Automatische Erkennung von Wurzelkanaleingängen in Videosequenzen trepanierter Zähne

Transkript

1 ORIGINALARBEIT D. Brüllmann 2, C. Kiesel 1, B. Briseño Marroquin 1, B. Willershausen 1 Automatische Erkennung von Wurzelkanaleingängen in Videosequenzen trepanierter Zähne Zur Abschätzung der Anwendungsmöglichkeiten der computergestützten Erkennung von Wurzelkanaleingängen bei trepanierten Zähnen wurde eine Bilderkennungssoftware entwickelt und in einer In-vitro-Studie mit 40 Zähnen (Inzisiven, Prämolaren und Molaren) überprüft. Dabei wurde das Digital Stereo-Mikroskop Model DM143 (Motic Deutschland GmbH Wetzlar) eingesetzt, dessen Videokamera über USB 1.0 mit jedem Computer verbunden werden kann. Mit Hilfe der Windows AVICap-API (Audio Video Interleave Capture Application Programming Interface) wurde in Delphi 7 (Borland, Langen) eine Software programmiert, in welcher auch Module zur Bilderkennung implementiert sind. Das entstandene Programm ist in der Lage mit jeder angeschlossenen Videokamera zu kommunizieren und ist bei allen untersuchten Zähnen fähig, die Ostien der Wurzelkanäle automatisch zu detektieren. Bei einer Anzahl von insgesamt 2000 Bildern kam es nur in 6 Fällen zur falsch positiven Anzeige eines Wurzelkanaleinganges. Die vorliegende Studie soll die praktische Umsetzung computergestützter Verfahren zur automatischen Erkennung von Wurzelkanaleingängen aufzeigen. Schlüsselwörter: Computergestützte Zahnheilkunde, automatische Bilderkennung, Wurzelkanäle, Innovation, Endodontie 1 Einleitung Die Nutzung von Intraoralkameras sowie die Anwendung von Mikroskopen, [3] im Rahmen der Endodontie zählen in zunehmendem Maße zu Standardverfahren in der Zahnmedizin. Durch die Anwendung von Intraoralkameras können einerseits die Behandlungsintentionen des Arztes für den Patienten besser ersichtlich und folglich nachvollziehbar werden, andererseits eröffnen sich neue Möglichkeiten zur Unterstützung des Behandlers durch Computerprogramme, die den Behandlungsablauf vereinfachen können. Im Folgenden soll ein Programm beschrieben werden, das in der Zahn-, Mundund Kieferklinik der Johannes Gutenberg-Universität Mainz entwickelt wurde. Mit Hilfe der Windows AVICap (Audio Video Interleave Capture)-Schnittstelle ist dieses Programm in der Lage, jede beliebige an einen PC angeschlossene Videokamera über eine Videokarte oder die USB-Schnittstelle anzusteuern. Im dargebotenen Videobild eines bereits trepanierten Zahnes kann damit automatisch nach den koronalen Konturen der Wurzelkanaleingänge gesucht werden. In der hier vorliegenden Studie handelt es sich zunächst noch um In-vitro- Experimente, die zukünftige Anwendungsmöglichkeiten der computergestützten Zahnmedizin in Verbindung mit einer in ein Mikroskop integrierten Videokamera veranschaulichen. 1 Poliklinik für Zahnerhaltung, Klinikum der Johannes Gutenberg-Universität Mainz 2 Poliklinik für Zahnärztliche Chirurgie, Klinikum der Johannes Gutenberg- Universität Mainz Automatic recognition of root canal orifices in video sequences of trepanated teeth. Image recognition software was developed and tested in an in-vitro study to assess the possibilities of computer-aided recognition of root canal orifices in trepanated teeth. A total of 40 teeth (incisors, premolars and molars) were used. A Model DM143 digital stereo microscope (Motic Germany GmbH, Wetzlar, Germany) was used as it includes a video camera which can be connected via USB1.1 to any computer. Software was programmed, in which modules for pattern recognition were implemented by means of the Windows AVICap API (Audio Video Interleave Capture Application Programming Interface) and Delphi 7 (Borland, Langen, Germany). The program developed is capable of communicating with any video camera connected to it and can automatically detect the root canal orifices in almost all teeth. From a total of 2000 images, only 6 cases resulted in false positive detection of a root canal orifice. The objective of this study is to demonstrate practical application of computer-aided techniques for detecting root canal orifices automatically. Keywords: computer-aided dentistry, automatic image detection, root canals, innovation, endodontics 1 Introduction The use of intraoral cameras and the application of microscopes [3] in endodontics are increasingly becoming standard techniques in dental medicine. The use of intraoral cameras can, on the one hand, render the treatment strategy of the operator more apparent and consequently comprehensible, on the other hand, it opens up new options to support him with computer programs that can simplify the treatment procedure. This article describes a program developed in the Dental School of the Johannes Gutenberg University of Mainz, Germany. With the aid of the Windows AVICap (Audio Video Interleave Capture) interface, this program is capable of controlling any video camera connected to a PC via a video card or USB interface. The video image of the trepanated tooth presented can be scanned automatically for the coronal contours of the root canal orifices. At the moment, this study only involves invitro experiments, which illustrate future application options in computer-aided dental medicine using a video camera integrated into a microscope. 1 Dept. of Operative Dentistry, Dental School of the Johannes Gutenberg University Mainz, Germany 2 Dept. of Oral Surgery, Johannes Gutenberg-University Mainz, Germany 176 Deutscher Ärzte-Verlag, Köln Deutsche Zahnärztliche Zeitschrift 61 (2006) 4

2 Abbildung 1 Schematische Darstellung der Bildverarbeitungsoperationen. Figure 1 Schematic representation of the image processing procedures. 2 Material und Methoden Zur vorliegenden Studie wurden 40 verschiedene extrahierte menschliche Zähne mit völlig intakter Wurzel- und Schmelzoberfläche ausgewählt. Die Zähne wurden 3 Tage zur Desinfektion in 1% Chloraminlösung aufbewahrt und anschließend für 24 Stunden in 3% H2O2 gelagert und durch Kürettagemaßnahmen von Bindegewebsresten äußerlich gereinigt. Es wurden nur völlig intakte Zähne ausgewählt, damit das H2O2 nur äußerlich eine Bleichwirkung entfalten und nicht bis zu den Wurzelkanaleingängen vordringen konnte. Nach gründlicher Reinigung erfolgte die Fixation der Zähne mittels eines Gipsblocks im unteren Wurzeldrittel. In dieser Position wurden die Zähne nach den geltenden Regeln [15, 16, 17, 18] so trepaniert, dass das gesamte Pulpenkammerdach entfernt und aus einem bestimmten Winkel die Übersicht über den gesamten Pulpenkammerboden gewährleistet war. Zähne, bei denen sich zwei Kanäle aus einem Eingang abzweigten (so genannte 1-2-Konfiguration) wurden aus dieser Untersuchung ausgeschlossen. Des Weiteren wurde mit einer Abdruckmasse (Panasil Putty, Kettenbach, Eschenburg) ein künstlicher Gingivaverlauf bis zur Schmelz-Zementgrenze modelliert, um ein Durchscheinen des Lichtes unterhalb der Krone zu vermeiden, da diese Art des Lichteinfalls auch bei natürlichen Zähnen nicht gegeben ist. Zur Gewinnung der Videosequenzen wurde das Digital Stereo-Mikroskop DM143 (Motic Deutschland GmbH, Wetzlar) eingesetzt, das über USB 1 mit einem Intel Pentium 4 mit 2 GHz und 256Mb RAM Arbeitsspeicher kommunizierte. Mit Hilfe der Windows AVICap-API wurde die Kommunikation mit dem Videotreiber realisiert. Von besonderer Bedeutung war, dass diese Schnittstelle in der Lage ist, mit jedem Videotreiber für Windows zu kommunizieren. Zur Realisierung des Programms kam die Programmiersprache Delphi 7 (Borland, Langen) zum Einsatz, mit der eine Software produziert wurde, die auf jedem Windowsrechner ab Windows 98 eingesetzt werden kann. Zur Bilderkennung wurde aus dem Videostream alle 100 ms ein Bild in ein Bitmapobjekt [1,5] kopiert und von dort in ein Bildverarbeitungsmodul überspielt. Dieses Bildverarbeitungsmodul ermöglicht anschließend die eigentliche Bilderkennung. Zunächst wurde die Farbinformation in ein Grauwertbild umgerechnet, was durch die Zuordnung der verschiedenen Informationen der drei Farbkanäle in Helligkeitswerte erfolgte [5]. Auf dieses Grau- 2 Materials and methods 40 different extracted human teeth with fully intact root and enamel surfaces were selected for this study. The teeth were immersed in 1% chloramine solution for 3 days to disinfect them and subsequently kept for 24 hours in 3% H2O2 before curettaging their external surfaces to clean off residual connective tissue. Only fully intact teeth were selected, to ensure that the H2O2 only bleached the outer surfaces and did not penetrate as far as the root canal orifices. After thorough cleaning, the lower thirds of the tooth roots were fixed in a plaster block. In this position, the teeth were then trepanated according to the applicable rules [15, 16, 17, 18] this involved removing the entire top of the pulp chamber to provide a view of the entire floor of the pulp chamber from a certain angle. Teeth where two canals emanated from a single orifice (so-called 1-2 configuration) were excluded from this study. Furthermore, artificial gingival scalloping was added by applying impression material (Panasil Putty, Kettenbach, Eschenburg, Germany) up to the enamel/cementum junction to avoid light shining through from beneath the crown, as this incident light is not present with natural teeth. To obtain the video sequences, a DM143 digital stereo microscope (Motic Deutschland GmbH, Wetzlar, Germany) was used, which communicated via USB 1 with an Intel Pentium 4 computer with 2 GHz and 256MB RAM. The Windows AVI- Cap-API was used to communicate with the video driver. It is of particular importance that this interface is capable of communicating with any Windows video driver. Delphi 7 (Borland GmbH, Langen, Germany) was used to write a program that can run on any Windows computer higher than Windows 98. To detect the images, a single image was copied from the video stream to a bitmap [1,5] every 100 ms from where it was written into an imageprocessing module. This image-processing module subsequently provides for actual image recognition. Firstly the color information was converted to a gray-scale image by assigning the information from the three color channels into brightness values [5]. Following noise suppression, as well as brightness and contrast optimization [8, Deutsche Zahnärztliche Zeitschrift 61 (2006) 4 177

3 Abbildung 2 Software bei der Detektion von 4 Kanälen in Zahn 26. Links das Videoeingangssignal, rechts die angezeigten Kanalostien. Man beachte die auf die Kamera angepassten Eingangsparameter: Sigma für die Rauschunterdrückung, Contrast für die Kontrastanpassung und Brightness für die Helligkeitsanpassung im Programmfenster unten rechts. Figure 2 Shows the software detecting four canals in tooth 26. The video input signal is shown on the left and the canal orifices on the right. Please note that the input parameters were adjusted to the camera in use: Sigma for noise suppression, Contrast and Brightness for adjusting these parameters in the box at the bottom right of the screen. Abbildung 3 Einzelbild von Zahn 26. Der im Programm angezeigte zweite mesiobukkale Kanal wird mit einer K-Feile ISO 08 aufgesucht und dargestellt. Figure 3 Single image of tooth 26. The second mesiobuccal canal displayed by the program is detected and exposed using an ISO 08 K-File. wertbild wurde dann nach Rauschunterdrückung, Helligkeitsund Kontrastoptimierung [8, 9] ein speziell entwickelter Kantenfilter, welcher eine Kombination aus den Methoden von Canny und dem Marr-Hildreth Operator darstellt [2, 12], auf das Eingangsbild angewendet. Dieser Kantenfilter ermöglicht eine Umrechnung der Grauwerte in ein Bild zweiter Ableitung, in dem Objektkanten als Nullstellen detektiert werden können. Diese Nullstellen können als eine Art Skizze aufgefasst werden, aus dem die Objektkanten und damit die einzelnen im Bild enthaltenen Objekte und ein Teil ihrer geometrischen Eigenschaften extrahiert werden können [9] (Schema Abb. 1). In der hier verwendeten Methodik wurden insbesondere die optischen Eigenschaften der Wurzelkanaleingänge ausgenutzt: Einerseits stellen sich die Kanaleingänge als tiefste Regionen im Pulpenkammerboden immer als dunkelste Bildregionen innerhalb der Kavitätenumrandung im Videobild dar (Schlagschatten), andererseits erscheinen ihre Konturen im Kantenbild immer geschlossen sowie weitgehend rund, elliptisch oder oval. In der Literatur finden sich zahlreiche Algorithmen zur Detektion runder oder elliptischer Konturen in Kantenbildern [9, 10]. Diese sind jedoch in der Regel für die Erkennung der Kanaleingänge zu restriktiv, da sich die Kanaleingänge in der Regel nicht als strenge geometrische Formen präsentieren. Daher erscheint es sinnvoll und ausreichend, nach geschlossenen Konturen in einem bestimmten Größenbereich zu fahnden, deren Pixelgrauwerte im Zentrum der Kontur einen gewissen Schwellenwert nicht über- 9], a specially developed edge filter a combination of the Canny methods and the Marr-Hildreth Operator [2, 12] was then applied to the input image. This edge filter allows conversion of the gray-scale into a second derivative image in which object edges can be detected as zero points. These zero points can be considered a kind of sketch from which the object edges and therefore the objects contained in the image and part of their geometric properties can be extracted [9] (schematic representation Fig. 1). The methodology applied here exploits the optical properties of the root canal orifices: Firstly, being the