Summary

Halbautomatische planimetrische Quantifizierung von Zahnbelag mittels intraoraler Fluoreszenzkamera

Published: January 27, 2023
doi:

Summary

In dieser Arbeit wird ein halbautomatisiertes digitales Bildanalyseverfahren zur planimetrischen Quantifizierung von offengelegtem Zahnbelag auf Basis von Bildern vorgestellt, die mit einer intraoralen Fluoreszenzkamera aufgenommen wurden. Die Methode ermöglicht eine schnelle und zuverlässige Quantifizierung von Zahnbelag im Forschungsumfeld.

Abstract

Die Ansammlung von Zahnbelag wird anhand klinischer Indizes oder des planimetrischen Plaque-Index (PPI) quantifiziert, der die relative Fläche eines Zahns misst, die von Plaqueablagerungen bedeckt ist. Im Vergleich zu klinischen Indizes hat der PPI eine höhere Trennschärfe, die traditionelle Planimetrie ist jedoch eine zeitaufwändige Analyse, da die mit Plaque bedeckten und sauberen Zahnbereiche für jedes Bild manuell mit einer Bildverarbeitungssoftware bestimmt werden müssen. Hier stellen wir eine Methode zur teilautomatisierten planimetrischen Quantifizierung von Zahnbelag vor, die die schnelle Verarbeitung von bis zu 1.000 Bildern gleichzeitig ermöglicht. Die Methode nutzt den verbesserten Kontrast zwischen offengelegter Plaque, gesunden Zahnoberflächen und Weichteilen in Fluoreszenzbildern, die mit einer intraoralen Kamera aufgenommen wurden. Die sorgfältige Durchführung der klinischen Verfahren und die genaue Bildaufnahme sind entscheidende Schritte für die erfolgreiche teilautomatisierte Identifizierung der mit Plaque bedeckten Bereiche. Die Methode eignet sich für die Planimetrie an gesunden Gesichts- und Mundzahnoberflächen, auf den meisten Kompositrestaurationen und auf Zähnen mit kieferorthopädischen Brackets, jedoch nicht auf metallischen Restaurationen. Im Vergleich zu herkömmlichen PPI-Aufzeichnungen reduziert die halbautomatische Planimetrie den Zeitaufwand für die Analyse sowie den subjektiven menschlichen Input erheblich und erhöht so die Reproduzierbarkeit der planimetrischen Messungen.

Introduction

Die Quantifizierung von Zahnbelag im Forschungsumfeld erfolgt entweder anhand klinischer Indizes oder andernfalls durch Erfassung des planimetrischen Plaque-Index (PPI)1. Klinische Indizes, wie z. B. der Turesky-modifizierte Quigley-Hein-Plaque-Index, beruhen auf der visuellen Beurteilung der Plaqueabdeckung durch einen Operateur und der anschließenden Zuweisung eines Scores auf einer Ordinalskala2. Während die Bewertung schnell erfolgt, erfordert die Verwendung klinischer Indizes eine mühsame Kalibrierung zwischen und innerhalb des Prüfers, und die Bewertung leidet immer unter einem gewissen Grad an Subjektivität 3,4,5. Da die Anzahl der Scores begrenzt ist, kann es außerdem vorkommen, dass die klinischen Indizes keine relevanten Unterschiede in der Plaqueabdeckung erkennen6.

Bei planimetrischen Aufnahmen wird das Ausmaß der Plaquebedeckung auf digitalen Bildern bestimmt, indem die mit Plaque bedeckte Fläche durch die Gesamtfläche der Zahnoberfläche7 dividiert wird. Die Verwendung einer kontinuierlichen Skala erhöht die Genauigkeit und zeigt eine hohe Trennschärfe in der statistischen Analyse 8,9,10. Darüber hinaus kann man argumentieren, dass die Planimetrie weniger subjektiv ist, da der Index vom Prüfer berechnet und nicht geschätzt wird11. Traditionell wurden die mit Plaque bedeckten und die gesamten Zahnbereiche für PPI-Aufnahmen manuell bestimmt, indem die interessierenden Regionen in jedem Bild mit einer Bildverarbeitungssoftware gezeichnetwurden 7,12. Folglich war die planimetrische Analyse bisher sehr zeitaufwändig, was ihre Anwendbarkeit für größere klinische Studien verringerte6.

Bei herkömmlichen Weißlichtbildern ist der Kontrast zwischen mit Plaque bedeckten Bereichen, sauberen Zahnbereichen und dem umgebenden Gewebe schwach, so dass die automatisierte Bildverarbeitung, die typischerweise auf der intensitätsbasierten Erkennung von Objekten beruht, stark behindert ist13,14. Bilder, die mit einer Fluoreszenzkamera aufgenommen wurden, zeigen einen deutlich verstärkten Kontrast zwischen offengelegter Plaque, sauberen Zähnen, die im grünen Spektrum stark autofluoreszieren, und nicht fluoreszierenden Weichteilen1.

