Website
Modulhandbuch (ab WS 2019/20)

Modul RO5100-KP12

Medizinische Robotik (MedRob12)

Dauer:


2 Semester
Angebotsturnus:


Jährlich, kann sowohl im SoSe als auch im WiSe begonnen werden
Leistungspunkte:


12
Studiengang, Fachgebiet und Fachsemester:
  • Master Robotics and Autonomous Systems 2019 (Vertiefungsmodul), Vertiefung, 1. oder 2. Fachsemester
Lehrveranstaltungen:
  • CS4270-Ü: Medizinische Robotik (Übung, 1 SWS)
  • CS5280-S: Seminar Robotik und Automation (Seminar, 2 SWS)
  • CS4270-V: Medizinische Robotik (Vorlesung, 2 SWS)
  • ME4030-Ü: Inverse Probleme bei der Bildgebung (Übung, 1 SWS)
  • ME4030-V: Inverse Probleme bei der Bildgebung (Vorlesung, 2 SWS)
Workload:
  • 190 Stunden Selbststudium
  • 150 Stunden Präsenzstudium
  • 20 Stunden Prüfungsvorbereitung
Lehrinhalte:
  • Einführung in inverse und schlecht gestellte Probleme anhand von ausgewählten Beispielen (u.a. Seismologie, Impedanztomographie, Wärmeleitung, Computertomographie, Akustik)
  • Begriff der Schlechtgestelltheit eines inversen Problems (Hadamard)
  • Singulärwertzerlegung und generalisierte Inverse
  • Regularisierungsmethoden (z.B. Tikhonov, Phillips, Ivanov)
  • Entfaltung
  • Bildrestauration (Deblurring, Defokussierung)
  • Statistische Methoden (Bayes, Maximum Likelihood)
  • Computertomographie, Magnetic Particle Imaging
Qualifikationsziele/Kompetenzen:
  • Die Studierenden können den Begriff der Schlechtgestelltheit eines inversen Problems erläutern und gegebene inverse Probleme hinsichtlich Gut- oder Schlechtgestelltheit unterscheiden.
  • Sie sind fähig, inverse Problemstellungen der Bildgebung mathematisch zu formulieren und mit geeigneten numerischen Methoden (approximativ) zu lösen.
  • Sie können die Kondition einer Problemstellung und die Stabilität eines Verfahrens beurteilen.
  • Sie beherrschen unterschiedliche Regularisierungsmethoden und sind in der Lage diese auf praktische Problemstellungen anzuwenden.
  • Sie kennen Methoden zur Bestimmung eines geeigneten Regularisierungsparameters.
  • Sie können Methoden der Bildrekonstruktion und -restauration auf reale Messdaten anwenden.
  • Studierende können die Konzepte Vorwärts- und Rückwärtsrechnung anhand der Beispiele 3-Achs-Roboter und 6-Achs Roboter erklären.
  • Sie können Methoden der medizinischen Robotik auf einfache praktischen Anwendungen übertragen.
  • Sie können Methoden des Bewegungslernens auf einfache praktische Anwendungen übertragen.
  • Sie können Muster für dynamische Berechnungen modifizieren, um eigene Konstruktionen zu berechnen.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Modulverantwortlicher:
Lehrende:
Literatur:
  • Kak and Slaney: Principles of Computerized Tomographic Imaging - SIAM Series 33, New York, 2001
  • Natterer and Wübbeling: Mathematical Methods in Image Reconstruction - SIAM Monographs, New York 2001
  • Bertero and Boccacci: Inverse Problems in Imaging - IoP Press, London, 2002
  • Andreas Rieder: Keine Probleme mit inversen Problemen - Vieweg, Wiesbaden, 2003
  • Buzug: Computed Tomography - Springer, Berlin, 2008
  • J. -C. Latombe: Robot Motion Planning - Dordrecht: Kluwer 1990
  • J.J. Craig: Introduction to Robotics - Pearson Prentice Hall 2002
  • : Vorlesungsskript: Med. Robotik (400 Seiten Volltext)
Sprache:
  • Wird nur auf Englisch angeboten
Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungen gemäß Vorgabe am Semesteranfang

Modulprüfung(en):
- RO5100-L1: Medizinische Robotik, Eine mündliche Prüfung über die Inhalte beider Teilmodule, 100% der Modulnote
- CS5280-S: Seminar Robotik und Automation, muss bestanden sein


(Anteil Institut für Robotik und Kognitive Systeme an Medizinische Robotik ist 100%)
(Anteil Institut für Medizintechnik an Inverse Probleme bei der Bildgebung ist 100%)
(Anteil Institut für Robotik und Kognitive Systeme an S ist 33%)
(Anteil Institut für Medizinische Elektrotechnik an S ist 33%)
(Anteil Institut für Technische Informatik an S ist 33%)

Letzte Änderung:
26.7.2023