deepest regions in the pulp chamber floor, the canal orifices are always the darkest regions of the image within the cavity boundary on the video image (shadow), and secondly, their contours always appear solid as well as largely round, elliptical or oval. Numerous algorithms for detecting round or elliptical contours in edge images are described in literature [9, 10]. These are however generally too restrictive for detecting canal orifices, as they are usually not presented as strict geometric forms. Scanning for solid contours within a certain range of sizes, whose pixel gray-scale values in the center of the contour exceed a certain threshold value, therefore seems reasonable and adequate. To present the objects found in realtime, their object edges were written back to the bitmap object and these were updated every 100 ms, which corre- 178 Deutsche Zahnärztliche Zeitschrift 61 (2006) 4

4 Abbildung 4 Zahn 15 und Detektion zweier Kanäle. Die auf die Kamera angepassten Eingangsparameter: Sigma für die Rauschunterdrückung, Contrast für die Kontrastanpassung und Brightness für die Helligkeitsanpassung sind gleich wie in Abb. 2. Figure 4 Tooth 15 and detection of its two canals. The input parameters were adapted to the camera: Sigma for noise suppression, Contrast and Brightness adjustment are the same as in Fig. 2. Abbildung 5 Darstellung der Sensitivität in Abhängigkeit der Anzahl der Wurzelkanäle pro Zahn. Figure 5 Representation showing sensitivity depending on the number of root canals per tooth. schreiten. Zur Darstellung der gefundenen Objekte in Echtzeit wurden deren Objektränder in das Bitmapobjekt zurückgeschrieben und diese alle 100 ms aktualisiert, was einer Darstellungsfrequenz von 10 Bildern/s entspricht. Um die Ergebnisse als Bild- oder Videodatei zu exportieren war es erforderlich, in das Programm noch Funktionen für Einzelbildscreenshots, die als Windows Bitmap-Datei [1] gespeichert werden, und Videoscreenshots, die im Windows AVI-Format gespeichert werden, zusätzlich zu implementieren. Für reproduzierbare und vergleichbare Ergebnisse wurden Kontrast, Helligkeit und Rauschunterdrückung auf die verwendete Kamera bei maximalem Auflicht durch die ins Mikroskop integrierte Lichtquelle und die Kaltlichtquelle KL1500 (Schott, Mainz) eingestellt. 3 Auswertung Die Fähigkeit des Programms zur korrekten Auffindung der Wurzelkanaleingänge wurde für jeden Zahn einzeln visuell und instrumentell überprüft. Die gewonnenen Daten wurden durch Screenshots abgespeichert, und es erfolgte eine instrumentelle Darstellung (siehe Abb. 2 und 3) der angesponds to a display frequency of 10 images/s. In order to export the results as an image or video file, it was necessary to implement further functions into the program for single image screenshots, which are saved as Windows bitmap files [1], and video screenshots saved in Windows AVI format. As a means of obtaining reproducible and comparable results, the contrast, brightness and noise suppression levels were adjusted on the camera used at maximum incident light with the light source integrated in the microscope and the KL1500 cold light source (Schott, Mainz; Germany) in addition. 3 Evaluation The ability of the program to correctly detect the root canal orifices was investigated visually and instrumentally for each tooth individually. The data acquired were saved with screenshots and the displayed canal orifices (see Figs. 2 and 3) exposed using a Colorinox, ISO 08, 25 mm K-File Deutsche Zahnärztliche Zeitschrift 61 (2006) 4 179

5 zeigten Kanaleingänge mit einer K-Feile Colorinox, ISO 08, 25 mm (Dentsply Maillefer, Balaigues, Schweiz). Mit dieser K-Feile wurden alle angezeigten Kanaleingänge klinisch überprüft und in richtig und falsch positiv anhand des Sondierungsbefundes unter mikroskopischer Inspektion durch einen erfahrenen Behandler unterschieden. Zur Bewertung der Fehldetektionen innerhalb eines Videostreams wurden pro ausgewerteten Zahn 50 Bilder hintereinander abgespeichert. In einer manuellen Bewertung erfolgte die Ermittlung der Bilder mit einer korrekten oder nicht klar erkennbaren Detektion. Für diese Überprüfung wurden die Zähne dabei manuell unter dem Mikroskop positioniert. Die Bilder wurden mit dem Tabellenkalkulationsprogramm Excel (Microsoft Corp. Redmond, USA) nach klinischer Überprüfung nach folgenden Regeln ausgewertet: Falsch negativ bedeutet keine Entdeckung eines vorhandenen Kanals; richtig positiv ist gleich der Entdeckung eines vorhandenes Kanals; falsch positiv ist gleich der Anzeige eines nicht vorhandenen Kanaleinganges. Dabei wurde die Sensitivität pro Zahn aus 50 Einzelbildern für 40 verschiedene Zähne ermittelt. Aus diesen Kriterien ließ sich nachfolgend die mittlere Sensitivität aus den vorhandenen 2000 Bildern berechnen. In diesen 2000 Bildern wurden auch die Anzahl der Bilder mit einem an falscher Stelle angezeigten Kanaleingang ermittelt (falsch positiv). 