International Journal of Computerized Dentistry

Aim: Although many studies in various fields employ deep learning models, only a few such studies exist in dental imaging. The present article aims to evaluate the effectiveness of convolutional neural network (CNN) algorithms for the detection and diagnosis of the quantitative level of dental restorations using panoramic radiographs by preparing a novel dataset. Materials and methods: 20,973 panoramic radiographs were used, all labeled into five distinct categories by three dental experts. AlexNet, VGG-16, and variants of ResNet models were trained with the dataset and evaluated for the classification task. Additionally, 10-fold cross-validation (ie, 9 folds were separated for training and 1 fold for validation) and data augmentation were carried out for all experiments. Results: The most successful result was shown by ResNet-101, with an accuracy of 92.7%. Its macro-average AUC was also the highest, at 0.989. Other accuracy results obtained for the dataset were 75.5% for AlexNet, 85.0% for VGG-16, 92.1% for ResNet-18, 91.7% for ResNet-50, and 92.1% for InceptionResNet-v2. Conclusions: An accuracy of 92.7% is a very promising result for a computer-aided diagnostic system. This result proved that the system could assist dentists in providing supportive preliminary information from the moment a patient’s first panoramic radiograph is taken. Furthermore, as the introduced dataset is powerful enough, it can be relabeled for different problems and used in different studies. Schlagwörter: artificial intelligence, computer-aided diagnosis, convolutional neural networks, deep learning, dental restoration, panoramic radiograph

Aim: To develop a deep learning (DL) artificial intelligence (AI) model for instance segmentation and tooth numbering on orthopantomograms (OPGs). Materials and methods: Forty OPGs were manually annotated to lay down the ground truth for training two convolutional neural networks (CNNs): U-net and Faster RCNN. These algorithms were concurrently trained and validated on a dataset of 1280 teeth (40 OPGs) each. The U-net algorithm was trained on OPGs specifically annotated with polygons to label all 32 teeth via instance segmentation, allowing each tooth to be denoted as a separate entity from the surrounding structures. Simultaneously, teeth were also numbered according to the Fédération Dentaire Internationale (FDI) numbering system, using bounding boxes to train Faster RCNN. Consequently, both trained CNNs were combined to develop an AI model capable of segmenting and numbering all teeth on an OPG. Results: The performance of the U-net algorithm was determined using various performance metrics including precision = 88.8%, accuracy = 88.2%, recall = 87.3%, F-1 score = 88%, dice index = 92.3%, and Intersection over Union (IoU) = 86.3%. The performance metrics of the Faster RCNN algorithm were determined using overlap accuracy = 30.2 bounding boxes (out of a possible of 32 boxes) and classifier accuracy of labels = 93.8%. Conclusions: The instance segmentation and tooth numbering results of our trained AI model were close to the ground truth, indicating a promising future for their incorporation into clinical dental practice. The ability of an AI model to automatically identify teeth on OPGs will aid dentists with diagnosis and treatment planning, thus increasing efficiency. Schlagwörter: artificial intelligence, deep learning, dentistry, neural networks, convolutional neural network, intraoral radiography

Aim: The present study aimed to evaluate the accuracy of automated detection of preparation finish lines in teeth with defective margins. Materials and methods: An extracted first molar was prepared for a full veneer crown, and marginal defects were created and scanned (discontinuity of finish line: 0.5, 1.0, and 1.5 mm; additional line angle: connected, partially connected, and disconnected). Six virtual defect models were entered into CAD software and the preparation finish line was designated by 20 clinicians (CAD-experienced group: n = 10; CAD-inexperienced group: n = 10) using the automated finish line detection method. The accuracy of automatic detection was evaluated by calculating the 3D deviation of the registered finish line. The Kruskal-Wallis and Mann-Whitney U tests were used for between-group comparisons (α = 0.05). Results: The deviation values of the registered finish lines were significantly different according to conditions with different amounts of finish line discontinuity (P < 0.001). There was no statistical difference in the deviation of the registered finish line between models with additional line angles around the margin. Moreover, no statistical difference was found in the results between CAD-experienced and CAD-inexperienced operators. Conclusions: The accuracy of automated finish line detection for tooth preparation can differ when the finish line is discontinuous. The presence of an additional line angle around the preparation margin and prior experience in dental CAD software do not affect the accuracy of automated finish line detection. Schlagwörter: tooth preparation, marginal defect, computer-aided design, finish line, automated detection, computer algorithm

Ziel: Ziel der vorliegenden Studie war es, die Auswirkungen des Zementspalts und des Fräser-Offsets auf die marginalen und internen Passungsdiskrepanzen von digital konstruierten Kronen für unterschiedliche Präparationsformen zu untersuchen. Material und Methode: Auf 5 digital konstruierten Präparationsdesigns (Hohlkehle, 135°-Abschrägung, Federrand, 90°-Schulter mit Lippe, Hohlkehle mit scharfen okklusalen Kanten) wurden Kronen mit unterschiedlichen Zementspaltbreiten und Fräser-Offsets digital modelliert. Anschließend wurden die Kronen mit den korrespondierenden Präparationen best-fit-überlagert und die Passungsdiskrepanzen als quadratische Mittelwerte (QMW) sowie als farbskalierte Darstellungen aufbereitet. Die statistische Auswertung der QMW aller Gruppen erfolgte mit dem Scheirer-Ray-Hare-Test (α = 0,05). Ergebnisse: Die Farbzonen im Bereich der scharfen Kanten der Scharfe-Kanten-Gruppe veränderten sich zwischen der Situation vor und nach dem Setzen des Offsets deutlich. Der Zementspalt hatte signifikanten Einfluss auf die Rand-, Innen- und Gesamt-Passungsdiskrepanzen der fünf Präparationsgruppen (p < 0,001), während der Offset sich signifikant auf die Randpassung der Schulter-mit-Lippe-Gruppe und die Innen- und Gesamtpassung der Scharfe-Kanten-Gruppe auswirkte (p < 0,001). Außerdem erwies sich die Interaktion zwischen Zementspalt und Offset für die Randpassung der Schulter-mit-Lippe-Gruppe sowie die Innen- und Gesamtpassung der Scharfe-Kanten-Gruppe als signifikant (p < 0,01). Schlussfolgerung: Der Zementspalt und der Fräser-Offset hatten einen signifikant nachteiligen Einfluss auf die Rand- und Innenpassung von Kronen für die Präparationsdesigns Schulter mit Lippe und scharfe Kanten. Präparationen mit abrupten Radiusänderungen, wie Schulterpräparationen mit Lippe oder scharfe okklusale Kanten sollten daher in der Praxis vermieden werden. Schlagwörter: CAD, Offset, Zementspalt, Präparationsdesign, Krone, Passung

Ziel: Ziel dieser In-vitro-Studie war es, die Genauigkeit zweier Strategien zur Best-Fit-Überlagerung/-Ausrichtung mit Nutzung unterschiedlicher Referenzareale bei der Messung der Zahnabnutzung mithilfe eines Intraoralscanners (IOS) zu bestimmen und zu vergleichen. Material und Methoden: Zunächst wurden 8 vollanatomische Zirkonoxidkronen hergestellt und zweimal mit einem Intraoralscanner gescannt. Einer der Datensätze (Datensatz Richtigkeit) wurde dupliziert und mit simulierten Schlifffacetten (Datensatz Abnutzung) versehen. Der andere Scandatensatz (Datensatz Baseline) wurde unter Verwendung von zwei Best-Fit-Überlagerungsstrategien mit unterschiedlichen Referenzarealen (nicht abgenutzte Okklusalfläche [okklusale Gruppe] bzw. axial Fläche [axiale Gruppe]) mit dem Datensatz Abnutzung überlagert. Anschließend wurde eine 3-D-Abweichungsanalyse durchgeführt, um den abnutzungsbedingten Volumenverlust zu bestimmen. Schließlich wurde die 3-D-Abweichung zwischen den Datensätzen Richtigkeit und Abnutzung berechnet und als Referenzwert der Richtigkeit für die Genauigkeitsbewertung verwendet (Gruppe Richtigkeit). Ergebnisse: Die farbcodierte Darstellung der Abweichungen zeigte, dass die okklusale Gruppe eine ähnliche Schlifffacettenverteilung aufwies, wie die Gruppe Richtigkeit, während sich in der axialen Gruppe eine sichtbar gekippte Position fand und der gemessene Höhenverlust größer war und eine größere Standardabweichung aufwies. Sowohl die okklusale als auch die axiale Gruppe zeigten beim maximalen und mittleren Höhenverlust signifikante Unterschiede zur Gruppe Richtigkeit (p < 0,05), während der mittlere Abstand (zwischen den Oberflächen) jeweils nicht signifikant verschieden war (p > 0,05). Der t-Test für abhängige Stichproben ergab zudem zwischen der okklusalen und der axialen Gruppe signifikante Unterschiede beim maximalen und mittleren Höhenverlust (p < 0,05), aber keine signifikante Differenz beim mittleren Abstand (p > 0,05). Schlussfolgerungen: Die Best-Fit-Überlagerung anhand einer okklusalen Referenzfläche lieferte genauere Ergebnisse als die Überlagerung anhand axialer Referenzflächen. Die Vermessung der Zahnabnutzung mithilfe von Intraoralscans bietet Potenzial, aber das Verfahren neigt zur Überschätzung des Höhenverlustes. Schlagwörter: Verschleißmessung, Zahnabnutzung, Intraoralscanner, Best-Fit-Überlagerung, Genauigkeit, digital, in vitro

Aim: To present a minimally invasive approach to expose palatally displaced canines (PDCs) using a surgical guide. Materials and methods: Surgical guides for palatal canine exposure are fabricated with CAD/CAM technology. With adequate software, it is possible to match the STL files of the dental arch with the DICOM images of the maxilla. On the STL 3D model file, the operator can localize and determine the exact position of the impacted canine. In turn, this allows the identification of the ideal location of the window. A software application facilitates the design of the surgical guide, which is printed using a 3D printer. Results: Exposure of PDCs can be achieved satisfactorily using surgical guides. Conclusions: The use of computer-guided surgical exposure of PDCs allows both the reduction of surgical time and surgical invasiveness, minimizing patients’ postoperative discomfort. Controlled clinical trials are necessary to evaluate more fully any advantages of this minimally invasive technique. Schlagwörter: canine impaction, canine exposure, CAD/CAM, oral surgery, orthodontics, surgical guide

Ausgeprägte Zahnhartsubstanzdefekte können durch unterschiedliche ätiologische Faktoren ausgelöst werden und sind zumeist mit einer Veränderung in der Vertikaldimension der Okklusion verknüpft, die auch die Kondylenposition beeinflussen kann. Diese Auswirkungen, die zum irreversiblen Verlust der Zahnhartsubstanz führen, können dramatische funktionelle und ästhetische Konsequenzen für den Patienten haben und erfordern häufig komplexe Rehabilitationskonzepte. Vor diesem Hintergrund hat sich der Einsatz zahnfarbener CAD/CAMgefertigter Okklusionsschienen aus Polycarbonat als ästhetisch-funktionell, vorteilhaftes und sicheres Vorbehandlungskonzept erwiesen. Grundvoraussetzung für eine nachhaltige und funktionelle restaurative Intervention ist es, die verlorengegangene Zahnhartsubstanz in einer Weise wieder aufzubauen, die die Vertikaldimension und Okklusion in adäquater Kondylenposition wiederherstellt. Digitale Systeme sollen diesen komplexen Ablauf in Zukunft vereinfachen, unterstützen, individualisieren und präziser gestalten. Das hier verwendete DMD-System (Fa. Ignident GmbH, Ludwigshafen, Deutschland), liefert patientenindividuelle Bewegungsdaten zur Optimierung dieses Workflows. Mit diesem System lassen sich reale Bewegungsmuster digitalisieren und hinsichtlich ihrer Funktion und therapeutischen Konsequenz analysieren sowie in den zahnmedizinischen und zahntechnischen Workflow integrieren. Die bereits bekannte Herstellung einer zahnfarbenen CAD/CAM-Okklusionsschiene, wird im vorliegenden Fallbericht durch eine digital ermittelte zentrische Kieferrelationsbestimmung und individuelle patientenspezifische Bewegungsdaten ergänzt. Schlagwörter: Vertikaldimension der Okklusion (VDO), instrumentelle zahnärztliche Funktionsanalyse, maximale Interkuspidation (IKP), zentrische Kondylenposition (ZKP), zahnfarbene Okklusionsschiene, digitaler Workflow