Embed Size (px)
Citation preview
UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ODONTOLOGIA DE PIRACICABA
PRISCILA DE AZEREDO LOPES
AVALIAÇÃO DE MATERIAIS SIMULADORES DE TECIDOS MOLES
EM TOMOGRAFIA COMPUTADORIZADA DE FEIXE CÔNICO
EVALUATION OF SOFT TISSUES SIMULANT MATERIALS IN CONE BEAM COMPUTED TOMOGRAPHY
Piracicaba - SP 2018
PRISCILA DE AZEREDO LOPES
AVALIAÇÃO DE MATERIAIS SIMULADORES DE TECIDOS MOLES
EM TOMOGRAFIA COMPUTADORIZADA DE FEIXE CÔNICO
EVALUATION OF SOFT TISSUES SIMULANT MATERIALS IN CONE BEAM COMPUTED TOMOGRAPHY
Dissertação apresentada à Faculdade de Odontologia de Piracicaba da Universidade Estadual de Campinas como parte dos requisitos exigidos para a obtenção do título de Mestra em Radiologia Odontológica, na área de Radiologia Odontológica.
Orientador: Prof. Dr. Francisco Carlos Groppo ESTE EXEMPLAR CORRESPONDE À VERSÃO FINAL DA DISSERTAÇÃO DEFENDIDA PELA ALUNA PRISCILA DE AZEREDO LOPES E ORIENTADA PELO PROF. DR. FRANCISCO CARLOS GROPPO.
Piracicaba - SP 2018
UNIVERSIDADE ESTADUAL DE CAMPINAS
Faculdade de Odontologia de Piracicaba
A Comissão Julgadora dos trabalhos de Defesa de Dissertação de Mestrado, em sessão
pública realizada em 23 de fevereiro de 2018, considerou a candidata PRISCILA DE
AZEREDO LOPES aprovada.
Prof. Dr. Francisco Carlos Groppo
Profa. Dra. Helena Rosa Campos Rabang
Profa. Dra. Anne Caroline Costa Oenning
A Ata de defesa com as respectivas assinaturas dos membros encontra-se no processo de vida acadêmica do aluno.
DEDICATÓRIA
Dedico esta dissertação à Deus, Nossa Senhora, meus pais e à Marinha do Brasil.
AGRADECIMENTOS
À Deus e Nossa Senhora por estarem sempre presentes em todos os momentos da
minha vida e me guiarem por um caminho de luz e bondade. Agradeço as Vossas
promessas cumpridas em minha vida e mais uma vez a coloco em Vossas mãos.
À Universidade Estadual de Campinas - UNICAMP, na pessoa do Prof. Dr. Marcelo
Knobel (Reitor).
À Faculdade de Odontologia de Piracicaba - FOP, na pessoa do Prof. Dr. Guilherme
Elias Pessanha Henriques (Diretor).
À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES, pela
concessão da bolsa DS (Demanda Social).
À Marinha do Brasil, minha carreira escolhida, por me proporcionar tamanha
oportunidade, reconhecer e acreditar no meu potencial. Gratidão imensurável por tudo
que proporciona em minha vida.
À Odontoclínica Central da Marinha, nas pessoas do CMG (CD) Antônio Jatobá
Lins Filho e CMG (CD) Alexandre Guimarães Gonçalves, Diretores na gestão anterior
e atual respectivamente, por me incentivarem em todos os momentos e impulsionarem
o meu crescimento profissional e pessoal. Ao e CMG (CD) Marco Aurélio de Carvalho
Andrade, um grande apoiador e um dos responsáveis por eu estar aqui hoje. Exemplo
de militar e ser humano!
Aos meus pais Carlos Eduardo (in memorian) e Sonia, responsáveis pela minha
amorosa e cuidadosa criação. À minha mãe, por todo exemplo de fé, determinação e
abdicação de sua vida para que eu pudesse estar aqui hoje. Todo amor e gratidão
que houver nesta vida será pouco diante do merecido. Obrigada por ter me permitido
viver esses dois anos em paz, pois cuidou de tudo sozinha no Rio de Janeiro. Mais
uma vez, esta conquista é nossa.
Aos meus irmãos Eduardo, Patricia e Viviane por serem incondicionalmente
presentes na minha vida e co-responsáveis por toda a minha criação e minhas
conquistas.
Aos meus amados sobrinhos Bernardo, Flavia e Pedro Henrique, fontes do amor
de Deus em nossas vidas. Obrigada por terem me ensinado a sentir um amor
incomparável.
À minha família, pelo amor, união e torcida sincera. Em especial, aos meus padrinhos
Ângela e Maury Bernardes e tia Ana Maria Tepedino por toda ajuda, por serem
grandes exemplos e fontes de inspiração.
Ao meu orientador Prof. Dr. Francisco Carlos Groppo,
“Se vi mais longe, foi por estar em ombros de um gigante” Isaac Newton
Muito obrigada por ter me guiado nessa trajetória, demonstrando sempre paciência,
humildade, profissionalismo e amizade. Minha sincera gratidão por confiar no meu
potencial, se mostrar sempre acessível e ser o grande responsável pelo meu
amadurecimento intelectual. Tenha certeza que levo o seu papel de orientação como
um modelo que desejo seguir.
Aos Professores da Radiologia
Drs. Frab Norberto Bóscolo, Solange Maria de Almeida, Francisco Haiter Neto,
Deborah Queiroz de Freitas França e Matheus Lima de Oliveira, exemplos de amor
à Radiologia e competência. Obrigada por se dedicarem incansavelmente em nos
lapidar e nos estimularem constantemente na busca pela excelência. Um enorme
privilégio e orgulho em ter sido aluna desta Faculdade.
Aos Profs. Drs. Matheus Lima de Oliveira, Thiago Oliveira Sousa e Yuri Nejaim
meu muito obrigada por contribuírem para o engrandecimento deste trabalho, pelo
excelente convívio ao longo desses dois anos e por tanto aprendizado e troca de
experiências.
Às Profas. Dras. Helena Rosa Campos Rabang e Anne Caroline Costa Oenning
pela disponibilidade em enriquecer este trabalho com suas experiências e
conhecimentos em pesquisa e em Radiologia Odontológica, contribuindo para a
conclusão dessa etapa e para o meu crescimento pessoal e profissional.
Aos Profs. Drs. Gabriella Rezende e Claudio Ferreira Nóia por prontamente
aceitarem o convite para participarem como suplentes da banca examinadora desta
defesa e pela amizade acolhedora.
Aos funcionários da Radiologia e da FOP Luciane Sattolo, Waldeck Moreira,
Fernando Andrade, Sarah, Luciano Castro (almoxarifado), Paulinho (técnico da
Prótese), Cristiano Manoel (técnico do laboratório de anatomia) e Fabio Vinicius
(técnico do laboratório de Fisiologia), por tamanha dedicação, disponibilidade e
paciência.
Aos meus parceiros e amigos Carlos Augusto Lima e Gustavo Santaella pela
incansável ajuda e apoio nesta pesquisa em todas as etapas. Faltam-me palavras
para expressar toda a minha gratidão. O mundo necessita de mais pessoas como
vocês. Multipliquem tamanha generosidade.
