Research Article
Oğuzhan Güllü
Journal of Engineering and Philosophy, Volume 4, Issue 7, pp. 19-30
ABSTRACT
In today’s evolving digital world, most of us are transferring our human work to computers to make our lives easier. These capable devices, which we use as our mechanical servants in every aspect of life, have dramatically changed the world since their commercial introduction. In line with the evolving capabilities of machines, smart machines can execute every move, every line by calculating better and faster than humans, on the other hand, Humans can perform tasks, make decisions and solve problems based on their intelligence and life experience. Artificial intelligence makes it possible for machines to learn by experience, adapt to new inputs, and perform human-like tasks. Computers can learn much faster and can optimize complex options. With the first computers, chess programs that play and learn by thinking like a human have begun to be produced in order to test artificial intelligence against humans or computers. While human players were superior to machines in the era of computers with limited processing capability; as artificial intelligence and computer hardware developed, machines became superior to human players. The adventure of human and machine learning competition that started with the game of chess and the emergence and the development of artificial intelligence will be compiled with a literature review in this article.
Keywords: Artificial Intelligence, Human Learning, Machine Learning, Chess
ÖZ
Günümüzün gelişen dijital dünyasında çoğumuz hayatımızı kolaylaştırmak için işlerimizi bilgisayarlara aktarıyoruz. Hayatın her alanında mekanik yardımcılarımız olarak kullandığımız bu yetenekli cihazlar, ticari olarak piyasaya sürülmelerinden bu yana dünyayı önemli ölçüde değiştirdi. Makinelerin gelişen yetenekleri doğrultusunda akıllı makineler, her hareketi, her satırı insanlardan daha iyi ve daha hızlı hesaplayarak uygulayabilirken; insanlar, zekâ ve yaşam deneyimlerine dayalı olarak görevleri yerine getirebilir, kararlar verebilir ve sorunları çözebilir. Yapay zekâ, makinelerin deneyimleyerek öğrenmesi, yeni girdilere uyum sağlaması ve insan benzeri görevleri gerçekleştirmesini mümkün kılmaktadır. Bilgisayarlar çok daha hızlı öğrenebilir ve karmaşık seçenekleri en uyguna indirgeyebilmektedir. İlk bilgisayarlar ile birlikte yapay zekânın insana veya bilgisayara karşı test edilmesi için insan gibi düşünerek oynayan ve öğrenen satranç programları üretilmeye başlamıştır. Satranç, tarih boyunca insan zekasını temsil eden bir oyun olarak görülmüştür. Bu makalenin yaklaşımını satranç oyunu temelinde insan bilgisayar mücadeleleri oluşturmaktadır. İnsan oyuncular, işlem yeteneği kısıtlı bilgisayarlar döneminde makinelere karşı üstünlük sağlarken; yapay zeka ve bilgisayar donanımı geliştikçe makineler insan oyunculara karşı üstün duruma gelmiştir. İnsan ve Makine öğrenmesi rekabetinin satranç oyunu ile başlayan serüveni ve yapay zekânın ortaya çıkış süreci ile gelişmeleri bu makalede literatür taraması ile derlenecektir.
Keywords: Yapay Zekâ, İnsan Öğrenmesi, Makine Öğrenmesi, Satranç
Research Article
Süleyman Kutalmış Büyük, Sedanur Hatal
Ortadogu Tıp Derg, Volume 11, Issue 4, pp. 517-523
ABSTRACT
Objective: The clinical use of information technology in orthodontics has increased significantly in recent years. The aim of this systematic review is to perform a scientific analysis of artificial intelligence and machine learning in orthodontics.
Methods: An electronic search and manual search were performed on September 25, 2018 about using artificial intelligence and machine learning in orthodontics.
Results: A total of 107 studies were found. Nine studies were excluded because of duplication. After exclusion of all the irrelevant and non-English articles, 23 full-text articles remained to be included in this systematic review. 3 additional articles were included in this systematic review. Twelve automatic cephalometric landmark determination, 6 orthodontic diagnosis and treatment outcomes, 2 orthodontic tooth extraction decision, 3 facial attractiveness, 1 headgear selection, 1 touchless sterilisation system and 1 automatic skeletal age determination studies were included in this systematic review.
Conclusions: Artificial intelligence and machine learning are mainly focused on determination of automatic cephalometric points, facial attractiveness and tooth extraction decisions for orthodontic purposes. The use of artificial intelligence in orthodontics is important in terms of obtaining more accurate and rapid results clinically.
Keywords: artificial intelligence, machine learning, orthodontics
ÖZ
Amaç: Bilgi teknolojisinin ortodontide klinik kullanımı son yıllarda önemli ölçüde artmıştır. Bu sistematik derlemenin amacı, ortodonti alanındaki yapay zeka ve makine öğreniminin bilimsel bir analizini yapmaktır.
Gereç ve Yöntem: 25 Eylül 2018 tarihinde ortodonti yapay zeka ve makine öğrenimi hakkında elektronik arama ve el ile arama işlemleri gerçekleştirilmiştir.
Bulgular: Toplam 107 çalışma bulunmuştur. Dokuz çalışma, duplikasyon nedeniyle hariç tutulmuştur. Yazım dili İngilizce olmayan ve konuyla ilgisi olmayan makaleler hariç tutulduktan sonra, bu sistematik derleme için 23 tam metin makale incelenmiştir. Bu sistematik derlemeye 3 makale daha eklenmiştir. On iki otomatik sefalometrik işaret belirleme, 6 ortodontik tanı ve tedavi sonuçları, 2 ortodontik diş çekimi kararı, 3 yüz çekiciliği, 1 headgear seçimi, 1 dokunmatik sterilizasyon sistemi ve 1 otomatik iskelet yaşı tayini bu sistematik derlemede yer almıştır.
Sonuçlar: Yapay zeka ve makine öğrenimi, esas olarak otomatik sefalometrik nokta belirleme, yüz çekiciliği ve ortodontik amaç için diş çekimi kararlarının belirlenmesine odaklanmaktadır. Yapay zekanın ortodontide kullanılmasının klinik olarak daha doğru ve hızlı sonuçlar elde edilmesi açısından önem taşımaktadır.
Keywords: yapay zeka, makine öğrenmesi, ortodonti
Review
Yunus Kökver, Halil Murat Ünver, Ebru Aydoğan
Ortadogu Tıp Derg, Volume 9, Issue 4, pp. 198-202
ABSTRACT
The first step in diagnosing the disease from retinal images is the segmentation of blood vessels. In this study, it was aimed to investigate the extraction of blood vessels from retinal images. For this reason, existing articles in the literature have been compiled systematically, focusing on the identification of the methods used. Starting from the first study in the literatüre about this problem, solutions to the problem of vessel segmentation and studies until recently have been evaluated within the framework of some criteria. It can be concluded from this review, significant progress has been made in the methods used for segmentation over the years and segmentation of all vessels from retinal images has been made easily.
Keywords: Retina, vessel segmentation, machine learning, filtering, morphological operators
ÖZ
Retina görüntülerinden hastalık teşhisinin yapılabilmesinin ilk adımı kan damarlarının segmente edilmesidir. Bu çalışmada retina görüntüleri üzerinden kan damarlarının çıkartılması üzerine yapılan çalışmaları incelemeyi amaçlamaktadır. Bu nedenle literatürdeki mevcut makaleler kullanılan yöntemleri belirlemeye odaklanarak sistematik olarak derlenmiştir. Damar segmentasyonu problemine çözüm getiren ve literatürde bu alandaki ilk çalışmadan başlayarak son zamanlara kadar yapılan çalışmalardaki çözümler bazı kriterler dahilinde değerlendirilmiştir. Bu derleme çalışmasından anlaşılıyor ki, yıllar içerisinde segmentasyon için kullanılan yöntemlerde ciddi bir ilerleme kaydedilmiş ve retina görüntülerinden tüm damarların segmentasyonu kolaylıkla yapılabilir düzeye gelmiştir.
Keywords: Retina, damar segmentasyonu, makine öğrenmesi, filtreleme, morfolojik operatörler