dc.contributor.advisor | Vuorinen, Jukka | |
dc.contributor.author | Savolainen, Petra | |
dc.date.accessioned | 2024-05-24T08:05:48Z | |
dc.date.available | 2024-05-24T08:05:48Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | https://jyx.jyu.fi/handle/123456789/95150 | |
dc.description.abstract | Karies eli hampaiden reikiintyminen on maailmanlaajuisesti yksi yleisimmistä
sairauksista, minkä hoitamatta jättäminen voi johtaa pahimmassa tapauksessa
hampaan menettämiseen tai verenmyrkytykseen. Tämän vuoksi karieksen havaitsemisen ja ehkäisemisen tueksi on viime vuosina tutkittu tekoälyn, erityisesti
koneoppimisen, hyödyntämistä. Koneoppimisella tarkoitetaan konetta, joka oppii ja ennustaa datasta hyödyntäen aiemmin oppimaansa. Aiemmissa alan tutkimuksissa on keskitytty koneoppimisen mallien teknisiin ominaisuuksiin ja mahdollisiin hyötyihin, mutta ihmisen osallisuutta mallin opettamisessa ei ole juurikaan tutkittu. Täten tämän tutkielman tavoitteena oli vastata kahteen tutkimuskysymykseen: ” Millä tavoin hammaslääkäri voisi hyödyntää koneoppimista
työssään kariologiassa ja hampaiston määrittämisessä?” ja ” Mikä on ihmisen
rooli koneoppimisen opettamisprosessissa, ja mitkä ovat koneoppimisen kehittämisen haasteita tällä hetkellä suun terveydenhuollossa?”. Tutkielma toteutettiin kuvailevana kirjallisuuskatsauksena ja lähteiksi valittiin erilaisia, pääasiassa
vertaisarvioituja tieteellisiä julkaisuja. Koneoppimisen mahdollisuuksiksi löydettiin kariesriskin ennustaminen potilaan esitiedoista sekä automaattinen plakin, karieksen ja hampaiston tunnistaminen ja määrittäminen erilaisista kuvista.
Ihmisen rooli edellisten mallien opettamisessa vaihteli ohjatusta opettamisesta
täysin ohjaamattomaan, riippuen mallissa hyödynnetystä teknologiasta. Lisäksi
tutkielmassa havaittiin, että suurimmat mallien kehittämiseen liittyvät haasteet
suun terveydenhuollon kontekstissa ovat henkilötietojen käsittelyyn liittyvät
lainsäädännön vaatimukset, mustan laatikon eettiset ongelmat sekä potilaiden ja
hammaslääkärien asenteista ja puutteellisista tiedoista johtuvat haasteet. Tutkielman johtopäätöksenä on, että mallien laajempaa käyttöönottoa varten tarvitaan
lisätutkimuksia sekä tietoisuuden lisäämistä ammattilaisten ja potilaiden keskuudessa. Tutkielmassa ehdotetaan jatkotoimenpiteinä toisteisten tutkimusten
tekemistä, laajempia tutkimusotantoja sekä alan yhteisten raportointistandardien luomista. Näin tutkimusten tuloksia voitaisiin tarkastella ja verrata luotettavammin keskenään, sekä mahdollistaa mallien käyttöönotto vastaanotoilla. | fi |
dc.format.extent | 46 | |
dc.language.iso | fi | |
dc.rights | In Copyright | en |
dc.title | Koneoppiminen kariologiassa ja hampaiston määrittämisessä : mahdollisuudet, haasteet ja ihmisen rooli mallien opettamisessa | |
dc.type | bachelor thesis | |
dc.identifier.urn | URN:NBN:fi:jyu-202405243915 | |
dc.type.ontasot | Bachelor's thesis | en |
dc.type.ontasot | Kandidaatintyö | fi |
dc.contributor.tiedekunta | Informaatioteknologian tiedekunta | fi |
dc.contributor.tiedekunta | Faculty of Information Technology | en |
dc.contributor.laitos | Informaatioteknologia | fi |
dc.contributor.laitos | Information Technology | en |
dc.contributor.yliopisto | Jyväskylän yliopisto | fi |
dc.contributor.yliopisto | University of Jyväskylä | en |
dc.contributor.oppiaine | Tietojärjestelmätiede | fi |
dc.contributor.oppiaine | Information Systems Science | en |
dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
dc.type.publication | bachelorThesis | |
dc.contributor.oppiainekoodi | 601 | |
dc.subject.yso | syväoppiminen | |
dc.subject.yso | koneoppiminen | |
dc.subject.yso | tekoäly | |
dc.subject.yso | neuroverkot | |
dc.subject.yso | karies | |
dc.subject.yso | suun terveydenhuolto | |
dc.subject.yso | hammashuolto | |
dc.rights.url | https://rightsstatements.org/page/InC/1.0/ | |