The Artificial Intelligence Applications in Postgraduate Theses in the Field of Anatomy in Turkey: A Content Analysis

Öz

Objective: The aim of this study is to examine postgraduate theses prepared using artificial intelligence approaches in the field of anatomy at universities in Turkey in terms of various parameters, and to comprehensively reveal the usage trends of artificial intelligence methods in these theses and the contributions of these methods to the literature based on the analyses. Methods: In this descriptive study, a search was conducted using the keywords 'artificial intelligence,' 'deep learning,' and 'machine learning' among open-access theses in the field of anatomy registered in the Council of Higher Education’s electronic thesis archive. The theses included in the study were evaluated based on year of publication, type, language, university, gender of the author, title and gender of the advisor, presence of a second advisor, and if applicable, the title and gender of the second advisor, number of pages, sample size, research methods, and topics examined. The data obtained were analyzed using descriptive statistical methods. Results: A total of 19 theses (5 doctoral and 14 master's) conducted using artificial intelligence in the departments of anatomy were identified. It was determined that the highest number of these theses were completed in 2024. The majority of the theses (n=15) focused on the use of artificial intelligence approaches for gender determination, and most were completed at Karabük University. Most of the authors were female (73.68%). The average sample size of the theses was found to be 301.16±248.70 (Min-Max: 100-1000) Conclusion: This study presents qualitative and quantitative data on certain parameters related to postgraduate theses in the field of anatomy, highlighting the potential use of artificial intelligence in the theses.

Anahtar Kelimeler

• Postgraduate education
• anatomy
• artificial intelligence
• machine learning
• deep learning.

Türkiye’de anatomi alanında yapılan lisansüstü tezlerde yapay zeka uygulamaları: bir içerik analizi

Öz

Amaç: Bu çalışmanın amacı, Türkiye'deki üniversitelerde anatomi alanında yapay zekâ uygulamaları kullanılarak hazırlanan lisansüstü tezleri çeşitli parametreler açısından incelemek, analizler neticesinde yapay zekâ yöntemlerinin tezlerdeki kullanım eğilimlerini ve bu yöntemlerin literatüre sunduğu katkıyı kapsamlı bir şekilde ortaya koymaktır. Gereç ve Yöntemler: Tanımlayıcı nitelikteki bu araştırmada, Yükseköğretim Kurulu elektronik tez arşivinde kayıtlı olan, anatomi anabilim dallarında yapılmış erişime açık tezlerde “yapay zekâ”, “derin öğrenme”, “makine öğrenme” anahtar kelimeleri ile tarama yapıldı. Çalışmaya dâhil edilen tezler, yayım yılı, türü, dili, üniversitesi, yazarın cinsiyeti, danışmanın ünvanı ve cinsiyeti, ikinci danışman varlığı, varsa ikinci danışmanın cinsiyeti ve ünvanı, sayfa sayısı, örneklem sayısı, araştırma yöntemleri ve incelenen konular açısından değerlendirildi. Elde edilen veriler tanımlayıcı istatistiksel analizler ile değerlendirildi. Bulgular: Anatomi anabilim dallarında yapay zekâ uygulamaları kullanılarak yürütülen toplam 19 tez (5 doktora, 14 yüksek lisans) tespit edildi. İlgili tez çalışmalarının en yüksek sayıda 2024 yılında tamamlandığı belirlendi. Tezlerin büyük çoğunluğunda (n=15) yapay zeka uygulamalarının cinsiyet tayinini konu aldıkları ve en fazla sayıda tezin Karabük Üniversitesi’nde tamamlandığı görüldü. Tez yazarlarının büyük çoğunluğu kadındı (%73,68). Tezlerin ortalama örneklem boyutunun 301,16±248,70 (Min-Maks: 100-1000) olduğu belirlendi. Sonuç: Bu çalışma, anatomi alanındaki lisansüstü tezlere dair bazı parametreler ile ilgili nitel ve nicel veriler sunarak, yapay zekanın tezlerde kullanımına ilişkin potansiyeli vurgulamaktadır.