Aos meus amigos de turma Bernardo Freire, Hugo Gaêta, Larissa Moreira e
Victor Aquino, que alegria e sorte por termos tido a oportunidade de atravessar este
caminho juntos e unidos. Estarão para sempre no meu coração e nas minhas
melhores lembranças. Para o alto e avante, futuros Doutores!
Aos Meus Amigos e família Piracicabanos, Amanda Candemil, Carolina Valladares,
Danieli Brasil, Eduarda Helena, Gina Roque Torres, Karla Rovaris, Karla Vasconcelos,
Larissa Lagos e Neiandro Galvão pelo apoio na caminhada desse sonho em comum
e nos difíceis momentos de saudade e preocupação. Vocês são responsáveis pelo
que cativaram em mim e por isTo desejo que nossa amizade vença as distâncias!
Obrigada por toda ajuda, incentivo, exemplo e amor diariamente.
Aos amigos e colegas da Radiologia,
Monikelly Nascimento, Débora Moreira, Mariane Michels, Polyane Queiroz, Liana
Ferreira, Leonardo Peroni, Amanda Farias, Tiago Nascimento, Luciana Jácome,
Mayra Yamasaki, Eliana Dantas, Mariana Nadaes, Nicolly Oliveira, Rocharles
Fontenele, Luciano Cano, Daniele Caldas, Wilson Gustavo e Gustavo Nascimento,
pelo convívio diário, conversas amigas e ajuda sempre disponível, que tornam a
radiologia um lugar muito agradável de se conviver.
Às amigas cariocas, Ana Flavia Corujo, Erika Wolthers, Fernanda Pitta, Gabriela
Abrate, Juliana Tiziani, Lilian Borges, Luísa Veiga e Roberta Campany, obrigada
pelo ombro amigo e por se fazerem presentes mesmo à distância durante toda a
minha trajetória. Vocês são a minha família escolhida!
“Não há no mundo exagero mais belo que a GRATIDÃO” Jean de La Bryuère
RESUMO
Os valores de tons de cinza em imagens de tomografia computadorizada de feixe
cônico (TCFC) são determinados pela atenuação dos fótons de raios X durante as
interações com a matéria. O presente estudo teve como objetivo avaliar a capacidade
de diferentes materiais mimetizarem os tecidos moles e a influência dos materiais
simuladores nos valores de tons de cinza das estruturas maxilo-mandibulares,
comparando-as a um padrão-ouro em imagens de TCFC. Para isso, foram utilizadas
três cabeças de leitões frescas com os tecidos moles circundantes e estruturas
anatômicas maxilo-mandibulares preservadas. Inicialmente foram submetidas à
aquisição de imagens de TCFC para determinação do padrão-ouro. Posteriormente,
as cabeças foram moldadas, descarnadas e imagens de TCFC foram realizadas com
os diferentes materiais simuladores de tecido mole na mesma espessura do tecido
mole original, seguindo o mesmo protocolo da aquisição inicial. Os materiais
simuladores testados foram o gelo, cera 7 rosa e gelatina balística. Um único avaliador
selecionou 24 regiões de interesse (ROI) de tamanho quadrangular fixo de 2x2 mm
nas reconstruções axiais das imagens do padrão-ouro. As regiões selecionadas
incluíram os dentes, ossos alveolares e tecidos moles. Em seguida foram realizadas
as mensurações dos valores dos tons de cinza. As médias dos valores dos tons de
cinza e o desvio padrão dos materiais simuladores foram comparados com o padrão-
ouro pelo teste ANOVA de medidas repetidas e teste de Dunnett, considerando cada
estrutura/região (dente, osso e tecido mole) separadamente, assim como a influência
da posição (mandíbula ou maxila). Foram realizados ainda, os testes de correlação
das médias de tons de cinza entre o padrão-ouro e os diferentes simuladores por meio
do teste de Pearson e também o teste de regressão linear para estabelecer o grau de
dependência entre os valores. Os resultados mostraram que os materiais simuladores
não apresentaram diferenças estatisticamente significantes na região dentária quando
comparados com o padrão-ouro (p>0,05). Entretanto, para o osso, a média de tons de
cinza do padrão-ouro foi maior do que a do gelo (p=0.0156), mas não diferiu da cera
e da gelatina balística (p>0,05). Para a região de tecido mole, não houve diferenças
estatisticamente significantes entre as médias de tons de cinza do padrão-ouro e da
gelatina balística (p>0,05). Quando avaliada a influência da posição (mandíbula ou
maxila) entre os simuladores, as diferenças ficaram evidentes para o tecido mole. Para
mandíbula houve diferenças estatisticamente significantes entre as médias de tons de
cinza do padrão-ouro e da cera (p<0,05), enquanto para maxila não houve diferenças
estatisticamente significantes somente entre as médias de tons de cinza do padrão-
ouro e da gelatina balística (p>0,05). O desvio padrão (DP) mostrou que somente na
região óssea houve diferenças estatisticamente significantes para os valores entre o
padrão-ouro e os simuladores (p<0.001). A gelatina balística demonstrou os menores
valores (menor variabilidade). A partir dos resultados, pode-se concluir que a gelatina
balística pode ser considerada o melhor material simulador de tecido mole.
Palavras-chave: Tomografia computadorizada de feixe cônico. Densitometria.
Absorção da radiação. Simuladores de tecidos moles.
ABSTRACT Grayscale values are directly affected by the attenuation of X-ray photons after
interactions with matter. The aim of the present study was to evaluate the feasibility of
different materials in simulating soft tissues and to analyze the influence of soft tissues
in the gray values of maxillo-mandibular anatomical structures and to compare them
to a gold standard in cone beam computed tomography (CBCT). For this purpose,
three heads of fresh piglets with surrounding soft tissues and preserved maxillo-
mandibular anatomical structures were used. Initially, CBCT images were acquired to
constitute the gold standard group. Subsequently, the heads were molded, macerated
and new CBCT images were acquired using different soft tissue simulator materials,
following the same protocol of the initial acquisition. The materials tested were frozen
water, base plate wax and ballistic gelatin. A single evaluator selected 24 ROIs of 2x2
mm square size in the axial reconstructions of the gold standard images. Selected
regions included teeth, alveolar bones and soft tissues. Then, the gray values and
standard deviation of the simulator materials were measured and compared to the gold
standard by the repeated measures ANOVA and Dunnett's test, considering each
structure / region (tooth, bone and soft tissue) separately, as well as the influence of
the arch (mandible or maxilla). Correlation tests of the gray values’ means between
the gold standard and the different simulators were also carried out using Pearson’s
test and the linear regression to establish the degree of dependence between the gold
standard values and simulators. There was no difference the simulator materials did
not present statistically significant differences in the dental region when compared to
the gold standard. However, for the bone, the mean values of the gold standard were
higher than the values for ice, but did not differ from wax and ballistic gelatin. The soft
tissue region showed no statistically significant differences between the gold standard
grayscale averages and the ballistic gelatin. When the influence of the position in the
arch (mandible or maxilla) was evaluated, the differences were evident for the soft
tissue. For mandible there were statistically significant differences between averages
of gold and wax gray values (p <0.05), while for maxilla there were no statistically
significant differences between the mean values of the gold standard and ballistic
gelatin (p> 0.05). The standard deviation (SD) showed that only in the bone region
there were statistically significant differences for the values between the gold standard
and the simulators (p <0.001). Ballistic gelatin showed the lowest values (lower
variability).It can be concluded that ballistic gelatin was considered the best soft tissue
simulator tested.
Keywords: Cone-beam computed tomography. Densitometry. Photon absorptiometry.
Soft tissues simulation.
SUMÁRIO
1 INTRODUÇÃO ...................................................................................................... 14
2 ARTIGO: EVALUATION OF SOFT TISSUES SIMULANT MATERIALS IN CONE
BEAM COMPUTED TOMOGRAPHY. ...................................................................... 16
3 CONCLUSÃO ........................................................................................................ 32 REFERÊNCIAS ........................................................................................................ 33 APÊNDICE 1 – Metodologia detalhada ................................................................ 34 ANEXO 1 – Comitê de Ética em Pesquisa ............................................................. 35
14
1 INTRODUÇÃO
A crescente contribuição da Tomografia Computadorizada de Feixe Cônico
(TCFC) no diagnóstico e planejamento em Odontologia se deve aos avanços
tecnológicos dos aparelhos e softwares, além do crescente número de estudos
científicos em torno desta modalidade de imagem (Pauwels et al., 2015). Assim como
em outros exames radiográficos que utilizam radiação ionizante, a TCFC pode
produzir efeitos biológicos inerentes à sua natureza sobre os seres vivos (White e
Mallya, 2012).
Devido aos riscos biológicos característicos à aquisição da imagem
tomográfica, deve-se observar o princípio de justificativa, no qual o valor diagnóstico
de um exame tomográfico deve ser maior que os riscos ao paciente, e as suas
indicações clínicas devem ser validadas cientificamente antes de serem aplicadas
(Hatcher, 2010). Segundo Molon et al. (2013), as pesquisas científicas são
indispensáveis, pois agregam informações atuais e auxiliam na compreensão e
definição de melhores protocolos, visando aquisição de imagens com elevada
qualidade de diagnóstico.
Pesquisas na área de radiologia oral utilizam peças anatômicas secas como
material de estudo, entretanto a maioria delas não consideram a significante influência
dos tecidos moles, que se interpõem entre o osso e a fonte de radiação no processo
de formação da imagem e, por conseguinte, não simulam a realidade clínica (Braga
et al., 2006; Demann et al., 2002).
A atenuação dos fótons de raios X ocorre por meio de interações atômicas na
matéria. Ao interagir com os tecidos moles, os fótons de raios X têm a sua intensidade
diminuída. Schropp et al. (2012) sugerem que esta interação e a produção da radiação
secundária pelos tecidos irradiados produzem alterações no contraste e densidade da
imagem e, desta forma, influenciam no valor de diagnóstico da mesma. Logo, os
tecidos moles têm influência direta nos valores de tons de cinza da imagem (Souza et
al., 2004).
Dessa forma, o uso de materiais simuladores de tecidos moles de diferentes
composições que produzam semelhança entre a imagem final e a realidade clínica
deve ser investigado (Midgley et al., 2005). É importante que estes materiais
apresentem características essenciais que viabilizem a sua utilização, tais como fácil
15
aquisição, utilização e aplicabilidade em diferentes situações (Caldas et al., 2010).
Além disso, fatores como espessura, número atômico e densidade física do material,
influenciam diretamente na atenuação dos fótons de raios X com a matéria. Sendo
assim, estes fatores devem ser observados, visto que podem interferir nos valores de
tons de cinza da imagem (Farquharson et al., 1995).
Estudos in vitro e ex vivo têm avaliado materiais simuladores de tecido mole,
como por exemplo cera utilidade, água, polimetilmetacrilato (acrílico), madeira,
parafina, resina epóxi, amostras de tecidos de gordura e músculo de animais
(Farquharson et al., 1995; Souza et al., 2004; Braga et al., 2006; Caldas et al., 2010;
Schropp et al., 2012; Molon et al., 2013). Todavia, essas pesquisas usualmente não
utilizaram um padrão-ouro, mas apenas padrões de referência, como por exemplo,
radiografias bidimensionais, peças anatômicas humanas secas e fantomas
radiográficos para avaliar a eficácia dos materiais em simularem os tecidos moles.
Dessa forma, não houve reprodutibilidade da amostra utilizada durante estes estudos
(Souza et al., 2004; Braga, 2006; Caldas et al., 2010; Schropp et al., 2012; Molon et
al., 2013).
De fato, não há na literatura consenso sobre qual melhor material simule a
atenuação causada pelos tecidos moles durante aquisições radiográficas.
Diante deste questionamento, outros materiais como o gelo, cera 7 rosa e a
gelatina balística, foram avaliados como materiais simuladores neste estudo, visto a
importância de simular a realidade clínica em pesquisas científicas na área de
radiologia odontológica.
O presente estudo propôs avaliar a eficácia de diferentes materiais simuladores
em mimetizarem os tecidos moles e a influência dos materiais simuladores nos valores
de tons de cinza, nas regiões dentárias e ósseas em mandíbula e maxila,
comparando-os a um padrão-ouro em imagens de TCFC.
16
EVALUATION OF SOFT TISSUE SIMULANT MATERIALS IN CONE BEAM COMPUTED TOMOGRAPHY
Priscila de Azeredo Lopes 1, Gustavo Machado Santaella1, Carlos Augusto de Sousa Lima1, Karla de Faria Vasconcelos1, Francisco Carlos Groppo2.
1 Department of Oral Diagnosis, Area of Oral Radiology, Piracicaba Dental School, University of Campinas, Piracicaba, São Paulo, Brazil.
2 Professor, Department of Physiological Sciences, Piracicaba Dental School, University of Campinas, Piracicaba, São Paulo, Brazil.
ABSTRACT
Objectives: To evaluate different materials in simulating soft tissues and to analyze
the influence of these materials on the mean and standard deviation of pixel intensity
values comparing them to a gold standard in CBCT images.
Methods: Images of three piglet heads with intact soft tissues (gold standard) and
different simulant materials were acquired: ice, modelling wax, and ballistic gelatin,
with the same thickness of the original soft tissues. The pixel intensities were measured
in dental, bone and soft tissues regions, in the mandible and maxilla, for all the groups.
ANOVA, Dunnet’s, Pearson’s and linear regression tests were performed.
Results: The simulators did not significantly change the mean of teeth in comparison
with the gold standard (p=0.1017). Only ice (p = 0.0156) affected the mean of bone.
Wax (p=0.001) and ice (p=0.0076), but not ballistic gelatin (p=0.5814), altered the
mean of soft tissue regions. When assessing the influence of the location (mandible or
maxilla) among the simulants, the differences were significant only for the soft tissue
regions. Standard deviation was not influenced by simulants (p>0.05), but ballistic
gelatin presented the lower variability.
Conclusions: The ballistic gelatin was the best soft tissue simulant since it had the
lowest influence on the pixel intensity values for all regions.
Keywords: Cone-beam computed tomography. Densitometry. Photon absorptiometry.
Soft tissues simulation.
