Accuracy of Photogrammetry, Intraoral Scanning, and Conventional Impression for Multiple Implants: An In Vitro Study
Notice bibliographique
Résumé
OBJECTIVES: This in vitro study compared the accuracy of conventional impressions (CNVs), photogrammetry (PG), and intraoral scanning (IOS) for recording implant impressions of edentulous segments, ranging from part to complete arches by different evaluation methods. METHODS: The master model for an edentulous maxillary arch was created with six implants (a-f). CNVs, PG, and IOS were used for impressions. Three impression ranges (bcde, bcdef, and abcdef) were chosen for analysis. The best-fit algorithm, absolute linear deviation, and angular deviation were used for evaluation. Trueness and precision were analyzed by two-way ANOVA and the Kruskal-Wallis test, respectively. RESULTS: The accuracy of multiple implant impressions was significantly influenced by the impression method and impression range (p < 0.05) regardless of the evaluation methods used. At smaller ranges (bcde and bcdef), there was no difference in the trueness of the three impression methods, whereas at a larger range (abcdef), both PG and CNV exhibited similar trueness, which was significantly higher than that of IOS(p < 0.05). The precision of PG was significantly better than that of CNV and IOS in most of cases (p < 0.05). As the range expanded, the trueness and precision of PG and IOS decreased (p < 0.05), whereas the accuracy of CNV remained stable. CONCLUSIONS: In the case of large-range impressions, PG demonstrated a similar degree of trueness and better precision compared with CNVs, whereas the trueness and precision of the intraoral scanning were worse. This indicated that PG might be a promising method for multiple implant impressions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».