Hier stellen wir eine Methode zur halbautomatischen Planimetrie vor, die den Zeitaufwand für die Bildanalyse im Vergleich zu herkömmlichen PPI-Aufnahmen erheblich reduziert. Das Verfahren verwendet Standard-Offenlegungsverfahren, eine handelsübliche Fluoreszenzkamera und eine Bildanalyse-Freeware. Die für die Bildaufnahme und Bildanalyse wichtigen Parameter sowie typische Fehler und Einschränkungen der Methode werden diskutiert.

Protocol

Die Studie wurde von der Ethikkommission der Region Midtjylland (1-10-72-259-21) genehmigt und in Übereinstimmung mit der Erklärung von Helsinki und ihren Änderungen durchgeführt. 1. Anfertigung eines maßgefertigten Abstandhalters (optional) HINWEIS: Während der Bildaufnahme kann ein speziell angefertigter 3D-gedruckter Abstandshalter verwendet werden, um die Positionierung des Kamerakopfes zu standardisieren. Der Spacer ist für die Aufnahme der Fluoreszenzbilder nicht zwingend erforderlich. Aufbau des AbstandhaltersEntwerfen Sie einen Abstandshalter, der in den Kamerakopf der intraoralen Fluoreszenzkamera passt. Führen Sie dazu einen Scan des Kamerakopfes mit einem digitalen Scanner durch. Importieren Sie den Scan in eine spezielle Software. Entwerfen Sie den Abstandshalter so, dass er in den Kamerakopf mit der gewünschten Morphologie und dem gewünschten Positionierungsabstand zum Kamerakopf passt (z. B. 4 mm). Export als STL-Datei (ein Beispiel für ein Design ist als Zusatzdatei S1 angehängt). Additive Fertigung des AbstandhaltersÖffnen Sie die mit dem Drucker verknüpfte Software für die additive Fertigung und wählen Sie die Grundeinstellungen aus. Klicken Sie auf Drucker | Wählen Sie den verfügbaren 3D-Drucker | Weiter | Form: Klar | Weiter | Druckmodus: 50 Mikrometer | Weiter | Baustil: Standard | Weiter. Importieren Sie die STL-Datei, indem Sie auf Datei | Importieren | Wählen Sie die STL-Datei | Öffnen. Definieren Sie die Position des Abstandshalters auf der Druckplattform. Klicken Sie auf Transformieren und ziehen Sie den Abstandshalter in eine Ecke der Plattform, die so nah wie möglich an der Oberfläche der Plattform liegt. Um weitere Abstandshalter zu drucken, klicken Sie auf Kopieren | Lineares Muster. Passen Sie die Anzahl und den Abstand an, um zusätzliche Objekte an die Druckplattform anzupassen, und klicken Sie auf Festlegen. Um die Stütze der Objekte zu gestalten, klicken Sie auf Intelligente Stütze | Stil: Allgemein | Generieren | Typ: Tor | Schaffen Sie Unterstützung. Senden Sie den Druckauftrag an den 3D-Drucker. Klicken Sie auf Zur Warteschlange hinzufügen. Die Software führt automatisch eine Qualitätsprüfung der STL-Datei durch, um Fehler beim Hinzufügen zur Warteschlange zu identifizieren. Klicken Sie dann auf Zur Warteschlange hinzufügen | Name der Stelle | F4X | Zur Warteschlange hinzufügen. Montieren Sie eine saubere Druckplattform auf dem 3D-Drucker und fügen Sie ein geeignetes Harz hinzu. Klicken Sie auf Job starten und scannen Sie den QR-Code des Harzes. Vergewissern Sie sich, dass die Druckplattform leer und sauber ist, dass das Harzfach voll ist und dass das Kunstharz vor dem Hinzufügen gerührt wurde. Klicken Sie auf Job starten. Wenn der Druckauftrag abgeschlossen ist, entfernen Sie die Abstandshalter von der Druckplattform. Reinigen Sie die Abstandshalter in einem Ultraschallbad mit Isopropanol für 3 min. Wiederholen Sie die Reinigung mit frischem Isopropanol. Trocknen Sie die Abstandshalter an der Luft. Sichern Sie die vollständige Polymerisation des Materials, indem Sie die Abstandshalter in einem Nachhärtungsofen für 10 Minuten polymerisieren. Entfernen Sie das Stützmaterial und färben Sie die Abstandshalter, um zu verhindern, dass Licht durch das Material dringt. 2. Plaque-Offenlegung und Bildaufnahme Montieren Sie den maßgefertigten Abstandshalter an der Fluoreszenzkamera (optional). Schließen Sie die Intraoralkamera an einen Computer an und öffnen Sie die Kamerasoftware. Klicken Sie auf Patient | Neuer Patient , um den Patienten im System anzulegen. Füllen Sie die Patienteninformationen aus. Klicken Sie auf Patient | Speichern , um die Patientendaten zu speichern. Klicken Sie auf Video. Die Intraoralkamera ist nun einsatzbereit. Dimmen Sie das Licht im Raum. Tragen Sie einen roten Farbstoff (z. B. 5 % Erythrosin) mit einem Wattekügelchen auf die gewünschten Zahnoberflächen auf, um die Plaque freizulegen. Weisen Sie den Patienten an, ihn 10 Sekunden lang mit Wasser abzuspülen, um überschüssigen Farbstoff zu entfernen. Entfernen Sie Zahnfleischflecken mit einem Wattebaukügelchen. Trocknen Sie jeden Zahn 3 Sekunden lang an der Luft. Platzieren Sie die Intraoralkamera in horizontaler Position vor dem gewünschten Zahn, wobei der Abstandshalter die Gingiva/benachbarte Zähne berührt. Erfassen Sie das Fluoreszenzbild, indem Sie die Kamerataste drücken.Anmerkungen: Stellen Sie sicher, dass die gesamte gewünschte Zahnoberfläche scharf ist und im Bild erfasst wird, ohne Antagonisten oder kontralaterale Zahnoberflächen einzubeziehen. Wiederholen Sie die Schritte 2.4-2.6 für alle Zähne, die Sie interessieren. Markieren Sie alle Bilder in der Kamerasoftware. Klicken Sie im Menü auf Bilder/Videos speichern .HINWEIS: Achten Sie darauf, dass die Bilder im “Plaque”-Modus und nicht im “Karies”-Modus gespeichert werden. Das Symbol P/C im Menü zeigt den aktuellen Modus an. Um die Bilder zu exportieren, gehen Sie zum Viewer. Wählen Sie die Bilder aus, die exportiert werden sollen. Klicken Sie auf Datei | Exportieren (Speichern unter…) | Alle Bilder des Patienten , um die Bilder zu exportieren. Wählen Sie im Exportfenster die folgenden Einstellungen aus: Modus: Standard | Exportpfad: Wählen Sie den gewünschten Ordner | Auswahl des Bildtyps: Haken Sie das linke Kästchen an | Bildstatus: Originaldaten. Erweitern Sie das Exportfenster, um weitere Optionen anzuzeigen. Wählen Sie Folgendes aus: Dateiname enthält: Kartennummer ODER Benutzereingabe ODER Patientenname | Format: TIF. Klicken Sie auf OK , um die Bilder zu exportieren.Alternativ können Sie vor dem Imaging einen automatischen Dateiexport einrichten. Klicken Sie auf Optionen | Konfiguration anzeigen | Module | Betrachter | Exportieren/E-Mail | Export-Optionen | Modus: Autoexport| Exportpfad: Wählen Sie den gewünschten Ordner | Bildstatus: Originaldaten. Wählen Sie Folgendes aus: Dateiname enthält: Kartennummer ODER Benutzereingabe ODER Patientenname | Format: TIF. Klicken Sie auf OK , um die Standard-Exporteinstellungen einzurichten. Wenn der automatische Dateiexport eingerichtet ist, werden die Bilder beim Speichern automatisch exportiert (Schritt 2.8). 3. Digitale Bildanalyse HINWEIS: Die digitale Bildanalyse kann jederzeit nach der Bildaufnahme durchgeführt werden. Stapel von bis zu 1.000 Fluoreszenzbildern können parallel verarbeitet werden. Wenn die Analyse großer Bildstapel die Rechenleistung übersteigt, kann die Bildgröße vor der Analyse reduziert werden. Quantifizierung der gesamten ZahnflächeBenennen Sie alle Bilder mit fortlaufenden Indexnummern um (z. B. Planimetry_001, Planimetry_002,…). Importieren Sie die Fluoreszenzbildserie in eine spezielle Bildanalysesoftware (z. B. Daime15) im Rot-Grün-Blau (RGB)-Modus, indem Sie auf Datei | Bilder importieren | Als Farbe importieren. Führen Sie eine schwellenwertbasierte Segmentierung der Bildserie durch, indem Sie auf Segment | Automatische Segmentierung | Benutzerdefinierter Schwellenwert. Stellen Sie den Schwellenwert “Niedrig” über der Intensität der oralen Weichteile ein (d. h. 80). Belassen Sie den Schwellenwert “Hoch” bei 255. Somit werden nur die Zähne (sowohl saubere als auch mit Plaque bedeckte Bereiche) als Objekte in der Software erkannt. Klicken Sie auf Anwenden | OK | Segmentieren! , um die Segmentierung zu initiieren. Öffnen Sie den Visualizer mit einem Doppelklick auf den Namen der Bildserie. Geben Sie den Objekteditor (OBJ) ein. Führen Sie eine visuelle Qualitätskontrolle der segmentierten Bilder durch, und löschen Sie Artefakte, indem Sie solche Objekte ablehnen und löschen. Zusammenführen der verbleibenden Objekte in allen Bildern (In allen Bildern | Selektierte Objekte zusammenführen). Jetzt gibt es ein Objekt pro Bild. Quantifizieren Sie die gesamte Zahnfläche in jedem Bild (Menüpunkt Analyse | Messen von Objekten | Alles löschen | Pixel). Exportieren Sie die Daten. Quantifizierung der mit Plaque bedeckten BereicheImportieren Sie die Fluoreszenzbildserie erneut in die Software, diesmal mit geteilten roten, grünen und blauen Farbkanälen (Menüpunkt Datei | Bilder importieren | Als grau importieren). Schließen Sie die Bilder des blauen Kanals. Übertragen Sie die Objektebene von den RGB-Bildern auf die Rotkanalbilder (Menüpunkt Segment | Objektebene übertragen). Löschen Sie Nicht-Objekt-Pixel in den Rotkanalbildern mit dem Objekteditor (Menüpunkt In allen Bildern | Nicht-Objekt-Pixel (Voxel) löschen). Weichteile werden nun aus den Bildern entfernt. Um den Kontrast zwischen mit Plaque bedeckten und sauberen Zahnbereichen zu erhöhen, multiplizieren Sie die Rotkanal-Bildreihe mit dem Faktor zwei (Bearbeiten | Bildrechner | Multiplikation | Parameter: Faktor 2,00 | Bewerben | OK). Um saubere Zahnbereiche aus den Bildern zu entfernen, subtrahieren Sie die grüne Kanal-Bildserie von der erweiterten Rotkanal-Bildserie (Menüpunkt Bearbeiten | Bildrechner | Bilder des zweiten Operanden: Planimetry_green | Subtraktion | Bewerben | OK). Um die mit Plaque bedeckten Bereiche auf den Zähnen zu identifizieren, führen Sie eine schwellenwertbasierte Segmentierung der resultierenden Bildserie durch (Segment | Automatische Segmentierung | Benutzerdefinierter Schwellenwert). Stellen Sie den Schwellenwert “Niedrig” über der Intensität der sauberen Zahnbereiche ein (d. h. 80). Belassen Sie den Schwellenwert “Hoch” bei 255. Nur mit Plaque bedeckte Bereiche werden in der Software als Objekte erkannt. Klicken Sie auf Anwenden | OK | Segmentieren! , um die Segmentierung zu initiieren. Führen Sie eine visuelle Qualitätskontrolle der segmentierten Bilder im Objekteditor durch, und löschen Sie Artefakte, indem Sie solche Objekte ablehnen und löschen. Zusammenführen der verbleibenden Objekte in allen Bildern (In allen Bildern | Selektierte Objekte zusammenführen). Quantifizieren Sie den mit Plaque bedeckten Bereich in jedem Bild (Analyse | Messen von Objekten | Alles löschen | Pixel). Exportieren Sie die Daten. Öffnen Sie die exportierten Datentabellen in einer speziellen Software. Berechnen Sie den PPI gemäß Gleichung (1):Gleichung (1)