17
INTRODUCTION
Cone beam computed tomography (CBCT) has largely contributed to diagnosis
and treatment in dentistry. In CBCT, the X-ray photon attenuation is represented by
multiple values (pixel intensity) assigned to each grayscale representation of the
image.1 Denser tissues (teeth and bones) absorb more radiation than the soft ones,
producing hyperdense and hypodense images, respectively. Due to the limitations of
how gray values are represented in CBCT and the technological advances in
equipment and software, an increase in the number of studies using this image
modality has been observed. 2
Each voxel expresses an intensity relative to the linear attenuation coefficient of
the structures crossed by the radiation in tomographic images. Different from those in
Multidetector Computed Tomography, where the density can be assessed using the
Hounsfield (HU) units, the values in CBCT are not a definitive representation of the
physical characteristics of the material.1,3 Several studies sought to understand the
limitations in determining voxel values in CBCT and concluded that they are affected
by different types of artifacts, such as those caused by secondary radiation, resulting
from the interaction of the X-ray beam with matter in association with a flat image
detector. Other factors such as reduced miliampere, which produces greater image
noise, and computational factors of the reconstruction process may also affect.4,5
Due to the biological risks inherent to ionizing radiation, many studies on CBCT
are conducted in vitro and ex vivo. These studies have used dry anatomical specimens
and radiographic phantoms, which often require a soft tissue simulant material to
reproduce the interactions that occur during the radiographic acquision.6,7 Soft tissue
simulation is important in several areas of dentistry since it brings additional
information to diagnosis and planning.2
Two-dimensional imaging studies have suggested the use of wax and water as
soft tissue simulant materials.6-11 However, none of these studies used a gold standard
to evaluate these materials at the same thickness as that of the original tissue. Thus,
these results can be questioned, and another methodology can be proposed to find
materials that better simulate soft tissue and most closely resemble the clinical reality
in oral radiology. Therefore, the present study used a gold standard and evaluated
other materials such as ice, modelling wax and ballistic gelatin.
18
The present study aimed to to evaluate the feasibility of different materials in
simulating soft tissues and to analyze the influence of soft tissues in the gray values of
maxillo-mandibular anatomical structures and to compare them to a gold standard in
cone beam computed tomography (CBCT).
METHODS AND MATERIALS
This study was exempted from review by the local Ethics Committee on Animal
Use.
Sample
The sample was composed by three fresh piglet heads, which, as inclusion
criteria, had intact surrounding soft tissues and preserved maxillo-mandibular
anatomical structures. These heads were used as the gold standard and had their soft
tissues replaced with the three simulant materials: ice, modelling wax, and ballistic
gelatin.
Image acquisition
The CBCT volumes were acquired in a Picasso Trio (Vatech, Hwaseong,
Republic of Korea) using the same parameters for all images: 0.2 mm voxel size; 12 x
8.5 cm field of view (FOV); 80 kVp, 3.7 mA; 14-bit depth; and 24-second acquisition
time. For positioning, the equipment's laser alignment lights were used, with the
median sagittal plane centralized and perpendicular to the ground. An expanded
polystyrene block, 5 cm in height, was used as support for the skulls in the occipital
condyles to maintain the vertical angulation standardized between the acquisitions.
Skulls preparation
After the first image acquisition (Figure 1), the heads were fixed inside a
container using metallic pins to do the molding and standardize the positioning. They
were then molded using the Crislight resin (Siquiplás, São Paulo, Brazil) so that the
space corresponding to the original soft tissues could be filled in with the simulant
materials. The heads had their soft tissues removed and replaced with the simulant
materials, using the molds previously made. Three materials were tested: ice (Figure
2A); modelling wax (Figure 2B); and ballistic gelatin (Figure 2
C e 3). CBCT images for all the materials were acquired, following the same acquisition
protocol as the gold standard (Figure 4).
19
Figure 1. Axial reconstructions of the gold-standard heads 1 (a), 2 (b) and 3 (c).
Figure 2. Skull with ice (a), with modelling wax (b), with the ballistic gelatin (c).
Figure 3. Ingredients and recipe of the ballistic gelatin.
Unflavored gelatin 48 g
Glycerin 200 mL
Water 500 mL
1. Mix the 3 ingredients 2. Boil for 25 min
3. Rest for 20 min 4. Fill the space corresponding to the original soft tissues with the gelatin 5. Cool for 8 hours (refrigerator)
20
Figure 4. Axial reconstructions: gold-standard (a), ice (b), modelling wax (c), ballistic gelatin (d).
Image evaluation and data analysis
The CBCT images were exported as DICOM (Digital Imaging and
Communications in Medicine) to ImageJ version 1.51m9 (U. S. National Institutes of
Health, Bethesda, Maryland, USA). Pixel intensity mean and standard deviation values
were then obtained.
The image evaluation was done choosing regions of interest (ROI) of 2x2 mm
fixed square size in the axial reconstructions, using the other planes (Sagittal and
Coronal) as reference, in the gold standard images. For each head, 24 areas were
selected: 12 in the maxilla and 12 in the mandible, involving anterior and posterior
teeth, alveolar bone and soft tissues regions, on the right and left sides. These regions
were selected in areas that made standardization easier, using anatomical landmarks
as reference. For each ROI were measured the mean and standard deviation (SD) of
pixel intensity.
The simulants were compared to the gold standard by the repeated-measures
ANOVA and Dunnett's test, considering each structure (tooth, bone, and soft tissue)
separately, for both the mean pixel intensity and standard deviation values. The
influence of the location (mandible or maxilla) was also analyzed by the same tests.
The correlation between the values for the gold standard and the different simulants
was made by the Pearson’s correlation test.
In addition, linear regression was used to establish the dependence between
the gold standard mean pixel intensity values (or standard deviations) with the
simulants. The significance level was set at 5% for all tests and the software used were
BioEstat 5 and GraphPad Prism 7.
21
Results
The pixel intensity values of teeth regions were not affected by the simulant
materials (p = 0.1017) in relation to the gold standard values (Figure 5A). For the
alveolar bone (Figure 5B), the pixel intensity values obtained for gold standard values
were higher than the ones obtained with ice (p = 0.0156), but they were not influenced
by the modelling wax (p = 0.8933) and ballistic gelatin (p = 0.4043).
The mean pixel intensity values obtained in soft tissue regions for the gold
standard (Figure 5C) did not differ from the values obtained when ballistic gelatin was
used as simulator material (p = 0.5814). However, both ice (p = 0.0076) and wax (p =
0.0001) presented lower mean pixel intensity values than the gold standard.
Figure 5. Mean pixel intensities observed with the different simulants for tooth (A), bone (B) and soft
tissues (C) structures. Center bar = average; Error bar = standard deviation. Distinct letters = statistically
significant differences between the methods, considering each structure separately.
The mean pixel intensities obtained with the simulators and gold standard were
not influenced (p > 0.05) by the location (maxilla or mandible) for both tooth (Figure
6A) and bone regions (Figure 6B).
22
For the soft tissues regions, the modelling wax induced lower mean pixel
intensity (p = 0.0002) than the gold standard in the mandible, while ice (p = 0.2469)
and ballistic gelatin (p = 0.6366) did not influenced the values. Considering maxilla,
only ballistic gelatin (p = 0.9361) did not present significant differences with the gold
standard. Both ice (p = 0.0165) and modelling wax (p = 0.0010) caused a decrease in
the mean pixel values (Figure 6C).
