Refine
Year of publication
- 2023 (112) (remove)
Document Type
- Article (50)
- Bachelor Thesis (13)
- Conference Proceeding (11)
- Master's Thesis (10)
- Course Material (7)
- Report (6)
- Study Thesis (5)
- Book (3)
- Preprint (2)
- Working Paper (2)
Is part of the Bibliography
- no (112)
Keywords
- Euterentzündung (7)
- PROFInet (6)
- Informationsethik (4)
- Nachhaltigkeit (4)
- PROFINET Security (4)
- Öffentliche Bibliothek (4)
- Bibliothek (3)
- Computersicherheit (3)
- Fragebogen (3)
- IEC 62443 (3)
Purpose: Radiology reports mostly contain free-text, which makes it challenging to obtain structured data. Natural language processing (NLP) techniques transform free-text reports into machine-readable document vectors that are important for creating reliable, scalable methods for data analysis. The aim of this study is to classify unstructured radiograph reports according to fractures of the distal fibula and to find the best text mining method.
Materials & Methods: We established a novel German language report dataset: a designated search engine was used to identify radiographs of the ankle and the reports were manually labeled according to fractures of the distal fibula. This data was used to establish a machine learning pipeline, which implemented the text representation methods bag-of-words (BOW), term frequency-inverse document frequency (TF-IDF), principal component analysis (PCA), non-negative matrix factorization (NMF), latent Dirichlet allocation (LDA), and document embedding (doc2vec). The extracted document vectors were used to train neural networks (NN), support vector machines (SVM), and logistic regression (LR) to recognize distal fibula fractures. The results were compared via cross-tabulations of the accuracy (acc) and area under the curve (AUC).
Results: In total, 3268 radiograph reports were included, of which 1076 described a fracture of the distal fibula. Comparison of the text representation methods showed that BOW achieved the best results (AUC = 0.98; acc = 0.97), followed by TF-IDF (AUC = 0.97; acc = 0.96), NMF (AUC = 0.93; acc = 0.92), PCA (AUC = 0.92; acc = 0.9), LDA (AUC = 0.91; acc = 0.89) and doc2vec (AUC = 0.9; acc = 0.88). When comparing the different classifiers, NN (AUC = 0,91) proved to be superior to SVM (AUC = 0,87) and LR (AUC = 0,85).
Conclusion: An automated classification of unstructured reports of radiographs of the ankle can reliably detect findings of fractures of the distal fibula. A particularly suitable feature extraction method is the BOW model.
Key Points:
- The aim was to classify unstructured radiograph reports according to distal fibula fractures.
- Our automated classification system can reliably detect fractures of the distal fibula.
- A particularly suitable feature extraction method is the BOW model.
Harmonisation of German Health Care Data Using the OMOP Common Data Model – A Practice Report
(2023)
Data harmonization is an important step in large-scale data analysis and for generating evidence on real world data in healthcare. With the OMOP common data model, a relevant instrument for data harmonization is available that is being promoted by different networks and communities. At the Hannover Medical School (MHH) in Germany, an Enterprise Clinical Research Data Warehouse (ECRDW) is established and harmonization of that data source is the focus of this work. We present MHH’s first implementation of the OMOP common data model on top of the ECRDW data source and demonstrate the challenges concerning the mapping of German healthcare terminologies to a standardized format.
Diese Arbeit thematisiert die unausgeschöpften Potentiale der von Designer*innen erzeugten Formen. Um zu klären, welche Wichtigkeit der Formfindung innerhalb des gestalterischen Prozesses zukommt, wird die Form mit anderen Parametern der Gestaltung verglichen. Es wird untersucht, welche Wirkungen die Formen auf Menschen haben können, die mit ihnen interagieren wollen oder müssen. Auf der Suche nach Möglichkeiten, die so ermittelten Potentiale freizuschalten, wird der bisher begrenzende Rahmen betrachtet. In einem phänomenologischen Versuch wird geprüft, welche Mannigfaltigkeit von dem generativen Prozess einer künstlichen Intelligenz vorgeschlagen werden kann. Das Ergebnis sind verschobene Grenzen, die zahlreiche Felder der Formausprägung zu einem Größeren erschließen. Eine absolute Entgrenzung des Formendenkens muss derweil scheitern.
Autonomous and integrated passenger and freight transport (APFIT) is a promising approach to tackle both, traffic and last-mile-related issues such as environmental emissions, social and spatial conflicts or operational inefficiencies. By conducting an agent-based simulation, we shed light on this widely unexplored research topic and provide first indications regarding influential target figures of such a system in the rural area of Sarstedt, Germany. Our results show that larger fleets entail inefficiencies due to suboptimal utilization of monetary and material resources and increase traffic volume while higher amounts of unused vehicles may exacerbate spatial conflicts. Nevertheless, to fit the given demand within our study area, a comparatively large fleet of about 25 vehicles is necessary to provide reliable service, assuming maximum passenger waiting times of six minutes to the expense of higher standby times, rebalancing effort, and higher costs for vehicle acquisition and maintenance.
