1زمینه و هدف: فناوری هوش مصنوعی (AI) به طور گسترده در دندانپزشکی و در بسیاری از زمینه های دیگر که زندگی انسان را تحت تأثیر قرار می دهند، از جمله پزشکی کاربرد دارد. یک دندانپزشک می تواند از فناوری هوش مصنوعی جهت تحلیل داده های مربوط به بیمار، فرایندهای تشخیصی و مدیریت فعالیت ها استفاده کند. این تحقیق با هدف شناسایی کاربردهای هوش مصنوعی در حوزه دندانپزشکی و ارزیابی اولویت آن ها در ایران انجام شد. روش بررسی: این پژوهش کاربردی در دو مرحله با رویکرد آمیخته در زمستان 1401 انجام شد. در مرحله کیفی از بین مطالعات حوزه دندانپزشکی و مرتبط با فناوری هوش مصنوعی تعداد 570 مقاله از سال 2011 تا 2022 در پایگاه های PubMed, Web of Science, Scopus و Google Scholar بر اساس واژگان کلیدی در ابتدا شناسایی شد و سپس کاربردهای هوش مصنوعی در دندانپزشکی استخراج گردید. در مرحله کمی کاربردهای شناسایی شده توسط گروهی از خبرگان متشکل از 13 نفر از اعضای هیات علمی دانشگاه که دارای زمینه تحقیقاتی مرتبط بودند با استفاده از روش بهترین-بدترین اولویت بندی شدند. یافته ها: مولفه های شناسایی شده در مرحله اول پژوهش در شش طبقه ایمپلنت و جراحی، مدیریت اجرایی، تشخیص بیماری، تحلیل عکس، پیش بینی بالینی و ارتودنسی طبقه بندی شد. مطابق نظر خبرگان پژوهش مشخص گردید تحلیل عکس پزشکی دارای بیشترین ضریب اهمیت (252/0) بود و سپس به ترتیب کاربردهای دیگر یعنی ارتودنسی (234/0)، تشخیص بیماری (151/0)، ایمپلنتولوژی و جراحی (143/0)، پیش بینی های بالینی (127/0) و مدیریت اجرایی (093/0) قرار گرفت. نتیجه گیری: دندانپزشکان در بررسی وضعیت دندان های بیماران و تست های تشخیصی در دندانپزشکی بر اساس تحلیل اطلاعات مراجعه کنندگان از قابلیت های هوش مصنوعی می توانند استفاده کنند. سیاست گزاران حوزه فناوری اطلاعات با حمایت و تقویت شرکت های دانش بنیان فعال در حوزه هوش مصنوعی و سرمایه گذاری مشترک در حوزه پزشکی می توانند زمینه ساز پیشرفت و توسعه این فناوری در کشور و حوزه درمان شوند.

مقدمه: استفاده از یارانه و دسترسی به حجم عظیم داده ها در سرتاسرجهان اخیراً منجر به پیشرفت برنامه های کاربردی هوش مصنوعی (AI) در بخش بهداشت و علوم پزشکی شده است. هرچند نیاز به تجزیه و تحلیل دقیق داده های ورودی برای افزایش دقت در تولید مجموعه داده ها از هوش مصنوعی وجود دارد، به زودی، هوش مصنوعی نقش مهمی در زمینه دندانپزشکی در تشخیص و ایجاد مدل های پیش بینی در انواع رشته های تخصصی درمانی ایفا خواهد کرد. پیشرفت های فناوری هوش مصنوعی باعث ایجاد انقلابی در زمینه دندانپزشکی شده است و با ارائه نظرات تخصصی، طرح درمان های با دقت بیشتری را برای دندانپزشکان فراهم می کند. استفاده از هوش مصنوعی مزایای متعددی در حیطه دندانپزشکی دارد که در این مقاله مورد بحث قرار گرفته است. نتیجه گیری: با استفاده از هوش مصنوعی به عنوان یک ابزار کمکی، متخصصان دندانپزشکی می توانند حجم کاری خود را کاهش دهند و دقت تشخیص، تصمیم گیری، برنامه ریزی درمان، پیش آگهی بیماری و پیش بینی نتیجه درمان را بهبود بخشند.

