Purpose: The aim of this study is to analyze the series of panoramic radiograph of implant patients using the system to measure peri-implant crestal bone loss according to the elapsed time from fixture installation time to more than three years. Methods: Choose 10 patients having 45 implant fixtures...
Purpose: The aim of this study is to analyze the series of panoramic radiograph of implant patients using the system to measure peri-implant crestal bone loss according to the elapsed time from fixture installation time to more than three years. Methods: Choose 10 patients having 45 implant fixtures installed, which have series of panoramic radiograph in the period to be analyzed by the system. Then, calculated the crestal bone depth and statistics and selected the implant in concerned by clicking the implant of image shown on the monitor by the implemented pattern recognition system. Then, the system recognized the x, y coordination of the implant and peri-implant alveolar crest, and calculated the distance between the approximated line of implant fixture and alveolar crest. By applying pattern recognition to periodic panoramic radiographs, we attained the results and made a comparison with the results of preceded articles concerning peri-implant marginal bone loss. Analyzing peri-implant crestal bone loss in a regression analysis periodic filmed panoramic radiograph, logarithmic approximation had highest $R^2$ value, and the equation is as shown below. $y=0.245Logx{\pm}0.42$, $R^2=0.53$, unit: month (x), mm (y) Results: Panoramic radiograph is a more wide-scoped view compared with the periapical radiograph in the same resolution. Therefore, there was not enough information in the radiograph in local area. Anterior portion of many radiographs was out of the focal trough and blurred precluding the accurate recognition by the system, and many implants were overlapped with the adjacent structures, in which the alveolar crest was impossible to find. Conclusion: Considering the earlier objective and error, we expect better results from an analysis of periapical radiograph than panoramic radiograph. Implementing additional function, we expect high extensibility of pattern recognition system as a diagnostic tool to evaluate implant-bone integration, calculate length from fixture to inferior alveolar nerve, and from fixture to base of the maxillary sinus.
Purpose: The aim of this study is to analyze the series of panoramic radiograph of implant patients using the system to measure peri-implant crestal bone loss according to the elapsed time from fixture installation time to more than three years. Methods: Choose 10 patients having 45 implant fixtures installed, which have series of panoramic radiograph in the period to be analyzed by the system. Then, calculated the crestal bone depth and statistics and selected the implant in concerned by clicking the implant of image shown on the monitor by the implemented pattern recognition system. Then, the system recognized the x, y coordination of the implant and peri-implant alveolar crest, and calculated the distance between the approximated line of implant fixture and alveolar crest. By applying pattern recognition to periodic panoramic radiographs, we attained the results and made a comparison with the results of preceded articles concerning peri-implant marginal bone loss. Analyzing peri-implant crestal bone loss in a regression analysis periodic filmed panoramic radiograph, logarithmic approximation had highest $R^2$ value, and the equation is as shown below. $y=0.245Logx{\pm}0.42$, $R^2=0.53$, unit: month (x), mm (y) Results: Panoramic radiograph is a more wide-scoped view compared with the periapical radiograph in the same resolution. Therefore, there was not enough information in the radiograph in local area. Anterior portion of many radiographs was out of the focal trough and blurred precluding the accurate recognition by the system, and many implants were overlapped with the adjacent structures, in which the alveolar crest was impossible to find. Conclusion: Considering the earlier objective and error, we expect better results from an analysis of periapical radiograph than panoramic radiograph. Implementing additional function, we expect high extensibility of pattern recognition system as a diagnostic tool to evaluate implant-bone integration, calculate length from fixture to inferior alveolar nerve, and from fixture to base of the maxillary sinus.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 전산학의 패턴인식 알고리즘(pattern recognition algorithm)을 치의학 영역에 적용시켜서 임플란트 식립 환자의 방사선 사진에 적용 가능한 시스템을 구현하고자 하였다. 저자 등이 고안한 알고리즘을 이용하여 임플란트 매식체, 주변골 및 구조물 들의 좌표를 분석하여 임플란트 주변 치조골의 치조정과 임플란트 매식체의 플랫폼(platform)까지의 거리를 계산하였다.