Figure 6. Mean pixel intensities obtained with the different simulants for tooth (A), bone (B) and soft
tissues (C) according to the location (mandible or maxilla). Center bar = average; Error bar = standard
deviation.
Correlation
There was no statistically significant correlation between the mean pixel values
observed for gold standard and ice considering soft tissues, but modelling wax
presented a moderate correlation and ballistic gelatin presented a good correlation, as
shown in Table 1.
23
Table 1. Pearson’s correlation between the gold standard and the simulants.
Region Ice Modelling wax Ballistic gelatin
Soft tissues 0.34 (p=0.1009) 0.62 (p=0.0012) 0.78 (p<0.0001)
Linear regression
Table 2 shows that ice was not important for the regression model considering
the teeth (p = 0.1039), bone (p = 0.3165) and soft tissues (p = 0.7271), as well as
modelling wax, which was also not significant for the models of teeth (p = 0.3415),
bone (p = 0.1723) and soft tissues (p = 0.4545). Only ballistic gelatin provided a
significant model of prediction of the gold standard pixel intensities
Table 2. Linear regression of mean pixel intensities for gold standard and simulants, for the
tested regions.
Regions Variables Coefficient Standard
error Standardized
coefficient p
Teeth Constant 1806.8 254.5 - <0.0001 Gelatin -0.79 0.28 -0.53 0.0091
Bone Constant 288.2 45.9 - <0.0001 Gelatin 0.55 0.06 0.87 <0.0001
Soft tissues Constant 98.2 21.1 - <0.0001
Gelatin 0.58 0.09 0.80 <0.0001
Standard deviation (SD)
There were no statistically significant differences between the simulants and the
gold standard (p = 0.1315) for the SD values of the dental regions. However, the SD
of pixel intensities for the bone were lower for the gold standard than for ice (p =
0.0001), modelling wax (p = 0.0001) and ballistic gelatin (p = 0.0002).
Considering the soft tissues, there were no statistically significant differences
for SD values between the gold standard and ballistic gelatin (p = 0.7757), and
modelling wax (p = 0.9487) and ice (p = 0.2180). Table 3 shows standard deviation
values.
24
Table 3. Standard deviation of pixel intensities of the different regions and materials.
Simulant material
Gold standard Ice Modelling wax Ballistic gelatin p
Teeth Mean (±SD) 317.9 (±174.5) 395.1 (±216.1) 396.8 (±136.2) 385.1 (±172.8)
0.1315 CI95% 242.5 - 393.4 301.7 - 488.6 337.9 - 455.7 310.4 - 459.9
Bone Mean (±SD) 97.43 (±30.93) 173 (±81.92) 160.1 (±55.95) 140.4 (±45.63)
<0.0001 CI95% 84.37 - 110.5 138.5 - 207.6 136.5 - 183.7 121.2 - 159.7
Soft tissues Mean (±SD) 53.39 (±13.61) 61.79 (±23.81) 51.25 (±14.84) 49.55 (±13.94)
0.0706 CI95% 47.64 - 59.14 51.74 - 71.85 44.99 - 57.52 43.66 - 55.43
DISCUSSION
The X-ray beam attenuation, its direct influence on the pixel intensity values and
the importance of simulating soft tissues in oral radiology research have been
previously discussed in the literature. However, many studies did not use a gold
standard to compare different simulant materials,6,7,9,11 a condition considered
fundamental in a validation process.
Some studies have used reference standards, such as mean gray values of
digital periapical radiographs from a database, which were later compared to the
values measured in two-dimensional images of anatomical pieces with different
simulant materials.6,7 Other studies have aimed to evaluate the influence of materials
on the gray values in the dental and bone regions when acquiring two-dimensional
images of dry jaws and to compare these values between the groups.9,11
Although one study compared the radiographic images of a skull prior to soft
tissue removal and with different simulant materials,10 the thickness used for these
materials was not the same as that of the original tissues. Therefore, these studies
have some limitations, as they did not reproduce the original tissue characteristics,
particularly the thickness.
The present study used piglet heads because their maxillo-mandibular
structures are anatomically similar to those in human heads.12 These fresh heads, with
an excellent state of preservation (no hard or soft tissue damage), were considered as
the gold standard for the present study. The same thickness of the original soft tissues
could be reproduced with the simulant materials tested, suggesting that a real condition
might have been more closely represented.
Different from previous studies, which used two-dimensional radiographs,6-8,10,11
the present study was aimed at CBCT images, which is a three-dimensional image
25
modality that results in high quality images and thus contributes significantly to the
diagnosis. Also, it has no geometrical limitations inherent in two-dimensional
techniques.13
Pixel intensities were measured using the ImageJ software, which is used in
many studies on oral radiology and provides free access, reproducibility, and
histogram evaluation tools.11,14-16 This made it possible to compare the results with
other studies that had similar methodology.
Despite the limitations towards voxel values, many studies have evaluated the
influence of FOV size, exposure parameters and dental implants on such
values.3,14,16,17 To evaluate their variability, some authors measured several regions of
interest in the image to obtain the mean and standard deviation among these
regions.2,3,18
The literature makes it clear that voxel values vary according to the location in
the scanned volume.11,19 Therefore, in the present study, measurements were made
in specified regions of the maxillo-mandibular complex, a condition different from those
reported in previous studies which did not specify the regions analyzed.6,10 Thus, it was
possible to evaluate the influence of the simulant materials on pixel intensities among
the teeth, bones, soft tissues and their location (maxilla and mandible). This, in fact,
was observed in this study, as the values of these regions presented variations among
themselves.
CBCT equipment uses specific grayscale intensities, which can generate
numerically distinct values when comparing different CBCT volumes. In the present
study, image acquisitions were done in the same equipment (14-bit depth). The need
for normalizing the values for comparison was discarded since the images compared
had the same contrast resolution. However, to compare values of different equipment,
a linear correlation between the values should be performed.1,2
The soft tissue simulant materials most commonly reported are wax6,7,10,11 and
liquid water,6,8,11 due to their low cost, ease of handling, and great accessibility,7 factors
that accounted for their use in the present study. Ballistic gelatin has also been widely
tested as a human tissue simulant, particularly in forensic research. The choice of
ballistic gelatin was based on its physical characteristics that simulate the density and
viscosity of muscle tissues.20,21 No other study was found to evaluate its influence on
radiographic intensity values.
26
The present study used frozen water to comply with the recommended
methodology. The modelling wax was chosen instead of utility wax due to its ability to
simulate gingival tissues in prosthetic dentistry.22
Studies have shown satisfactory results for wax as a simulant material,6,10,11 a
finding in accord with that of the present study, detecting its influence on the pixel
intensities for the dental and bone regions. Schropp et al.7 reported wax as a good soft
tissue simulant by comparing the radiographic density of 61 human cheeks with the
images of a wax block, whose thickness was not the same as that of the soft tissues
used as reference. However, in the present study, when evaluating the soft tissue
region, the wax did not present itself as a good simulant when compared to the gold
standard. Disagreement between studies can be explained by methodological
differences. In the present study, the same thickness of the original soft tissues was
used, showing the need for the simulant material to have similar density to that of the
original soft tissues, so that they behave in a similar way. Besides the difference in
methodology, it is also hypothesized that the CBCT may have generated artifacts in
the image and consequently altered the values.
