<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=187454"><dc:title>Uporaba postopkov umetne inteligence pri slikanju z računalniško tomografijo s stožčastim snopom v stomatološki diagnostiki</dc:title><dc:creator>Simonič,	Nika	(Avtor)
	</dc:creator><dc:creator>Svenšek,	Ela	(Avtor)
	</dc:creator><dc:creator>Žibert,	Janez	(Mentor)
	</dc:creator><dc:creator>Matjašič,	Alenka	(Komentor)
	</dc:creator><dc:creator>Mekiš,	Nejc	(Recenzent)
	</dc:creator><dc:subject>diplomska dela</dc:subject><dc:subject>radiološka tehnologija</dc:subject><dc:subject>umetna inteligenca</dc:subject><dc:subject>CBCT</dc:subject><dc:subject>stomatološka diagnostika</dc:subject><dc:subject>segmentacija</dc:subject><dc:subject>zaznavanje patoloških sprememb</dc:subject><dc:description>Uvod: Umetna inteligenca v zadnjih letih predstavlja pomemben napredek na področju medicinske diagnostike, zlasti pri analizi tridimenzionalnih CBCT posnetkov v stomatologiji. Njena uporaba omogoča izboljšanje natančnosti, hitrosti in zanesljivosti diagnostičnih postopkov ter zmanjšuje vpliv subjektivne interpretacije radioloških slik. Namen: Namen diplomskega dela je bil s sistematičnim pregledom znanstvene literature preučiti uporabo umetne inteligence pri analizi CBCT posnetkov v stomatološki diagnostiki, zlasti pri segmentaciji anatomskih struktur, zaznavanju patoloških sprememb ter izboljšanju kakovosti radioloških slik. Metode dela: Uporabili smo metodo sistematičnega pregleda znanstvene literature. Relevantne vire smo iskali v izbranih podatkovnih bazah na podlagi vnaprej določenih ključnih besed in vključitvenih kriterijev ter analizirali raziskave, ki obravnavajo uporabo umetne inteligence v CBCT diagnostiki.  Rezultati: Rezultati kažejo, da umetna inteligenca omogoča visoko stopnjo natančnosti pri segmentaciji anatomskih struktur ter uspešno zaznava patološke spremembe, kot so karies in periapikalne lezije. Poleg tega prispeva k izboljšanju kakovosti CBCT posnetkov z zmanjševanjem artefaktov in izboljšanjem vizualizacije.  Razprava in zaključek: Uporaba umetne inteligence omogoča hitrejšo, bolj standardizirano in ponovljivo analizo radioloških slik ter predstavlja pomembno podporno orodje pri kliničnem odločanju. Kljub obetavnim rezultatom njena širša uporaba v klinični praksi še vedno zahteva dodatno validacijo, standardizacijo in ustrezno integracijo v klinično okolje. Umetna inteligenca ima velik potencial za nadaljnji razvoj in širšo uporabo v stomatološki diagnostiki.</dc:description><dc:publisher>[N. Simonič : E. Svenšek]</dc:publisher><dc:date>2026</dc:date><dc:date>2026-09-11 07:47:38</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>187454</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>