저자 등이 고안한 알고리즘을 이용하여 임플란트 매식체, 주변골 및 구조물 들의 좌표를 분석하여 임플란트 주변 치조골의 치조정과 임플란트 매식체의 플랫폼(platform)까지의 거리를 계산하였다. 이렇게 구현된 기능을 이용하여 임플란트 시술 환자의 기간별 파노라마 사진들을 분석하여 알고리즘에 의한 임플란트 변연골 소실량을 정확하고 간편하게 측정함으로써 기존의 다른 방법에 의한 임플란트 주변골 소실에 대한 연구 내용과 비교하여 패턴인식의 유효성을 평가하고자 하였다.
패턴인식을 치의학에 접목시키는 새로운 영역의 치의학 연구를 진행하고자 했던 본 연구의 목적은 구현된 시스템을 통한 임플란트와 그 주변골의 치조정에 대한 높은 인식률을 통해 어느 정도 달성되었으나 상대적으로 계획한 자료를 모두 구비한 증례 부족과 파노라마 방사선의 오차로 인해 실제 결과값에서 여러 아쉬운 결과를 동시에 보이기도 하였다. 그러나 중첩 구조물과 좁은 임플란트와 치조골 상부의 경계면 및 부위별 다른 확대율을 갖는 파노라마 방사선 사진의 한계점에도 불구하고 높은 인식률을 보였고, 기존의 tracing을 통한 골흡수량 측정의 경우 재측정하거나, 다른 사람이 측정하는 경우 그 값이 달라질 수 있는 반면, 패턴인식 알고리즘을 통해 측정하는 경우 재측정 시나 측정자가 달라질 경우에도 항상 일정한 측정값을 보인다는 점에서 그 유용성을 기대할 수 있다.
제안 방법
, Seoul, Korea)을 이용하여 bitmap (bmp) 형식의 파일로 변환시켰다. Bmp 파일을 읽어 들여서 시스템에서 파노라마 방사선 사진을 컴퓨터 화면에 띄우고, 사용자가 정보를 읽어들이고 싶은 임플란트를 마우스를 통해 선택하면 임플란트의 영역, 주변 치조골의 치조정 위치를 자동으로 인식하여 원하는 수치들을 출력해주는 프로그램을 개발하였다.
2. Recognition of implant fixture with marginal bone according to implemented segmentation systems used in this study, before (A), after application (B), and determination point (C).
본 연구에서 구현한 전산 및 공학에서의 패턴인식 알고리즘은 임플란트 수복 환자의 방사선 사진에 적용 가능한 시스템을 구현하고, 이를 바탕으로 임플란트, 주변골, 빈 공간의 x, y좌표를 인식한 뒤, 얻어진 각 구조물들의 좌표를 분석하여 임플란트 주변 치조골의 치조정과 매식체 상부와의 거리를 pixel 단위로 계산한 것으로 Java 언어를 이용해 구현된 패턴인식 시스템을 통해 읽어들인다. 시스템에서 파노라마 방사선 사진을 컴퓨터상 화면에 띄우면 사용자가 정보를 읽어 들이고 싶은 임플란트를 마우스를 통해 선택하면, 임플란트 영역과 주변 치조골의 치조정 위치를 인식하여 원하는 수치들을 자동으로 출력해주도록 하였고 이러한 프로그램을 임플란트 수복 환자의 기간별 파노라마 사진들을 분석하여 시간의 경과에 따른 임플란트 변연골 소실량을 정확하고 간편하게 측정하도록 하였다.
서울대학교치과병원에서 사용하는 의료영상 저장전송시스템인 Pi view PACS® (Picture archiving and communication system, version 2.0, Mediface Co., Seoul, Korea)에서 얻어낸 jpg 형태의 파노라마 방사선 사진을 상용 프로그램인 ALsee® 프로그램(version 6.71, ESTsoft Co., Seoul, Korea)을 이용하여 bitmap (bmp) 형식의 파일로 변환시켰다.
본 연구에서 구현한 전산 및 공학에서의 패턴인식 알고리즘은 임플란트 수복 환자의 방사선 사진에 적용 가능한 시스템을 구현하고, 이를 바탕으로 임플란트, 주변골, 빈 공간의 x, y좌표를 인식한 뒤, 얻어진 각 구조물들의 좌표를 분석하여 임플란트 주변 치조골의 치조정과 매식체 상부와의 거리를 pixel 단위로 계산한 것으로 Java 언어를 이용해 구현된 패턴인식 시스템을 통해 읽어들인다. 시스템에서 파노라마 방사선 사진을 컴퓨터상 화면에 띄우면 사용자가 정보를 읽어 들이고 싶은 임플란트를 마우스를 통해 선택하면, 임플란트 영역과 주변 치조골의 치조정 위치를 인식하여 원하는 수치들을 자동으로 출력해주도록 하였고 이러한 프로그램을 임플란트 수복 환자의 기간별 파노라마 사진들을 분석하여 시간의 경과에 따른 임플란트 변연골 소실량을 정확하고 간편하게 측정하도록 하였다.
53 (단위: x는 개월, y는 mm)의 지수식을 통해 R2값을 근사할 수 있었는데, 처음의 연구 목표나 오차 정도를 고려할 때 파노라마 방사선 사진보다는 치근단 방사선 사진에의 분석이 더 좋은 결과를 나타내 줄 것으로 예상되었다. 실제 본 연구의 초기 목적은 치근단 평행 방사선 사진을 대상으로 한 패턴인식 프로그램 분석이었으나, 임플란트 식립 환자 중 일정 간격으로 재내원하여 치근단 방사선 사진을 촬영한 경우보다 파노라마 방사선 사진을 촬영한 경우가 대부분이어서 파노라마 사진을 바탕으로 진행하였다. 파노라마 방사선 사진의 경우 같은 해상도의 구내 방사선 사진에 비하여 더 넓은 범위의 정보가 담겨 있기 때문에, 본 연구의 패턴인식을 일관적으로 적용시키기에는 여러 오차를 보일 수 있었는데, 예를 들면 Focal Trough를 벗어나 흐릿한 부위가 특히, 전치부에 있었고, 인접한 구조물과 중첩되어 치조정을 찾을 수 없는 경우도 있었으며 이러한 임플란트 부위를 측정할 경우에는 여러 번 반복하여도 유의미한 값을 얻을 수 없었다.
각 화소는 각각 256단계의 red (R), green (G), blue (B) 값을 가지는데, 방사선 사진은 흑백이므로 R, G, B 값이 모두 동일한 값을 가진다. 연구자가 컴퓨터 마우스를 통해 선택한 임플란트의 밝기를 기준으로 주변 인접 화소를 반복적으로 검색하고, 과정 중에 인접 화소와 비교하여 명도가 일정 값 이상으로 바뀔 때까지 범위를 확장시켜가면서 검색하였다. 처음 선택한 화소가 임플란트의 대표성을 의미할 수 없을 수 있으므로 임플란트로 판별된 화소들이 추가될 때마다 화소 간 명도의 평균값을 계산하여 경계값 계산에 추가 적용하여 비교값으로 사용하였다.
4). 이 과정에서 치조골 내 망상골 형태(trabecular pattern)를 잘못 인식하는 현상을 줄이기 위해 연속된 4개의 화소의 평균값을 이용해 그 평균값이 경계값을 결정하였다. 화소의 평균값을 구하기 위해 연속되는 화소의 개수를 증가시키면 망상골 형태를 경계로 인식하는 오류는 줄어들었지만 경계의 위치가 최대 연속되는 화소의 개수의 절반까지의 오차를 나타내었다.
