Gold Open Access- Erstveröffentlichung in einem/als Open-Access-Medium
Refine
Year of publication
- 2020 (2) (remove)
Document Type
- Article (2)
Has Fulltext
- no (2)
Is part of the Bibliography
- no (2)
Keywords
- Altbaumodernisierung (1)
- Barrett's esophagus (1)
- Deep learning (1)
- Diagnose (1)
- Energieeinsparung (1)
- Fallstudie (1)
- Maschinelles Lernen (1)
- Sozialverträglichkeit (1)
- Speiseröhrenkrankheit (1)
- energy-efficient building restoration (1)
Institute
- Regensburg Center of Health Sciences and Technology - RCHST (2) (remove)
Begutachtungsstatus
- peer-reviewed (2)
Die Akzeptanz unter Bewohnern und Bewohnerinnen gewinnt bei hoch komplexen, technisch anspruchsvollen energetischen Sanierungen als „Innovationsmotor“ zunehmend an Relevanz. Der Beitrag basiert auf zwei Fallstudien zur partizipativen Nutzereinbindung bei energetischen Sanierungen im genossenschaftlichen Wohnbau historischer Stadtquartiere in Regensburg. Neben einer sozialverträglichen Sanierung wurde jeweils ein hohes Maß an Energieeffizienz bei den technischen Lösungen ange-strebt. Haushaltsbefragungen und qualitative Interviews zeigen die hohe Akzeptanz von Sanierungsmaßnahmen, sofern die Senkung der Energiekosten die erhöhte Miete kompensiert. Abschließend werden Akzeptanzfaktoren wie Partizipation, Vertrauen, Sozialverträglichkeit und Autarkie erörtert.
Based on previous work by our group with manual annotation of visible Barrett oesophagus (BE) cancer images, a real-time deep learning artificial intelligence (AI) system was developed. While an expert endoscopist conducts the endoscopic assessment of BE, our AI system captures random images from the real-time camera livestream and provides a global prediction (classification), as well as a dense prediction (segmentation) differentiating accurately between normal BE and early oesophageal adenocarcinoma (EAC). The AI system showed an accuracy of 89.9% on 14 cases with neoplastic BE.