Modul CS4368-KP06
Advanced Data Analysis Methods for Digital Health Applications (ADA)
Dauer
1 Semester
Angebotsturnus
Unregelmäßig im Wintersemester
Leistungspunkte
6
Studiengang, Fachgebiet und Fachsemester:
- Master Medizinische Informatik 2019, Wahlpflicht, Medical Data Science / Künstliche Intelligenz, 1. oder 2. Fachsemester
Lehrveranstaltungen:
- Advanced Data Analysis Methods for Digital Health Applications (Übung, 2 SWS)
- Advanced Data Analysis Methods for Digital Health Applications (Vorlesung, 2 SWS)
Workload:
- 40 Stunden Selbststudium
- 20 Stunden Prüfungsvorbereitung
- 60 Stunden Präsenzstudium
- 60 Stunden Eigenständige Projektarbeit
Lehrinhalte:
- Entstehungsprozesse relevanter physiologischer biomedizinischer Signale
- Akquise biomedizinischer Daten (Sensoren und deren potentielle Fehlerquellen)
- Signalverarbeitung biomedizinischer Signale
- Verfahren des Maschinellen Lernens für biomedizinische Daten
- Verfahren zur Datenanalyse (statistische Verfahren, Verfahren der Erklärbarkeit)
- Studentisches Projekt inkl. Ergebnispräsentation
Qualifikationsziele/Kompetenzen:
- Studierende können die Mechanismen der Signalakquise im Zusammenhang mit physiologischer Funktionsweise erklären und geeignete Modalitäten zur Signalakquise herleiten.
- Studierende können Zusammenhänge zwischen physiologischen Funktionsweisen / Phänomenen, bestimmten Signalvariationen und funktionalen, neurologischen und kardiovaskulären Krankheiten herstellen und erklären.
- Studierende können für spezifische physiologische Phänomene und Krankheiten geeignete Messmodalitäten, Versuchsaufbauten zur Signalakquise, sowie Signalverarbeitungs- und maschinelle Lernansätze auswählen und umsetzen.
- Studierende können die Qualität der Messdaten hinsichtlich potenzieller Fehler und des Signal-Rausch-Verhältnisses überprüfen, einschätzen und die Ergebnisse in Bezug auf spezifische medizinische Fragestellungen interpretieren.
- Studierende können ihre Konzepte, Lösungen und Ergebnisse veranschaulichen und diskutieren.
- Studierende können das Erlernte in eigenen Studien anwenden und die Ergebnisse auswerten.
Vergabe von Leistungspunkten und Benotung durch:
- Portfolio-Prüfung
Modulverantwortliche:
Sprache:
- Englisch, außer bei nur deutschsprachigen Teilnehmern
Bemerkungen:
Zulassungsvoraussetzungen zur Belegung des Moduls:- Keine (die Kompetenzen der unter ''Setzt voraus'' genannten Module werden für dieses Modul benötigt, sind aber keine formale Voraussetzung)
Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungszetteln gemäß Vorgabe am Semesteranfang
Modulprüfungen:
- CS4368-L1: Advanced Data Analysis Methods for Digital Health Applications, Portfolioprüfung bestehend aus: 60% für 90-minütige Klausur oder mündliche Prüfung (nach Maßgabe des Dozenten) und 40% für eine eigenständige Projektarbeit
Letzte Änderungen:
05.05.2025