Attribut:Beschreibung-DE
Zur Navigation springen
Zur Suche springen
Dies ist ein Attribut des Datentyps Text.
L
Die Studierenden können Darstellung von Entscheidungsunterstützung und deren Einfluss auf das Patientenmanagement, den Erwerb, die Darstellung und das Engineering von medizinischem Wissen; Aufbau und Nutzung von klinischen Pfaden und Leitlinien +
Die Studierenden können unterschiedliche Arten von wissensbasierten Systemen und medizinische Anwendungen von CDSS (Clinical decision support system) zur Optimierung der Krankenversorgung +
Die Studierenden können die theoretischen Grundlagen für die Repräsentation und Modellierung medizinischen Wissens +
Die Studierenden können Methoden der theoretischen Informatik, z.B. Komplexitätstheorie, Verschlüsselung/Sicherheit +
Die Studierenden können für BMHI (Biomedical and Health Informatics) wesentliche Theoreme und Verfahren auf der Basis grundlegender Kenntnisse (z.B. Analyse, Logik, numerische Mathematik, Wahrscheinlichkeitstheorie und Statistik, Kryptographie) +
Die Studierenden können Konzepte und Verfahren der biomedizinischen Bild- und Signalverarbeitung +
Die Studierenden können Basisbegriffe und Methoden der biomedizinischen Bildgebung +
Die Studierenden können Beispiele für medizinische Bilder und deren Eigenschaften +
Die Studierenden können Begriffe und Verfahren zur Registrierung und Segmentierung von medizinischen Bildern +
Die Studierenden können grundlegende Verfahren zur Bildverarbeitung (z.B. Glättungsfillter, Kantenfilter, Fast-Fourier-Transformation (FFT)) +
Die Studierenden können verschiedene Visualisierungsverfahren von Biosignalen und Bilddaten und deren Eigenschaften und Eigenheiten (z.B. typische Artefakte) +
Die Studierenden können Beispiele für medizinische Biosignale sowie Filterverfahren für Biosignale +
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)) +
Die Studierenden können Anwendungsfelder von Bild- und Signalverarbeitung +
Die Studierenden können Biomedizinische Modellierung und Simulation +
Management biomedizinischer Signal- und Bilddaten +
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 - idealerweise an realen Bedingungen +
Die Studierenden können bei gängigen Datenbanken Abfragen +