Water has been considered a good soft tissue simulant, when its influence on
gray values concerning teeth and bones was analyzed.6,8,11 This was also observed in
the present study for the tooth region, but not bone and soft tissue regions. In the bone
region, because it was in direct contact with the head, water might have infiltrated the
medullary spaces, consequently altering the gray values. Further studies are needed
to investigate the influence of water density on image quality, especially those involving
soft tissues. However, it is believed that frozen water, which has a lower density (0.93
g/cm3) when compared to liquid water (1.0 g/cm3),23 has less interaction with radiation
and, consequently, results in fewer artifacts.24 In the present study, despite its
thickness being the same as that of the original soft tissues, the ice showed no
satisfactory results, a finding that can be justified by the different densities of the ice
and the original soft tissues.
Farquharson et al.8 reported hydrophilic materials as good soft tissue simulants,
a finding in accord with that observed in our study, where the ballistic gelatin showed
good results in all the regions tested. This can be explained by the presence of collagen
in its composition, contributing to the similarity between the material and soft tissues
densities.
27
Results of the present study showed differences in how the simulant materials
behaved in different regions. However, the purpose of each assessment was different.
In the dental and bone regions, the simulant materials were evaluated for their
influence on the intensity values as an attenuator.11 Analysis of the mean pixel intensity
values showed that the simulant materials tested had no statistically significant
influence on such values concerning the tooth region. In the bone region, however,
water presented different values.
The simulant materials for the soft tissue regions were evaluated for their ability
to reproduce the intensity values of the original tissues, not just as an attenuator. In
fact, among the simulants tested, only the ballistic gelatin showed good results,
probably because its density is most similar to that of the original tissues. However,
artifacts were clearly visualized in the images, as the gelatin density is lower than that
of the tooth and bone regions. Further studies are needed to measure the intensity in
the soft tissues; this was the first study to evaluate such variable in CBCT images.
The differences among the simulants were more evident for the soft tissues
when the influence of the location was assessed. This may be related to the differences
in soft tissue thickness of the anterior and posterior regions of the mandible and the
maxilla.
Although all the simulant materials tested did not statistically influence the
values of the dental region, and only ice compromised the values in the bone region,
ballistic gelatin was the only material that presented good results overall. The logistic
regression showed, in fact, that only ballistic gelatin was able to adequately reproduce
the pixel intensities of the gold standard. The analysis of the standard deviations also
showed similar variability values for the gold standard and all the simulants.
Based on our results, among the three tested materials, the ballistic gelatin was
the best soft tissue simulant.
ACKNOWLEDGEMENTS
This study had the collaboration of the technicians of the laboratory of the area of
Physiology and of the area of Anatomic this University, Sr. Fábio Vinícius Borges
Padilha and Sr. Cristiano Manoel.
28
REFERENCES 1. Molteni R. Prospects and challenges of rendering tissue density in Hounsfield units
for Cone Beam Computed Tomography. Oral Surg Oral Med Oral Pathol Oral
Radiol and Endod 2013; 116:105-119.
2. England GM, Moon ES, Roth J, Deguchi T, Firestone AR, Beck FM, Kim DG.
Conditions and calibration to obtain comparable grey values between different
clinical cone beam computed tomography scanners. Dentomaxillofac Radiol 2017;
46:2012060322
3. Oliveira M L, Freitas D Q, Ambrosano G M B, Haiter-Neto F. Influence of exposure
factors on the variability of CBCT voxel values: a phantom study. Dentomaxillofac
Radiol 2014; 43:20140128.
4. Scarfe WC, Li Z, Aboelmaaty W, Scott SA, Farman AG. Maxillofacial Cone Beam
Computed Tomography: essence, elements and steps to interpretation. Australian
dent journal 2012; 57:46–60.
5. Pauwels R, Jacobs R, Singer S R, Mupparapu M. CBCT-based bone quality
assessment: are Hounsfield units applicable?. Dentomaxillofac Radiol 2015;
44:20140238.
6. Caldas M de P, Ramos-Perez FM de M, Almeida SM de, Haiter-Neto F.
Comparative evaluation among different materials to replace soft tissue in oral
radiology studies. J Appl Oral Sci 2010; 18:264–267.
7. Schropp L, Alyass NS, Wenzel A, Stavropoulos A. Validity of wax and acrylic as
soft-tissue simulation materials used in in vitro radiographic studies.
Dentomaxillofac Radiol 2012; 41:686–690.
29
8. Farquharson MJ, Spyrou NM, Al-Bahri J, Highgate DJ. Low energy photon
attenuation measurements of hydrophilic materials for tissue equivalent phantoms.
Appl Radiat Isot 1995; 46:783–790.
9. Souza PHC, da Costa NP, Veeck EB. Influence of soft tissues on mandibular gray
scale levels. Braz Oral Res 2004; 18:40–44.
10. Braga CPA, Gegler A, Fontanella V. Avaliação da influência da espessura e da
posição relativa de materiais simuladores de tecidos moles na densidade óptica
de radiografias periapicais da região posterior da mandíbula. Cienc. Odontol Bras
2006; 9:52–58.
11. Molon RS, Batitucci RG, Spin-Neto R, Paquier GM, Sakakura CE, Tosoni GM, et
al. Comparison of changes in dental and bone radiographic densities in the
presence of different soft-tissue simulators using pixel intensity and digital
subtraction analyses. Dentomaxillofac Radiol 2013; 42:7.
12. Park S, Lee P, Ha WH, Kim HS, Park BR, Kim JS, Shim S, Park S, Kim YS, Kim
CH,Jin YW. Development of a minipig physical phantom from CT data. J Radiat
Res 2017; 58:755-760.
13. Angelopoulos C, Thomas S, Hechler S, Parissis N, Hlavacek M. Comparison
between digital panoramic radiography and cone-beam computed tomography for
the identification of the mandibular canal as part of presurgical dental implant
assessment. J Oral Maxillofac Surg 2008; 66: 2130-2135.
14. Spin-Neto R, Gotfredsen E, Wenzel A. Variation in voxel value distribution and
effect of time between exposures in six CBCT units. Dentomaxillofac radiol 2014;
43:20130376.
15. Bezerra IS, Neves FS, Vasconcelos TV, Ambrosano GM, Freitas DQ. Influence of
the artefact reduction algorithm of Picasso Trio CBCT system on the diagnosis of
30
vertical root fractures in teeth with metal posts. Dentomaxillofac Radiol 2015;
44:20140428.
16. Vasconcelos TV, Bechara BB, McMahan CA, Freitas DQ, Noujeim M. Evaluation
of artifacts generated by zirconium implants in cone-beam computed tomography
images. Oral Surg Oral Med Oral Pathol Oral Radiol. 2017; 123:265-272.
17. Katsumata A, Hirukawa A, Okumura S, Naitoh M, Fujishita M, Ariji E, Langlais RL.
Relationship between density variability and imaging volume size in Cone-Beam
Computerized Tomographic scanning of the maxillofacial region: an in vitro study.
Oral Surg Oral Med, Oral Pathol Oral Radiol and Endod 2009; 107:420- 425.