2 mm 이하의 오차로 생각할 수 있다. 이렇게 결정된 치조정으로부터 근사선까지의 거리를 화소 단위로 계산하고 이를 치조골 깊이로 정의하고 근원심 양쪽의 치조골 깊이를 출력하도록 시스템을 구현하였다.
임플란트 매식체의 실제 길이와 시스템상 플랫폼에서 기저부까지의 화소수를 이용해 화소–mm 간의 비례상수를 계산하였으며, 실제 길이는 환자 의무기록을 확인하였다.
임플란트 플랫폼의 근사선에서 임플란트로 인식된 화소중 거리가 가장 먼 화소까지의 거리가 매식체의 길이가 되므로 프로그램에서 이를 결과값으로 출력하였으며, 매식체의 근원심을 이루는 경계 화소들로부터 각각 6화소 떨어진 화소들을 평행하게 검사해 나가면서 급격한 명도 변화를 보이는 점을 치조골 변연의 경계로 결정하였다(Fig. 4). 이 과정에서 치조골 내 망상골 형태(trabecular pattern)를 잘못 인식하는 현상을 줄이기 위해 연속된 4개의 화소의 평균값을 이용해 그 평균값이 경계값을 결정하였다.
임플란트의 종류는 Straumann tissue level® 임플란트(Institute Straumann, Waldenburg, Switzerland) 31개, Straumann bone level® 임플란트(Institute Straumann) 7개, Biomet Osseotite® 임플란트(3i implant innovations, West Palm Beach, FL, USA) 2개, 오스템사의 SSII® 임플란트(Osstem Co., Seoul, Korea) 3개, 신흥사의 Luna® 임플란트(Shinhung Co., Seoul, Korea) 2개였으며, 시술 후 1일 내외로 촬영한 파노라마 사진을 기준으로 3개월, 6개월, 12개월, 24개월 및 36개월 경과할 때 촬영한 파노라마 사진을 바탕으로 분석하였다.
본 연구에서는 전산학의 패턴인식 알고리즘(pattern recognition algorithm)을 치의학 영역에 적용시켜서 임플란트 식립 환자의 방사선 사진에 적용 가능한 시스템을 구현하고자 하였다. 저자 등이 고안한 알고리즘을 이용하여 임플란트 매식체, 주변골 및 구조물 들의 좌표를 분석하여 임플란트 주변 치조골의 치조정과 임플란트 매식체의 플랫폼(platform)까지의 거리를 계산하였다. 이렇게 구현된 기능을 이용하여 임플란트 시술 환자의 기간별 파노라마 사진들을 분석하여 알고리즘에 의한 임플란트 변연골 소실량을 정확하고 간편하게 측정함으로써 기존의 다른 방법에 의한 임플란트 주변골 소실에 대한 연구 내용과 비교하여 패턴인식의 유효성을 평가하고자 하였다.
전체 시스템은 프로그래밍 언어 Java의 J2SETM JFC® (Java Foundation Class, JavaTM Platform, Oracle Co., Redwood Shores, CA, USA)를 활용하였고, User Interface는 Java Swing® 프로그램을 이용하여 알고리즘을 구현하였다.
직선식을 근사하는 과정에서 일반적인 직선식 y=ax+b를 이용하면, 기울기의 값이 0부터 무한대까지 발산하기 때문에 무한대의 연산 시간이 필요하게 되어 근사가 불가능하기 때문에 r, θ 좌표계에서의 직선식인 xcosθ+ysinθ=r을 이용하여 근사하였다.
프로그램의 알고리즘은 방사선 사진 bmp 파일의 header를 분석하여 이미지 파일의 크기와 해상도를 인식하고, 이를 통해 해상도와 같은 크기의 배열을 할당하여 각 배열에 상응하는 위치에 있는 화소의 정보를 담았다. 각 화소는 각각 256단계의 red (R), green (G), blue (B) 값을 가지는데, 방사선 사진은 흑백이므로 R, G, B 값이 모두 동일한 값을 가진다.
