Page Content
to Navigation
Event | Termin | Raum | Dozent |
---|---|---|---|
Voranmeldung | Donnerstag, 17. Oktober 2019, 10 Uhr | Per Mail an | Schmidt |
Kick-off meeting | Donnerstag, 17. Oktober 2019, 10 Uhr | E-N 181 | Schmidt und Thamsen |
Qispos Anmeldung | T.B.A |
Inhalt
Sensoren, Smart-Watches, Telematik-Infrastruktur oder die elektronische Patientenakte: die Digitalisierung von Prozessen im Gesundheitswesen steht im Fokus der heutigen Zeit. Verteilte Systeme spielen dabei eine zentrale Rolle. Letztendlich müssen verschiedenste Datenquelle und Akteure integriert und miteinander vernetzt werden, um die Basis zur Gewinnung eines Mehrwertes zu schaffen. Insbesondere Anwendungen aus dem Bereich der künstlichen Intelligenz werden hier als vielversprechender Ansatz bewertet.
Im Rahmen dieses Projekts soll eine Machine-Learning Infrastruktur für den Anwendungsfall chronisch depressiv erkrankter Personen entwickelt werden. Auf Basis von Open-Source Technologien wie z.B. Apache Beam, Apache Kafka oder Elastic Search soll eine Infrastruktur zur Verarbeitung und Analyse von medizinischen Daten implementiert werden. Aufbauend soll anhand eines umfangreichen Datensatzes aus einer klinischen Studie eine vereinfachte Vorhersage-Funktion zum Schweregrad einer depressiven Episode umgesetzt werden. Ziel dieses Masterprojektes ist dabei vorranging die Implementation der nötigen Infrastruktur sowie deren Bewertung anhand des vereinfachten Vorhersage-Szenarios. Folgende Aspekte sollen im Laufe des Projektes bearbeitet werden:
- Konzeption und Entwicklung einer Gesamtarchitektur für den Anwendungsfall unter Verwendung von modernen Technologien und bereits bestehenden Open Source Projekten
- Integration des medizinischen Datensatzes
- Integration einer Lösung zur Visualisierung der aufbereiteten Daten (z.B. auf Basis von Kibana)
- Implementation einer Vorhersage-Funktion zum zu erwartenden Schweregrad einer depressiven Episode (auf Basis von Vorarbeiten)
- Entwurf, Umsetzung und Integration einer Lösung zur patienten-individuellen Konfiguration der Machine-Learning Infrastruktur
- Evaluation der implementierten Infrastruktur
Das Projektmanagement erfolgt mit Scrum ähnlichen Hilfsmitteln. Studierende können je nach persönlichem Interesse ein oder mehrere Schwerpunktgebiete innerhalb des Projektes wählen.