Attribut:Beschreibung-DE
Zur Navigation springen
Zur Suche springen
Dies ist ein Attribut des Datentyps Text.
L
Die Studierenden können (Bio-)medizinische Modellierung und Simulation +
Die Studierenden können Nomenklaturen, Vokabulare, Terminologien, Ontologien und Taxonomien im BMHI (Biomedical and Health Informatics), z.B. SNOMED CT (Systematized Nomenclature of Human and Veterinary Medicine Clinical Terms), LOINC (Logical Observation Identifiers Names and Codes) +
Die Studierenden können Grundlagen der praktischen Informatik für die Modellierung / Repräsentation z.B. Software-Engineering, Datenstrukturen, Informations- (Annotation) und Systemmodellierungstools, Informationssystem-Theorie und -Praxis, Knowledge Engineering, (Konzept-)Darstellung und Beschaffung, Software-Architekturen +
Die Studierenden können Grundlagen der technischen Informatik für die Modellierung / Repräsentation von z.B. Netzwerkarchitekturen und -topologien, Telekommunikation, Technologien der drahtlosen Datenübertragung, Virtual Reality, Multimedia +
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 mathematischen und statistischen Grundlagen +
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 biomedizinische Bild- und Signalverarbeitung +
Die Studierenden können Basisbegriffe und Methoden der biomedizinischen Bild- und Signalverarbeitung +
Die Studierenden können Basisbegriffe und Methoden der Bildgebung +
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 Verfahren zur Bildverarbeitung (z.B. Kantenfilter, Medianfilter, 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 (z.B.: Beispiele einfügen) +
Die Studierenden können Grundlagen der praktischen Informatik für Bild- und Signalverarbeitung z.B. Programmiersprachen, Software-Engineering +