Amaç: Çalışmamızın amacı, Türkiye’deki diş hekimliği öğren- cilerinin, diş hekimliğinde ve oral radyolojide yapay zeka kul- lanımına ilişkin görüşlerinin değerlendirilmesidir. Gereç ve Yöntem: Çalışmaya 19 ile 30 yaş arasında 236 diş hekimliği öğrencisi katılmıştır. Katılımcılar Survey Monkey an- ket programında hazırlanan öğrencilerin diş hekimliği ve oral radyolojide yapay zeka kullanımına ilişkin görüş ve tutumlarını inceleyen anketi cevaplamışlardır. İstatiksel analiz için tanım- layıcı istatistik ve Kolmogrov-Smirnov testi kullanılmıştır. Bulgular: Çalışmaya katılan öğrencilerin %15,25’ini (n:36) 1. Sınıf, %15,68’ini (n:37) 2. Sınıf, %19,92’sini (n:47) 3. Sınıf, %25’ini 4. Sınıf (n:59), %24,15’ini (n:57) 5. Sınıf öğrencileri oluşturmak- tadır. Katılımcıların %72,88’inin (n:172) yapay zekanın günlük hayatta kullanım alanları hakkında bilgisi varken, öğrenciler- den sadece %23,73’ünün (n:56) radyoloji alanında kullanımı hakkında bilgisi vardır. Yapay zekanın oral radyolojide kulla- nım alanları konusunda bilgi düzeylerinde 5. ve 4. sınıflar ile 1., 2. ve 3. sınıflar arasında istatiksel olarak anlamlı bir farklılık olduğu görülmüştür. Katılımcıların yaklaşık %80’i yapay zeka- nın diş hekimliği ve oral radyoloji alanını geliştireceğini dü- şünüyorken, bu uygulamaların ileride diş hekimlerinin yerini alması konusunda endişe duymadıkları görülmüştür. Sonuç: Literatürde diş hekimlerinin ve diş hekimliği öğrenci- lerinin yapay zeka uygulamaları hakkında görüş ve tutumları hakkında bilgi eksikliği mevcuttur. Öğrencilerin büyük ço- ğunluğu diş hekimliği eğitiminde yapay zekaya yer verilmesi gerektiğini desteklemektedir. Yapay zekanın diş hekimliğinde kullanım alanları konusunda üst sınıf öğrencilerinin alt sınıfla- ra göre daha fazla bilgisi olduğu izlenmiştir.
Introduction: The aim of this study was to evaluate the attitu- de of the dental students in Turkey regarding effect of artificial intelligence on dentistry and oral radiology. Materials and Methods: In this study, 236 students aged between 19 and 30 years were participated. Participants filled in the questionnaire was prepared online Survey Monkey that comprised the knowledge and attitude of the dental students regarding impact of artificial intelligence on dentistry and oral radiology. Results were analyzed using descriptive statistics and Kolmogrov-Smirnov test. Results: Student rates by year were first year 15.25%, second year 15.68%, third year 19.92%, fourth year 25%, fifth year 24.15%. When 72.88% of participants were aware of using artificial intelligence in daily life, 23.73% of participants were aware that artificial intelligence is used in the oral radi- ology and dentistry. There was significant difference between students in fifth, fourth year and first, second, third year about knowledge of the applications of artifi- cial intelligence in dentistry and oral radiology. While ap- proximately 80% of the participants reported that artificial intelligence would improve dentistry and oral radiology, they stated that they were not worried that these develop- ments would replace dentists. Conclusion: There are a few studies about the knowle- dge and attitude of artificial intelligence in the dentistry among dental students and dentists. Most of the students supported that artificial intelligence should be part of dentistry training. It was found that students in the clinical years have better knowledge of the artificial intelligence applications in the dentistry than students in the preclini- cal years. "> [PDF] Diş hekimliği öğrencilerinin diş hekimliğinde yapay zekâ uygulamaları ile ilgili düşüncelerinin incelenmesi | [PDF] Evaluation of attitude of dental students regarding artificial intelligence in dentistry Amaç: Çalışmamızın amacı, Türkiye’deki diş hekimliği öğren- cilerinin, diş hekimliğinde ve oral radyolojide yapay zeka kul- lanımına ilişkin görüşlerinin değerlendirilmesidir. Gereç ve Yöntem: Çalışmaya 19 ile 30 yaş arasında 236 diş hekimliği öğrencisi katılmıştır. Katılımcılar Survey Monkey an- ket programında hazırlanan öğrencilerin diş hekimliği ve oral radyolojide yapay zeka kullanımına ilişkin görüş ve tutumlarını inceleyen anketi cevaplamışlardır. İstatiksel analiz için tanım- layıcı istatistik ve Kolmogrov-Smirnov testi kullanılmıştır. Bulgular: Çalışmaya katılan öğrencilerin %15,25’ini (n:36) 1. Sınıf, %15,68’ini (n:37) 2. Sınıf, %19,92’sini (n:47) 3. Sınıf, %25’ini 4. Sınıf (n:59), %24,15’ini (n:57) 5. Sınıf öğrencileri oluşturmak- tadır. Katılımcıların %72,88’inin (n:172) yapay zekanın günlük hayatta kullanım alanları hakkında bilgisi varken, öğrenciler- den sadece %23,73’ünün (n:56) radyoloji alanında kullanımı hakkında bilgisi vardır. Yapay zekanın oral radyolojide kulla- nım alanları konusunda bilgi düzeylerinde 5. ve 4. sınıflar ile 1., 2. ve 3. sınıflar arasında istatiksel olarak anlamlı bir farklılık olduğu görülmüştür. Katılımcıların yaklaşık %80’i yapay zeka- nın diş hekimliği ve oral radyoloji alanını geliştireceğini dü- şünüyorken, bu uygulamaların ileride diş hekimlerinin yerini alması konusunda endişe duymadıkları görülmüştür. Sonuç: Literatürde diş hekimlerinin ve diş hekimliği öğrenci- lerinin yapay zeka uygulamaları hakkında görüş ve tutumları hakkında bilgi eksikliği mevcuttur. Öğrencilerin büyük ço- ğunluğu diş hekimliği eğitiminde yapay zekaya yer verilmesi gerektiğini desteklemektedir. Yapay zekanın diş hekimliğinde kullanım alanları konusunda üst sınıf öğrencilerinin alt sınıfla- ra göre daha fazla bilgisi olduğu izlenmiştir. "> Amaç: Çalışmamızın amacı, Türkiye’deki diş hekimliği öğren- cilerinin, diş hekimliğinde ve oral radyolojide yapay zeka kul- lanımına ilişkin görüşlerinin değerlendirilmesidir. Gereç ve Yöntem: Çalışmaya 19 ile 30 yaş arasında 236 diş hekimliği öğrencisi katılmıştır. Katılımcılar Survey Monkey an- ket programında hazırlanan öğrencilerin diş hekimliği ve oral radyolojide yapay zeka kullanımına ilişkin görüş ve tutumlarını inceleyen anketi cevaplamışlardır. İstatiksel analiz için tanım- layıcı istatistik ve Kolmogrov-Smirnov testi kullanılmıştır. Bulgular: Çalışmaya katılan öğrencilerin %15,25’ini (n:36) 1. Sınıf, %15,68’ini (n:37) 2. Sınıf, %19,92’sini (n:47) 3. Sınıf, %25’ini 4. Sınıf (n:59), %24,15’ini (n:57) 5. Sınıf öğrencileri oluşturmak- tadır. Katılımcıların %72,88’inin (n:172) yapay zekanın günlük hayatta kullanım alanları hakkında bilgisi varken, öğrenciler- den sadece %23,73’ünün (n:56) radyoloji alanında kullanımı hakkında bilgisi vardır. Yapay zekanın oral radyolojide kulla- nım alanları konusunda bilgi düzeylerinde 5. ve 4. sınıflar ile 1., 2. ve 3. sınıflar arasında istatiksel olarak anlamlı bir farklılık olduğu görülmüştür. Katılımcıların yaklaşık %80’i yapay zeka- nın diş hekimliği ve oral radyoloji alanını geliştireceğini dü- şünüyorken, bu uygulamaların ileride diş hekimlerinin yerini alması konusunda endişe duymadıkları görülmüştür. Sonuç: Literatürde diş hekimlerinin ve diş hekimliği öğrenci- lerinin yapay zeka uygulamaları hakkında görüş ve tutumları hakkında bilgi eksikliği mevcuttur. Öğrencilerin büyük ço- ğunluğu diş hekimliği eğitiminde yapay zekaya yer verilmesi gerektiğini desteklemektedir. Yapay zekanın diş hekimliğinde kullanım alanları konusunda üst sınıf öğrencilerinin alt sınıfla- ra göre daha fazla bilgisi olduğu izlenmiştir.
Introduction: The aim of this study was to evaluate the attitu- de of the dental students in Turkey regarding effect of artificial intelligence on dentistry and oral radiology. Materials and Methods: In this study, 236 students aged between 19 and 30 years were participated. Participants filled in the questionnaire was prepared online Survey Monkey that comprised the knowledge and attitude of the dental students regarding impact of artificial intelligence on dentistry and oral radiology. Results were analyzed using descriptive statistics and Kolmogrov-Smirnov test. Results: Student rates by year were first year 15.25%, second year 15.68%, third year 19.92%, fourth year 25%, fifth year 24.15%. When 72.88% of participants were aware of using artificial intelligence in daily life, 23.73% of participants were aware that artificial intelligence is used in the oral radi- ology and dentistry. There was significant difference between students in fifth, fourth year and first, second, third year about knowledge of the applications of artifi- cial intelligence in dentistry and oral radiology. While ap- proximately 80% of the participants reported that artificial intelligence would improve dentistry and oral radiology, they stated that they were not worried that these develop- ments would replace dentists. Conclusion: There are a few studies about the knowle- dge and attitude of artificial intelligence in the dentistry among dental students and dentists. Most of the students supported that artificial intelligence should be part of dentistry training. It was found that students in the clinical years have better knowledge of the artificial intelligence applications in the dentistry than students in the preclini- cal years. ">