سابقه و هدف: هوش مصنوعی در علوم دندانپزشکی ابزاری قدرتمند برای تشخیص، درمان و پیشگیری است یکی از مهمترین کاربردهای هوش مصنوعی در علوم دندانپزشکی تشخیص دقیق از طریق تصاویر رادیولوژی است. الگوریتم های یادگیری عمیق، ماشین ها را قادر می سازد تا حتی از دندانپزشکان حرفه ای تصاویر را بهتر تجزیه و تحلیل کنند. یکی دیگر از کاربردهای هوش مصنوعی در علم دندانپزشکی شخصی سازی درمان ها یا Dentistry Individual است. اسکنرها با ثبت وضعیت دهانی، بیمار و هوش مصنوعی با استفاده از اطلاعات ذخیره شده است بهترین درمان را ارائه می دهند. الگوریتم های هوش مصنوعی می توانند الگوهای پنهان را شناسایی کرده و به دندانپزشکان در اقدامات پیشگیرانه کمک کند. هوش مصنوعی امروزه جای خود را در آموزش و پژوهش دندانپزشکی نیز بازکرده است. هدف از این مقاله مروری بررسی کاربرد هوش مصنوعی در علم و هنر دندانپزشکی است. مواد و روشها: این مطالعه مروری با استفاده از نسخه های الکترونیکی مقالات موجود در Pubmed /Medline، Scopus (Elsevier)، Web of Sciences (Claritive Analytics) از سال 2020 الی 2023 با استفاده از کلمات کلیدی Arfificial Intelligence، Dentistry، Education انجام شد. همه مطالعات به زبان انگلیسی بودند و در نهایت 123 مقاله در جستجو یافت شد که تعداد 43عدد با عناوین مورد نظر منطبق بودند، انتخاب و مورد بررسی قرار گرفتند. نتیجه گیری: هوش مصنوعی ابزاری قابل اعتماد در تشخیص، افزایش کیفیت درمان و پیش بینی شکست های درمان های دندانپزشکی است و محدودیت های آن شامل عدم آشنایی دندانپزشکان، تجهیزات گران قیمت و پیچیدگی کار با آن می باشد و تا زمان رفع محدودیتها می تواند به عنوان ابزار کمکی در دندانپزشکی استفاده شود.

در این مقاله، مدلسازی دستگاه تولید لینک خودکار یا ALE با استفاده از شبکه های عصبی یا هوش مصنوعی معرفی شده است. به طور کلی می توان عملکرد یک دستگاه ALE را مدلسازی کرد. هدف از مدلسازی، طراحی همین دستگاه با استفاده از روش های جدید و پیاده سازی با استفاده از ابزارهای موجود و در نتیجه بومی سازی آن است. در همین راستا، در این مقاله با استفاده از شبکه های عصبی و الگوریتم MLP تلاش شده است که عملکرد کلی دستگاه ALE مدلسازی و پیاده سازی شود. در ابتدا، پس از بررسی کانال های مخابراتی و اثرات غیرخطی و نویز بر انتقال داده، یک مدل برای انتقال داده در کانال های مخابراتی معرفی و در محیط نرم افزار متلب کد نویسی شده است. سپس به معرفی انواع شبکه های عصبی و کاربردهای آن پرداخته شده است و بهترین الگوریتم برای مدلسازی دستگاه ALE انتخاب شده است. در ادامه چندین مدل با استفاده از tools نرم افزار متلب و کد نویسی الگوریتم MLP انجام گرفته است و مقایسه شده است. در نهایت مدل پیشنهادی که مبتنی بر الگوریتم MLP است با کمترین خطا، به ازای خروجی جدید می تواند کانال مناسب را پیش بینی کند. مدل های پیشنهادی پس از بهینه سازی قابل پیاده سازی بر روی FPGA هستند و راهی برای ساخت این دستگاه در داخل کشور فراهم می آورد.

مقدمه: استفاده از فناوری های پیشرفته در دندانپزشکی می تواند به طور قابل توجهی مراقبت از بیمار را بهبود بخشد. مطالعه ی حاضر با هدف بررسی آگاهی و نگرش دانشجویان بالینی دندان پزشکی تبریز از کاربردهای هوش مصنوعی در دندان پزشکی انجام شد.روش ها: در این مطالعه ی مقطعی، از بین دانشجویان دندان پزشکی دوره های عمومی دانشگاه علوم پزشکی تبریز در سال 1403، تعداد 280 دانشجو بطور تصادفی و در دسترس انتخاب شدند. پرسشنامه آگاهی و نگرش در مورد کاربردهای هوش مصنوعی در دندان پزشکی به آنها تحویل و پاسخ نامه ی مذکور در همان روز دریافت گردید. پس از گردآوری پرسشنامه ها، نمرات آگاهی، نگرش تعیین شد. پرسشنامه در 3 بخش اطلاعات دموگرافیک (ترم تحصیلی و جنسیت، سن)، بخش دوم شامل سؤالات آگاهی (15 سؤال) و بخش سوم سؤالات نگرش (10 سؤال) تهیه شد. روایی و پایایی آن تعیین گردید. داده ها توسط آزمون Mann-Whitney U، Kruskal Wallis و Chi-square تحلیل شد. سطح معنی داری ارتباط آماری 05/0 در نظر گرفته شد.یافته ها: میانگین آگاهی دانشجویان دندانپزشکی از کاربردهای هوش مصنوعی در دندان پزشکی برابر با 03/2 ± 26/9 (از حداکثر نمره ی قابل کسب 15) بود. 1/12 درصد از دانشجویان در سطح آگاهی ضعیف، 5/72 درصد آگاهی متوسط و 4/15 درصد آگاهی خوب داشتند. میانگین نگرش دانشجویان برابر با 60/0 ± 78/3 بود. 2/3 درصد از دانشجویان نگرش منفی نسبت به کاربردهای هوش مصنوعی در دندان پزشکی داشتند، 4/50 درصد نگرش متوسط و 4/46 درصد نگرش مثبتی را نشان دادند. میزان آگاهی و نگرش تفاوت معنی داری بر اساس جنسیت دانشجویان نشان نداد. میزان آگاهی در دانشجویان ترم های 11 و 12 بطور معنی داری بیشتر از سایر دانشجویان بود (05/0 >P ). ولی میزان نگرش دانشجویان اختلاف معنی داری بر اساس ترم های تحصیلی نشان نداد.نتیجه گیری: آگاهی دانشجویان از کاربردهای هوش مصنوعی در دندان پزشکی در سطح متوسط گزارش شد.

مقدمه این ویژه­نامه هوش مصنوعی را مورد بحث قرار می دهد که معمولاً به عنوان «توانایی یک سیستم برای پردازش صحیح داده های خارجی، یادگیری از همان داده ها و استفاده از آن دانش از طریق سازگاری و انعطاف پذیری برای دستیابی به اهداف و وظایف خاص» تعریف می شود. این مقاله هفت پژوهش منتشر شده در این ویژه نامه از چندین متخصص برجسته جهان که دیدگاه های متنوعی در مورد هوش مصنوعی ارائه می کنند را خلاصه می کند و با ارائه یک چشم انداز جامع در مورد آینده هوش مصنوعی و با ترسیم چشم اندازهای خرد و کلان به پایان می رسد.

یکی از پیشرفت های اخیر در دندانپزشکی از ترمیم دندان گرفته تا ارتودنسی، ظهور علوم مهندسی پزشکی و هوش مصنوعی در آن است. این پیشرفت به دندانپزشکان اجازه می دهد کارآمدتر، راحت تر و با دقت بالاتر کار کنند. یکی از ابزارهای اصلی برای شبیه سازی و انتقال درمان های دندانپزشکی، تصویربرداری است. رادیوگرافی سه بعدی با دوز پایین و همچنین تصویربرداری نوری نقش مهمی در این راستا ایفا می کنند و بازار را تحت تأثیر قرار داده اند. پلتفرم های طراحی جدید، واحدهای فرز و چاپ فشرده و بسیار سریع هم اکنون فراوان هستند و به سرعت در عمل های دندانپزشکی مورد استفاده قرار می گیرند. استفاده روزافزون از تکنیک های تصویربرداری سه بعدی در پزشکی و دندانپزشکی و توسعه استفاده از سیستم های هوش مصنوعی برای مشکلات بالینی مختلف افزایش یافته است. توموگرافی کامپیوتری با پرتو مخروطی(CBCT) و اسکن داخل دهانی منابع بالقوه داده های تصویری برای توسعه سیستم های هوش مصنوعی مبتنی بر تصویر سه بعدی برای تشخیص خودکار، برنامه ریزی درمان و پیش بینی نتیجه درمان هستند. هوش مصنوعی به همراه علم مهندسی پزشکی به دلیل افزایش قدرت محاسباتی در دسترس محققان، جمع آوری مداوم داده های دیجیتال و همچنین توسعه الگوریتم های بسیار کارآمد برای یادگیری ماشینی و یادگیری عمیق، در حوزه دندانپزشکی بخصوص تصویربرداری دندانپزشکی در سال های اخیر به مسئله مهمی تبدیل شده است. بر طبق بررسی های انجام شده اکنون برنامه های هوش مصنوعی در حال توسعه هستند که از حجم وسیعی از داده های در دسترس استفاده می کنند و در طول زمان به یادگیری و بهبود تشخیص در تصاویر کمک می کند.

1استفاده از هوش مصنوعی در سالمندی به عنوان یکی از اهداف اصلی فناوری های پیشرفته، توانسته است به طور قابل توجهی به بهبود مراقبت های سلامت افراد سالمند کمک کند. این فناوری در تجزیه و تحلیل دقیق داده ها، پیش بینی بیماری ها، ارائه توصیه های بهداشتی شخصی سازی شده، تسهیل در مدیریت داروها، نظارت بر تمرینات، و حتی ایجاد تعاملات اجتماعی با افراد سالمند موفقیت آمیز بوده است. از ارتقاء امنیت و رفاه روحی تا ارائه ابزارهای هوش مصنوعی برای پشتیبانی خانگی و مراقبت های پزشکی، همه این اقدامات باعث شده اند تا هوش مصنوعی در سالمندی به یک پیشرفت جذاب و مؤثر تبدیل شود.  با این حال، در هنگام استفاده از هوش مصنوعی در سالمندی، مسائلی نیز باید در نظر گرفته شوند، از جمله حفظ حریم شخصی، اخلاقیات در استفاده از داده ها، و مدیریت مناسب اطلاعات. به همین دلیل، توجه به جوانب اخلاقی و انسانی از اهمیت بالایی برخوردار است. به طور کلی، توسعه هوش مصنوعی در سالمندی نشان دهنده توانایی بزرگ فناوری ها در بهبود زندگی افراد سالمند است و با توجه به رشد جمعیت سالمند در جوامع، این پیشرفت ها به تسهیلات جدیدی برای تحقق سلامت و رفاه افراد در این گروه سنی می انجامد.