Website
Modulhandbuch Master Medizinische Informatik ab WS 2019/20

Modul CS4368-KP06

Advanced Data Analysis Methods for Digital Health Applications (ADA)

Dauer:


1 Semester
Angebotsturnus:


Jedes 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:
  • 60 Stunden Eigenständige Projektarbeit
  • 60 Stunden Präsenzstudium
  • 20 Stunden Prüfungsvorbereitung
  • 40 Stunden Selbststudium
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
Modulverantwortlicher:
Lehrende:
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 Änderung:
7.7.2023