Regensburg Center of Health Sciences and Technology - RCHST
Refine
Year of publication
Document Type
- Article (122)
- Part of a Book (54)
- conference proceeding (presentation, abstract) (50)
- conference proceeding (article) (25)
- Book (14)
- conference talk (11)
- Working Paper (9)
- Preprint (8)
- Other (6)
- Research Data (6)
Is part of the Bibliography
- no (320)
Keywords
- Digitalisierung (15)
- Künstliche Intelligenz (15)
- Deep Learning (14)
- Selbsthilfe (11)
- Aphasie (10)
- Lebensqualität (9)
- Schlaganfall (9)
- Akzeptanz (8)
- Diagnose (8)
- Logopädie (8)
Institute
- Regensburg Center of Health Sciences and Technology - RCHST (320)
- Fakultät Sozial- und Gesundheitswissenschaften (201)
- Labor Logopädie (LP) (91)
- Fakultät Informatik und Mathematik (87)
- Regensburg Center of Biomedical Engineering - RCBE (72)
- Fakultät Maschinenbau (48)
- Labor Regensburg Medical Image Computing (ReMIC) (47)
- Labor Biomechanik (LBM) (40)
- Labor Physiotherapie (LPh) (40)
- Institut für Sozialforschung und Technikfolgenabschätzung (IST) (28)
Begutachtungsstatus
- peer-reviewed (95)
- begutachtet (19)
This dataset is a subset of the original Cholec80 dataset and is used by the OpenMIBOOD framework to evaluate a specific out-of-distribution setting.
When using this dataset, it is mandatory to cite the corresponding publication (OpenMIBOOD) and to follow the acknowledgement and citation requirements of the original dataset (Cholec80).
The original Cholec80 dataset (associated paper,Homepage) consists of 80 cholecystectomy surgery videos recorded at 25 fps, performed by 13 surgeons. It includes phase annotations (25 fps) and tool presence labels (1 fps), with phase definitions provided by a senior surgeon. A tool is considered present if at least half of its tip is visible. The dataset categorizes tools into seven types: Grasper, Bipolar, Hook, Scissors, Clipper, Irrigator, and Specimen bag. Multiple tools may be present in each frame. Additionally, 76 of the 80 videos exhibit a strong black vignette.
For this dataset subset, frames were extracted based on tool presence labels, selecting only those containing Grasper, Bipolar, Hook, or Clipper while ensuring that only a single tool appears per frame. To enhance visual consistency, the black vignette was removed by extracting an inner rectangular region, where applicable.
Background
Cervical spine injuries in alpine sports require immediate immobilization at the site of the accident to avoid possible secondary damage caused by transportation. Using special sensor technology, this study investigated whether a cervical spine orthosis (cervical collar, Stifneck collar (Laerdal Medical GmbH, Puchheim, Germany)) provides greater stability than a vacuum mattress alone.
Methods
Using one male test person, we simulated transporting a patient with a spinal injury in steep alpine terrain. A wireless motion capture system (Xsens Technologies, Movella™ Inc., Henderson, USA) was used to record motion in three-dimensional space within a standardized environment. All tests were performed on a set course by the Bavarian Mountain Rescue Service. The test person lay on a mountain rescue stretcher and was immobilized with a vacuum mattress, either with or without a cervical orthosis. The axes of cervical spine movements were analyzed separately.
Results
There were no significant differences between immobilization with and without a cervical orthosis with regard to lateral flexion (max. 3.7° compared to 3.0°) in the frontal plane and maximum excursion in flexion (max. 1.6° compared to 2.8°) or extension (max. -1.6° compared to -1.7°). There was significantly greater rotation movement around the craniocaudal axis without an orthosis (max. 2.4° compared to 1.3°).
Conclusion
During mountain rescues, the cervical spine can be immobilized without a rigid cervical spine orthosis. Future research should explore the fundamental benefits of cervical spine immobilization, while the findings of this work contribute to the safe care of patients by avoiding the disadvantages associated with rigid cervical orthoses.
Note: A script for extracting the individual frames from the video files while preserving the challenge-compliant directory structure and frame-to-mask naming conventions is available on GitHub and can be accessed here: https://github.com/remic-othr/PhaKIR_Dataset.
The dataset is described in the following publications:
Rueckert, Tobias et al.: Comparative validation of surgical phase recognition, instrument keypoint estimation, and instrument instance segmentation in endoscopy: Results of the PhaKIR 2024 challenge. arXiv preprint, https://arxiv.org/abs/2507.16559. 2025.
Rueckert, Tobias et al.: Video Dataset for Surgical Phase, Keypoint, and Instrument Recognition in Laparoscopic Surgery (PhaKIR). arXiv preprint, https://arxiv.org/abs/2511.06549. 2025.
The proposed dataset was used as the training dataset in the PhaKIR challenge (https://phakir.re-mic.de/) as part of EndoVis-2024 at MICCAI 2024 and consists of eight real-world videos of human cholecystectomies ranging from 23 to 60 minutes in duration. The procedures were performed by experienced physicians, and the videos were recorded in three hospitals. In addition to existing datasets, our annotations provide pixel-wise instance segmentation masks of surgical instruments for a total of 19 categories, coordinates of relevant instrument keypoints (instrument tip(s), shaft-tip transition, shaft), both at an interval of one frame per second, and specifications regarding the intervention phases for a total of eight different phase categories for each individual frame in one dataset and thus comprehensively cover instrument localization and the context of the operation. Furthermore, the provision of the complete video sequences offers the opportunity to include the temporal information regarding the respective tasks and thus further optimize the resulting methods and outcomes.
Künstliche Intelligenz und Anamnese (KI-Anamnese) - Datensätze Welle 1 und Welle 2 [Data set]
(2025)
Die Studie stützt sich auf eine Quotenstichprobe der deutschsprachigen Bevölkerung im Alter von 18 bis 74 Jahren. Sie wurde als Längsschnittstudie (Trendstudie) mit insgesamt zwei Wellen mit dem gleichen Fragebogen durchgeführt. Welle 1 war vom 18. bis 24. November 2024 im Feld, die zweite Befragungswelle vom 13. bis 17. November 2025. Mit der Datenerhebung wurde das Umfrageinstitut NielsenIQ-GfK beauftragt. Je 1.000 Personen wurden online im Rahmen des GfK eBUS®-Deutschland befragt. Die Teilnehmenden wurden mithilfe einer Kombination aus Online- und Offline-Methoden rekrutiert. Um eine möglichst genaue Abbildung der Grundgesamtheit zu gewährleisten, wurden die Merkmale Geschlecht, Alter, Region, Haushaltsgröße, Ortsgröße sowie der Bildungsstand des Haushaltsvorstands quotiert, etwaige Abweichungen durch ein iteratives Gewichtungsverfahren ausgeglichen. Der Fragebogen besteht aus neun standardisierten Fragen; zuzüglich wurden soziodemographische Merkmale erhoben. Einzelne Fragen wurden, zum Teil übersetzt sowie abgewandelt, aus anderen Studien übernommen.
This dataset is a subset of the original CATARACTS test dataset and is used by the OpenMIBOOD framework to evaluate a specific out-of-distribution setting.
When using this dataset, it is mandatory to cite the corresponding publication (OpenMIBOOD (10.1109/CVPR52734.2025.02410)) and follow the acknowledgement and citation requirements of the original dataset (CATARACTS).
The original CATARACTS dataset (associated publication,Homepage) consists of 50 videos of cataract surgeries, split into 25 train and 25 test videos.
This subset contains the frames of the first 5 test videos. Further, black frames at the beginning of each video were removed.
Um Leistungsschwankungen im Stromnetz durch fluktuierende erneuerbare Energien auszugleichen, sollen in Deutschland intelligente Messtechnologien in Privathaushalten verbaut werden. Diese gelten als zentraler Bestandteil sog. Smart-Grids (intelligente Stromnetze), die Stromnachfrage und -angebot steuern, um Stromnetzstabilität zu gewährleisten. Die Werte, die bei der Messung des Stromverbrauchs in Privathaushalten erhoben werden, können an die Verbraucher*innen mithilfe von Apps oder anderer Smart-Meter-Plattformen (datenbasierte Mehrwertdienste) rückgemeldet werden. Vor diesem Hintergrund wurde 2023 eine Online-Befragung der Wohnbevölkerung in Deutschland durchgeführt (n=2.027). Untersucht wurden Bekanntheit, Nutzungsbereitschaft und Akzeptanz intelligenter Stromzähler bzw. Smart-Meter sowie die Nutzungsintention bei Anwendungsszenarien und Datenschutzbedenken.
Einleitung Pain Neuroscience Education (PNE) ist eine Aufklärungsstrategie, welche das Ziel hat, Schmerzpatient*innen neurophysiologische und -biologische Vorgänge im Körper mittels Metaphern und Geschichten zu vermitteln. Der Wissenszugewinn über schmerzphysiologische Prozesse kann – insbesondere bei chronischen Schmerzpatient*innen – psychosoziale Symptome wie Bewegungsangst und Katastrophisierung von Schmerz positiv beeinflussen und zu einem Umdenken im Umgang mit Schmerz anregen. Trotz zahlreicher PNE-Studien wird die vermutlich entscheidende Anpassung von Schmerzgeschichten an den kulturellen Hintergrund der Betroffenen bis jetzt kaum berücksichtigt. Ziel des Projekts war es, eine für die deutsche Kultur angepasste Schmerzgeschichte nach dem Vorbild des amerikanischen „Why You Hurt“- Konzepts zu entwickeln und diese hinsichtlich ihrer Verständlichkeit und Anwendbarkeit zu überprüfen
Material und Methodik Auf Grundlage der Literatur sowie eines fachlichen Austauschs mit dem PNE-Experten Prof. Dr. Emilio „Louie“ Puentedura wurde eine metaphorische, kulturell adaptierte Schmerzgeschichte entwickelt und grafisch aufbereitet. Die Datenerhebung erfolgte durch leitfadengestützte Interviews mit jeweils drei Therapeut*innen und Patient*innen. Die Auswertung erfolgte mittels qualitativer Inhaltsanalyse in MAXQDA.
Ergebnisse Die Teilnehmenden beschrieben die Geschichte als „leicht verständlich, nachvollziehbar und anschaulich“. Die Kombination aus Erzählung und graphischer Darstellung erleichterte das Verständnis der physiologischen Vorgänge. Therapeut*innen reagierten positiv auf die Umsetzbarkeit und signalisierten Bereitschaft zur künftigen Anwendung, bevorzugt mit geringem organisatorischem Aufwand – etwa in Form von Karten mit variierenden Inhalten oder einer App-Version. Zusätzlich wurde erwähnt, die Geschichte nur bei Kindern anzuwenden.
Zusammenfassung Die erstellte Schmerzgeschichte wurde von den Befragten als verständlich und umsetzbar bewertet. Zukünftig sollten weitere quantitative Studien mit größerer Teilnehmerzahl durchgeführt werden, um belastbarere Aussagen bezüglich der Anwendbarkeit und des Verständnisses von Schmerzgeschichten in der Gesamtpopulation treffen zu können. Neben der kulturellen Adaptation könnte auch die Anpassung an das Bildungsniveau sowie das Alter der Betroffenen und eine mögliche PNE-App für zukünftige Untersuchungen relevant sein.
Der vorliegende Bericht zeigt den aktuellen Stand des Projekts „Künstliche Intelligenz für Nichtregierungsorganisationen (KINiro) – Bedarf, Akzeptanz und Umsetzungsmöglichkeiten“ an der OTH Regensburg am Institut für Sozialforschung und Technikfolgenabschätzung (IST). Im Projektbericht wird das Projekt KINiro mit besonderem Blick auf die Erkenntnisse und Tätigkeiten im Gesundheitswesen aufgezeigt.
Das Projekt KINiro wird mit Laufzeit Januar 2023 bis Dezember 2025 durch das Bundesministerium für Familie, Senioren, Frauen und Jugend (BMFSFJ) gefördert. Eine zusätzliche Unterstützung bietet das Regensburg Center of Health Sciences and Technology (RCHST)
This study assessed knee joint loading during various physiotherapy exercises and activities of daily living in 30 healthy subjects. Results showed that lunges and squats caused the highest joint forces, while gait and stair activities also imposed substantial loads. These findings support datadriven exercise selection for personalized rehabilitation after total knee arthroplasty.