D-PIN 22: Unterschied zwischen den Versionen

Aus HI-LONa
Zur Navigation springen Zur Suche springen
(Die Seite wurde neu angelegt: „{{Domäne |Domänen-Nummer=D7 |Name-DE=Domäne 7 des BMHI-LZK V5 |Name-EN=domain 7 of BMHI-LOC V5 |Katalog=BMHI-Version-5 }}“)
 
Keine Bearbeitungszusammenfassung
 
(Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt)
Zeile 3: Zeile 3:
|Name-DE=Domäne 7 des BMHI-LZK V5
|Name-DE=Domäne 7 des BMHI-LZK V5
|Name-EN=domain 7 of BMHI-LOC V5
|Name-EN=domain 7 of BMHI-LOC V5
|Beschreibung-DE=Management und Verarbeitung medizinischer Signal- und Bilddaten
|Beschreibung-EN=Managing and processing medical signal/image data
|Katalog=BMHI-Version-5
|Katalog=BMHI-Version-5
}}
}}

Aktuelle Version vom 5. Mai 2022, 15:22 Uhr

For a guide to this page see Help:Domain Page.



Learning Objectives of this Domain

Click on [Ausklappen], to see the learning objectives of this domain.

Go to LO LO-ID Domain Description Niveau 1 Niveau 2 Niveau 3 Niveau 4 Topic Role Parent LO Version Step
7.1 D7 Concepts and methods of biomedical image and signal processing clarify apply evaluate VS-PIN-86, VS-PIN-87
7.1.1 D7 Basic terms and methods of biomedical imaging name LZ-PIN 35210 VS-PIN-88
7.1.2 D7 Examples of medical images and their properties name, clarify LZ-PIN 35210 VS-PIN-89
7.1.3 D7 Terms and methods for registration and segmentation of medical images clarify apply LZ-PIN 35210 VS-PIN-90
7.1.4 D7 Basic image processing methods (e.g. smoothing fillers, edge filters, Fast Fourier Transform (FFT)) name, clarify LZ-PIN 35210 VS-PIN-91
7.1.5 D7 Different visualisation methods of biosignals and image data and their characteristics and peculiarities (e.g. typical artefacts) explain, name LZ-PIN 35210 VS-PIN-92
7.1.6 D7 Examples of medical biosignals and filtering methods for biosignals name, clarify LZ-PIN 35210 VS-PIN-93
7.1.7 D7 Basic principles of processing biosignal and image data by means of machine learning methods using the example of artificial neural networks (e.g. Deep Learning, Convolutional Neural Networks (CNNs), Generative Adversarial Network (GAN)) name, clarify LZ-PIN 35210 VS-PIN-93
7.1.8 D7 Biomedical Modelling and Simulation plan, perform LZ-PIN 35210 VS-PIN-95
7.2 D7 Application fields of image and signal processing explain correlate critically evaluate VS-PIN-94
7.3 D7 Management of biomedical signal and image data clarify, name VS-PIN-97
7.3.1 D7 Important standards of medical informatics e.g. DICOM clarify, name LZ-PIN 35220 VS-PIN-98
7.3.2 D7 Application scenarios for telemedical applications and their framework conditions clarify, name LZ-PIN 35220 VS-PIN-99

Lernziele dieser Domäne

Klicke auf [Ausklappen], um die Lernziele der Domäne zu sehen.

zum LZ LZ-ID Domäne Lernzieltext Niveau 1 Niveau 2 Niveau 3 Niveau 4 Thema Rolle übergeordnetes LZ Versionsschritt
7.1 D7 Die Studierenden können Konzepte und Verfahren der biomedizinischen Bild- und Signalverarbeitung erläutern anwenden beurteilen VS-PIN-86, VS-PIN-87
7.1.1 D7 Die Studierenden können Basisbegriffe und Methoden der biomedizinischen Bildgebung nennen LZ-PIN 35210 VS-PIN-88
7.1.2 D7 Die Studierenden können Beispiele für medizinische Bilder und deren Eigenschaften nennen, erläutern LZ-PIN 35210 VS-PIN-89
7.1.3 D7 Die Studierenden können Begriffe und Verfahren zur Registrierung und Segmentierung von medizinischen Bildern erläutern anwenden LZ-PIN 35210 VS-PIN-90
7.1.4 D7 Die Studierenden können grundlegende Verfahren zur Bildverarbeitung (z.B. Glättungsfillter, Kantenfilter, Fast-Fourier-Transformation (FFT)) nennen, erläutern LZ-PIN 35210 VS-PIN-91
7.1.5 D7 Die Studierenden können verschiedene Visualisierungsverfahren von Biosignalen und Bilddaten und deren Eigenschaften und Eigenheiten (z.B. typische Artefakte) erklären, nennen LZ-PIN 35210 VS-PIN-92
7.1.6 D7 Die Studierenden können Beispiele für medizinische Biosignale sowie Filterverfahren für Biosignale nennen, erläutern LZ-PIN 35210 VS-PIN-93
7.1.7 D7 Die Studierenden können Grundprinzipien der Verarbeitung von Biosignal- und Bilddaten mittels Verfahren des maschinellen Lernens am Beispiel künstlicher neuronaler Netze (z.B Deep Learning, Convolutional Neural Networks (CNNs), Generative Adversarial Network (GAN)) nennen, erläutern LZ-PIN 35210 VS-PIN-93
7.1.8 D7 Die Studierenden können Biomedizinische Modellierung und Simulation planen, durchführen LZ-PIN 35210 VS-PIN-95
7.2 D7 Die Studierenden können Anwendungsfelder von Bild- und Signalverarbeitung erklären in Beziehung setzen kritisch beurteilen VS-PIN-94
7.3 D7 Management biomedizinischer Signal- und Bilddaten erläutern, benennen VS-PIN-97
7.3.1 D7 Die Studierenden können wichtige Standards der Medizinischen Informatik z.B. DICOM erläutern, benennen LZ-PIN 35220 VS-PIN-98
7.3.2 D7 Die Studierenden können Einsatzszenarien für telemedizinische Anwendungen und deren Rahmenbedingungen erläutern, benennen LZ-PIN 35220 VS-PIN-99