ESPECIALIZACIÓN EN ORTODONCIA · 2024
Desarrollo de una herramienta para la automatización de puntos craneometricos en volumetría craneofacial : un estudio piloto
Localizar manualmente los puntos de referencia craneométricos es un proceso lento, que requiere mucho tiempo y es propenso a errores. Usando la inteligencia artificial (IA), el aprendizaje automático, y la técnica de registro de imágenes es posible obtener la automatización de puntos de referencia en la volumetría 3D. Objetivo: Desarrollar una herramienta para la automatización de puntos craneométricos a partir del registro de imágenes proporcionadas por la tomografía computarizada cone beam. Método del estudio: Estudio piloto que parte del registro de imágenes DICOM de un conjunto de tomografías computarizadas cone beam (CBCT) llevadas a un proceso de transformación para la creación de un template y posterior identificación y ubicación automática de puntos craneométricos. Resultados: Para evaluar la concordancia entre el método manual y el automatizado, se utilizó el coeficiente de correlación intraclase (CCI). El CCI para la coordenada X fue alto, mostrando una excelente concordancia en la mayoría de los puntos. El CCI para la coordenada Y fue muy similar a la coordenada X, con valores de CCI altos. La coordenada Z muestra valores altos de concordancia, aunque algunos puntos presentaron valores de CCI muy bajos como fosa izquierda, canino superior izquierdo, infraorbitario izquierdo, condilium derecho e izquierdo, y base mandibular derecha e izquierda, lo que sugiere alta variabilidad en la automatización para esta cordenada. Conclusiones: En este estudio piloto, se logro desarrollar el modelo inicial para la automatización de puntos craneométricos en volumetria 3D. La mayoría de puntos craneométricos mostraron una excelente concordancia entre las coordenadas X y Y registradas de forma manual y automatizada en el modelo. Respecto a la coordenada Z, aunque mostró alta concordancia en varios puntos, algunos de ellos mostraron valores muy bajos de concordancia. Lo que sugiere la necesidad de aplicar un ajuste o refinamiento al modelo, optimizando la alineación y correspondencia para mejorar la concordancia de esos puntos en la coordenada Z.