Menü
Die Zukunft der Medizin ist digital, und das ist auch wichtig! Ärzt:innen werden in ihrem Arbeitsalltag mit einer Flut von Daten konfrontiert aus denen sie eine Diagnose, eine Behandlungsplanung und eine individuelle Prognose für ihre Patent:innen ableiten müssen. Um mit dieser Datenmenge besser umgehen zu können, kann KI helfen. Die Aufgabe des MEVIS zeigt anhand des Krankheitsbilds „Herzinfakt“, wie eine KI dabei hilft die Daten zu verarbeiten und die Arbeit der Ärtz:innen erleichtert. Aber auch die Grenzen der Vorhersagen und Prognosen sollen gut überlegt werden.
Menschen auf den Mars zu schicken und unseren roten Nachbarplaneten zu erkunden ist ein lang gehegter Traum der Raumfahrt. Der Mars unterscheidet sich aber in vielerlei Hinsicht von unserer Erde. Die fehlende Atmosphäre, kein flüssiges Wasser und eine hohe Strahlenbelastung machen es aktuell noch unmöglich eine Crew auf die Reise zu schicken. Daher nutzt man Marsrover, aber auch die stehen auf der Marsoberfläche ohne direkte Eingriffsmöglichkeiten von der Erde vor zahlreichen Herausforderungen. Wenn in einigen Jahren die ersten Menschen den Mars betreten kommen weitere Schwierigkeiten hinzu. Eine davon sind viele fehlenden Ressourcen, die von der Erde mitgebracht und sorgfältig auf dem Mars genutzt und recycelt werden müssen.
Um dieser Bandbereite an Problemstellungen einer Marsmission (mit Menschen oder ohne) gerecht zu werden, bietet das ZARM für die Challenge 2024/25 zwei Aufgaben an.
Der Alltag ist zunehmend digital geprägt, und Smartphones nehmen dabei eine zentrale Rolle ein. Sie haben sich als vielseitige und komfortable Begleiter etabliert, die überall mitgenommen und genutzt werden können. Ein faszinierender Aspekt moderner Smartphones liegt in der Vielzahl integrierter Sensoren, die oft unbemerkt bleiben. Diese Sensoren erfüllen jedoch entscheidende Aufgaben und erleichtern die Bedienung des Geräts erheblich.
Im Rahmen dieser Challenge wird der Fokus auf die Bewegungserkennung mithilfe von Sensoren gelegt. Besonders hervorzuheben ist die IMU (Inertial Measurement Unit), die aus einem Beschleunigungssensor (Accelerometer), der Beschleunigungen in drei Dimensionen erfasst, und einem Gyroskop, das Rotationsgeschwindigkeiten misst. Ziel der Challenge ist es, mithilfe der Sensordaten folgende einfache Bewegungsmuster zu klassifizieren mit dem Smartphone in der Hand:
Pro Woche stehen insgesamt 3 Einreichungen zur Verfügung.
In der ersten Phase besteht die Aufgabe darin, ausreichend Daten für die ersten drei genannten Bewegungsmusterklassen („Stehen“, „Gehen“, „Fallenlassen“) mit einem Smartphone aufzunehmen. Dabei sollte die Datenaufnahme so strategisch und effizient wie möglich gestaltet werden, um den Aufwand für die nachträgliche Annotation der Daten zu minimieren oder vollständig zu vermeiden (Beachte Hinweise unten).
Nach Abschluss der Datenaufnahme beginnt die Entwicklung eines beliebigen Modells zur Klassifikation der Bewegungsmuster, sobald die eigen aufgenommenen Daten (Klassen 1-3) auf Richtigkeit geprüft, und die restlichen Daten (Klassen 4-12) zur Verfügung gestellt wurden.
Die Zukunft der Medizin ist digital, und das ist auch wichtig! Ärzt:innen werden in ihrem Arbeitsalltag mit einer Flut von Daten konfrontiert aus denen sie eine Diagnose, eine Behandlungsplanung und eine individuelle Prognose für ihre Patent:innen ableiten müssen. Um mit dieser Datenmenge besser umgehen zu können, kann KI helfen. Die Aufgabe des MEVIS zeigt anhand des Krankheitsbilds „Herzinfakt“, wie eine KI dabei hilft die Daten zu verarbeiten und die Arbeit der Ärtz:innen erleichtert. Aber auch die Grenzen der Vorhersagen und Prognosen sollen gut überlegt werden.
