Page Content
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.
Voraussetzungen
Solide Programmierkenntnisse in einer objekt-orientierten Programmiersprache, Interesse an verteilten Systemen und IoT Anwendungen
Ansprechpartner
Florian Schmidt+49 30 314 28306
Room TEL 1205
e-mail query [1]
Ansprechpartner
Lauritz Thamsen+49 30 314-24539
Room TEL 1210
e-mail query [2]
parameter/en/id/208334/?no_cache=1&ask_mail=Xe1mygA
OXRsbdAVnY%2B7jk4pA%2B%2F8yMtHF70L4TQezFNPefRLj4cpYPw%3
D%3D&ask_name=Florian%20Schmidt
parameter/en/id/208334/?no_cache=1&ask_mail=Xe1mygA
OvTf2d5e7n5IaGH%2F29MaFaDRdsL74isAA7t0UkzplgSW3tg%3D%3D
&ask_name=Lauritz%20Thamsen
curriculum/
Zusatzinformationen / Extras
Quick Access:
Schnellnavigation zur Seite über Nummerneingabe
Auxiliary Functions
Copyright TU Berlin 2008