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