Representative Results

Die vorgestellte Methode ermöglicht die schnelle, halbautomatische planimetrische Quantifizierung von plaquebedeckten Bereichen auf Zähnen (Abbildung 1). Plaqueablagerungen werden durch Erythrosin sichtbar gemacht, während saubere Zahnareale sowie das erworbene Pellikel ungefärbt bleiben16 (Abbildung 2A). Wenn Bilder mit einer Fluoreszenzkamera aufgenommen werden, wird der Kontrast zwischen den sauberen Zahnbereichen, den mit Plaque bedeckten Bereichen und dem umgebenden Weichgewebe erheblich erhöht (Abbildung 2B, C). Die Fluoreszenzkamera arbeitet mit zwei Detektionsfenstern, eines im grünen und eines im roten Spektrum. Im Vergleich zu den sauberen Zahnbereichen erscheinen die mit Plaque bedeckten Bereiche im roten Kanal etwas heller (Abbildung 2D,E). Im grünen Kanal wird die Autofluoreszenz des Zahns in den mit Plaque bedeckten Bereichen stark maskiert (Abbildung 2F). Dieser Maskierungseffekt wird bei der Bildanalyse ausgenutzt, wenn die Bilder des grünen Kanals von den Bildern des roten Kanals subtrahiert werden (Abbildung 2G). Der starke Kontrast zwischen den sauberen und den mit Plaque bedeckten Bereichen in den resultierenden Bildern (Abbildung 2H) ermöglicht eine intensitätsschwellenbasierte, halbautomatische Bestimmung des PPI. Bis zu 1.000 Fluoreszenzbilder können gleichzeitig verarbeitet werden. Ein speziell angefertigter 3D-gedruckter Abstandshalter kann verwendet werden, um die standardisierte Positionierung des Kamerakopfes in einem identischen Abstand zum gewünschten Zahn zu verbessern. Der Abstandshalter schirmt den Zahn auch vor Umgebungslicht ab und verstärkt dadurch den Kontrast zwischen der offengelegten Plaque, den sauberen Zahnbereichen und dem umgebenden Weichgewebe in den aufgenommenen Bildern. Der Abstandshalter wird mit Hilfe von drei Halteelementen am Kamerakopf befestigt (Bild 3). Die beschriebene Methode kann für planimetrische Aufnahmen der supragingivalen Plaque und des Zahnsteins sowohl auf der Gesichts- als auch auf der Mundzahnoberfläche verwendet werden (Abbildung 4A-D). Je nach Krümmung des Zahnbogens kann es schwierig sein, den Abstandshalter in engem Kontakt mit dem Zahnfleisch zu positionieren und dabei den gleichen Abstand zwischen Kamerakopf und Zahn einzuhalten. Da die Abdeckung der Plaquefläche relativ zur gesamten Zahnfläche bestimmt wird, ist es unwahrscheinlich, dass solche Unterschiede die PPI-Aufzeichnungen beeinflussen. Unterschiedliche zahnfarbene Materialien fluoreszieren im grünen Spektrum mit unterschiedlichen Intensitäten17,18,19. Daher kann der PPI in der Regel mit dem Standard-Bildanalysealgorithmus an Zähnen mit Glasionomerzementen und Kompositrestaurationen bestimmt werden (Abbildung 4E-H). Im Gegensatz dazu emittieren Amalgam- und Gipsrestaurationen in der Regel schwach sowohl im roten als auch im grünen Kanal, so dass es nicht möglich ist, die Plaqueabdeckung auf solchen Oberflächen zu bestimmen (Abbildung 4I,J). Das Gleiche gilt für metallische kieferorthopädische Brackets, aber da die Bracketoberfläche in der Regel von PPI-Aufzeichnungen ausgeschlossen ist, ist die halbautomatische Planimetrie für kieferorthopädische Patienten geeignet (Abbildung 4K,L). Die erfolgreiche teilautomatisierte Identifizierung von Plaque-bedeckten Bereichen auf Fluoreszenzbildern hängt in hohem Maße von der sorgfältigen Durchführung aller Schritte des klinischen Eingriffs ab. Fällt zu viel Umgebungslicht in die Bilder ein, wird die Helligkeit des Hintergrunds im Rotkanal erhöht, was die Unterscheidung zwischen Zähnen und Weichteilen erschwert (Abbildung 5A,B). Daher muss die Raumbeleuchtung während der Bildaufnahme gedimmt werden. Wenn der Patient den Mund während der Bildaufnahme nicht ausreichend öffnet, können Antagonistenzähne zusammen mit dem interessierenden Zahn abgebildet werden und die halbautomatische Verarbeitung behindern (Abbildung 5C). Wenn die Planimetrie an Prämolaren oder Molaren durchgeführt wird, ist die korrekte Winkelung der Kamera wichtig, um die Abbildung von Teilen der Kaufläche zu vermeiden (Abbildung 5D, E). Sobald die Plaqueablagerungen offengelegt sind, sollte der Bediener sofort mit der Bildaufnahme fortfahren. Andernfalls kann das Erythrosin ausgewaschen werden und der Kontrast zwischen den mit Plaque bedeckten und den sauberen Zahnbereichen kann zu schwach werden. In einigen Fällen kann die offenbarende Lösung jedoch die Gingiva stark verfärben, und der Fleck kann bei der folgenden Spülung nicht entfernt werden (Abbildung 5F). Um eine Überschätzung des mit Plaque bedeckten Bereichs zu vermeiden, kann der Fleck durch eine zusätzliche Spülung oder durch sanftes Abwischen der Gingiva mit einem Wattebausch reduziert werden. Abbildung 1: Workflow zur teilautomatisierten Quantifizierung der Plaquebedeckung auf Zahnoberflächen. Abkürzung: PPI = planimetric plaque index. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen. Abbildung 2: Verfahren der digitalen Bildanalyse. (A) Weißlichtaufnahme der offengelegten Plaque (Zahn 26, Gesichtsaspekt). (B) Entsprechendes Bild, das mit einer Fluoreszenzkamera aufgenommen wurde (Rot-Grün-Blau [RGB]-Modus). Beachten Sie den verstärkten Kontrast zwischen den mit Plaque bedeckten und den sauberen Zahnbereichen. (C) Die gesamte Zahnfläche, die durch den orangefarbenen Umriss markiert ist, wird durch eine auf Intensitätsschwellen basierende Segmentierung identifiziert. (D) Die Objektebene aus dem RGB-Bild wird auf das Rotkanalbild (orangefarbener Umriss) übertragen, und die Nicht-Objektpixel (Hintergrund, Weichteile) werden gelöscht. (E) Die Helligkeit der Rotkanalbilder wird um den Faktor zwei erhöht. (F) Das Bild des grünen Kanals. Beachten Sie die reduzierte Autofluoreszenz in den mit Plaque bedeckten Bereichen. (G) Nach Subtraktion des grünen Kanalbildes (F) vom modifizierten roten Kanalbild (E) ist der Kontrast zwischen den mit Plaque bedeckten Bereichen und den sauberen Zahnbereichen offensichtlich. (H) Nach einer intensitätsschwellenbasierten Segmentierung werden die mit Plaque bedeckten Bereiche als Objekte identifiziert (orangefarbener Umriss) und der planimetrische Plaque-Index (PPI) kann berechnet werden (PPI = 81,6%). Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen. Abbildung 3: Maßgefertigter Abstandshalter. Ein maßgefertigter Abstandshalter, der von (A) vorne, (B) Seite und (C) hinten betrachtet wird. (D) Fluoreszenzkamera mit montiertem Abstandshalter (orangefarbener Umriss). Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen. Abbildung 4: Anwendungen und Grenzen der halbautomatischen Planimetrie. (A) Fluoreszenzbild einer Gesichtszahnoberfläche. (B) Korrespondierendes bearbeitetes Bild, das die mit Plaque bedeckten Bereiche zeigt (orangefarbener Umriss; planimetrischer Plaque-Index [PPI] = 51,9%). (C) Fluoreszenzbild einer Mundzahnoberfläche. (D) Entsprechendes bearbeitetes Bild, das die mit Plaque bedeckten Bereiche zeigt (orangefarbener Umriss; PPI = 14,5 %). (E-H) Bilder von Zähnen mit Kompositrestaurationen. Die Restauration in E fluoresziert stark im grünen Spektrum, während die Restauration in G etwas schwächer erscheint als die umgebenden sauberen Zahnareale. In beiden Bildern kann der PPI mit dem Standard-Bildanalysealgorithmus bestimmt werden. (F,H) Bearbeitete Bilder, die die mit Plaque bedeckten Bereiche zeigen (orangefarbene Umrisse; PPI = 20,3 % bzw. 20,2 %). (I,J) Fluoreszenzaufnahmen eines Zahnes mit Amalgamrestauration (I) und eines Zahnes mit Metallkeramikkrone (J, blauer Umriss, manuell hinzugefügt). Beide Restaurationen sind nicht fluoreszierend, und die Plaqueablagerungen können nicht durch halbautomatische Planimetrie quantifiziert werden. (K) Fluoreszenzbild eines Zahnes mit einem kieferorthopädischen Bracket aus Metall. Da die Klammer von der Analyse ausgeschlossen ist, kann der PPI mit dem Standard-Bildanalysealgorithmus (L, orangefarbener Umriss, PPI = 31,5%) bestimmt werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen. Abbildung 5: Einfluss der klinischen Verfahren auf die Bildqualität und die Ergebnisse der teilautomatisierten Planimetrie . (A) Fluoreszenzbild, aufgenommen mit gedimmtem Raumlicht. Die Gesamtzahnfläche wird nach schwellenwertbasierter Bildsegmentierung (orangefarbener Umriss) korrekt bestimmt. (B) Fluoreszenzbild desselben Zahns, aufgenommen bei eingeschalteter Raumbeleuchtung. Aufgrund einer erhöhten Hintergrundemission im roten Spektrum kann die schwellenbasierte Segmentierung nicht genau zwischen den Zahnoberflächen und den umgebenden Weichteilen unterscheiden (orangefarbener Umriss). (C) Fluoreszenzbild, das mit unzureichender Mundöffnung aufgenommen wurde. Die nicht offenbarten Antagonistenzähne sind im Bild sichtbar und somit in der gesamten Zahnfläche enthalten (orangefarbene Umrisse). Um einen korrekten planimetrischen Plaque-Index zu erhalten, müssen diese während der Bildanalyse manuell entfernt werden. (D) Fluoreszenzbild, aufgenommen mit optimaler Positionierung des Kamerakopfes. Die gesamte Zahnfläche (orangefarbener Umriss) ist auf den Gesichtsaspekt beschränkt. (E) Fluoreszenzbild des Zahnes in D , aufgenommen mit suboptimaler Angulation des Kamerakopfes. Ein Teil der Kaufläche wird erfasst, was zu einer vergrößerten Gesamtzahnfläche führt (orangefarbene Kontur). (F) Weißlichtbild der offenbarten Plaque mit deutlicher Färbung der Gingiva. Die hohe Emission im roten Spektrum kann zu einer Überschätzung der mit Plaque bedeckten Fläche führen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen. Ergänzende Datei S1: Bitte klicken Sie hier, um diese Datei herunterzuladen.

