Ja
Refine
Document Type
- Book (62)
- Conference proceeding (18)
- Journal article (9)
- Doctoral Thesis (6)
- Working Paper (2)
- Book chapter (1)
- Journal (1)
- Issue of a journal (1)
- Report (1)
Has full text
- no (101) (remove)
Is part of the Bibliography
- yes (101)
Institute
- ESB Business School (65)
- Informatik (19)
- Technik (12)
- Texoversum (3)
- Life Sciences (1)
- Zentrale Einrichtungen (1)
Publisher
- Universität Tübingen (60)
- Hochschule Reutlingen (4)
- University of Colorado (3)
- Deutsche Gesellschaft für Computer- und Roboterassistierte Chirurgie e. V. (2)
- GMDS e.V. (2)
- Gesellschaft für Informatik e.V (2)
- University of São Paulo (2)
- WEKA Fachmedien (2)
- Altop Verlag (1)
- Association for Information Systems (1)
Gegenstand dieser Arbeit ist die Darstellung und Charakterisierung einheitlicher, mesoporöser Silica-Partikel (MPSM) im Mikrometerbereich mit maßgeschneiderten Partikel- und Porendesign für die Hochleistungsflüssigkeitschromatographie. Die Synthese umfasst die Einlagerung von Silica-Nanopartikeln (SNP) in poröse organische Template, welche anschließend bei 600°C zersetzt werden. Die Impfsuspensionspolymerisation von Polystyrol-Partikeln, unter Verwendung von Glycidylmethacrylat, Ethylenglycoldimethacrylat und Porogenen, ermöglicht die Herstellung hochgradig einheitlicher, poröser p(GMA-co-EDMA)-Template. Der Einfluss wesentlicher Faktoren, einschließlich des Monomer-Porogen-Verhältnisses, des Monomerverhältnisses und der Porogenzusammensetzung, werden systematisch untersucht sowie ihre Auswirkungen auf die Porengröße, das Porenvolumen und die spezifische Oberfläche erläutert. Die Anbindung aminofunktionalisierter Substanzen erfolgt durch die Ringöffnung der Epoxidgruppe. Im anschließenden basischen Sol-Gel-Prozess werden die Silica-Nanopartikel aufgrund der Ladungsunterschiede in die funktionalisierten p(GMA-co-EDMA)-Template eingebaut. Die Partikelgröße der SNP beeinflusst wesentlich die Poreneigenschaften der MPSM und hängt von drei Faktoren ab: (i) der Wachstumsgeschwindigkeit in der kontinuierlichen Phase, die durch die Einstellungen des Sol-Gel-Prozesses gesteuert wird, (ii) der Diffusionsrate, die durch elektrostatische Anziehung reguliert wird und vom Grad der Funktionalisierung abhängt und (iii) der Porosität des Polymer-Templats. Die gezielte Anpassung der Poreneigenschaften durch die Prozesseinstellungen erlaubt die präzise Herstellung von MPSM, die auf spezifische Trennherausforderungen zugeschnitten werden und somit die Qualität der HPLC verbessern. Die vorgestellte Synthesestrategie ermöglicht, aufgrund des stufenweisen molekularen Aufbaus, eine bessere Adaption der stationären Phase an spezifische Trennherausforderungen.
Sägen ist ein häufig unterschätzter spanender Prozess. Oft kommt das Sägen nur zum Zuschnitt von Rohteilen zum Einsatz. Bei der Bearbeitung von Leichtbauwerkstoffen werden damit jedoch Schichten in Toleranz direkt auf die montagefertigen Konturen zugeschnitten. Zur Steigerung von Qualität und Zuverlässigkeit des Fertigungsprozesses werden maschineninterne und sensorische Daten überwacht, ausgewertet und in den Prozess zurückgekoppelt. Daher kommt es auf die gezielte Kontrolle der entscheidenden Parameter mit möglichst wenigen und robusten Schnittstellen an. Im Rahmen eines ZIM-Kooperationsprojektes (Hochschule Reutlingen, Hema Frickenhausen, Pragmatic Minds Kirchheim) wurde dies für einen Bandsägeprozess erforscht und umgesetzt.
Die Gestaltung von Lernumgebungen, die unterschiedliche Lernpotenziale fordern und fördern, ist eine Kernaufgabe schulischer Bildungsprozesse. Die Frage, welche Gestaltungselemente einer Lernumgebung sich für welche Lernenden unter welchen Bedingungen als wirksam erwiesen und wie eine Implementation dieser Elemente in die Praxis gelingen kann, ist dabei von hoher Bedeutung. Ausgehend von Enrichment-Konzepten und -Materialien, die sich bisher im Rahmen eines Begabtenförderungsprogramms für Dritt- und Viertklässler als wirksam erwiesen haben, entstehen in LemaS-Teilprojekt 7 „ENRICHMINT“ Unterrichtsmaterialien, die auch im Regelweise des Teilprojekts nach dem sogenannten Design-Based Implementation Research vorgestellt und ein erstes Fazit gezogen. Außerdem werden die grundlegenden Konzepte der Unterrichtsmaterialien für den Mathematik-, Sach-, und Deutschunterricht vorgestellt und die nächsten Schritte der Arbeit des Teilprojekts skizziert.
The hearing contact lens® (HCL) is a new type of hearing aid devices. One of its main components is a piezo-electric actuator. In order to evaluate and maximize the HCL’s performance, a model of the HCL coupled to the middle ear was developed using finite element approach. The model was validated step by step starting with the HCL only. To validate the HCL model, vibrational measurements on the HCL were performed using a Laser-Doppler-Vibrometer (LDV). Then, a silicone cap was placed onto the HCL to provide an interface between the HCL and the tympanic membrane of the middle-ear model and additional LDV measurements on temporal bones were performed to validate the coupled model. The coupled model was used to evaluate the equivalent sound pressure of the HCL. Moreover, a deeper insight was gained into the contact between the HCL and tympanic membrane and its effects on the HCL performance. The model can be used to investigate the sensitivity of geometrical and material parameters with respect to performance measures of the HCL and evaluate the feedback behavior.
Simulation models of the middle ear have rarely been used for diagnostic purposes due to their limited predictive ability with respect to pathologies. One big challenge is the large uncertainty and ambiguity in the choice of material parameters of the model.
Typically, the model parameters are determined by fitting simulation results to validation measurements. In a previous study, it was shown that fitting the model parameters of a finite-element model using the middle-ear transfer function and various other measurable output variables from normal ears alone is not sufficient to obtain a good predictive ability of the model on pathological middle-ear conditions. However, the inclusion of validation measurements on one pathological case resulted in a very good predictive ability also for other pathological cases. Although the found parameter set was plausible in all aspects, it was not yet possible to draw conclusions about the uniqueness and the accuracy or the uncertainty of the parameter set.
To answer these questions, statistical solution approaches are used in this study. Using the Monte Carlo method, a large number of plausible model data sets are generated that correctly represent the normal and pathological middle-ear characteristics in terms of various output variables like e.g., impedance, reflectance, umbo, and stapes transfer function. Subsequent principal component analyses (PCA) allow to draw conclusions about correlations, quantitative limits and statistical density of parameter values.
Furthermore, applying inverse PCA yields numerous plausible parameterizations of the middle-ear model, which can be used for data augmentation and training of a neural network which is capable of distinguishing between a normal middle ear and pathologies like otosclerosis, malleus fixation, and disarticulation based on objectively measured quantities like impedance, reflectance, and umbo velocity.
