Regensburg Center of Health Sciences and Technology - RCHST
Refine
Year of publication
Document Type
- Article (104)
- Part of a Book (47)
- conference proceeding (presentation, abstract) (40)
- conference proceeding (article) (16)
- Book (12)
- Working Paper (6)
- Preprint (5)
- Edited collection (4)
- conference proceeding (volume) (3)
- Report (3)
Is part of the Bibliography
- no (245)
Keywords
- Deep Learning (12)
- Selbsthilfe (11)
- Digitalisierung (10)
- Aphasie (8)
- Künstliche Intelligenz (8)
- Logopädie (7)
- Pflege (7)
- Computerunterstützte Medizin (6)
- Diagnose (6)
- Lebensqualität (6)
Institute
- Regensburg Center of Health Sciences and Technology - RCHST (245)
- Fakultät Angewandte Sozial- und Gesundheitswissenschaften (168)
- Labor Logopädie (LP) (90)
- Fakultät Informatik und Mathematik (59)
- Regensburg Center of Biomedical Engineering - RCBE (42)
- Labor Physiotherapie (LPh) (37)
- Fakultät Maschinenbau (34)
- Regensburg Medical Image Computing (ReMIC) (31)
- Institut für Sozialforschung und Technikfolgenabschätzung (IST) (24)
- Labor Biomechanik (LBM) (20)
Begutachtungsstatus
- peer-reviewed (68)
- begutachtet (13)
Pelvic floor dysfunction is a common problem in women and has a negative impact on their quality of life. The aim of this review was to provide a general overview of the current state of technology used to assess pelvic floor functionality. It also provides literature research of the physiological and anatomical factors that correlate with pelvic floor health. This systematic review was conducted according to the PRISMA guidelines. The PubMed, ScienceDirect, Cochrane Library, and IEEE databases were searched for publications on sensor technology for the assessment of pelvic floor functionality. Anatomical and physiological parameters were identified through a manual search. In the systematic review, 114 publications were included. Twelve different sensor technologies were identified. Information on the obtained parameters, sensor position, test activities, and subject characteristics was prepared in tabular form from each publication. A total of 16 anatomical and physiological parameters influencing pelvic floor health were identified in 17 published studies and ranked for their statistical significance. Taken together, this review could serve as a basis for the development of novel sensors which could allow for quantifiable prevention and diagnosis, as well as particularized documentation of rehabilitation processes related to pelvic floor dysfunctions.
Von den modelltheoretischen Grundlagen hin zu konkreten diagnostischen Möglichkeiten, diese komplexe Symptomatik zu erfassen; Zahlreiche Therapieansätze – verständlich, präzise und gezielt in der Praxis anwendbar; Wertvoller Begleiter für Lehrende, Studierende sowie praktisch tätige Therapeutinnen und Therapeuten
Hintergrund und Fragestellung
Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint Künstliche Intelligenz (KI) Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Jedoch ist wenig über die Arbeit von NROs mit KI bekannt.
Methodik
Es wurden fünf explorative Interviews mit Vertreter*innen von Nichtregierungsorganisationen (NROs) zum Thema Wissen, Akzeptanz, Bedarfe und Risikoeinschätzungen geführt und ausgewertet. Dabei sind NROs aus verschiedenen Handlungsfeldern und Größe interviewt. Es wurden informelle Vorgespräche geführt, um eine erste Orientierung im Forschungsfeld zu generieren. Aus den Erkenntnissen der Vorgespräche
und den Ergebnissen des Scoping Reviews ist ein Leitfaden erstellt worden, der zur Orientierung für die Expert*inneninterviews dient. Im Anschluss wurden dann fünf explorative leitfadengestützte Expert*inneninterviews durchgeführt und qualitativ ausgewertet.
Ergebnisse
Ein zentraler Befund ist, dass das Thema KI gerade in den NROs ankommt und es noch keine gefestigten Strukturen und Vorstellungen zum Einsatz von KI gibt. KI wird in einzelnen spezifischen Projekten eingesetzt, ohne dass diese umfassend in Arbeitsabläufe integriert ist. Die Akzeptanz von KI ist generell positiv; die Technologie wird als potenzielle Lösung für strukturelle Herausforderungen und Unterstützung im Alltag gesehen. Die Nutzung von KI-Anwendungen beschränkt sich jedoch mit Ausnahme von Large Language Models auf Pilotprojekte. Mit jüngerem Alter und Technikaffinität ist eine höhere Akzeptanz verbunden. Besonders kritisch werden Anwendungen von KI im Sozial- oder Gesundheitsbereich als Ersatz für menschliche Interaktionen gesehen. Betont werden auch ethische Bedenken und eine hohe Bedeutsamkeit von Datenschutz.
