Desarrollo de un sistema colaborativo semiautomático para la medición cefalométrica en imágenes radiográficas ortodóncicas
DOI:
https://doi.org/10.63688/nweyhf50Keywords:
Análisis cefalométrico, Ortodoncia, Sistema semiautomático, Medición craneofacialAbstract
El análisis cefalométrico es una herramienta fundamental en ortodoncia para la evaluación de la morfología craneofacial mediante imágenes radiográficas. Sin embargo, los métodos manuales tradicionales son lentos y presentan variabilidad entre observadores, mientras que los sistemas totalmente automatizados basados en inteligencia artificial aún enfrentan limitaciones en su confiabilidad clínica y generalización. Este estudio presenta un sistema colaborativo semiautomático diseñado para mejorar la eficiencia y consistencia en el análisis cefalométrico bidimensional. El sistema integra plantillas digitales con la intervención de expertos para la identificación de puntos anatómicos, permitiendo que el usuario especializado marque los landmarks mientras el software realiza automáticamente los cálculos geométricos. Se realizó una evaluación comparativa entre el método manual y el semiautomático, considerando el tiempo de procesamiento, la precisión en la localización de puntos y la carga operativa. Los resultados mostraron una reducción significativa del tiempo promedio por radiografía, pasando de 12.5 minutos en el método manual a 4.3 minutos con el sistema propuesto. Además, se observó una disminución de la variabilidad en la identificación de landmarks, especialmente en estructuras mandibulares. El enfoque semiautomático también redujo la carga de trabajo al automatizar cálculos y registro de datos, manteniendo el control experto en la fase de marcación. Se concluye que la combinación de conocimiento clínico y soporte computacional mejora la eficiencia y consistencia del análisis ortodóncico.
References
Aboudara, C., Hatcher, D., Nielsen, I., & Miller, A. (2009). Evaluation of cone-beam computed tomography in orthodontics. American Journal of Orthodontics and Dentofacial Orthopedics. https://doi.org/10.1016/j.ajodo.2008.06.019
Alhazmi, A. (2020). Association between maxillary sinus dimensions and midface width: 2-D and 3-D CBCT study. Journal of Contemporary Dental Practice. https://doi.org/10.5005/jp-journals-10024-2756
Bajaj, K., Rathee, P., Jain, P., & Panwar, V. R. (2011). Reliability of anatomical landmarks in PA cephalometric radiographs and CT scans. Journal of Clinical and Diagnostic Research. https://doi.org/10.7860/JCDR/2011/1264.2130
Broadbent, B. H. (1931). A new X-ray technique and its application to orthodontia. Angle Orthodontist, 1, 45–66. https://doi.org/10.1043/0003-3219(1931)001%3C0045:ANXTAA%3E2.0.CO;2
Gribel, B. F., Gribel, M. N., Frazão, D. C., McNamara, J. A., & Manzi, F. R. (2011). Accuracy and reliability of craniometric measurements on CBCT scans. Angle Orthodontist, 81, 26–35. https://doi.org/10.2319/061310-333.1
Hung, K., Montalvao, C., Tanaka, R., Kawai, T., & Bornstein, M. M. (2020). Artificial intelligence applications in dental and maxillofacial radiology: Systematic review. Dentomaxillofacial Radiology, 49. https://doi.org/10.1259/dmfr.20190107
Kim, H., Shim, E., Park, J., Kim, Y. J., Lee, U., & Kim, Y. (2020). Web-based fully automated cephalometric analysis by deep learning. Computer Methods and Programs in Biomedicine, 194, 105513. https://doi.org/10.1016/j.cmpb.2020.105513
Khalid, M. A., et al. (2022). CE-PhA29 landmark detection challenge. arXiv preprint. https://doi.org/10.48550/arXiv.2212.04808
Lim, K. F., et al. (2013). Reliability of cephalometric landmark identification. Angle Orthodontist. https://doi.org/10.2319/081212-635.1
Ludlow, J. B., et al. (2007). 3D imaging in orthodontics. American Journal of Orthodontics and Dentofacial Orthopedics. https://doi.org/10.1016/j.ajodo.2006.05.022
Mosleh, M. A. A., Baba, M. S., Malek, S., & Almaktari, R. A. (2016). Ceph-X: Development and evaluation of a 2D cephalometric system. BMC Bioinformatics, 17, 499. https://doi.org/10.1186/s12859-016-1329-4
Pittayapat, P., et al. (2013). CBCT in orthodontic diagnosis. Oral Surgery, Oral Medicine, Oral Pathology and Oral Radiology. https://doi.org/10.1016/j.oooo.2013.05.015
Pittayapat, P., et al. (2014). Three-dimensional cephalometric analysis: Systematic review. Orthodontics & Craniofacial Research. https://doi.org/10.1111/ocr.12034
Płotka, S., et al. (2021). Convolutional neural networks in orthodontics: A review. arXiv preprint. https://doi.org/10.48550/arXiv.2104.08886
Raj, G., et al. (2023). Accuracy of CBCT-synthesized cephalograms. Journal of Dental Research. https://doi.org/10.1177/14653125231178038
Sarwar, S., & Jabin, S. (2023). Artificial intelligence in dental CBCT imaging. arXiv preprint. https://doi.org/10.48550/arXiv.2306.03025
Smołka, P., et al. (2024). AI vs orthodontists in cephalometric analysis. Applied Sciences, 14(12), 4972. https://doi.org/10.3390/app14124972
Urooge, A., & Patil, B. A. (2017). Sexual dimorphism of maxillary sinus using CBCT. Journal of Clinical and Diagnostic Research, 11, ZC67–ZC70. https://doi.org/10.7860/JCDR/2017/27067.10429
Yamaguchi, T., Maki, K., & Shibasaki, Y. (2001). Growth hormone receptor gene variant and mandibular height. American Journal of Orthodontics and Dentofacial Orthopedics, 119, 650–653. https://doi.org/10.1067/mod.2001.117787
Huang, Y., et al. (2020). Cephalogram synthesis and landmark detection in CBCT. arXiv preprint. https://doi.org/10.48550/arXiv.2009.04420
Raj, G., et al. (2024). CBCT vs conventional cephalograms accuracy comparison. International Journal of Oral and Maxillofacial Surgery. https://doi.org/10.1177/14653125231178038
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Alfredo Stefano Alvarado Sánchez (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
Este artículo se distribuye bajo la licencia Creative Commons Atribución 4.0 . Salvo que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.