Diş hekimliği öğrencilerinin diş hekimliğinde yapay zekâ uygulamaları ile ilgili düşüncelerinin incelenmesi

Amaç: Çalışmamızın amacı, Türkiye’deki diş hekimliği öğren- cilerinin, diş hekimliğinde ve oral radyolojide yapay zeka kul- lanımına ilişkin görüşlerinin değerlendirilmesidir. Gereç ve Yöntem: Çalışmaya 19 ile 30 yaş arasında 236 diş hekimliği öğrencisi katılmıştır. Katılımcılar Survey Monkey an- ket programında hazırlanan öğrencilerin diş hekimliği ve oral radyolojide yapay zeka kullanımına ilişkin görüş ve tutumlarını inceleyen anketi cevaplamışlardır. İstatiksel analiz için tanım- layıcı istatistik ve Kolmogrov-Smirnov testi kullanılmıştır. Bulgular: Çalışmaya katılan öğrencilerin %15,25’ini (n:36) 1. Sınıf, %15,68’ini (n:37) 2. Sınıf, %19,92’sini (n:47) 3. Sınıf, %25’ini 4. Sınıf (n:59), %24,15’ini (n:57) 5. Sınıf öğrencileri oluşturmak- tadır. Katılımcıların %72,88’inin (n:172) yapay zekanın günlük hayatta kullanım alanları hakkında bilgisi varken, öğrenciler- den sadece %23,73’ünün (n:56) radyoloji alanında kullanımı hakkında bilgisi vardır. Yapay zekanın oral radyolojide kulla- nım alanları konusunda bilgi düzeylerinde 5. ve 4. sınıflar ile 1., 2. ve 3. sınıflar arasında istatiksel olarak anlamlı bir farklılık olduğu görülmüştür. Katılımcıların yaklaşık %80’i yapay zeka- nın diş hekimliği ve oral radyoloji alanını geliştireceğini dü- şünüyorken, bu uygulamaların ileride diş hekimlerinin yerini alması konusunda endişe duymadıkları görülmüştür. Sonuç: Literatürde diş hekimlerinin ve diş hekimliği öğrenci- lerinin yapay zeka uygulamaları hakkında görüş ve tutumları hakkında bilgi eksikliği mevcuttur. Öğrencilerin büyük ço- ğunluğu diş hekimliği eğitiminde yapay zekaya yer verilmesi gerektiğini desteklemektedir. Yapay zekanın diş hekimliğinde kullanım alanları konusunda üst sınıf öğrencilerinin alt sınıfla- ra göre daha fazla bilgisi olduğu izlenmiştir.