대상 데이터
서울대학교치과병원 구강악안면외과에서 한 명의 외과 전문의가 수술하고 치과보철과에서 한 명의 보철과 전문의가 시술한 임플란트 환자를 대상으로 최소 1년에서 최대 3년간 주기적으로 파노라마 방사선 사진을 촬영한 전체 환자 10명의 45개의 임플란트를 대상으로 조사하였다. 남자는 2명, 여자는 8명이었으며 이들의 평균연령은 59.
시술 부위로는 상악에 29개, 하악에 16개였으며, 상악구치부의 상악동거상술(sinus lifting procedure)을 동반한 경우 21개, 상악전치부의 골유도재생술(guided bone regeneration)을 동반한 경우 8개, 하악구치부의 16개였다. 임플란트의 종류는 Straumann tissue level® 임플란트(Institute Straumann, Waldenburg, Switzerland) 31개, Straumann bone level® 임플란트(Institute Straumann) 7개, Biomet Osseotite® 임플란트(3i implant innovations, West Palm Beach, FL, USA) 2개, 오스템사의 SSII® 임플란트(Osstem Co.
데이터처리
각각의 반복연산 과정에서 대입되는 r과 θ값으로 결정되는 직선과 패턴이 인식한 임플란트의 상방 경계를 이루는 점들 간의 거리의 평균 제곱근 오차(root mean square error)가 가장 작은 선을 근사선으로 결정하였다.
연구자가 컴퓨터 마우스를 통해 선택한 임플란트의 밝기를 기준으로 주변 인접 화소를 반복적으로 검색하고, 과정 중에 인접 화소와 비교하여 명도가 일정 값 이상으로 바뀔 때까지 범위를 확장시켜가면서 검색하였다. 처음 선택한 화소가 임플란트의 대표성을 의미할 수 없을 수 있으므로 임플란트로 판별된 화소들이 추가될 때마다 화소 간 명도의 평균값을 계산하여 경계값 계산에 추가 적용하여 비교값으로 사용하였다. 이러한 분절화 과정을 통해 구분된 임플란트를 이미지상에서 노랑색으로 표시해 주었다(Fig.
임플란트 매식체의 실제 길이와 시스템상 플랫폼에서 기저부까지의 화소수를 이용해 화소–mm 간의 비례상수를 계산하였으며, 실제 길이는 환자 의무기록을 확인하였다. 측정된 근원심 치조골 깊이의 평균값을 이용해 식립 직후의 방사선 사진상 치조골 깊이를 기준으로 증가량을 골소실량으로 정의하여 통계 처리하였으며, 통계 분석은 SPSS 프로그램(ver. 12.0K; SPSS Inc., Chicago, IL, USA)을 이용해 회귀 분석(regression analysis)을 하였고, 평균값을 계산하였다.
이론/모형
임플란트 매식체를 이루는 화소들을 시스템이 인식한 뒤 매식체 플랫폼을 이루는 직선식을 근사하였고, 근사 과정에는 Hough transform approximation을 사용하였다[8,12,13] (Fig. 3). 직선식을 근사하는 과정에서 일반적인 직선식 y=ax+b를 이용하면, 기울기의 값이 0부터 무한대까지 발산하기 때문에 무한대의 연산 시간이 필요하게 되어 근사가 불가능하기 때문에 r, θ 좌표계에서의 직선식인 xcosθ+ysinθ=r을 이용하여 근사하였다.
성능/효과
53으로 조금 낮게 근사된 것은 개인별로 측정값의 차이가 크기 때문으로 생각된다. 또한, 추세선에서 가장 많이 벗어난 환자에서는 실제 1년 후 측정값과 그 이후의 방사선 사진을 분석에 포함시키지 못해서 추세 오차에 보다 영향을 주었을 것으로 생각되었다.