4 Ergebnisse Die hier beschriebene Software ist in der Lage, die Wurzelkanaleingänge unabhängig von der Vergrößerung korrekt darzustellen. Es werden auch kleine Kanaleingänge korrekt detektiert (Abb. 2 und Abb. 4). Die Größe der zur Darstellung umrandeten Strukturen schwankte dabei geringfügig um ein bis drei Pixel pro Seite in Abhängigkeit des Rauschens in den dargebotenen Videobildern. In einigen Fällen kam es dabei auch zu Fehldetektionen, bedingt durch Schattenbildungen oder kariös veränderte Zahnhartsubstanz am Kavitätenrand. Die durch Schattenwürfe am Kavitätenrand hervorgerufenen Fehldetektionen konnten jedoch durch Ermittlung der Farbwerte im Zentrum der detektierten Strukturen und Einschränkung der dafür zulässigen Sollwerte weitestgehend ausgeschlossen werden. Fehldetektionen, die durch kariöse Defekte ausgelöst waren, konnten durch vollständige Entfernung der Karies oder durch stärkere Vergrößerung ausgeblendet werden. Die Bildverarbeitungsgeschwindigkeit variierte je nach Aufkommen der detektierten Objekte und der gewählten Eingangsauflösung von 240x320 Pixel zwischen 296 ms und 344 ms, was einer Darstellung von ca. 3 Bilder/s bei einem Intel Pentium 4-Rechner mit 2 GHz entspricht. Da die Bildverarbeitung der Vorgabe des Timers von 10 Bilder/s nicht folgen kann, ergab sich bei gewissen Einstellungen ein Einfrieren des Eingangssignals für ca. jedes dritte Bild. Bei Verwendung von einem Intel Pentium 4-Rechner mit 2,66 GHz Taktung ließ sich die Geschwindigkeit auf 250 ms beschleunigen. Die meisten Fehldetektionen fanden sich bei den Zähnen mit mehreren Wurzelkanälen. Die mittlere Sensitivität für alle 40 Zähne lag bei 82,0% (Minimum 32,0%, Maximum 100%). Der Median der Sensitivität beträgt 91,3% bei Zähnen mit einem Wurzelkanaleingang (n=18, Frontzähne und Prämolaren), 90,0% bei Zähnen mit zwei Wurzelkanaleingängen (n=5, vor allem Prämolaren), 71,5% bei Zähnen mit drei Kanaleingängen (Molaren) und 64,0% bei Zähnen mit vier Wurzelkanaleingängen (n=4 bei den ersten Molaren des Oberkiefers). Dabei wurden bei einer Anzahl von 2000 Bildern nur in 6 Bildern Kanaleingänge falsch positiv angezeigt, diese Fehldetektionen traten dabei nur bei 4 Zähnen von insgesamt 40 auf. (Dentsply Maillefer, Balaigues, Switzerland). The same file was used to check all displayed canal orifices and the results of the probing examined microscopically by an experienced operator to evaluate them as being correct or false positive. As a means of evaluating false detection within a video stream, 50 consecutive images were saved per tooth evaluated. Manual evaluation was carried out to determine on which images the canals had been detected correctly and on which they were not clearly identifiable. The teeth were positioned manually under the microscope for this examination. After clinical examination, the images were evaluated with the Excel (Microsoft Corp. Redmond, USA) spreadsheet program according to the following rules: False negative no existing canal detected; correct positive an existing canal detected; false positive a non-existent canal orifice displayed. The sensitivity per tooth was determined from 50 individual images of each tooth for 40 different teeth. These criteria were then employed to calculate the mean sensitivity of the 2000 images available. These 2000 images were also used to determine the number of images displaying a non-existent canal orifice (false positive). 