Der Alltag ist zunehmend digital geprägt, und Smartphones nehmen dabei eine zentrale Rolle ein. Sie haben sich als vielseitige und komfortable Begleiter etabliert, die überall mitgenommen und genutzt werden können. Ein faszinierender Aspekt moderner Smartphones liegt in der Vielzahl integrierter Sensoren, die oft unbemerkt bleiben. Diese Sensoren erfüllen jedoch entscheidende Aufgaben und erleichtern die Bedienung des Geräts erheblich.
Im Rahmen dieser Challenge wird der Fokus auf die Bewegungserkennung mithilfe von Sensoren gelegt. Besonders hervorzuheben ist die IMU (Inertial Measurement Unit), die aus einem Beschleunigungssensor (Accelerometer), der Beschleunigungen in drei Dimensionen erfasst, und einem Gyroskop, das Rotationsgeschwindigkeiten misst. Ziel der Challenge ist es, mithilfe der Sensordaten folgende einfache Bewegungsmuster zu klassifizieren mit dem Smartphone in der Hand:
Pro Woche stehen insgesamt 3 Einreichungen zur Verfügung.
In der ersten Phase besteht die Aufgabe darin, ausreichend Daten für die ersten drei genannten Bewegungsmusterklassen („Stehen“, „Gehen“, „Fallenlassen“) mit einem Smartphone aufzunehmen. Dabei sollte die Datenaufnahme so strategisch und effizient wie möglich gestaltet werden, um den Aufwand für die nachträgliche Annotation der Daten zu minimieren oder vollständig zu vermeiden (Beachte Hinweise unten).
Nach Abschluss der Datenaufnahme beginnt die Entwicklung eines beliebigen Modells zur Klassifikation der Bewegungsmuster, sobald die eigen aufgenommenen Daten (Klassen 1-3) auf Richtigkeit geprüft, und die restlichen Daten (Klassen 4-12) zur Verfügung gestellt wurden.
Der Alltag ist zunehmend digital geprägt, und Smartphones nehmen dabei eine zentrale Rolle ein. Sie haben sich als vielseitige und komfortable Begleiter etabliert, die überall mitgenommen und genutzt werden können. Ein faszinierender Aspekt moderner Smartphones liegt in der Vielzahl integrierter Sensoren, die oft unbemerkt bleiben. Diese Sensoren erfüllen jedoch entscheidende Aufgaben und erleichtern die Bedienung des Geräts erheblich.
Im Rahmen dieser Challenge wird der Fokus auf die Bewegungserkennung mithilfe von Sensoren gelegt. Besonders hervorzuheben ist die IMU (Inertial Measurement Unit), die aus einem Beschleunigungssensor (Accelerometer), der Beschleunigungen in drei Dimensionen erfasst, und einem Gyroskop, das Rotationsgeschwindigkeiten misst. Ziel der Challenge ist es, mithilfe der Sensordaten folgende einfache Bewegungsmuster zu klassifizieren mit dem Smartphone in der Hand:
Pro Woche stehen insgesamt 3 Einreichungen zur Verfügung.
In der ersten Phase besteht die Aufgabe darin, ausreichend Daten für die ersten drei genannten Bewegungsmusterklassen („Stehen“, „Gehen“, „Fallenlassen“) mit einem Smartphone aufzunehmen. Dabei sollte die Datenaufnahme so strategisch und effizient wie möglich gestaltet werden, um den Aufwand für die nachträgliche Annotation der Daten zu minimieren oder vollständig zu vermeiden (Beachte Hinweise unten).
Nach Abschluss der Datenaufnahme beginnt die Entwicklung eines beliebigen Modells zur Klassifikation der Bewegungsmuster, sobald die eigen aufgenommenen Daten (Klassen 1-3) auf Richtigkeit geprüft, und die restlichen Daten (Klassen 4-12) zur Verfügung gestellt wurden.