Discussion

Die vorgestellte Methode zur halbautomatischen Planimetrie auf Basis von Fluoreszenzbildern stellt eine Verbesserung der Quantifizierung von Zahnbelag auf gesunden Zahnoberflächen in der Forschungsumgebung im Vergleich zur traditionellen Planimetriedar 20. Die halbautomatische Planimetrie ermöglicht die gleichzeitige Bestimmung des PPI in bis zu 1.000 Bildern unter Verwendung eines vorgegebenen Nachbearbeitungsalgorithmus. Damit ist das Verfahren wesentlich zeiteffizienter als die konventionelle Planimetrie, bei der die gesamten Zahnbereiche und die mit Plaque bedeckten Bereiche manuell durch Zeichnen von Regions of Interest in einer Bildverarbeitungssoftwarebestimmt werden 7,12. Darüber hinaus reduziert sich das Ausmaß des menschlichen Urteilsvermögens bei der Bildanalyse auf die Wahl einer Helligkeitsschwelle für die Bildsegmentierung. Dadurch werden alle Bilder gleich behandelt, und der Einfluss der Subjektivität der Untersucher wird stark reduziert11.

Die kritischen Schritte im Protokoll beziehen sich überwiegend auf die klinischen Verfahren, die für eine optimale Bildqualität hochgradig standardisiert durchgeführt werden müssen. Die Anfärbelösung muss sanft und gleichmäßig aufgetragen werden, und die Bilder sollten direkt nach dem Spülen und Trocknen an der Luft aufgenommen werden, um ein Auswaschen des Farbstoffs und damit einen Verlust des Bildkontrasts zu vermeiden. Darüber hinaus müssen Zahnfleischblutungen vermieden werden, da Hämoglobin die aufgezeichnete Fluoreszenz im roten Kanalverstärken kann 19. Die Bildaufnahme sollte bei gedimmter Raumbeleuchtung durchgeführt werden, um die Interferenz des Umgebungslichts zu reduzieren, und die Patienten müssen ihren Mund ausreichend öffnen, damit die Antagonistenzähne nicht auf den Bildern erscheinen. Der Kamerakopf muss senkrecht zur Zahnachse positioniert werden, um zu vermeiden, dass ein Teil der Kaufläche und kontralaterale Zähne erfasst werden.

