Image-based automated measurement of orthodontic tooth displacement using bracket detection.

چکیده اصلی

Accurate measurement of tooth displacement is essential for orthodontic treatment planning and outcome evaluation. In routine practice, however, commonly used methods such as manual caliper measurement are constrained by limited resolution, marked operator dependence, and low efficiency when repeated measurements are required. This study proposes a fully automated image-based measurement framework in which orthodontic brackets are detected as anatomical reference markers using a YOLOv11-based detection model. The detected brackets are then automatically sorted, classified into maxillary and mandibular groups, and used for scale-normalized distance calculation, enabling high-precision displacement measurement. The method can support real-time longitudinal monitoring during orthodontic treatment and retrospective quantitative analysis of archived clinical images. Evaluation on an intraoral clinical dataset from six orthodontic patients showed that the model achieved an average mAP@0.5 of 95.4% and a precision of 97.9% in patient-level cross-validation, with an average processing time of 40 ms per image. The system measurement resolution reached 0.01 mm. In 140 clinical gauge-block validation measurements, the mean absolute error was 0.028 mm, and all errors were within 0.05 mm. These results indicate that the proposed system provides a rapid, accurate, and repeatable solution for clinical assessment of orthodontic tooth displacement.

ترجمه فارسی چکیده

دقت در اندازه‌گیری جابجایی دندان برای برنامه‌ریزی درمان و ارزیابی نتیجه ارتودنسی ضروری است. در عمل، روش‌های رایج مانند اندازه‌گیری با کالیپر، محدودیت‌هایی مانند رزولوشن محدود، وابستگی شدید به عملگر و کارایی پایین در اندازه‌گیری‌های تکراری دارند. این مطالعه یک چارچوب اندازه‌گیری کاملاً خودکار مبتنی بر تصویر پیشنهاد می‌کند که در آن براکت‌ها به عنوان نشانه‌های مرجع آناتومیک با استفاده از مدل تشخیص YOLOv11 تشخیص داده می‌شوند. براکت‌های تشخیص داده شده به صورت خودکار دسته‌بندی شده و به گروه‌های فک بالا و پایین تقسیم می‌شوند و برای محاسبه فاصله با مقیاس نرمال‌شده استفاده می‌شوند. این روش می‌تواند پایش طولی در حین درمان و تحلیل کمی تصاویر آرشیو شده را پشتیبانی کند. ارزیابی روی یک مجموعه داده بالینی داخل دهانی شامل شش بیمار نشان داد که مدل میانگین mAP@0.5 95.4 درصد و دقت 97.9 درصد را در اعتبارسنجی بین بیمارانی به دست آورد، با زمان پردازش میانگین 40 میلی‌ثانیه برای هر تصویر. رزولوشن اندازه‌گیری سیستم به 0.01 میلی‌متر رسید. در 140 اندازه‌گیری اعتبارسنجی بلوک گاوی، میانگین خطای مطلق 0.028 میلی‌متر بود و تمام خطاها در محدوده 0.05 میلی‌متر قرار داشتند. این نتایج نشان می‌دهد که سیستم پیشنهادی راهکاری سریع، دقیق و قابل تکرار برای ارزیابی بالینی جابجایی دندان ارتودنسی ارائه می‌دهد.

متن کامل اصلی