1. Introductie

De afdeling tandheelkunde van de Universiteit Gent voerde een studie uit waarbij een groot aantal beelden werd geproduceerd via micro-CT-scans. Door de enorme hoeveelheid beelden en de kans op menselijke fouten tijdens manuele verwerking, was het niet haalbaar om deze handmatig te verwerken. Invisto ontwikkelde een tool om de verwerking van deze beelden te automatiseren.

2. De studie uitgevoerd door UGent

Het doel van een wortelkanaalbehandeling is het volledig desinfecteren van de wortelkanaalruimte. Omdat de mechanische aspecten van het reinigen van wortelkanalen beperkte effectiviteit hebben, speelt irrigatie een cruciale rol in endodontische behandelingen. Traditionele irrigatiemethoden blijken ontoereikend, wat geleid heeft tot een sterke toename van onderzoek naar de effectiviteit van irrigatie.

De werkzaamheid van de Eddy™ (VDW), een nieuw sonisch irrigatie-instrument, in het reinigen van wortelkanalen en het verwijderen van opgehoopt hard weefselafval (AHTD), was tot dan toe nog niet onderzocht.

2.1 Doelstelling

Het doel van de studie was om de effectiviteit van een nieuw sonisch irrigatie-activeringsinstrument te onderzoeken bij het verwijderen van opgehoopt hard weefselafval (AHTD) uit het mesiale wortelkanaalsysteem van mandibulaire molaren, met behulp van micro-computertomografie-analyse.

‍

2.2 Methodologie

Mandibulaire molaren van menselijke proefpersonen werden geëxtraheerd en geselecteerd op basis van micro-CT-scans (12 µm). De mesiale wortels werden mechanisch geprepareerd tot een apicale diameter van ISO 30. De tanden werden vervolgens willekeurig toegewezen aan één van drie irrigatiegroepen:

• Passieve Sonische Irrigatie met Eddy™ (VDW)
• Manuele Irrigatie
• Ultrasoon geactiveerde irrigatie

‍

Na instrumentatie en eindirrigatie werden micro-CT-scans (12 µm) uitgevoerd. Het volume van het isthmusgebied dat gevuld was met hard weefselafval werd berekend vóór en na de irrigatie-activering door middel van reconstructie en beeldverwerking.

‍

3. Micro-CT

De tanden ondergingen micro-CT-scans in drie verschillende stadia: vóór preparatie, na preparatie en na irrigatie. Eén enkele scan leverde 1500 beelden op, wat resulteerde in in totaal 4500 beelden per tand die moesten worden verwerkt.

4. Beeldanalyse

‍

4.1 Co-registratie

De software die werd gebruikt om beelden van de tanden vóór en na instrumentatie uit te lijnen en te overlappen, was Bruker microCT 3D registration, waarbij gebruik werd gemaakt van de buitencontouren van de wortel als referentie.

4.2 OpenCV-analyse van het wortelkanaal

Tot nu toe richtte deze post zich vooral op de achtergrond en samenvatting van het onderzoek. In het vervolg gaan we dieper in op de automatiseringstool die werd gebouwd om de analyse uit te voeren.

Invisto werkt vaak met Qt voor softwareontwikkeling. Qt bleek een uitstekende keuze voor dit project door:

• Efficiënt geheugenbeheer. De tool moest 1500 beelden twee keer laden (vóór en na), tegelijk in het geheugen.
• Intensieve verwerking. Elke slice doorliep verschillende bewerkingen (OpenCV).
• Multithreading. De tool maakte gebruik van een multithreaded aanpak met QThreadPool om de verwerkingssnelheid te maximaliseren. QThreadPool beheert en hergebruikt QThreads om de kosten van thread-creatie te verlagen.
• QML in plaats van QWidgets om een moderne, gebruiksvriendelijke interface te creëren. De UI draait op een aparte thread en blijft daardoor vlot en responsief tijdens zware verwerkingstaken.
  

De gebruikte hardware was een Intel® Core™ i9-9900K CPU @ 3.60GHz × 16, met 8 cores en 16 threads.

Stap 1: Selecteren van de beelden

‍

De eerste stap is het kiezen van de mappen met de referentiebeelden en de post-instrumentatiebeelden.

Stap 2: Selectie van slices

Tijdens deze fase kan een subset van slices geselecteerd worden. In deze studie richtte men zich uitsluitend op de slices die het mesiale wortelkanaal definieerden.

‍

Stap 3: Region of interest

In deze stap werd de regio van interesse aangeduid door de locatie van het mesiale wortelkanaal op het beeld te selecteren.

Stap 4: Threshold

OpenCV’s thresholding-techniek wordt gebruikt om beelden te segmenteren door het object of gebied van interesse — in dit geval het wortelkanaal en het debris erin — te onderscheiden van de achtergrond. Elke pixel wordt vergeleken met een drempelwaarde en omgezet in een binaire waarde.

‍

Stap 5: Opening

Opening in OpenCV is een morfologische bewerking bestaande uit erosie gevolgd door dilatie:

• Erosie verwijdert kleine ongewenste voorgrondobjecten.
• Dilatie herstelt de grootte en vorm van de overblijvende objecten.
  

Opening wordt gebruikt om ruis te verwijderen terwijl de vorm van grotere objecten behouden blijft.

Stap 6: Resultaat

Het resultaat werd gepresenteerd in de vorm van een CSV-tabel, waarin voor elke toegepaste irrigatiemethode de hoeveelheid verwijderd debris wordt weergegeven.

‍

5. Conclusie

We waren blij dat we de onderzoekers met deze tool konden ondersteunen. Dankzij de tool konden zij zich concentreren op hun expertise, terwijl de software de enorme hoeveelheid beelden verwerkte die voortkwam uit de 30 onderzochte tanden. Door gebruik te maken van Qt en OpenCV konden we in korte tijd een hoog-performerende tool ontwikkelen.

‍

‍