In order to evaluate the performance of different stapes prosthesis types, a coupled finite element (FE) model of human ear was developed. First, the middle-ear FE model was developed and validated using the middle-ear transfer function measurements available in literature including pathological cases. Then, the inner-ear FE model was developed and validated using tonotopy, impedance, and level of cochlea amplification curves from literature. Both models are based on pre-existing research with some improvements and were combined into one coupled FE model. The stapes in the coupled FE ear model was replaced with a model of a stapes prosthesis to create a reconstructed ear model that can be used to estimate how different types of protheses perform relative to each other as well as to the natural ear. This will help in designing of new innovative types of stapes prostheses or any other type of middle-ear prostheses as well as to improve the ones that are already available on the market.
Purpose
Artificial intelligence (AI), in particular deep learning (DL), has achieved remarkable results for medical image analysis in several applications. Yet the lack of human-like explanations of such systems is considered the principal restriction before utilizing these methods in clinical practice (Yang, Ye, & Xia, 2022).
Methods
Explainable Artificial Intelligence (XAI) provides a human-explainable and interpretable description of the “black-box” nature of DL (Gulum, Trombley, & Kantardzic, 2021). An effective XAI diagnosis generator, namely NeuroXAI (refer to Fig. 1), has been developed to extract 3D explanations from convolutional neural networks (CNN) models of brain gliomas (Zeineldin et al., 2022). By providing visual justification maps, NeuroXAI can help make DL models transparent and thus increase the trust of medical experts.
Results
NeuroXAI has been applied to two applications of the most widely investigated problems in brain imaging analysis, i.e. image classification and segmentation using magnetic resonance imaging (MRI). Visual attention maps of multiple XAI methods have been generated and compared for both applications, which could help to provide transparency about the performance of DL systems.
Conclusion
NeuroXAI helps to understand the prediction process of 3D CNN networks for brain glioma using human-understandable explanations. Results revealed that the investigated DL models behave in a logical human-like manner and can improve the analytical process of the MRI images systematically. Due to its open architecture, ease of implementation, and scalability to new XAI methods, NeuroXAI could be utilized to assist medical professionals in the detection and diagnosis of brain tumors. NeuroXAI code is publicly accessible at https://github.com/razeineldin/NeuroXAI
Der betriebswirtschaftlichen Forschung in der Textil- und Bekleidungsindustrie gelingt es nicht, Lösungen zu erarbeiten, die das Nachhaltigkeitsproblem der Branche lösen. Dies liegt primär an der Art und Weise, wie in unserem Fachbereich geforscht wird. In Anbetracht der Problemstellung kann der starke Fokus auf empirische Arbeiten nur eine begrenzte Hilfestellung leisten. Denn empirische Forschung erfolgt innerhalb der bestehenden Denkmuster und ist tendenziell gegenwarts- oder vergangenheitsorientiert. Für die Lösung zukunftsorientierter Fragestellungen werden jedoch völlig neue Parameter und Logiken benötigt. Ein Umdenken ist gefragt.
In diesem Buch erfahren Sie eine neue wirkungsvolle Lernmethode, um auf eine realitätsnahe und nachhaltige Art Inhalte zu vermitteln, Teilnehmende zu begeistern und sich von anderen Anbietern zu unterscheiden.
Begeistern Sie Ihre Teilnehmenden und Coachees durch prototypische Strukturaufstellungen in Ihren Trainings und Beratungen. Mit dieser modernen Methode erreichen Sie wirkungsvolle und nachhaltigere Lernfortschritte bei den Teilnehmenden. Der Transfer in die Praxis beginnt bereits während des Lernprozesses.
Prototypische Strukturaufstellungen simulieren typische Situationen in Organisationen. Dabei werden Themen aufgegriffen und aufgestellt, die mehrere Teilnehmende im Berufsalltag betreffen. Diese Methode wird für eine lebendige Simulation genutzt, um Verbindungen aufzuzeigen sowie Verhaltensweisen und Handlungsoptionen auszuprobieren und zu reflektieren: ähnlich wie in einem Flugsimulator. Dabei haben die Teilnehmenden die Möglichkeit, aktive und realitätsnah zu lernen. Erkenntnisse und Lösungen werden auf eine überraschende und nachhaltige Art gewonnen.