The course times are not decided yet. In this lecture the basic background of Radiooncology for Medical Physics will be covered. The lecture will be held at the Pius-Hospital Oldenburg in several blocks. Detailed schedule will be announced in May,
Wednesday: 08:15 - 09:45, weekly (from 20/04/22), Location: W33 0-003 Dates on Tuesday, 26.07.2022 09:00 - 11:00, Location: W32 0-005 Die Studierenden erlernen die physikalischen Grundlagen und die Funktionsweise der wichtigsten bildgebenden Verfahren in der Medizin zur Abbildung biologischer Strukturen und Prozesse, erwerben Fertigkeiten zur selbständigen Vertiefung diese Fachkenntnisse und Kompetenzen für eine Anwendung dieser Fachkenntnisse im Rahmen von Facharbeiten und Projekten in verschiedenen Bereichen der biomedizinischen Physik.
Inhalt:
Überblick über Verfahren der medizinischen Bildgebung ("ionisierende / nicht-ionisierende" Verfahren, anatomische / funktionelle Bildgebung); Physikalischen Grundlagen (Abbildungsprinzipien, Prinzipien der Kontrastbildung, Mathematische Grundlagen der Tomographie); Einführung in Computertomographie (CT); Nuklearmedizin (Single Photon- und Positronen-Emissionstomographie (SPECT/PET)); Ultraschall; Magnetresonanztomographie (MRT); funktionelle MRT, Elektro- und Magnetoencephalographie (EEG/MEG); Medizinische Anwendungen, mögliche Nebenwirkungen, relative Vor- und Nachteile; Forschungsanwendungen
In dieser Vorlesung werden Inhalte der menschlichen und maschinellen Sprachverarbeitung behandelt. Das Themenspektrum reicht dabei von technischen Lösungen zur Erkennung oder Kompression von Sprachsignalen bis zu neurophysiologischen Themen, z.B. die kortikale Repräsentation von Sprache.
Unter anderem werden folgende Fragen untersucht:
- Wie funktioniert die menschliche Spracherzeugung?
- Welche Methoden sind zur automatischen Sprachverarbeitung wichtig?
- Wie kann man effektiv Sprachsignale darstellen (z.B. zur effektiven Übermittlung nötig)?
- Was wissen über Sprachwahrnehmung beim Menschen, insbesondere mit Hinblick auf Neurophysiologie?
Es handelt sich um eine integrierte Veranstaltung, in der sich Vorlesungs- und Übungselemente abwechseln. Teilnehmer sollen optimalerweise einen Rechner dabei haben, um das Erlernte nachzuvollziehen, Algorithmen selbst anzuwenden und teilweise selbst zu implementieren.
Wednesday: 16:15 - 17:45, weekly (from 20/04/22), Location: W02 1-156 Dates on Thursday, 28.07.2022 10:00 - 12:00, Location: W04 1-171 Psychoakustische Bewertungs- und Analysemethoden für Untersuchungen der Geräuschqualität und für Sound Design. Messtechniken und Skalen. Überschwellige Empfindungsgrößen wie Tonhaltigkeit, Rauigkeit und Lautheit inklusive Modellierung. Lästigkeit. Kontextvariablen, Berechnungsmethoden und Subjektivurteile.
Die Studierenden erlangen fundierte Kenntnisse in der biomedizinischen Physik mit Überblick über die (Neuro)-Physiologie, erwerben Fertigkeiten zur selbständigen Vertiefung diese Fachkenntnisse und erwerben Kompetenzen für eine Anwendung dieser Fachkenntnisse im Rahmen von Facharbeiten und Projekten in verschiedenen Bereichen der Neurosensorik.
Inhalte:
Anatomie, Physiologie und Pathophysiologie des Zentralen Nervensystems, Physiologie von Neuronen, Neuronenmodelle, Modelle von Neuronenverbänden und neuronaler Netze, Neuronale Kodierung und Merkmalsextraktion, Neurosensorik (Methoden, Experimente und Modelle neurosensorischer Verarbeitung), Neurokognition (Methoden, Experimente und Modelle neuronaler Verarbeitung bei kognitiven Funktionen), höhere Hirnfunktionen (Handlungssteuerung, Emotionen,...) , aktuelle Forschungsansätze in der Neurokognition aus Sicht der Physik.
The students will learn the current research directions and challenges of the Machine Learning research field. By presenting examples from Machine Learning algorithms applied to sensory data tasks including task in Computer Hearing and Computer Vision the students will be taught the current strengths and weaknesses of different approaches. The presentations of current research papers by the participants will make use of computers and projectors. Programming examples and animations will be used to support the interactive component of the presentations. In scientific discussions of the presented and related work, the students will deepen their knowledge about current limitations of Machine Learning approaches both on the theoretical side and on the side of their technical and practical realizations. Presentations of interdisciplinary research will enable the students to carry over their Machine Learning knowledge to address questions in other scientific domains.
Contents:
Building up on advanced Machine Learning knowledge, this seminar discusses recent scientific contributions and developments in Machine Learning as well as recent papers on applications of Machine Learning algorithms. Typical application domains include general pattern recognition, computer hearing, computer vision and computational neuroscience. Typical tasks include auditory and visual signal enhancements, source separation, auditory and visual object learning and recognition, auditory scene analysis, data compression and inpainting. Applications to computational neuroscience will discuss recent papers on the probabilistic interpretation of neural learning and biological intelligence.
Exercises
Practical training
Hinweise zum Modul
Prerequisites
Related to selected course/s
Reference text
This module o ers special as well as advanced engineering courses in Biomedical Physics and Acoustics. The list of eligible courses will be updated each academic year. Please refer to the courses listed for this module in Stud.IP.
Module examination
Related to selected course/s
Skills to be acquired in this module
The aim of this module is, to give students further access to also small courses (3 CP) which address the specific interest of the student and deliver unique in-depth knowledge or the opportunity to train specific engineering skills.