Artefakte, die durch eine suboptimale Bildaufnahme entstehen, können in den meisten Fällen während der Bildanalyse entfernt werden, allerdings auf Kosten einer erheblich erhöhten Verarbeitungszeit. Einige Artefakte, die bei der Segmentierung als Objekte erkannt werden, können durch einfaches Löschen im Objekteditor gelöscht werden. Wenn Artefakte mit den als Plaque erkannten Bereichen zusammenfließen, müssen die resultierenden Objekte vor dem Entfernen im Objekteditor aufgeteilt werden. Im Extremfall kann es vorkommen, dass der Bediener auf die manuelle Bestimmung der sauberen Zahn- und Plaquebereiche zurückgreifen muss, indem er in der Software Bereiche von Interesse zeichnet. Wenn alle klinischen Verfahren korrekt durchgeführt werden, besteht die einzige subjektive Eingabe des Bedieners während der Bildanalyse darin, die Cutoff-Werte für die schwellenwertbasierten Segmentierungen zu bestimmen. Im Allgemeinen sind die mit Plaque bedeckten und sauberen Zahnbereiche in den Bildern gut definiert, aber es muss erwähnt werden, dass kleine Unterschiede in den gewählten Schwellenwerten die berechneten PPI-Werte beeinflussen, wenn auch in relativ geringem Ausmaß. Da alle für eine bestimmte Studie aufgenommenen Bilder mit identischen Schwellenwerten segmentiert werden können, hat die subjektive Wahl der Cutoff-Werte keinen Einfluss auf die Unterschiede zwischen den Behandlungs- oder Patientengruppen.

Genau wie die manuelle Planimetrie ist auch die halbautomatische Planimetrie aufgrund der Verwendung einer Offenlegungslösung nicht für longitudinale Aufnahmen von Plaqueablagerungen geeignet. Erythrosin kann das Wachstum des Biofilms durch eine antibakterielle Aktivität stören21,22,23, aber vor allem erfordert die auffällige Färbung eine professionelle Plaqueentfernung, bevor der Patient nach Hause geschickt wird. Die beschriebene Methode kann jedoch für die regelmäßige Quantifizierung der habituellen Plaque-Werte in der Klinik verwendet werden. Eine weitere Einschränkung der halbautomatischen Planimetrie ergibt sich aus den Größenunterschieden zwischen den einzelnen Zähnen. Obwohl der Abstand zwischen der Kamera und der Zahnoberfläche und damit die Größe des Sichtfeldes standardisiert werden kann, können die aufgenommenen Bilder Teile der Nachbarzähne enthalten. Diese können nicht durch einen Batch-Betrieb entfernt werden, sondern nur durch manuelles Zuschneiden der Bilder während der Analyse. Während die halbautomatische Planimetrie für die Quantifizierung von supragingivalen Plaques und Zahnstein24 auf gesunden Zahnoberflächen geeignet ist, wird in zukünftigen Arbeiten zu bestimmen sein, wie sich Entwicklungsdefekte25, kavitierte und nicht-kavitierte Kariesläsionen sowie schwere Verfärbungen auf die beschriebene Methode auswirken.

Zusammenfassend lässt sich sagen, dass die halbautomatische Planimetrie eine Methode ist, die eine schnelle und zuverlässige Quantifizierung der Plaqueflächenabdeckung mit einer Fluoreszenzkamera ermöglicht. Es kann in klinischen Studien eingesetzt werden, die die de novo Plaquebildung bei verschiedenen Patientengruppen oder die Wirkung verschiedener Behandlungsschemata auf die Plaqueentfernung untersuchen.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Die Autoren danken Dirk Leonhardt für seine hervorragende Unterstützung bei der additiven Fertigung der maßgefertigten Abstandhalter. Lene Grønkjær, Javier E. Garcia, Charlotte K. Vindbjerg und Sussi B. Eriksen werden für ihre technische Unterstützung während der Studie gewürdigt. Die Autoren bedanken sich auch bei Matthias Beck für die technische Unterstützung beim Einsatz der Fluoreszenzkamera und bei Mette R. Jørgensen für die fruchtbaren Diskussionen.

Materials

3D Sprint Basic 3D systems Additive manufacturing software
5% erythrosine; Top Dent Rondell Röd Top Dent Lifco Dental AB 6327 Disclosing solution
D1000 lab scanner 3 Shape Lab scanner used to scan the camera head
DBSWIN 5.17.0 Dürr Dental Software for VistaCam
Digital image analysis in microbial ecology (Daime), version 2.2.2 Freeware for image analysis
LC-3D Print Box NextDent Polymerization unit
Meshmixer 3.5 Autodesk Freeware for designing custom-made spacer
NextDent 5100 3D systems 3D-printer
NextDent Ortho IBT 3D systems Material for spacer
Ultrasound bath T660/H Elma Schmidbauer GmbH
VistaCam iX HD Smart intraoral camera  Dürr Dental Coupled with a fluorescence camera head

