GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| EDEN217 | Information Technology in Dentistry | Seçmeli Ders Grubu | 2 | 3 | 2.00 | 2.00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Diş Hekimliğinde Bilişim Teknolojileri dersi, sağlık hizmetlerinde bilişim teknolojilerinin ve yapay zeka uygulamalarının rolünü incelemeyi amaçlar. Bu ders, öğrencilere modern sağlık sistemlerinde veri yönetimi, hastalık tanı ve tedavi süreçlerinde yapay zeka algoritmalarının kullanımı, sağlık kayıtlarının dijitalleştirilmesi, büyük veri gibi konular hakkında bilgi sağlamayı hedefler.
Dersi Veren Öğretim GörevlisiGörevlileri
Dr Öğr Üyesi Suay Yağmur Ünal
Öğrenme Çıktıları
| 1 | Giriş ve Temel Kavramlar Sağlık bilişimi alanının kapsamını, amaçlarını ve temel terimlerini açıklar. Dijital sağlık dönüşümünün tarihsel gelişimini özetler. |
| 2 | Elektronik Sağlık Kayıtları (EHR) ve Dijital Sağlık Sistemleri EHR sistemlerinin temel bileşenlerini ve işlevlerini tanımlar. EHR kullanımının klinik iş akışlarına etkilerini değerlendirir. |
| 3 | Sağlık Bilgi Sistemleri ve Entegrasyon Sağlık bilgi sistemlerinin türlerini açıklar. Veri entegrasyonunda kullanılan standartları (HL7, FHIR, DICOM) açıklar. |
| 4 | Veri Güvenliği ve Gizlilik Sağlık verisini tehdit eden riskleri analiz eder. KVKK/HIPAA gibi kişisel veri koruma düzenlemelerini açıklar. |
| 5 | Sağlıkta Büyük Veri ve Veri Analitiği Büyük verinin sağlıkta kullanım alanlarını örnekler. Veri analitiği yöntemlerinin klinik karar destek sistemlerine katkısını tartışır. |
| 6 | Derin Öğrenme ve Görüntü İşleme AI ve makine öğrenmesi kavramlarını açıklar. Supervised/unsupervised learning ayrımını örneklerle açıklar. |
| 7 | Derin Öğrenme ve Görüntü İşleme CNN gibi derin öğrenme mimarilerini tanımlar. Görüntü işleme tekniklerinin sağlıkta kullanımını uygular. |
| 8 | Doğal Dil İşleme (NLP) ve Sağlıkta Uygulamaları NLP’nin sağlık metinlerinde kullanımını açıklar. Klinik veri analizine yönelik NLP tekniklerini örneklendirir. |
| 9 | Yapay Zeka Destekli Teşhis Sistemleri AI tabanlı teşhis sistemlerinin çalışma prensiplerini analiz eder. Teşhis performans metriklerini yorumlar (accuracy, ROC, sensitivity vs). |
| 10 | Robotik ve Otomasyon Teknolojileri Sağlıkta robotik teknolojilerin kullanım alanlarını açıklar. Klinik otomasyonun avantaj ve sınırlarını değerlendirir. |
| 11 | Giyilebilir Teknolojiler ve Uzaktan İzleme Giyilebilir sensörlerle sağlık izlemenin önemini açıklar. Uzaktan hasta takibi modellerini örnekler. |
| 12 | Yapay Zeka ile Kişiselleştirilmiş Tıp AI’nin kişiselleştirilmiş tedavilere katkısını analiz eder. Genomik veri ile AI entegrasyonunu açıklar. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
bilgisayar bilimi, algoritmalar ve bilgisayarda olan önemli terminolojileri, veri depolama ve çeşitli verileri depolama yöntemleri
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Giriş ve Temel Kavramlar. | ||
| 2 | Elektronik Sağlık Kayıtları (EHR) ve Dijital Sağlık Sistemleri | ||
| 3 | Sağlık Bilgi Sistemleri ve Entegrasyon | ||
| 4 | Veri Güvenliği ve Gizlilik | ||
| 5 | Sağlıkta Büyük Veri ve Veri Analitiği | ||
| 6 | Yapay Zeka ve Makine Öğrenmesi Temelleri | ||
| 7 | Derin Öğrenme ve Görüntü İşleme | ||
| 8 | Ara sınav haftası. | ||
| 9 | Doğal Dil İşleme (NLP) ve Sağlıkta Uygulamaları | ||
| 10 | Yapay Zeka Destekli Teşhis Sistemleri | ||
| 11 | Robotik ve Otomasyon Teknolojileri | ||
| 12 | Giyilebilir Teknolojiler ve Uzaktan İzleme | ||
| 13 | Yapay Zeka ile Kişiselleştirilmiş Tıp | ||
| 14 | Final sınavına hazırlık. Tüm dönemin tekrarı. |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Derste takip edilecek temel kaynak, Dr. Öğr. Üyesi Polathan KÜSBECİ’nin 2021 yılı basımı (1. Baskı) “İşletmelerde Yapay Zeka” isimli kitabıdır.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 12 | 1 | 12 |
| Beyin Fırtınası | 7 | 3 | 21 |
| Bireysel Çalışma | 1 | 1 | 1 |
| Final Sınavı içiin Bireysel Çalışma | 5 | 4 | 20 |
| Toplam İş Yükü (saat) | 56 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
| ÖÇ 4 |
| ÖÇ 5 |
| ÖÇ 6 |
| ÖÇ 7 |
| ÖÇ 8 |
| ÖÇ 9 |
| ÖÇ 10 |
| ÖÇ 11 |
| ÖÇ 12 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek