Articles - Forum Implantologicum

Article

Feature Article

EN ES 日本語 PT

Feb 19, 2025 // 15 min read

Les artefacts des images d’implants dentaires en tomographie à faisceau conique : intérêt de l’intelligence artificielle

Matheus L. Oliveira

DOI: 10.3290/iti.fi.45751

tomographie à faisceau conique implants dentaires artefacts intelligence artificielle

Résumé

La tomographie à faisceau conique (CBCT) est devenue l’un des piliers de l’imagerie dentaire. Elle donne des images de haute résolution et crée des vues en trois dimensions indispensables pour la planification préopératoire et l’évaluation postopératoire des implants dentaires. Malgré ses avantages, elle souffre souvent de la présence d’artefacts, produits notamment par les implants métalliques, qui dégradent les images, compliquent le diagnostic et gênent la planification chirurgicale, rendant difficile l’évaluation précise des structures péri-implantaires et des tissus environnants. Bien qu’il existe déjà des débuts de solutions, notamment l’ajustement des paramètres d’exposition aux rayons X et des corrections au niveau matériel et logiciel, ceux-ci sont rarement suffisants pour éliminer complètement les artefacts. L’intelligence artificielle (IA) apporte une approche transformative grâce aux algorithmes d’apprentissage profond qui peuvent être utilisés pour identifier, corriger, voire prédire les artefacts. Toutefois, bien qu’elle puisse potentiellement améliorer la qualité des images, l’exactitude du diagnostic et l’efficience du travail, elle ne résout pas toutes les difficultés. Pour l’intégrer de façon sûre et efficace en imagerie dentaire, il faut veiller à ce que le modèle fonctionne bien avec différents scanners CBCT, types d’implant et anatomies de patients et à ce qu’il soit entraîné sur un ensemble de données diverses. Il est tout aussi crucial de répondre aux questions éthiques pour assurer la sécurité et conserver la confiance des patients. Les recherches futures doivent se concentrer sur des méthodes hybrides, combinant IA et techniques traditionnelles de correction des artefacts et étendant la capacité de réduire les artefacts de l’IA à des modalités d’imagerie plus diverses. Ces progrès amélioreront encore la précision et l’exhaustivité de l’implantologie dentaire.

Password

Introduction

La tomographie à faisceau conique (CBCT) est une modalité d’imagerie avancée qui joue un rôle crucial en implantologie dentaire, produisant des images à trois dimensions de haute résolution qui permettent une planification préopératoire et une évaluation postopératoire précises. Grâce à ses données détaillées, le CBCT aide à réduire les risques chirurgicaux, améliore les résultats pour les patients et favorise le succès à long terme des implants dentaires (Bornstein et al. 2017 ; Fuglsig et al. 2024 ; Jacobs et al. 2018). Cependant, l’un de ses principaux inconvénients réside dans la présence d’artefacts, en particulier ceux produits par des objets métalliques tels que les implants dentaires. Dans ce contexte, les artefacts désignent des structures visibles dans l’image finale mais qui n’existent pas dans l’objet examiné. Pour simplifier, ce sont des dégradations de l’image. Ces artefacts apparaissent généralement quand les conditions de l’examen, comme la position ou le matériau de l’objet examiné et l’installation du scanner, ne concordent pas avec les modèles mathématiques utilisés pour créer l’image 3D (Schulze et al. 2011). Les artefacts métalliques peuvent se manifester de diverses manières, masquant parfois des détails critiques de l’image et rendant un diagnostic précis difficile. Il est donc important de résoudre ce problème pour mieux évaluer à quel point les images de CBCT sont fiables en implantologie dentaire. Pour une meilleure compréhension de la terminologie employée dans le présent manuscrit et de sa signification clinique, le tableau 1 résume de façon exhaustive les termes principaux, leurs définitions et leur signification en implantologie orale.

open_in_full

Tableau 1 : Résumé des mots-clés, de leur définition et de leur signification clinique en implantologie dentaire.

Fig. 1: Reconstruction axiale de la mandibule d’un patient porteur de quatre implants dentaires à partir d’images d’un CBCT. On note les artefacts de traînées partant de chaque implant.

Fig. 2: Reconstruction frontale de la mandibule d’un patient porteur de deux implants dentaires dans la région molaires à partir d’un. CBCT. La flèche blanche indique une dégradation de l’image, plus prononcée sur la face linguale de l’implant, qui empêche de bien évaluer le contact entre l’os et l’implant et le niveau de l’os cortical lingual. Les flèches noires indiquent la limite supérieure d’un segment affecté par un artefact, illustrant l’effet du Cone Beam.

