Modul CS4352-KP06

Dauer

1 Semester

Angebotsturnus

Jedes Sommersemester

Leistungspunkte

6

Studiengang, Fachgebiet und Fachsemester:

• Master Medizinische Informatik 2014, Wahlpflicht, Medical Data Science / Künstliche Intelligenz
• Master Medizinische Informatik 2019, Pflicht, Medical Data Science / Künstliche Intelligenz

Lehrveranstaltungen:

• CS4352-P: Medical Data Science für Assistive Gesundheitstechnologien (Praktikum, 1 SWS)
• CS4352-Ü: Medical Data Science für Assistive Gesundheitstechnologien (Übung, 2 SWS)
• CS4352-V: Medical Data Science für Assistive Gesundheitstechnologien (Vorlesung, 2 SWS)

Workload:

• 75 Stunden Präsenzstudium
• 65 Stunden Selbststudium
• 40 Stunden Prüfungsvorbereitung

Lehrinhalte:

• Einführung in Medical Data Science für assistive Gesundheitstechnologien
• Generelle Vorgehensweise bei der Erkennung menschlicher Aktivitäten
• Integration und Synchronisation von multiplen Sensoren
• Merkmalslernen aus multimodalen Sensordaten
• Überwachte Klassifikation von multimodalen Sensordaten
• Generelle Vorgehensweise bei der sensorbasierten Innenlokalisierung
• Statistische Repräsentation von multimodalen Sensordaten
• Rekursive Schätzung einer Wahrscheinlichkeitsdichte
• Zustandsschätzung mithilfe von Particle Filtering
• Generelle Vorgehensweise bei der Analyse von Schlaflabordaten
• Ansätze zur Erweiterung von multimodalen Zeitreihen
• Transferlernen für die Klassifikation von Zeitreihen
• Erklärbare Methoden maschinellen Lernens
• Demonstratoren aus aktuellen Forschungsprojekten
• Zusammenfassung und Schlussfolgerungen

Qualifikationsziele/Kompetenzen:

• Studierende haben einen Überblick über bekannte, assistive Gesundheitstechnologien und können ihren Einsatz medizinisch motivieren.
• Studierende kennen die generelle Vorgehensweise bei der Erkennung menschlicher Aktivitäten.
• Studierende kennen ausgewählte Verfahren für die Integration und Synchronisation von multiplen Sensoren.
• Studierende kennen ausgewählte Verfahren zum Merkmalslernen und können sie in einer Programmiersprache umsetzen.
• Studierende kennen ausgewählte Klassifikationsverfahren für multimodale Sensordaten und können sie in einer Programmiersprache umsetzen.
• Studierende kennen die generelle Vorgehensweise bei der sensorbasierten Innenlokalisierung.
• Studierende kennen ausgewählte Modelle zur statistischen Repräsentation von multimodalen Sensordaten und können sie in einer Programmiersprache umsetzen.
• Studierende kennen die Theorie der rekursiven Schätzung einer Wahrscheinlichkeitsdichte.
• Studierende kennen das Verfahren Particle Filtering und können es in einer Programmiersprache umsetzen.
• Studierende kennen die generelle Vorgehensweise bei der Analyse von Schlaflabordaten.
• Studierende kennen ausgewählte Ansätze zur Erweiterung von multimodalen Zeitreihen und können sie in einer Programmiersprache umsetzen.
• Studierende kennen ausgewählte Transferlernverfahren für die Klassifikation von Zeitreihen.
• Studierende kennen ausgewählte Methoden des erklärbaren, maschinellen Lernens.
• Studierende kennen die Zielsetzung und Funktionsweise von Softwaresystemen aus ausgewählten, aktuellen Forschungsprojekten.
• Studierende kennen die gesellschaftliche Relevanz von assistiven Gesundheitstechnologien.

Vergabe von Leistungspunkten und Benotung durch:

• Mündliche Prüfung

Modulverantwortliche:

• Prof. Dr.-Ing. Marcin Grzegorzek

Lehrende:

• Institut für Medizinische Informatik
• Prof. Dr.-Ing. Marcin Grzegorzek
• Prof. Dr. rer. nat. habil. Sebastian Fudickar

Literatur:

• Peter J. Brockwell and Richard A. Davis : Introduction to Time Series and Forecasting ISBN: 978-3-319-29852-8
• Marcin Grzegorzek : Sensor Data Understanding ISBN: 978-3-8325-4633-5
• Andrew R. Webb : Statistical Pattern Recognition ISBN: 978-0-470-68228-9
• Sergios Theodoridis and Konstantinos Koutroumbas : Pattern Recognition ISBN: 978-1-597-49272-0
• Heinrich Niemann : Klassifikation von Mustern ISBN: 978-3-642-47517-7
• Marcin Grzegorzek : Appearance-Based Statistical Object Recognition Including Color and Context Modeling ISBN: 978-3-8325-1588-1
• Muhammad Adeel Nisar : Sensor-Based Human Activity Recognition for Assistive Health Technologies ISBN: 978-3-8325-5571-9
• Frédéric Li : Deep Learning for Time-series Classification Enhanced by Transfer Learning Based on Sensor Modality Discrimination ISBN: 978-3-8325-5396-8
• Frank Ebner : Smartphone-Based 3D Indoor Localization and Navigation ISBN: 978-3-8325-5232-9
• Xinyu Huang : Sensor-Based Sleep Stage Classification Using Deep Learning ISBN: 978-3-8325-5617-4

Sprache:

• Sowohl Deutsch- wie Englischkenntnisse nötig

Bemerkungen:

Letzte Änderungen:

22.03.2023