Thema: Künstliche Intelligenz in der Medizin

Das Institut für Biomedizinische Technik bietet im Wintersemester 2024/25 ein Seminar zum Thema "Künstliche Intellgienz in der Medizin" an. Ziel des Seminars ist es, dass die Studierenden ein wissenschaftliches Thema selbstständig bearbeiten und die Ergebnisse im Rahmen einer Präsentation vorstellen. Das Seminar bietet somit die Möglichkeit an, Fähigkeiten im Bereich Erarbeitung von Themen und deren Präsentation zu erlernen und zu festigen, die sowohl für Bachelor- und Masterarbeiten als auch im späteren Berufsleben von großem Nutzen sind:

Selbstständige Erarbeitung eines Themengebietes vorwiegend aus englischer Literatur
Konzeption und Erstellung einer Präsentation
25-minütige Präsentation der Ergebnisse vor einer Gruppe
Entwicklung einer Fragekultur
Geben und Nehmen von Feedback

Das Seminar zielt darauf ab, bekannte und gelöste wissenschaftliche Probleme verständlich aufzuarbeiten. Inhalt und Vortragsstil werden intensiv in der Gruppe diskutiert.

Am 23.10.2024 findet eine Vorstellung der Themen statt. Am 30.10. erfolgt eine Einführung und es werden die Themen vergeben. Am 6.11. findet eine Vorlesung zu Präsentationstechnik und Feedbackmethoden statt. Danach folgen 5-minütige Probevorträge mit einem frei gewählten Thema. Ab Dezember werden dann die ausgewählten Themen durch die Studierenden in 25-minütigen Vorträgen vorgestellt. Die Vorträge werden mit Kamera aufgezeichnet, damit die Studierenden sich kritisch mit dem eigenen Vortrag befassen können. Nach jeder Präsentation erfolgt eine bewertete Fragerunde und eine unbewertete Feedback-Runde, die zum Ziel hat, die Kompetenzen des Vortragenden zu stärken.

Die Teilnehmerzahl ist auf maximal 14 begrenzt. Falls es mehr als 14 Interessierte gibt, haben Studenten der Elektro- und Informationstechnik Vorrang. Um sich anzumelden kommen Sie einfach zur Einführungsveranstaltung am 23.10.

Geplante Themen

Feature Extraktion
Regression
Klassifikation
Neuronale Netze
Deep Learning
Semi-supervised Learning
Autoencoder
Generative Adversarial Networks
Diffusion Models
Large Language Models
Erklärbarkeit
Rechtliche Aspekte
Ethische Aspekte