Fig. 3: Reconstruction frontale d’une mandibule de porc à partir d’images de tomographie à faisceau conique. Les flèches blanches indiquent la présence de bandes sombres en forme d’implants. La flèche noire indique une importante dégradation de l’image d’une molaire sur le trajet d’une bande sombre.

Fig. 4: Coupe transversale d’un implant dentaire en tomographie à faisceau conique à petit champ, révélant un artefact de blooming à trois niveaux d’échelle de gris : original (a), luminosité accrue (b) et contraste réduit (c). Les flèches blanches indiquent une région dans laquelle une fenestration est suspectée. Du fait de la nature mince de la lame corticale buccale, l’influence potentielle d’un artefact de volume partiel doit aussi être prise en compte. Avec l’aimable autorisation du Pr Sergio Lins de Azevedo Vaz.

Fig. 5: Reconstruction axiale de la mandibule d’un patient porteur de restaurations faites de plusieurs matériaux à partir d’images d’un CBCT. Les flèches blanches indiquent des zones comprises entre des matériaux métalliques adjacents, où des artefacts d’appauvrissement du flux de photons sont observables.

Fig. 6: Reconstruction axiale d’une mandibule de porc à partir d’images de tomographie à faisceau conique, montrant des traînées claires et des bandes sombres créées par trois implants dentaires situés dans l’exomasse : un antérieur, un postérieur et un du côté controlatéral.

Fig. 7: Coupe transversale d’une mandibule de porc en tomographie à faisceau conique à petit champ, avec (a) et sans (b) un implant métallique dans l’exomasse. Les flèches blanches indiquent l’augmentation de luminosité des tissus mous dans la région cervicale, qui masque le canal gubernaculaire.

Fig. 8: Reconstruction axiale d’une même mandibule de porc à partir d’images de tomographie à faisceau conique, sans implant dentaire (a) et avec trois implants en titane (b), titane et zircone (c) et zircone (d). On notera l’ampleur variable des artefacts.

Fig. 9: Reconstruction frontale (a) et sagittale (b) de la région postérieure du maxillaire droit d’un patient porteur d’un implant dentaire à partir d’images de tomographie à faisceau conique. Les flèches blanches indiquent la dégradation de l’image autour de l’implant, qui empêche la bonne évaluation de son contact avec l’os.

Fig. 10: Reconstruction sagittale de la mâchoire d’un patient porteur d’un implant dentaire dans la région molaires à partir d’images de tomographie à faisceau conique. La flèche blanche indique la zone où les artefacts gênent l’évaluation de la qualité de l’os péri-implantaire.

Fig. 11: Reconstruction sagittale d’images de tomographie à faisceau conique avec une épaisseur de coupes de 0,08 mm (a), 2 mm (b) et 5 mm (c). La relation entre l’apex de l’implant dentaire et la corticale inférieure du sinus maxillaire est de plus en plus visible en fonction de l’augmentation de l’épaisseur de coupes. Cet élément, associé à l’absence de réaction du sinus, est une preuve valable de normalité.

Fig. 12: Rendu volumétrique 3D en tomographie à faisceau conique d’une mandibule de porc sans (a) et avec (b) trois implants dentaires. On notera les artefacts liés aux implants, qui affectent la segmentation des tissus durs (flèches blanches) aussi bien que mous (flèche noire).

Fig. 13: Alignement de la numérisation intraorale et du rendu volumétrique 3D en tomographie à faisceau conique en vue frontale (a et c) et vue inférieure (b et d) par deux applications logicielles de segmentation différentes. Les flèches blanches indiquent les zones où l’exactitude de la segmentation diffère significativement entre les deux applications. Avec l’aimable autorisation du Dr Bahaaeldeen M. Elgarba et de la Pre Reinhilde Jacobs.

Fig. 14: Reconstructions axiales en tomographie à faisceau conique (a et c) et rendus volumétriques D3 correspondants (b et d) générés par segmentation par seuillage dans deux applications logicielles de segmentation différentes. Les flèches blanches indiquent les zones où l’exactitude de la segmentation diffère significativement entre les deux applications. Avec l’aimable autorisation du Dr Bahaaeldeen M. Elgarba et de la Pre Reinhilde Jacobs.

Fig. 15: Rendus volumétriques 3D de tomographie à faisceau conique avant (a et b) et après (c et d) l’apprentissage par intelligence artificielle de la mandibule (a et c) et des dents mandibulaires (b et d) à l’aide de Relu® Creator, plate-forme logé dans le cloud (Relu, Louvain, Belgique). Les flèches blanches indiquent les zones où l’exactitude de la segmentation est significativement différente avant et après l’entraînement de l’intelligence artificielle. Avec l’aimable autorisation du Dr Bahaaeldeen M. Elgarba et de la Pre Reinhilde Jacobs.