Pathologists need to identify abnormal changes in tissue. With the developing digitalization, the used tissue slides are stored digitally. This enables pathologists to annotate the region of interest with the support of software tools. PathoLearn is a web-based learning platform explicitly developed for the teacher-student scenario, where the goal is that students learn to identify potential abnormal changes. Artificial intelligence (AI) and machine learning (ML) have become very important in medicine. Many health sectors already utilize AI and ML. This will only increase in the future, also in the field of pathology. Therefore, it is important to teach students the fundamentals and concepts of AI and ML early in their studies. Additionally, creating and training AI generally requires knowledge of programming and technical details. This thesis evaluates how this boundary can be overcome by comparing existing end-to-end AI platforms and teaching tools for AI. It was shown that a visual programming editor offers a fitting abstraction for creating neural networks without programming. This was extended with real-time collaboration to enable students to work in groups. Additionally, an automatic training feature was implemented, removing the necessity to know technical details about training neural networks.
In this poster we present the ongoing development of an integrated free and open source toolchain for semantic annotation of digitised cultural heritage. The toolchain development involves the specification of a common data model that aims to increase interoperability across diverse datasets and to enable new collaborative research approaches.
This paper aims to provide a structured overview of four open, participatory formats that are particularly applicable in inquiry-based teaching and learning contexts: hackathons, book sprints, barcamps, and learning circles. Using examples, mostly from the work and experience context of the Open Science Lab at TIB Hannover, we address concrete processes, working methods, possible outcomes and challenges.
The compilation offers an introduction to the topic and is intended to provide tools for testing in practice.
Theoretischer Hintergrund: 45,5 Millionen Personen hielten sich im Jahr 2022 regelmäßig in Betrieben oder Unternehmen auf. Ein Arbeitsplatz kann neben einem Einkommen und psychosozialen Ressourcen auch Stress und eine gesundheitliche Belastung bedeuten. Gleichzeitig bietet die Arbeitswelt jedoch auch gute Voraussetzungen für die Anwendung vorbeugender Maßnahmen zur Gesunderhaltung.
Ziel: In dieser Arbeit besteht das Erkenntnisinteresse darin, die betriebliche Situation und die Unternehmenseinstellungen zum Betrieblichen Gesundheitsmanagement (BGM) zu untersuchen sowie die Beweggründe für die Teilnahme an Interventionen der Betrieblichen Gesundheitsförderung (BGF) zu ermitteln.
Methode: Fünf Mitarbeitende des BGMs aus Unternehmen diverser Branchen und verschiedener Regionen Deutschlands wurden mittels eines semistrukturierten Leitfadens befragt. Weiter wurde eine Online-Umfrage von Arbeitnehmer*innen zu ihrem Teilnahmeverhalten befragt. Die Auswertung der qualitativen Daten entspricht der Inhaltsanalyse nach Mayring. Für die quantitativen Ergebnisse wurden deskriptive Statistiken erstellt sowie Korrelationsanalysen durchgeführt.
Ergebnisse: Selbst wenn das Angebot der gewünschten BGF-Maßnahme den Erwartungen entspricht, variiert die Teilnahme der Arbeitnehmer*innen je nach Angebot zwischen 15,4 % und 100,0 %. Neben der Thematik wird beispielsweise als wichtig empfunden, dass BGF-Angebote während der Arbeitszeit stattfinden, die Wegstrecke möglichst kurz ist, die Kosten komplett übernommen werden und die Angebote über möglichst viele Kanäle beworben werden. Der Einsatz einer/s Arbeitgeber*in zur Entstigmatisierung von psychischer Gesundheit oder Hilfegesuchen wird positiv bewertet, während der Einfluss der Einstellung von Führungskräften und Kolleg*innen als weniger stark angesehen wird. Es konnten signifikante Unterschiede ermittelt werden.
Schlussfolgerung: Es bedarf einer vertiefenden Einbindung von Führungsebenen sowie einer Reflexion des Verständnisses von BGM und den damit zusammenhängenden Absichten, um dieses in einem Unternehmen voranzubringen. Insbesondere große Unternehmen müssen sich hierfür der Komplexität ihrer Angestellten und deren Bedürfnisse bewusstwerden. Kleinere Unternehmen sollten gezielte Angebote in direkter Rücksprache gestalten.
Diese Bachelorarbeit untersucht den Einfluss von Fitness-Influencer*innen auf Instagram auf die Körperzufriedenheit der Rezipierenden. Sie untersucht die Auswirkungen von Fitness-Influencer*innen und dessen Internetauftritt auf die Zufriedenheit mit dem eigenen Körper der Rezipierenden unter Einbeziehung sozialer Vergleichsprozesse. Um empirische Befunde liefern zu können, wurde eine standardisierte Online-Befragung durchgeführt.
Hate Speech hat im Zeitalter des Web 2.0 eine neue Dimension und Dynamik angenommen. Der Wunsch nach Regulierung ist moralisch begründbar und erste Staaten haben bereits reagiert. Dabei sind die Verfechter der freien Rede tief gespalten. Wo endet das Recht auf freie Meinungsäußerung und wann sollte Hassrede strafbar sein? Die Vereinten Nationen liefern mit dem Rabat Plan of Action eine Hilfestellung für eine qualifizierte Entscheidung. In dieser Studienarbeit werden die Gefahren der Hate Speech und damit die Chancen ihrer Regulierung wie auch deren Risiken aus ethischer Sicht erörtert und die Bedeutung des Rabat Threshold Test vor diesem Hintergrund beleuchtet; ehe sie mit einer persönlichen Stellungnahme schließt.