Attribut:Beschreibung-DE
Zur Navigation springen
Zur Suche springen
Dies ist ein Attribut des Datentyps Text.
L
Die Studierenden können die Repräsentation und die Modellierung von medizinischen Informationen und Wissensbeständen +
Die Studierenden können Grundlagen der Datenrepräsentation und Datenanalyse von primären und sekundären Datenquellen , Prinzipien des Data Mining, Data Warehouses, Knowledge Management, (FAIR Prinzipien) +
Die Studierenden können (Bio-)medizinische Modellierung und Simulation +
Die Studierenden können Nomenklaturen, Vokabulare, Terminologien, Ontologien und Taxonomien im BMHI, z.B. SNOMED CT, LOINC +
Die Studierenden können Methoden der praktischen Informatik, insbesondere zu Programmiersprachen, Software-Engineering, Datenstrukturen, Datenbankmanagementsysteme, Informations- 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 Bildgebung 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 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 +