Anahtar Kelimeler

• Lisansüstü eğitim
• anatomi
• yapay zeka
• makine öğrenme
• derin öğrenme

Kaynakça

1. Zafar I, Anwar S, Yousaf W, et al. Reviewing methods of deep learning for intelligent healthcare systems in genomics and biomedicine. Biomed Signal Process Control. 2023;86:105263. doi:10.1016/j.bspc.2023.105263
2. Avanzo M, Stancanello J, Pirrone G, Drigo A, Retico A. The evolution of artificial intelligence in medical imaging: from computer science to machine and deep learning. Cancers. 2024;16(21):3702. doi:10.3390/cancers16213702
3. Aggarwal N, Saini BS, Gupta S. Role of artificial intelligence techniques and neuroimaging modalities in detection of Parkinson’s disease: a systematic review. Cognitive Computation. 2024;16(4):2078-2115. doi:10.1007/s12559-023-10175-y
4. Muscogiuri G, Van Assen M, Tesche C, et al. Artificial intelligence in coronary computed tomography angiography: from anatomy to prognosis. Biomed Res Int. 2020;2020(1):6649410. doi:10.1155/2020/6649410
5. Shafi S, Parwani AV. Artificial intelligence in diagnostic pathology. Diagn Pathol. 2023;18(1):109. doi:10.1186/s13000-023-01375-z
6. He F, Wang Y, Xiu Y, Zhang Y, Chen L. Artificial intelligence in prenatal ultrasound diagnosis. Frontiers in medicine. 2021;8:729978. doi:10.3389/fmed.2021.729978
7. Türk Akbulut E. Türkiye'de diş hekimliği alanında yapay zekâ uygulamalarını içeren lisansüstü tezlerin kapsamlı incelenmesi: Nitel araştırma. Turkiye Klinikleri J Dental Sci. 2025;31(1). doi:10.5336/dentalsci.2024-105170
8. Lazarus MD, Truong M, Douglas P, Selwyn N. Artificial intelligence and clinical anatomical education: Promises and perils. Anat Sci Educ. 2024;17(2):249-262. doi:10.1002/ase.2221

9. Roxburgh M, Evans DJ. Assessing anatomy education: A perspective from design. Anat Sci Educ. 2021;14(3):277-286. doi:10.1002/ase.2060
10. Pandurangam G, Gurajala S, Nagajyothi D. Artificial ıntelligence in anatomy teaching and learning: A literature review. National Journal of Clinical Anatomy. 2024;13(3):158-163. doi:10.4103/NJCA.NJCA_103_24
11. 1Alkan A, Sevli O. Türkiye’de yapay zekâ alanında yazılmış yüksek lisans tezlerinin incelenmesi. OKÜ Fen Bil. Ens. Dergisi. 2023;6(1):931-947.doi:10.47495/okufbed.1062622
12. Ünüvar BS, Aydemir B, Aydemir F. Vestibüler rehabilitasyon başlıklı lisansüstü tezlerin nitel ve nicel içerik analizi. Gümüşhane Üniversitesi Sağlık Bilimleri Dergisi. 2024;13(4):1818-1828.doi:10.37989/gumussagbil.1459182
13. Van Eck NJ, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics. 2010; 84(2):523-538. doi:10.1007/s11192-009-0146-3
14. Demir M, Karabaş SA, Subaşı FB, Yoldaş A. Tıp fakültesi anatomi anabilim dalı yüksek lisans tez konularının değerlendirilmesi. KSU Medical Journal. 2023;18(3): 22-28. doi:10.17517/ksutfd.1185184
15. Çınar MA, Turhan B, Badat T, Bayramlar K, Yakut Y. Türkiye’de fizyoterapi ve rehabilitasyon alanında yapılan doktora tezlerinin tematik ve metodolojik açıdan incelenmesi araştırma makalesi. Turk J Physiother Rehabil. 2021;32(3):87-94. doi:10.21653/tjpr.824330
16. Sayar B. Tıp alanında yapay zekânın kullanımı: Araştırma makalesi. Acta Medica Ruha. 2023;1(1):27-33. doi:10.5281/zenodo.7749209
17. Akalın B, Veranyurt Ü. Sağlık bilimlerinde yapay zekâ tabanlı klinik karar destek sistemleri. Gevher Nesibe Journal of Medical and Health Sciences. 2022;7(18):64-73. doi:10.46648/gnj.368
18. Can AR, Korkmaz İ, Atamtürk D, Karazincir S, Duyar İ. Üst yüz ve orbita bölgesinden alınan genişlik ölçülerinin cinsiyet tayininde kullanımı. The Medical Journal of Mustafa Kemal University. 2020;13(47):296-302. doi:0.17944/mkutfd.1022278
19. Doğru S, Karabaş SA, Ballı T. İkinci servikal vertebranın morfometrik analizi: Radyolojik bir çalışma. Harran Üniversitesi Tıp Fakültesi Dergisi. 2022;19(3):488-492. doi:10.35440/hutfd.1208504
20. Türkcan MB, Baybars SC. Güncel literatür eşliğinde adli diş hekimliği. Dent & Med J - R. 2024;6(1):1-20.
21. Al-Jarrah OY, Yoo PD, Muhaidat S, Karagiannidis GK, Taha K. Efficient machine learning for big data: A review. Big Data Research. 2015;2(3):87-93.doi:10.1016/j.bdr.2015.04.001
22. Rajput D, Wang WJ, Chen CC. Evaluation of a decided sample size in machine learning applications. BMC bioinformatics. 2023;24(1):48. doi:10.1186/s12859-023-05156-9
23. Secinaro S, Calandra D, Secinaro A, Muthurangu V, Biancone P. The role of artificial intelligence in healthcare: a structured literature review. BMC Med Inform Decis Mak. 2021;21:1-23. doi:10.1186/s12911-021-01488-9
24. Brady AP, Neri E. Artificial intelligence in radiology—ethical considerations. Diagnostics. 2020;10(4):231. doi:10.3390/diagnostics10040231