이처럼 임플란트 환자의 방사선 사진에 대한 패턴인식의 연구는 앞으로도 많은 확장 가능성을 지니며 실제 임상적으로도 적용 가능한 분야로 생각된다. 본 연구에서의 패턴인식 시스템의 임플란트 패턴 인식률은 매우 우수하였는데, 10명 환자에게 식립된 총 48개의 임플란트 중에서 하악전치부에 식립되어 중첩된 이미지로 근심이 인접치와 겹쳐져서 치조정을 인식할 수 없었던 3개의 임플란트를 제외한 45개의 임플란트를 인식할 수 있었다.
상하악간 골소실량 비교에서는 식립 1년 후 상악에서는 0.84±0.51 mm, 하악에서는 0.28±0.29 mm의 골소실량을 보여 상악이 유의미한 차이로 높게 측정되었으며, 식립 후 보철물이 장착된 후인 평균 6∼12개월 이후에 소실량이 조금 증가하였다가 이후에는 거의 변화없는 골소실로 측정되었다(Table 2).
이는 임플란트 표면 처리 기술의 발달로 인한 초기 흡수량의 감소에 기인하였거나 하악골의 흡수량이 매우 적게 측정된 결과로 생각한다. 전체적인 흡수 양상을 살펴보았을 때, 1년 내에 평균 1.2 mm, 그 후에는 연간 0.1 mm 내외의 안정된 골소실량을 보이는 것이 임플란트 치료의 성공 조건이라는 기존의 여러 임상적 연구 결과와 상응하는 결과를 보였다고 생각한다. 상악 및 하악 간의 골소실량 비교에서 1년 후 골소실량이 상악에서는 0.
주기적 재내원으로 촬영된 파노라마 방사선 사진상의 치조골 흡수량을 회기분석을 통해서 근사하였을 때, 여러 형태의 식들 중에서 y=0.245Logx±0.42, R2=0.53 (단위: x는 개월, y는 mm)의 지수식을 통해 R2값을 근사할 수 있었는데, 처음의 연구 목표나 오차 정도를 고려할 때 파노라마 방사선 사진보다는 치근단 방사선 사진에의 분석이 더 좋은 결과를 나타내 줄 것으로 예상되었다.
패턴인식을 통해 분석한 골흡수량의 측정값에서 식립 후 1년 평균 0.69±0.56 mm, 기존의 투사근사치(approximated projection)로 측정한 값은 0.61±0.34 mm로 측정되었는데, 이는 이전 문헌 보고에서의 Brånemark group의 연구 결과의 평균값인 1.2 mm보다 유의하게 작은 값을 보였다.
이 과정에서 치조골 내 망상골 형태(trabecular pattern)를 잘못 인식하는 현상을 줄이기 위해 연속된 4개의 화소의 평균값을 이용해 그 평균값이 경계값을 결정하였다. 화소의 평균값을 구하기 위해 연속되는 화소의 개수를 증가시키면 망상골 형태를 경계로 인식하는 오류는 줄어들었지만 경계의 위치가 최대 연속되는 화소의 개수의 절반까지의 오차를 나타내었다. 연속된 4개의 화소의 명도 평균값을 이용하여 경계를 결정하였을 경우 최대 2개 화소만큼의 오차를 보였으며, 이는 부위에 따라 다르지만 10:1 이하인 실제길이(mm) 대 화소 비율을 감안하면 0.
후속연구
패턴인식 알고리즘의 적용을 통해 향후에는 전향적인 치근단 평행 촬영술로 촬영된 구내 방사선 사진에 대한 연구가 동시에 진행된다면, 보다 확실한 근거로 치의학 영역의 방사선 사진 분석에 대한 패턴인식 알고리즘의 적용의 유효성을 검증할 수 있을 것으로 기대된다. 나아가 추가적인 기능 구현을 통해 임플란트와 골 간 결합 정도의 평가를 통해 임플란트 초기고정에 대한 방사선학적 지표를 제시하고, 임플란트와 하치조신경 간의 거리, 임플란트와 상악동저까지의 추가적인 수치들을 평가할 수 있는 진단도구로서의 확장성을 계속되는 연구에서 기대할 수 있으리라 생각된다.
그러나 중첩 구조물과 좁은 임플란트와 치조골 상부의 경계면 및 부위별 다른 확대율을 갖는 파노라마 방사선 사진의 한계점에도 불구하고 높은 인식률을 보였고, 기존의 tracing을 통한 골흡수량 측정의 경우 재측정하거나, 다른 사람이 측정하는 경우 그 값이 달라질 수 있는 반면, 패턴인식 알고리즘을 통해 측정하는 경우 재측정 시나 측정자가 달라질 경우에도 항상 일정한 측정값을 보인다는 점에서 그 유용성을 기대할 수 있다. 패턴인식 알고리즘의 적용을 통해 향후에는 전향적인 치근단 평행 촬영술로 촬영된 구내 방사선 사진에 대한 연구가 동시에 진행된다면, 보다 확실한 근거로 치의학 영역의 방사선 사진 분석에 대한 패턴인식 알고리즘의 적용의 유효성을 검증할 수 있을 것으로 기대된다. 나아가 추가적인 기능 구현을 통해 임플란트와 골 간 결합 정도의 평가를 통해 임플란트 초기고정에 대한 방사선학적 지표를 제시하고, 임플란트와 하치조신경 간의 거리, 임플란트와 상악동저까지의 추가적인 수치들을 평가할 수 있는 진단도구로서의 확장성을 계속되는 연구에서 기대할 수 있으리라 생각된다.
실제로 Molander 등[14]의 연구에 의하면 파노라마 방사선 사진은 1 mm 이상의 오차를 보이고 미세한 변화의 경우 잘 반영되지 않아 판독능이 저하될 수 있다고 하였으며, 파노라마 방사선 사진의 경우 부위별 확대율의 차이와 촬영별 투사 각도(angulation)의 차이로 인해 협설측 골이 촬영할 때마다 다르게 반영된다는 점이 연구 결과의 오차에 영향을 준 것으로 보인다[15,16]. 향후에는 치근단 평행 촬영법을 이용한 구내 방사선 사진을 이용하는 보다 전향적인 연구 방향을 설정함으로써 추가적인 기능 구현을 통해 임플란트와 골 간 결합 정도의 평가, 임플란트와 하치조 신경 및 상악동저까지의 거리 계산 등의 임플란트 시술 후 진단 및 평가 도구로서의 확장성을 위한 연구 내용을 고려할 수 있으리라 생각한다.
질의응답
핵심어
질문
논문에서 추출한 답변
방사선 사진상의 길이를 프로그램을 이용하여 측정하는 방식의 단점은?
이처럼 임플란트 식립 후 중요한 기준이 되는 임플란트 주변골이나 구조물 변화의 측정은 방사선 사진상의 길이를 프로그램을 이용하여 측정하는 방식으로 이루어지고 있는데, 측정과정에서의 오류, 측정자 간의 치조골의 경계선 및 임플란트 주변골의 기준점의 차이 등으로 인한 측정 오차가 있을 수 있고, 또한, 같은 사진에서도 재측정 시 다른 값을 측정하게 되는 오차가 발생하는 단점들이 있어 왔다.
프로그램의 알고리즘에서 각 화소는 어떠한 값을 가지나?
프로그램의 알고리즘은 방사선 사진 bmp 파일의 header를 분석하여 이미지 파일의 크기와 해상도를 인식하고, 이를 통해 해상도와 같은 크기의 배열을 할당하여 각 배열에 상응하는 위치에 있는 화소의 정보를 담았다. 각 화소는 각각 256단계의 red (R), green (G), blue (B) 값을 가지는데, 방사선 사진은 흑백이므로 R, G, B 값이 모두 동일한 값을 가진다. 연구자가 컴퓨터 마우스를 통해 선택한 임플란트의 밝기를 기준으로 주변 인접 화소를 반복적으로 검색하고, 과정 중에 인접 화소와 비교하여 명도가 일정 값 이상으로 바뀔 때까지 범위를 확장시켜가면서 검색하였다.
측정자 수준의 오류를 줄이고 진단능력의 정확성을 높이려는 노력으로는 무엇이 있나?
측정자 수준의 오류를 줄이고 진단능력의 정확성을 높이려는 노력은 의학 분야에서 시작되었는데, Hughes 등[8]은 전산학의 패턴인식(pattern recognition)을 이용하여 흉부 방사선 사진에서 패턴인식을 통한 정보의 체계화 후에 진단 기술에서의 유효성이 우수함을 검증하였고, 또한, Geraets 등[9]은 수완부 방사선 사진에 대한 패턴인식을 통해 골밀도(bone mineral density)를 측정하기도 하였다. 이에 비해 치의학 영역에서 패턴인식의 적용에 대한 연구는 아직 활발히 이루어지지는 못하였는데, 치조골 결손부를 진단하거나[10], 법치의학 영역에서 방사선 사진에 대한 패턴인식을 통해 사체 검증(human identification)을 하는 데에 국한된 연구가 보고되었고[11], 국내에서는 아직 관련된 보고가 없어 왔다.
참고문헌 (17)
Adell R, Lekholm U, Rockler B, Branemark PI. A 15-year study of osseointegrated implants in the treatment of the edentulous jaw. Int J Oral Surg 1981;10:387-416.
Cochran DL, Nummikoski PV, Schoolfield JD, Jones AA, Oates TW. A prospective multicenter 5-year radiographic evaluation of crestal bone levels over time in 596 dental implants placed in 192 patients. J Periodontol 2009;80:725-33.
Lekholm U, Adell R, Lindhe J, et al. Marginal tissue reactions at osseointegrated titanium fixtures. (II) A cross-sectional retrospective study. Int J Oral Maxillofac Surg 1986;15:53-61.
Henry P, Bower R, Woolridge J. Radiographic evaluation of marginal bone height around titanium implants. J Dent Res 1988;67:629.
Quirynen M, Naert I, van Steenberghe D, Dekeyser C, Callens A. Periodontal aspects of osseointegrated fixtures supporting a partial bridge. An up to 6-years retrospective study. J Clin Periodontol 1992;19:118-26.
van Steenberghe D, Klinge B, Linden U, Quirynen M, Herrmann I, Garpland C. Periodontal indices around natural and titanium abutments: a longitudinal multicenter study. J Periodontol 1993;64:538-41.
Hughes H, Hughes K, Hamill R. A study to evaluate the introduction of a pattern recognition technique for chest radiographs by radiographers. Radiography 1996;2:263-88.
Geraets WG, Van der Stelt PF, Netelenbos CJ, Elders PJ. A new method for automatic recognition of the radiographic trabecular pattern. J Bone Miner Res 1990;5:227-33.
van der Stelt PF, van der Linden LW, Geraets WG, Alons CL. Digitized pattern recognition in the diagnosis of periodontal bone defects. J Clin Periodontol 1985;12:822-7.
Molander B, Ahlqwist M, Grondahl HG, Hollender L. Agreement between panoramic and intra-oral radiography in the assessment of marginal bone height. Dentomaxillofac Radiol 1991;20:155-60.
Park KH, Han DH. Radiograghic study of marginal bone loss around osseointegrated implants after functional loading. J Korean Acad Prosthodont 1998;36:806-15.
Sewerin IP. Errors in radiographic assessment of marginal bone height around osseointegrated implants. Scand J Dent Res 1990;98:428-33.
Kim YK, Yun PY, Kim SG, Kim BS, Ong JL. Evaluation of sinus bone resorption and marginal bone loss after sinus bone grafting and implant placement. Oral Surg Oral Med Oral Pathol Oral Radiol Endod 2009;107:e21-8.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.