References

  1. Pretty, I. A., Edgar, W. M., Smith, P. W., Higham, S. M. Quantification of dental plaque in the research environment. Journal of Dentistry. 33 (3), 193-207 (2005).
  2. Turesky, S., Gilmore, N. D., Glickman, I. Reduced plaque formation by the chloromethyl analogue of victamine C. Journal of Periodontology. 41 (1), 41-43 (1970).
  3. Marks, R. G., et al. Evaluation of reliability and reproducibility of dental indices. Journal of Clinical Periodontology. 20 (1), 54-58 (1993).
  4. Matthijs, S., Sabzevar, M. M., Adriaens, P. A. Intra-examiner reproducibility of 4 dental plaque indices: Dental plaque indices. Journal of Clinical Periodontology. 28 (3), 250-254 (2001).
  5. Shaloub, A., Addy, M. Evaluation of accuracy and variability of scoring-area-based plaque indices. Journal of Clinical Periodontology. 27 (1), 16-21 (2000).
  6. Söder, P. -. &. #. 2. 1. 4. ;., Jin, L. J., Söder, B. Computerized planimetric method for clinical plaque measurement. European Journal of Oral Sciences. 101 (1), 21-25 (1993).
  7. Lang, N. P., Ostergaard, E., Loe, H. A fluorescent plaque disclosing agent. Journal of Periodontal Research. 7 (1), 59-67 (1972).
  8. Staudt, C. B., et al. Computer-based intraoral image analysis of the clinical plaque removing capacity of 3 manual toothbrushes. Journal of Clinical Periodontology. 28 (8), 746-752 (2001).
  9. Smith, M. R. Parametric vs. nonparametric. Analyzing the periodontal and gingival indicies. Journal of Periodontal Research. 17 (5), 514-517 (1982).
  10. Quirynen, M., Dekeyser, C., van Steenberghe, D. Discriminating power of five plaque indices. Journal of Periodontology. 62 (2), 100-105 (1991).
  11. Al-Anezi, S. A., Harradine, N. W. T. Quantifying plaque during orthodontic treatment. The Angle Orthodontist. 82 (4), 748-753 (2012).
  12. Smith, R. N., Brook, A. H., Elcock, C. The quantification of dental plaque using an image analysis system: reliability and validation. Journal of Clinical Periodontology. 28 (12), 1158-1162 (2001).
  13. Kang, J., Ji, Z., Gong, C. Segmentation and quantification of dental plaque using modified kernelized fuzzy C-means clustering algorithm. 2010 Chinese Control and Decision Conference. , 788-791 (2010).
  14. Klaus, K., Glanz, T., Glanz, A. G., Ganss, C., Ruf, S. Comparison of quantitative light-induced fluorescence-digital (QLF-D) images and images of disclosed plaque for planimetric quantification of dental plaque in multibracket appliance patients. Scientific Reports. 10 (1), 4478 (2020).
  15. Daims, H., Lücker, S., Wagner, M. Daime, a novel image analysis program for microbial ecology and biofilm research. Environmental Microbiology. 8 (2), 200-213 (2006).
  16. Arnim, S. S. The use of disclosing agents for measuring tooth cleanliness. Journal of Periodontology. 34 (3), 227-245 (1963).
  17. Meller, C., Klein, C. Fluorescence properties of commercial composite resin restorative materials in dentistry. Dental Materials Journal. 31 (6), 916-923 (2012).
  18. Kiran, R., Chapman, J., Tennant, M., Forrest, A., Walsh, L. J. Detection of tooth-colored restorative materials for forensic purposes based on their optical properties: An in vitro comparative study. Journal of Forensic Sciences. 64 (1), 254-259 (2019).
  19. Shakibaie, F., Walsh, L. J. Fluorescence imaging of dental restorations using the VistaCam intra-oral camera. Australian Journal of Forensic Sciences. 51 (1), 3-11 (2019).
  20. Rey, Y. C. D., Rikvold, P. D., Johnsen, K. K., Schlafer, S. A fast and reliable method for semi-automated planimetric quantification of dental plaque in clinical trials. Journal of Clinical Periodontology. , (2022).
  21. Baab, D. A., Broadwell, A. H., Williams, B. L. A comparison of antimicrobial activity of four disclosant dyes. Journal of Dental Research. 62 (7), 837-841 (1983).
  22. Begue, W. J., Bard, R. C., Koehne, G. W. Microbial inhibition by erythrosin. Journal of Dental Research. 45 (5), 1464-1467 (1966).
  23. Marsh, P. D., et al. Antibacterial activity of some plaque-disclosing agents and dyes (short communication). Caries Research. 23 (5), 348-350 (1989).
  24. Shakibaie, F., Walsh, L. J. Dental calculus detection using the VistaCam. Clinical and Experimental Dental Research. 2 (3), 226-229 (2016).
  25. Seow, W. Developmental defects of enamel and dentine: Challenges for basic science research and clinical management. Australian Dental Journal. 59, 143-154 (2014).

Play Video

Cite This Article
Rikvold, P. D., Del Rey, Y. C., Johnsen, K. K., Schlafer, S. Semi-Automated Planimetric Quantification of Dental Plaque Using an Intraoral Fluorescence Camera. J. Vis. Exp. (191), e65035, doi:10.3791/65035 (2023).

View Video