Schlussfolgerung
Künstliche Intelligenz in Nichtregierungsorganisationen ist ein aufkommendes und sich entwickelndes Forschungsthema. Die Interviews unterstreichen den Bedarf an mehr Wissen, ethischen Richtlinien und finanziellen Ressourcen für eine effektive Nutzung von KI in NROs. Ein umfassendes Verständnis von KI und eine tiefergehende, systematische Integration in Arbeitsabläufe in diesen Organisationen müssen noch entwickelt werden.
Hintergrund und Fragestellung
Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint Künstliche Intelligenz (KI) Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Jedoch ist wenig über die Arbeit von NROs mit KI bekannt. Daher beschäftigt sich das Projekt KINiro in diesem ersten Working Paper mit der Frage, welche (nicht-)wissenschaftlichen Erkenntnisse zum Themenkomplex NROs und KI bereits vorliegen.
Methodik
Es wurde ein Scoping Review zur Erfassung (nicht-)wissenschaftlicher Texte zu NROs und KI durchgeführt. Die systematische Literaturrecherche wurde in den Datenbanken Web of Science, Science Gate und WISO durchgeführt. In den Review wurden schließlich 14 Titel eingeschlossen und qualitativ analysiert.
Ergebnisse
Die Mehrheit der gefundenen Treffer sind Pressemitteilungen. Unter den Treffern befinden sich lediglich zwei (wissenschaftliche) Studien. Die NROs setzen sich auf verschiedenen Ebenen mit der Thematik von KI auseinander, wobei sich zwei Herangehensweisen unterscheiden lassen. Einige NROs nehmen am gesellschaftlichen Diskurs über den Einsatz von KI teil und treiben diesen in theoretischer Hinsicht voran, ohne die Technik dabei selbst zu nutzen. Andere NROs integrieren die KI-Systeme praktisch in ihre Arbeitsabläufe oder führen Projekte zum Zweck der NRO mit KI-Unterstützung durch. Für die Entwicklung von KI-Anwendungen wird mit For-Profit-Unternehmen kooperiert und die Expertise der Unternehmen mit Daten der NROs kombiniert. Durch den Einsatz von KI erhoffen sich NROs einen gezielteren Einsatz von Ressourcen. Hierbei zeigt sich, dass für die Nutzung in KI-Systemen ein interdisziplinärer Konsens über Standards in Datenerhebung und Speicherung als notwendig angesehen wird.
Schlussfolgerung
Aus der geringen Anzahl an gefundenen Texten, insbesondere (wissenschaftlichen) Studien, und dem Veröffentlichungszeitraum, der in den vergangenen sieben Jahren liegt, lässt sich schließen, dass es sich um einen jungen Forschungsbereich handelt. Die ausgeschlossenen Titel zeigen auf, dass NROs aktuell noch häufiger mit der Digitalisierunge allgemein beschäftigt sind und die Auseinandersetzung mit KI erst noch am Anfang steht.
Real-time computational speed and a high degree of precision are requirements for computer-assisted interventions. Applying a segmentation network to a medical video processing task can introduce significant inter-frame prediction noise. Existing approaches can reduce inconsistencies by including temporal information but often impose requirements on the architecture or dataset. This paper proposes a method to include temporal information in any segmentation model and, thus, a technique to improve video segmentation performance without alterations during training or additional labeling. With Motion-Corrected Moving Average, we refine the exponential moving average between the current and previous predictions. Using optical flow to estimate the movement between consecutive frames, we can shift the prior term in the moving-average calculation to align with the geometry of the current frame. The optical flow calculation does not require the output of the model and can therefore be performed in parallel, leading to no significant runtime penalty for our approach. We evaluate our approach on two publicly available segmentation datasets and two proprietary endoscopic datasets and show improvements over a baseline approach.
Heavy smoke development represents an important challenge for operating physicians during laparoscopic procedures and can potentially affect the success of an intervention due to reduced visibility and orientation. Reliable and accurate recognition of smoke is therefore a prerequisite for the use of downstream systems such as automated smoke evacuation systems. Current approaches distinguish between non-smoked and smoked frames but often ignore the temporal context inherent in endoscopic video data. In this work, we therefore present a method that utilizes the pixel-wise displacement from randomly sampled images to the preceding frames determined using the optical flow algorithm by providing the transformed magnitude of the displacement as an additional input to the network. Further, we incorporate the temporal context at evaluation time by applying an exponential moving average on the estimated class probabilities of the model output to obtain more stable and robust results over time. We evaluate our method on two convolutional-based and one state-of-the-art transformer architecture and show improvements in the classification results over a baseline approach, regardless of the network used.
Seit mehr als 25 Jahren ist der Workshop "Bildverarbeitung für die Medizin" als erfolgreiche Veranstaltung etabliert. Ziel ist auch 2024 wieder die Darstellung aktueller Forschungsergebnisse und die Vertiefung der Gespräche zwischen Wissenschaftlern, Industrie und Anwendern. Die Beiträge dieses Bandes - viele davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinelles Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz.