Refine
Year of publication
Document type
- Conference Proceeding (607) (remove)
Language
- German (607) (remove)
Keywords
- CD-ROM (32)
- Vortrag (7)
- Poster (5)
- Posterpräsentation (4)
- Posterbeitrag (3)
- Medizintechnik (2)
- situCare (2)
- ANTP (1)
- Absaugtraining (1)
- Altenpflege (1)
Grain Vision
(2023)
Mikrofiltration - ganzheitliche Lösungen für nachhaltige und wirtschaftliche Produktionsprozesse
(2023)
Prototyp eines Controllers und eine Simulationsumgebung für VR-basierte laparoskopische Trainings
(2023)
Potenzial eines Echtzeit-Patientenmonitoring-Systems zur Unterstützung einer bedarfsgerechten Pflege
(2023)
Einsatz eines Aktivitätstisches in der Akutversorgung : Erfahrungen und Ergebnisse aus der Praxis
(2023)
Bei der Entwicklung von Anwendungen der künstlichen Intelligenz (KI) im klinischen Setting ist es besonders wichtig zukünftige Nutzer*innen einzubeziehen. Denn gerade klinisches Personal benötigt sowohl zur Akzeptanz als auch zur effektiven Nutzung zukünftiger KI-Anwendungen ein tiefergehendes Verständnis der KI-Modelle und derenFunktionsprinzipien. In diesem Sinne wurde im Projekt KIDELIR, dessen Ziel es ist, ein KI Unterstützungssystem zur Delirprädiktion zu entwickeln, ein partizipativer Ansatz gewählt.
Um eine praxistaugliche Gestaltung und Entwicklung des KI-Systems zu erreichen, werden Pflegefachpersonen und Ärzt*innen fortlaufend in den Forschungs- und Entwicklungsprozess einbezogen. Im Folgenden wird berichtet, wie der Partizipationsprozess im Projekt KIDELIR bislang gestaltet wurde und welche weiteren Schritte geplant sind. Der Fokus liegt auf der Reflexion der Methoden, die zur Bedarfserhebung bezüglich der Delirversorgung aus pflegerischer Sicht und dem Nutzen eines KI-Systems zur Delirprädiktion herangezogen wurden. Konkret wird die Kombination von Fallvignetten, Health Information Mapping, Techno-Mimesis sowie Cognitive-Affective-Mapping und einer Gruppendiskussion betrachtet. Im weiteren Verlauf des Projekts sind vertiefende leitfadengestützte Interviews mit den Teilnehmenden sowie Ärzt*innen geplant.
Zusätzlich sind weitere partizipative Formate vorgesehen, unter anderem gemeinsam mit Ärzt*innen und Pflegefachpersonen.
In diesem Vortrag werde ich auf die Programmierumgebungen (ROS) und Schnittstellen (keras/Tensorflow) eingehen, die es ermöglichen Roboter mit Hilfe von maschinellem Lernen zu trainieren. Dabei werde ich insbesondere die Möglichkeiten vorstellen, wie man einen Roboter in der Simulation (gazebo) trainieren kann, um die trainierten Modelle auf echte Roboter zu übertragen. Anhand von praktischen Beispielen mit mobilen Robotern und Greifarmen werden die Konzepte des Reinforcement Learnings, Active Learnings, Transfer Learnings und der Objekterkennung demonstriert. Das Testszenario besteht aus einem Holz-Labyrinth und einem Turtlebot Roboter, der mit Laser Range Scanner und einer 2D-Kamera ausgestattet ist. Dabei soll der Roboter lernen, autonom den Weg zur angegebenen Zielposition zu planen ohne dabei gegen ein Hindernis zu fahren. Es wird hierbei untersucht in wie weit die trainierten Modelle in leicht abgeänderten Szenarien funktionsfähig bleiben.