18. Queiroz PM, Oliveira ML, Groppo FC, Haiter-Neto F, Freitas DQ. Evaluation of
metal artefact reduction in cone-beam computed tomography images of different
dental materials. Clin Oral Investig 2017; 017:2128-2129
19. Oliveira ML, Tosoni GM, Lindsey DH, Mendoza K, Tetradis S, Mallya SM. Influence
of anatomical location on CT numbers in cone beam computed tomography. Oral
Surg Oral Med Oral Pathol Oral Radiol 2013; 115:558–564.
20. Zecheru T, Dena A, Cîrmaci M, Său C, Zaharia C, Lăzăroaie C. Potential Use in
Forensics of a Novel Hybrid Gelatin-Dynamic Impact Assessment. J Forensic Sci
2017; 5:15564029.
21. Doctor M, Olivieri P, Siadecki SD, Rose G, Drake A, Saul T. Sonographer
preference of ballistic gelatin concentration used to create DVT training phantoms.
Am J Emerg Med 2017; 35:178-179.
22. Carr AB, Brown DT. McCracken’s removable partial prosthodontics. 13th ed. St
Louis: Mosby/Elsevier 2015:392.
31
23. Gaiduk AP, Gygi F, Galli G. Density and Compressibility of Liquid Water and Ice
from First-Principles Simulations with Hybrid Functionals. J Phys Chem Lett 2015;
6:2902-8.
24. Schulze R, Heil U, Gross D, Bruellmann DD, Dranischnikow E, Schwanecke
U,Schoemer E. Artefacts in CBCT: a review. Dentomaxillofac Radiol 2011; 40:265-
73.
32
3 CONCLUSÃO
• Os materiais simuladores não influenciaram significativamente os valores de tons de
cinza na região dentária.
• O gelo não se apresentou como bom material simulador na região óssea, pois
influenciou significativamente os valores de tons de cinza nessa região.
• A cera 7 não demonstrou ser um bom simulador na região de tecido mole, por não
mimetizar os tecidos moles originais.
• A gelatina balística foi o único material simulador que obteve resultados satisfatórios
na região de tecido mole.
• O tecido mole foi a região que sofreu maior influência da posição (mandíbula e maxila).
• A gelatina balística foi considerada o melhor material simulador de tecidos moles ao
avaliar as três regiões estudadas, além de ter apresentado boa correlação com o
padrão-ouro e ter sido capaz de prover um modelo de dependência dos valores de
tons de cinza do padrão-ouro.
33
REFERÊNCIAS*
Braga CPA, Gegler A, Fontanella V. Avaliação da influência da espessura e da
posição relativa de materiais simuladores de tecidos moles na densidade óptica de
radiografias periapicais da região posterior da mandíbula. Cienc. Odontol. Bras.
2006; 9(4): 52–8.
Caldas M de P, Ramos-Perez FM de M, Almeida SM de, Haiter-Neto F.
Comparative evaluation among different materials to replace soft tissue in oral
radiology studies. J. Appl. Oral Sci. 2010; 18(3): 264–7.
Demann ET, Haug RH. Do position and soft tissue affect distraction vector? An in
vitro investigation. J Oral Maxillofac Surg. 2002; 60:149-55.
Farquharson MJ, Spyrou NM, Al-Bahri J, Highgate DJ. Low energy photon
attenuation measurements of hydrophilic materials for tissue equivalent phantoms.
Appl. Radiat. Isot. 1995; 46(8): 783–90.
Hatcher DC. Operational Principles for Cone-Beam Computed Tomography. J. Am.
Dent. Assoc. 2010; 141(suppl. 3): 3S – 6S.
Midgley SM. Materials analysis using x-ray linear attenuation coefficient
measurements at four photon energies. Phys. Med. Biol. 2005; 50(17): 4139–57.
Molon RS, Batitucci RG, Spin-Neto R, Paquier GM, Sakakura CE, Tosoni GM, et al.
Comparison of changes in dental and bone radiographic densities in the presence of
different soft-tissue simulators using pixel intensity and digital subtraction analyses.
Dentomaxillofacial Radiol. 2013; 42(9): 7.
Pauwels R, Jacobs R, Singer S R, Mupparapu M. CBCT-based bone quality
assessment: are Hounsfield units applicable?. Dentomaxillofacial radiology. 2015;
44 (1): 20140238.
Schropp L, Alyass NS, Wenzel A, Stavropoulos A. Validity of wax and acrylic as soft-
tissue simulation materials used in in vitro radiographic studies. Dentomaxillofac.
Radiol. 2012; 41(8): 686–90.
Souza PHC, da Costa NP, Veeck EB. Influence of soft tissues on mandibular gray
scale levels. Braz. Oral Res. 2004; 18(1): 40–4.
White SC, Mallya SM. Update on the biological effects of ionizing radiation, relative
dose factors and radiation hygiene. Aust. Dent. J. 2012; 57 Suppl 1: 2–8.
_______________________ * De acordo com as normas da UNICAMP/FOP, baseadas na padronização do International Committee of Medical Journal Editors - Vancouver Group. Abreviatura dos periódicos em conformidade com o PubMed.
34
APÊNDICE 1
METODOLOGIA DETALHADA
MATERIAL E MÉTODOS
Este estudo foi dispensado de submissão pela Comissão de Ética no Uso de
Animais da UNICAMP - CEUA/UNICAMP.
Amostra
O material estudado consistiu de três cabeças de leitão frescas (Figura 1), cujo
os critérios de inclusão foram apresentar os tecidos moles circundantes e estruturas
anatômicas maxilo-mandibulares preservadas, os quais foram adotados como
padrão-ouro. As três cabeças tiveram seus tecidos moles substituídos pelos três
materiais simuladores: gelo, cera 7 rosa (Lysanda®) e gelatina balística.
Figura 1. Cabeças de leitões frescos.
35
Aquisição das imagens
A aquisição das imagens tomográficas das cabeças frescas e das mesmas com
os materiais simuladores foi realizada em um tomógrafo de feixe cônico Picasso Trio
(Vatech, E- WOO Technology Co, Korean Republic) pertencente à Cínica de
Radiologia Odontológica da Faculdade de Odontologia de Piracicaba. Os mesmos
parâmetros de aquisição foram adotados em todas as imagens (Tabela 1).
Tabela 1. Parâmetros de aquisição – Picasso Trio.
Para o posicionamento, foram utilizadas as luzes de referência do aparelho,
com o plano sagital mediano alinhado e perpendicular ao solo, além de um bloco de
poliestireno expandido (EPS) de 5 cm de altura como apoio dos crânios nos côndilos
occipitais, com a intenção de se manter a angulação vertical dos mesmos padronizada
(Figura 2)
Este estudo obteve doze imagens tomográficas adquiridas descritas abaixo:
• 3 Imagens iniciais das cabeças de leitão frescas – grupo padrão-ouro (Figura 3)
• 9 Imagens finais: cada cabeça de leitão descarnada com cada material simulador
(gelo, cera 7 rosa e gelatina balística.
Figura 2. Posicionamento – Linhas de referência.
FOV (Field
of view)
Tamanho de Voxel
Profundidade
de Bit
KVp
mA
Tempo de aquisição
Modo de
Escaneamento
12 x 8,5 cm
0,2 mm
14 bits
80
3.7
20 seg
High
36
Figura 3. Reconstruções axiais dos padrões-ouro: leitão 1 (a), leitão 2 (b) e leitão 3 (c).