4 Results The software described is capable of displaying the root canal orifices correctly regardless of magnification. Small canal orifices are also correctly detected (Fig. 2 and Fig. 4). The size of the structures circumscribed for displaying only fluctuates minimally by one to three pixels per page dependent on the noise of the video images. In a few cases this also caused false detections due to shadows cast on the cavity margins or carious tooth structure around it. However, it was possible to largely exclude false detection arising from shadowing on the cavity margins by determining the shade values in the center of the structures detected and restricting the permissible target values for this condition. False detections caused by carious defects could be masked out by excavating the caries fully or increasing the magnification. The image processing speed varied depending on the incidence of the detected objects and the input resolution of 240x320 pixels selected between 296 ms and of 344 ms per image, which corresponds to 3 images/s for an Intel Pentium 4 computer with 2 GHz. As the image processing cannot follow the timer specification of 10 images/s, freezing of the input signal occurred at certain settings for roughly every third image. Using an Intel Pentium 4 computer with 2.66 GHz clock rate, the speed could be accelerated to a maximum of 250 ms per image. Most false detections involved teeth with multiple root canals. The average sensitivity for all 40 teeth was 82.0% (minimum 32.0%, maximum 100%). The median sensitivity was 91.3% for teeth with one root canal orifice (n=18, anteriors and premolars), 90.0% for teeth with two root canal orifices (n=5, mostly premolars), 71.5% for teeth with three canal orifices (molars) and 64.0% for teeth with four root canal orifices (n=4 for the first upper molars). False positive canal orifices were indicated in just 6 images of a total of 2000; these false detections occurred in only 4 teeth from a total of Deutsche Zahnärztliche Zeitschrift 61 (2006) 4

6 5 Diskussion und Ausblick Die computergestützte Bilderkennung, die sich bereits in den Bereichen Prothetik in verschiedenen CAD/CAM-gestützten Verfahren zum Ersatz von Kronen und Kauflächen [7, 13, 14] sowie in der Radiologie bei komplexen 3D-Rekonstruktionen oder zur Objekterkennung in Röntgenbildern [10, 11, 19, 20] durchgesetzt hat, ist nun auch im Bereich der Endodontie mit einer Software zur Auffindung der Kanaleingänge einsetzbar. Die vorliegende Studie zur automatischen Erkennung von Wurzelkanaleingängen an menschlichen Zähnen zeigt viel versprechende Möglichkeiten und Perspektiven. Die im ungünstigsten Falle vorhandene Sensitivität von 32,0% bei einem zweiten Oberkiefermolaren (Zahn 27) reicht immer noch aus, um dem Behandler die Region der zu erwartenden Wurzelkanaleingänge in einem Drittel aller Bilder der Videoaufnahmen klar anzuzeigen. Die geringe Erfolgsrate insbesondere bei den zweiten Molaren des Oberkiefers ist vor allem auf deren Anatomie zurückzuführen. Es ist bei der Bewertung der hier vorgestellten Ergebnisse zu beachten, dass jeder Kanal im Beobachtungszeitraum von 50 Bildern im schlechtesten Fall mindestens 16-mal auf dem Bildschirm angezeigt wurde. Für endodontisch weniger erfahrene Anwender wird dieser Hinweis bei der Kanalsuche eine Hilfe sein um die klinische Suche auf die richtige Region zu lenken. Die in 0,2% der Videobilder vorhandene Anzeige nichtvorhandener Kanaleingänge ist niedrig genug um versehentliche Perforationen durch Fehlanzeige des Programmes zu vermeiden. Die vorliegenden Ergebnisse belegen, dass in naher Zukunft adäquate Hilfsmittel zur Auffindung zusätzlicher Wurzelkanäle zur Verfügung stehen werden, was die Erfolgsrate von 64% bei ersten Oberkiefermolaren mit vier Wurzelkanaleingängen gezeigt hat. Bei diesen Zähnen wird der vierte Kanal immerhin in 32 Bildern in einem Zeitraum von 50 Bildern richtig angezeigt. Es müssen jedoch weiter Untersuchungen an dieser Art von Zähnen durchgeführt werden. Vor allem problematisch erscheint die Kanalauffindung bei Zähnen mit obliterierten Kanaleingängen. Um diese mit einer Software aufzufinden muss verstärkt Vorwissen [8] und die zu erwartenden Dentin- Farbwerte in die Software mit implementiert werden. Deshalb ist diese Software momentan einem Spezialisten für Endodontie bei der Kanalsuche noch unterlegen. Im Gegensatz dazu sollten durch Karies verursachte Fehldetektionen nicht der Software angelastet werden, da prinzipiell eine vollständige Kariesentfernung vor Beginn der Wurzelkanalbehandlung durchgeführt werden muss [6]. Die Problematik wechselnder Detektionsqualität bei wechselnden Beleuchtungsverhältnissen wird in der praktischen Anwendung nicht wesentlich von Bedeutung sein, da in den jeweiligen benutzten OP-Mikroskopen in der Regel konstante Lichtquellen fest installiert sind. Außerdem kann der Einfluss von Beleuchtung durch Unsharp Masking bzw. Flat Fielding korrigiert werden. In der vorliegenden Software kann des Weiteren das Eingangssignal durch verschiedene Eingangsparameter wie Kontrast und Helligkeit im Videobild