Attribut:Beschreibung-DE
Zur Navigation springen
Zur Suche springen
Dies ist ein Attribut des Datentyps Text.
L
Die Studierenden können Beispiele für medizinische Biosignale sowie Filterverfahren für Biosignale und Grundprinzipien der Verarbeitung von Biosignal- und Bilddaten mittels (tiefen) neuronalen Netzen (Deep Learning, CNN - Convolutronal Neural Networks) +
Die Studierenden können Beispiele für medizinische Bilder und deren Eigenschaften +
Die Studierenden können grundlegende Verfahren zur Bildverarbeitung (z.B. Kantenfilter, Medianfilter, Fast-Fourier-Transformation (FFT)) +
Die Studierenden können die Registrierung und Segmentierung von medizinischen Bildern +
Die Studierenden können verschiedene Visualisierungsverfahren sowie deren Eigenschaften und Eigenheiten (Artefakte) +
Die Studierenden können Anwendungsfelder von Bild- und Signalverarbeitung +
Die Studierenden können Biomedizinische Modellierung und Simulation +
Die Studierenden können Grundlagen der praktischen Informatik für Bild- und Signalverarbeitung z.B. Programmiersprachen, Software-Engineering +
Die Studierenden können Grundlagen der technischen Informatik für Bild- und Signalverarbeitung z.B. Telekommunikation, Technologien der drahtlosen Datenübertragung, Virtual Reality, Multimedia +
Die Studierenden können wichtige Standards der Medizinischen Informatik z.B. DICOM +
Die Studierenden können Einsatzszenarien für telemedizinische Anwendungen und deren Rahmenbedingungen +
Die Studierenden können Grundlagen der Datengewinnung und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses (Data Sharing), Knowledge Management +
Die Studierenden können Grundlagen der Datengewinnung und Datenanalyse von primären und sekundären Datenquellen, Prinzipien des Data Mining, Data Warehouses, Knowledge Management , (FAIR-Prinzipien) - idealerweise an realen Bedingungen +
Die Studierenden können bei gängigen Datenbanken Abfragen +
Die Studierenden können Maßnahmen zur Sicherstellung einer hohen Datenqualität (auf Basis von FAIR-Prinzipien) +
Die Studierenden können Anforderungen an die Informationsverarbeitung bei klinisichen Studien an EDC (Electronic Data Capture) z.B. aus Registern (deutsches Krebsregister) +
Die Studierenden können ethische, politische, regulatorische und soziale Gesichtspunkte für den Umgang mit Big Data und die Bedeutsamkeit von Einstellungen, Werte und Haltungen +
Die Studierenden können Datengewinnung aus telemedizinische und anderen Anwendungen +
Die Studierenden können die Methoden der praktischen, technischen und theoretischen Informatik +
Die Studierenden können Grundlagen der praktischen Informatikfür die Datengewinnung und -analyse z.B. Software-Engineering, Datenstrukturen, Datenbankmanagementsysteme, Informations- und Systemmodellierungstools, Informationssystem-Theorie und -Praxis, Knowledge Engineering, (Konzept-)Darstellung und Beschaffung, Software-Architekturen +