Preparo das cabeças
Após a aquisição das imagens iniciais foram instalados guias de orientação
(quatro parafusos rosqueados) nas cabeças com a finalidade de facilitar a moldagem
e padronizar o posicionamento durante/após a aplicação dos materiais simuladores
(Figura 4). As mesmas foram submetidas à moldagem com resina acrílica (Crislight®,
SIQUIPLÁS) e catalizador P-Mek da marca (SIQUIPLÁS®), na proporção indicada
pelo fabricante de 30 gotas de catalizador para cada 100 ml de resina, a fim de que
os materiais simuladores substituíssem o mesmo espaço correspondente aos tecidos
moles originais de cada cabeça (Figura 5).
Figura 4. Modelo com guias de orientação.
37
Figura 5. Material de moldagem (a e b) e moldagem finalizada (c).
Após a moldagem, as cabeças passaram por um processo de remoção de todo o
tecido mole (“descarnação”), no Laboratório de Anatomia da Faculdade de
Odontologia de Piracicaba (Figura 6). Elásticos foram usados para articular as
mandíbulas com os seus respectivos crânios.
Figura 6. Cabeça após remoção dos tecidos moles.
As três cabeças foram preparadas com os diferentes materiais simuladores:
gelo (Figura 7), cera 7 rosa (Figura 8) e gelatina balística (Figura 9). Com o intuito de
facilitar a remoção das cabeças dos respectivos moldes de resina, estes foram
cortados em três partes de modo que permitisse as suas separações e união
38
novamente (Figura 10). Vale ressaltar que os moldes de resina, tanto na parte em
contato com as cabeças quanto com o balde de alumínio, foram protegidos com
vaselina sólida.
Figura 7. Preenchimento com água (a), pós congelamento (12horas) e cabeças com o gelo (b).
Figura 8. Pós derretimento da cera 7 rosa e preenchimento no molde (a) e cabeças com a cera 7 rosa (b).
39
Figura 9. Cabeça revestida com a gelatina após a remoção do molde
Gelatina balística- ingredientes (a) e modo de preparo (b).
Gelatina incolor 48g
Glicerina bi-destilada 200ml
Água 500ml
Figura 10. Molde de resina repartido em três partes (a) e partes unidas (b).
1. Juntar os 3 ingredientes 2. Aguardar fervura (25 min) 3. Descansar por 20 min 4. Preencher com a gelatina o espaço correspondente ao tecido mole 5. Refrigerar por 8 horas (geladeira)
(a) (b)
40
Para a aquisição das imagens finais das cabeças revestidas com os materiais
simuladores, essas foram posicionadas no mesmo aparelho de TCFC, seguindo os
mesmos parâmetros de posicionamento, utilizados para as aquisições das imagens
das cabeças revestidas com os tecidos moles originais, na intenção de padronizar as
imagens (Figuras 11 e 12).
Figura 11. Posicionamento das cabeças com os materiais simuladores gelo (a) e cera (b).
Figura 12. Reconstruções axiais da cabeça do leitão 3: padrão-ouro (a) e com os diferentes materiais simuladores gelo (b), cera (c), e gelatina balística (d).
(a) (b)
41
Avaliação das imagens
As imagens adquiridas foram exportadas no formato DICOM (Digital Imaging
and communications in Medicine) para o software ImageJ versão 1.51m9 (U. S.
National Institutes of Health, Bethesda, Maryland, USA) para a realização das
mensurações de média e desvio padrão dos valores de tons de cinza. Um único
avaliador, devidamente treinado e com experiência em tomografias computadorizadas
e em softwares de imagens, realizou a seleção das regiões de interesse (ROI) para
posterior mensurações.
As ROIs foram selecionadas nas reconstruções axiais, utilizando os outros
planos (Sagital e Coronal) como referência, nas imagens do grupo padrão-ouro. A
seleção foi realizada após uma análise de todas as 12 imagens para a padronização
das regiões com a intenção de que a região avaliada fosse aproximadamente a
mesma nas diferentes aquisições nas mesmas cabeças. As demarcações foram feitas
em áreas de fácil localização, utilizando reparos anatômicos como referência e tendo
como modelo visual a reconstrução axial do padrão-ouro correspondente. Para cada
cabeça foram selecionadas 24 ROIs, sendo doze em maxila e doze em mandíbula,
lados direito e esquerdo. Para cada arcada, foram definidas ROIs de tamanho
quadrangular fixo de 2x2 mm em:
• Tecidos moles anteriores: entre incisivos centrais e lateral direito (Figura 13a)
• Dentes anteriores: somente em dentina (Figura 13b)
• Ossos alveolares anteriores: somente em osso medular (Figura 13c)
• Dentes posteriores: somente em dentina (Figuras 13d/e)
• Tecidos moles posteriores: mesma reconstrução axial do dente posterior
((Figura 13d/e)
• Ossos alveolares posteriores: somente em osso medular (Figuras 13f/g)
Os valores de cada ROI (média e desvio padrão,) foram exportados para uma
planilha do Excel.
42
Figura 13. Demarcação da ROI em: tecido mole anterior 1 e 2 (a), dentes anteriores direito e esquerdo (b), osso alveolar anterior direito e esquerdo (c), dente e tecido mole posterior direito (d), dente e tecido mole posterior esquerdo (e), osso alveolar posterior direito (f), osso alveolar posterior esquerdo (g).
43
44
Análise dos dados
Os simuladores foram comparados com o padrão-ouro pelo teste ANOVA de
medidas repetidas e teste de Dunnett, considerando cada estrutura/região (dente,
osso e tecido mole) separadamente, tanto para as médias dos tons de cinza quanto
para os valores de desvio-padrão. A influência da posição (mandíbula ou maxila)
também foi observada pelo mesmo teste. A correlação das médias de tons de
cinza/desvios-padrão entre o padrão-ouro e os diferentes simuladores foi feita pelo
teste de Pearson, considerando cada estrutura (dente, osso e tecido mole)
separadamente.
Além disso, a regressão linear foi utilizada para estabelecer o grau de
dependência entre os valores de média de tons de cinza do padrão-ouro (ou desvios-
padrão) com os simuladores. O nível de significância considerado foi de 5% para todos
os testes e os softwares utilizados foram o BioEstat 5.0 e o GraphPad Prism 7.0.
45
ANEXO 1
I N F O R M A Ç Ã O A Comissão de Ética no Uso de Animais da UNICAMP - CEUA/UNICAMP - esclarece que não há necessidade de submeter o projeto intitulado Avaliação de materiais simuladores de tecidos moles em leitões em tomografia computadorizada de feixe cônico, registrado com o nº 4655-1/2017, sob a responsabilidade de Prof. Dr. Francisco Carlos Groppo e Priscila de Azeredo Lopes, para análise desta Comissão.
Justifica-se por se tratar de uso de cinco cabeças de leitão coletadas de
frigorífico comercial, não havendo manipulação in vivo dos animais pelos pesquisadores. Campinas, 10 de agosto de 2017.
Prof. Dr. WAGNER JOSÉ FÁVARO Presidente da CEUA/UNICAMP