auf verschiedene Systeme angepasst werden. Diese Anpassung ist auch dann sinnvoll, wenn bei der Wurzelkanalspülung Mittel mit bleichender Wirkung verwendet werden, die zu einer Veränderung der Farbwerte führen könnten. Es muss aber angemerkt werden, dass im derzeitigen Stadium der Software der Schlagschatten in der Tiefe der Wurzelkanaleingänge detektiert wird, auf den die Dentinfarbe nur einen geringen Einfluss ausübt. Allerdings könnte bei zu dunklem Dentin der Kontrast zwischen Dentin und Schatten für die Detektion zu gering sein. Die geringe Erkennungsrate bei Zähnen mit mehreren Wurzelkanaleingängen schwankt zu Zeit noch in Abhängigkeit der relativen Lage des Zahnes zur Kamera. Da die Zähne zur Auswertung fest fixiert 5. Discussion and outlook Computer-aided image recognition, which has already become established in prosthodontics with various CAD/CAM techniques for restoring crowns and occlusal surfaces [7, 13, 14] and in radiology for complex 3D reconstructions or for object recognition in x-ray images [10, 11, 19, 20], is now feasible in endodontics using software to detect canal orifices. This study on the automatic recognition of root canal orifices in human teeth shows very promising options and perspectives. The sensitivity of 32.0% for a second upper molar (tooth 27) in the most unfavorable case is still sufficient to clearly indicate to the operator the region of the anticipated root canal orifices in a third of all images from the video recordings. The low success rate for second upper molars is primarily attributable to their anatomy. When evaluating the results presented here, it must be considered that every canal in the observational period of 50 images was displayed on the screen at least 16 times. For users with less experience in endodontics, this information serves as an aid to steer the clinical search to the correct region. The indication of non-existent canal orifices in 0.2% of the video images is low enough to avoid accidental perforations through false indication caused by the program. These results indicate that adequate aids will be available for detecting additional root canals in the near future, as shown by the success rate of 64% for first upper molars with four root canal orifices. The fourth canals of these teeth were correctly displayed in 32 images over a period of 50 images. Nevertheless, further investigations are needed on this type of tooth. Detection appears particularly problematic in teeth with obliterated canal orifices. To detect these using software, prior knowledge [8] and the anticipated dentin shade must be implemented in the software. For this reason, this software is currently inferior in canal detection to an experienced endodontist. In contrast, false detection by the program due to caries cannot be blamed on the software, because it is essential to excavate caries completely before beginning the root canal treatment [6]. The problem of fluctuating detection quality with variable illumination is not of significance in practical use, as constant light sources are usually permanently installed in the OP microscopes used. However illumination effects may be corrected in new detection algorithms such as blurred masking or flat fielding. In the software presented here, the input signal in the video image can also be adapted to different systems with various input parameters, such as contrast and brightness. These adjustments are also useful if a rinsing agent with bleaching effect is used, which could lead to a change in the shade. It must, however, be noted that in the current software version the shadows deep down in the root canal orifices are detected (shadows), on which the dentin shade only exerts a slight influence. However, in the case of dark dentin, the contrast between dentin and the shadow cast could be too low for detection. The low detection rate for teeth with several root canal orifices still varies dependent on the relative position of the tooth to the camera. As the teeth were securely fixed for the evaluation, for certain orientations of the cavity such unfavorable shadowing in the canyon system of the pulp chamber floor occurs that the region of the canal orifice was difficult to view or overshadowed. The presentation of the detection in realtime with 10 images/s is still just under the eye s fusion frequency of 14 images/s, so that the images cannot yet be created without stepping. This problem will become less and less predominant with optimization of the currently experimental algorithm and increasing computer performance. Deutsche Zahnärztliche Zeitschrift 61 (2006) 4 181

7 waren, kam es bei bestimmten Orientierungen der Kavität zu so ungünstigen Schattenbildungen im Canyonsystem des Pulpenkammerbodens, dass der Bereich des Kanaleinganges schwierig einzusehen oder überschattet war. Die angestrebte Darstellung der Detektion in Echtzeit mit 10 Bildern/s liegt noch gering unter der Verschmelzungsfrequenz des Auges von 14 Bilder/s, so dass die Bilder noch nicht stufenfrei entstehen können. Diese Problematik wird jedoch durch Optimierung der bisher experimentellen Algorithmen und durch zunehmende Computerleistung mehr und mehr in den Hintergrund treten. Die vorliegende Studie belegt, dass die Anwendung der computergestützten Bilderkennung auch im Bereich der Endodontie in Echtzeit möglich ist. Die Anwendung entsprechender PC-Programme ermöglicht in naher Zukunft eine qualitative Verbesserung und Zeitersparnis des Behandlungsablaufes. Außerdem könnten umfangreiche Studien im Rahmen der Grundlagenforschungen zur Ermittlung der durchschnittlichen Entfernungen der Kanaleingänge zueinander bei gleichen Zähnen unterschiedlicher Individuen durchgeführt werden. This study demonstrates that computer-aided image recognition can also be employed in realtime for endodontics. The use of appropriate PC programs is set to enable qualitative improvement and save time during the treatment procedure in the near future. In addition, extensive basic research studies into determining the average distances between the canal orifices for the same teeth of different individuals have been carried out with this new software. Literatur 1. Benner D: Graphics file programming with Delphi 3. First Edition. Wordware Publishing Inc, Plano Texas Canny J: A Computational Approach to Edge Detection. Transactions on Pattern Analysis and Machine Intelligence 8, (1986) 3. Carr G: Microscope in endodontics. J Californian Dent Assoc 20, 55 (1992) 4. Castleman K: Digital Image Processing. First Edition. Prentice-Hall Int Inc, New Jersey Doberenz W, Kowalski T: Borland Delphi 6: Grundlagen und Profiwissen, Carl Hanser Verlag, München Wien Europäische Gesellschaft für Endodontie: Qualitätsrichtlinien endodontischer Behandlung. Endod 13, (2004) 7. Esser C, Kerschbaum T, Winkelmann V, Mehl A, Gloger W: Computerunterstützte Untersuchung von Zahnpräparationen. Dtsch Zahnärztl Z 59, (2004) 8. Hülsmann M: Das Auffinden zusätzlicher Wurzelkanäle. Schweiz Monatsschr Zahnmed 102, (1992) 9. Jähne B: Digitale Bildverarbeitung. 5. Auflage. Springer, Berlin, Heidelberg Lehmann T, Oberschelp W, Pelikan E, Repges R: Bildverarbeitung für die Medizin. Springer, Berlin, Heidelberg Lehmann T, Schmitt W, Hillen W: IDEFIX: Identification of Dental Fixtures in Intraoral X-Rays. Proc Int Soc Optical Engineering (1996) 12. Marr D, Hildreth E: Theory of Edge detection. Proc Royal Soc London B 207, (1980) 13. Mörmann W: Innovationen bei ästhetischen Restaurationen im Seitenzahngebiet (Keramik): Computergestützte Systeme. Dtsch Zahnärztl Z 43, (1988) 14. Mörmann W, Brandestini M, Lutz F, Barbakow F: Chairside computer-aided direct ceramic inlays. Quintessence Int 20, (1988) 15. Peters LB: Präparation der endodontischen Zugangskavität und Darstellung der Kanäle I. Schneidezähne und Eckzähne. Endod 1, 57 (1992) 16. Peters LB: Präparation der endodontischen Zugangskavität und Darstellung der Kanäle II. Prämolaren. Endod 1, 141 (1992) 17. Peters LB: Präparation der endodontischen Zugangskavität und Darstellung der Kanäle III. Obere Molaren. Endod 1, 225 (1992) 18. Peters LB: Präparation der endodontischen Zugangskavität und Darstellung der Kanäle IV. Untere Molaren. Endod 1, 291 (1992) 19. Schulze R, Bruellmann DD, Roeder F, d'hoedt B: Determination of projection geometry from quantitative assessment of the distortion of spherical references in single-view projection radiography. Med Phys 31, (2004) 20. Schulze R, Weinheimer O, Bruellmann DD, Roeder F, d'hoedt B, Schoemer E: Software for automated application of a reference-based method for a posterior determination of the effective radiographic imaging geometry. Dentomaxillofac Radiol 34, (2005) Korrespondenzadresse: Dr. Dan Brüllmann Poliklinik für zahnärztliche Chirurgie Klinikum der Johannes Gutenberg-Universität Mainz Augustusplatz 2 D Mainz Tel: ++ 49/6131/ Fax: ++ 49/6131/ bruellmd@uni-mainz.de 182 Deutsche Zahnärztliche Zeitschrift 61 (2006) 4