, G., Burgos-Artizzu, X.P.,García-Arranz, J., González-Martín, Ó., Oteo-Morilla, C., Gallas-Torreira, M., Cernadas, E., & Piedra-Cascón, W. (2026). Performance assessment of five artificial intelligence-based algorithms for automated tooth segmentation and labeling on intraoral scans. Journal of Prosthodontics, Advance online publication, 1046-1057. https://doi.org/10.1111/jopr.70117
Anh, J.W., Park, J.M., Chun, Y.S., Kim, M., & Kim, M. (2016). A comparison of the precision of three-dimensional images acquired by 2 digital intraoral scanners: effects of tooth irregularity and scanning direction. The Korean Journal of Orthodontics, 46(1), 3-12. https://doi.org/10.4041/kjod.2016.46.1.3
Lin, W.Q., Pan, C.Y., Chen, P.H., Liu, C.., Hung, C.C., & Lan, T.H. (2024). Trueness of intraoral scanning for different tooth-size arch-length deficiencies.Journal of Dental Sciences, 19(1), 397-403. https://doi.org/10.1016/j.jds.2023.08.006
Elhussain, E., Figueras-Álvarez, O., Roig-Cayon, M., Ortega-Martínez, J., & Vidal-Ponsoda, C. (2025). Impact of dental crowding on the trueness and precision of intraoral scanners: Comparison across different devices and techniques. American Journal of Orthodontics and Dentofacial Orthopedics, 168(6), 670–681. https://doi.org/10.1016/j.ajodo.2025.08.004
Navarro, P., Alemán, I., Sandoval, C., Matamala, C., & Corsini, G. (2020). Statistical Testing Methods for Data Analysis in Dental Morphology. International Journal of Morphology, 38(5), 1317.
de Freitas, B.N., Capel, C.P., Vieira, M.A., Barbin, G.F., Cardoso, L., & Tirapelli, C. (2024). Do intraoral scanning technologies affect the trueness of dental arches with crowding, diastema, and edentulous spaces? A clinical perspective. Journal of Dentistry, 149, 105285.https://doi.org/10.1016/j.jdent.2024.105285
Revilla-Leon, M., Quesada-Olmo, N., Gomez-Polo, M., Sicilia, E., Farjas-Abadia, M., & Kois, J.C. (2021). Influence of rescanning mesh holes on the accuracy of an intraoral scanner: An in vivo study. Journal of Dentistry, 115, 103851. https://doi.org/10.1016/j.jdent.2021.103851
Revilla-León, M., Sicilia, E., Agustín-Panadero, R., Gómez-Polo, M., & Kois, J. C. (2023). Clinical evaluation of the effects of cutting off, overlapping, and rescanning procedures on intraoral scanning accuracy. The Journal of Prosthetic Dentistry, 130(5), 746-754. https://doi.org/10.1016/j.prosdent.2021.10.017
Guo, J., Lu, Y., Li, R., Zhou, K., Ge, R., Zhao, D., Xia, S., & Wang, Y. (2024). Influence of repeated cutoff and rescanning on the trueness of the intraoral digital scans. Journal of Dentistry, 150, 105153. https://doi.org/10.1016/j.jdent.2024.105153
Gomez-Polo, M., Piedra-Cascon, W., Methani, M.M., Quesada-Olmo, N., Farjas-Abadia, M., & Revilla-León, M. (2021). Influence of rescanning mesh holes and stitching procedures on the complete-arch scanning accuracy of an intraoral scanner: An in vitro study. Journal of dentistry, 110, 103690. https://doi.org/10.1016/j.jdent.2021.103690
Faur, A.B., Rotar, R.N., Adam, D., & Jivănescu, A. (2023). Rescanning of digital impressions’ mesh holes: In vivo and in vitro accuracy evaluation of three different scanning protocols. Applied Sciences, 13(5), 2867. https://doi.org/10.3390/app13052867
Li, H.A., Wang, C., Yang, K., & Peng, L. (2026). 3D dental model hole filling based on adaptive threshold region segmentation. Computer Aided Geometric Design, 102602. https://doi.org/10.1016/j.cagd.2026.102602
Hongan, L.I., Kun, Y.A.N.G., Long, P.E.N.G., & Qingfang, L.I.U. (2026). 3D tooth semi-closed hole-filling algorithm based on the moving least-squares method. Virtual Reality & Intelligent Hardware, 8(3), 365-382. https://doi.org/10.1016/j.vrih.2026.04.002
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