Evaluation of attitude of dental students regarding artificial intelligence in dentistry

Introduction: The aim of this study was to evaluate the attitu- de of the dental students in Turkey regarding effect of artificial intelligence on dentistry and oral radiology. Materials and Methods: In this study, 236 students aged between 19 and 30 years were participated. Participants filled in the questionnaire was prepared online Survey Monkey that comprised the knowledge and attitude of the dental students regarding impact of artificial intelligence on dentistry and oral radiology. Results were analyzed using descriptive statistics and Kolmogrov-Smirnov test. Results: Student rates by year were first year 15.25%, second year 15.68%, third year 19.92%, fourth year 25%, fifth year 24.15%. When 72.88% of participants were aware of using artificial intelligence in daily life, 23.73% of participants were aware that artificial intelligence is used in the oral radi- ology and dentistry. There was significant difference between students in fifth, fourth year and first, second, third year about knowledge of the applications of artifi- cial intelligence in dentistry and oral radiology. While ap- proximately 80% of the participants reported that artificial intelligence would improve dentistry and oral radiology, they stated that they were not worried that these develop- ments would replace dentists. Conclusion: There are a few studies about the knowle- dge and attitude of artificial intelligence in the dentistry among dental students and dentists. Most of the students supported that artificial intelligence should be part of dentistry training. It was found that students in the clinical years have better knowledge of the artificial intelligence applications in the dentistry than students in the preclini- cal years.

___

  • 1. Wong SH, Al-Hasani H, Alam Z, Alam A. Artificial intel- ligence in radiology: how will we be affected? Eur Radiol 2019; 29: 141–3.
  • 2. LeCun Y, Bengio J, Hinton G. Deep learning. Nature. 521.7553 (2015): 436-444.
  • 3. Gulshan V, Peng L, Coram M, Stumpe M, Wu D et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus pho- tographs. JAMA. 2016; 316(22): 2402-2410.
  • 4. Esteva A, Kuprel B, Novoa RA, Ko J, Swetter S et al. Der- matologist-level classification of skin cancer with deep neural networks. Nature. 2017;542 (7639):115-118.
  • 5. Mol A, Stelt PF. Application of computer-aided image interpretation to the diagnosis of periapical bone lesions. Dentomaxillofac Radiol 1992; 21: 190–4.
  • 6. Xu X, Liu C, Zheng Y. 3 D tooth segmentation and la- beling using deep convolutional neural networks. IEEE Trans Vis Comput Graph. 2019; 25: 2336-2348.
  • 7. Chen H, Zhang K, Lyu P, Li H, Zhang H et al. A deep lear- ning approach to automatic teeth detection and numbe- ring based on object detection in dental periapical films. Sci Rep. 2019; 9(1): 3840.
  • 8. Yasa Y, Çelik Ö, Bayrakdar İS, Pekince A, Orhan K et al. An artificial intelligence proposal to automatic teeth de- tection and numbering in dental bite-wing radiographs. Acta Odontol Scand. 2020; 1-7.
  • 9. Amasya H, Yıldırım D, Aydoğan T, Kemaloğlu N, Orhan K. Cervical vertebral maturation assessment on lateral cephalometric radiographs using artificial intelligence: comparison of machine learning classifier models. Dento- maxillofac Radiol 2020; 49(5): 20190441.
  • 10. Hwang J, Jung Y, Cho B, Heo M. An overview of deep learning in the field of dentistry. Imaging Sci Dent 2019; 49(1): 1.
  • 11. Pauwels R, Del Rey CY. Attitude of brazilian dentists and dental students regarding the future role of artificial intelligence in oral radiology: a multi-center survey. Den- tomaxillofac Radiol 2020; 47: 20200461.
  • 12. Miki Y, Muramatsu C, Hayashi T, Zhou X, Hara T et al. Classification of teeth in cone-beam CT using deep con- volutional neural network. Comput Biol Med. 2017; 80: 24-29.
  • 13. Kılıc M, Bayrakdar İS, Çelik Ö, Bilgir E, Orhan K et al. Artificial intelligence system for automatic deciduous to- oth detection and numbering in panoramic radiographs. Dentomaxillofac Radiol 2021; 50: 20200172.
  • 14. Tuzoff DV, Tuzova LN, Bornstein MM, Krasnov A, Kar- chenko M et al. Tooth detection and numbering in pano- ramic radiographs using convolutional neural networks. Dentomaxillofac Radiol. 2019; 48(4): 20180051.
  • 15. Bayrakdar Kurt S, Çelik Ö, Bayrakdar İŞ, Orhan K, Bilgir E et al. Success of Artificial Intellıgence System In Determınıng Alveolar Bone Loss From Dental Panoramıc Radıography Images. Cumhuriyet Dental J 2020; 23(4): 318-324.
  • 16. Vinayahalingam S, Xi T, Berge S, Maal T, de Jong G. Automated detection of third molars and mandibular ner- ve by deep learning. Sci Rep. 2019; 9(1): 9007.
  • 17. Pinto Dos Santos D, Giese D, Brodehl S, Chon SH, Staab W, et al. Medical students' attitude towards artifici- al intelligence: a multicentre survey. Eur Radiol 2019; 29: 1640–6.
  • 18. Gong B, Nugent JP, Guest W, Parker W, Chang PJ et al. Influence of artificial intelligence on Canadian medical students' preference for radiology specialty: ANational survey study. Acad Radiol 2019; 26: 566–77.
  • 19. Park CJ, Yi PH, Siegel EL. Medical student perspecti- ves on the impact of artificial intelligence on the practice of medicine. Curr Probl Diagn Radiol 2020; 27.
  • 20. Sergey C. Morozov C, Luca M, Sardanelli SF. Impact of artificial intelligence on radiology: a EuroAIM survey among members of the European Society of Radiology. Insights imaging 2019; 10: 1-11.
  • 21. Coppola F, Faggioni L, Regge D, Giovagnoni A, Gol- fieri R et al. Artificial intelligence: radiologists’ expectati- ons and opinions gleaned from a nationwide online sur- vey. Radiol Med 2021; 126.1: 63-71.
7tepe Klinik-Cover
  • ISSN: 2458-9586
  • Yayın Aralığı: Yılda 3 Sayı
  • Başlangıç: 2005
  • Yayıncı: Yeditepe Üniversitesi Rektörlüğü
Sayıdaki Diğer Makaleler

