|
|
| Modulbezeichnung (engl.):
Machine Learning and Deep Learning in Medicine |
|
| Code: BMT2524.MLM |
|
2S (2 Semesterwochenstunden) |
|
3 |
| Studiensemester: 5 |
| Pflichtfach: nein |
Arbeitssprache:
Deutsch |
Prüfungsart:
Seminarvortrag
[letzte Änderung 01.10.2024]
|
BMT2524.MLM Biomedizinische Technik, Bachelor, ASPO 01.10.2018
, 5. Semester, Wahlpflichtfach
|
|
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 30 Veranstaltungsstunden (= 22.5 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 3 Creditpoints 90 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 67.5 Stunden zur Verfügung.
|
Empfohlene Voraussetzungen (Module):
Keine.
|
Als Vorkenntnis empfohlen für Module:
|
Modulverantwortung:
Prof. Dr. Robert Lemor |
Dozent/innen:
Prof. Dr. Robert Lemor
[letzte Änderung 01.10.2024]
|
Lernziele:
Nach erfolgreichem Abschluss dieses Seminars sollen die Studierenden:
1. Ein grundlegendes Verständnis der Konzepte und Methoden von Machine Learning und Deep Learning mit Bezug zur Medizin besitzen.
2. Wissenschaftliche Literatur analysieren und bewerten können.
3. Kenntnisse über aktuelle Forschungsansätze und Anwendungen von ML und DL in der Medizin erwerben.
4. In der Lage sein, komplexe wissenschaftliche Arbeiten klar und prägnant zu präsentieren.
5. Kritische Diskussionen über die Vor- und Nachteile der ML- und DL-Methoden im medizinischen Kontext führen können.
[letzte Änderung 01.10.2024]
|
Inhalt:
Machine Learning (ML) und Deep Learning (DL) haben in den letzten Jahren bedeutende Fortschritte gemacht und finden zunehmend Anwendung in der Medizin. Diese Technologien bieten vielversprechende Möglichkeiten zur Verbesserung der Diagnosegenauigkeit, zur Entwicklung personalisierter Therapien und zur Optimierung klinischer Abläufe. Das Seminarfach "Machine Learning und Deep Learning in der Medizin" zielt darauf ab, den Studierenden einen tiefen Einblick in die aktuellen Forschungsentwicklungen und Anwendungen dieser Technologien im medizinischen Bereich zu geben.
Das Seminar besteht aus einer Einleitung zur Begriffsklärung und Methodik von Machine Learning und Deep Learning durch den Dozenten. Im Anschluss daran werden die Teilnehmer einzelne Forschungsarbeiten aus der aktuellen Literatur vorstellen und diskutieren.
Einführung durch den Dozenten:
- Definition und Grundlagen von Machine Learning und Deep Learning
- Überblick über Anwendungen in der Medizin
- Methodische Grundlagen und technische Voraussetzungen
Präsentationen und Diskussionen durch die Teilnehmer:
Jeder Teilnehmer wählt ein aktuelles Forschungspapier aus der bereitgestellten Bibliographie und bereitet eine Präsentation vor. Die Präsentationen sollen folgende Punkte abdecken:
- Zielsetzung der Forschung
- Methodik und verwendete Algorithmen
- Ergebnisse und deren Interpretation
- Kritische Bewertung der Studie
Nicht ausschließliche Liste möglicher Themen (basierend auf der bereitgestellten Bibliographie):
1. Diagnose von Krankheiten: Einsatz von ML/DL zur Erkennung von Krankheiten wie Krebs, Herz-Kreislauf-Erkrankungen, Diabetes.
2. Bildverarbeitung und Radiologie: Nutzung von DL zur Analyse medizinischer Bilder wie Röntgenaufnahmen, MRT und CT-Scans.
3. Genomik und personalisierte Medizin: Anwendung von ML/DL zur Analyse genomischer Daten und Entwicklung personalisierter Behandlungspläne.
4. Prognose und Vorhersagemodelle: Entwicklung von Modellen zur Vorhersage von Krankheitsverläufen und Behandlungsergebnissen.
5. Robotik und Chirurgie: Einsatz von ML zur Unterstützung und Automatisierung chirurgischer Eingriffe.
6. Elektronische Gesundheitsakten (EHRs): Analyse von EHR-Daten zur Verbesserung der klinischen Entscheidungsfindung.
7. Natural Language Processing (NLP) in der Medizin: Verarbeitung und Analyse medizinischer Texte und Aufzeichnungen.
[letzte Änderung 01.10.2024]
|
Sonstige Informationen:
Anmeldung beim ersten Termin in der Vorlesungszeit, Themen- und Terminvergabe in Absprache mit dem Dozenten
[letzte Änderung 01.10.2024]
|
Literatur:
Eine ausführliche Bibliographie wird zu Beginn des Seminars zur Verfügung gestellt.
Wichtige Quellen sind unter anderem:
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). "Deep Learning". MIT Press.
- Esteva, A., Robicquet, A., Ramsundar, B., et al. (2019). "A guide to deep learning in healthcare". Nature Medicine, 25(1), 24-29.
- Lundervold, A. S., & Lundervold, A. (2019). "An overview of deep learning in medical imaging focusing on MRI". Zeitschrift für Medizinische Physik, 29(2), 102-127.
[letzte Änderung 01.10.2024]
|