Visagizm konseptinin doğal dişler ile uyumunun değerlendirilmesi

Yasemin Özkan, Zeliha Şanıvar Abbasgholizadeh, Şükrü Can Akmansoy

Diş hekimliği öğrencilerinin diş hekimliğinde yapay zekâ uygulamaları ile ilgili düşüncelerinin incelenmesi

Muhammed Hilmi Büyükçavuş, Şelale Özel

Diş hekimliği eğitiminde eğitimcilerin uzaktan eğitim ve e-öğrenim hakkındaki görüşleri: anket çalışması

Ebru Sağlam, Ayşe Toraman, Serhat Köseoğlu

Konik ışınlı bilgisayarlı tomografi istek ve gerekçelerinin retrospektif olarak değerlendirilmesi

Üyesi Gökhan Özkan, Özge Dönmez Tarakçı, Üyesi Gülçin Sarı

Diş hekimlerinin bildirdiği sağlık sorunları: kesitsel bir anket çalışması

Didem Öner Özdaş, Işıl Kaya Büyükbayram, Hilal Çukadar, Sana Al-Shammar

Geçmişten günümüze endodontide kullanılan Nikel Titanyum aletler; evrimden devrime jenerasyonlar arası bir yolculuk

Hüseyin Gürkan Güneç, Hüseyin Hamza Onay, Beril Ekinci, Ayşegül Özyer Yaran, Tennur Kasimi, Aleyna Danacı

Endodontik tedavi sonrası periapikal reaktif kemiğin fraktal boyut analizi ile değerlendirilmesi

İsmail Gümüşsoy, Fatma Furuncuoğlu

Rehber yol eğelerin metalurjik - mekanik özelliklerinin ve şekillendirme hareketlerinin değerlendirilmesi

Hüseyin Gürkan Güneç, Hüseyin Hamza Onay, Beril Ekinci, Ayşegül Özyer Yaran, Tennur Kasim, Aleyna Danac

Ağız, Diş ve Çene Cerrahisi lisans ve öğretim üyesi kliniklerine başvuran hastaların dental anksiyete ve korku açısından değerlendirilmesi

Gül Merve Yalçın Ülker, Deniz Gökce Meral, Aleyna Kucur

Farklı yapıdaki rezin kompozit ve CAD/CAM materyallerinin renk stabilitelerinin incelenmesi

Elif Türkeş Başaran, Burcu Dikici, Esra Can

Academic Researches Index - FooterLogo