TU Wien:Computer Simulation in Medicine UE (Rattay)

Daten

Vortragende	Frank Rattay
ECTS	3
Letzte Abhaltung	2022W
Sprache	Deutsch
Mattermost	computer-simulation-in-medicine • Register • Mattermost-Infos
Links	tiss:101529

Zuordnungen

Masterstudium Biomedical Engineering

Inhalt

Entgegen dem Titel der LVA geht es im Wesentlichen um die Modellierung der Signalweitergabe zwischen Neuronen. Die zentralen Begriffe sind

• Hodgkin-Huxley-Modell
• Approximation von DGLs mittles Forward-, Backward Euler -- in Theorie und Implementierung in Matlab
• Finite Element Method

Ablauf

(WS19-20) Tatsächlich gibt es eine VU und eine UE. Die VU besteht aus 3 Übungsblättern, einer kurzen Präsentation und der Anfertigung eines Handouts dazu, sowie einer kurzen mündlichen Prüfung. Um ein Zertifikat für die UE zu erhalten wird etwas weiterführende Arbeit erwartet, d.h. zB eine praktische Anwendung eines Tools.

Präsentation: Es soll ein für das Feld relevantes Tool kurz vorgestellt werden. Die Präsentation soll 10 Minuten füllen, allerdings wird darauf nicht sehr genau geachtet. Die Inhalte sollen außerdem in einem Handout zusammengefasst werden. Die Qualität des Handouts ist für die Endnote relevant (wurde in der mündlichen Prüfung vom Dozenten kurz angeschaut).

Struktur: Die LVA fand als Blockveranstaltung statt, d.h. ca. 4-5 Nachmittage. Von den LVA-Terminen besteht der erste Teil aus einer "Vorlesung", d.h. kurzes Vorstellen der Kernkonzepte durch den Dozenten anhand von Slides. Danach konnten die Übungsblätter bearbeitet werden, dabei standen die Dozenten für Fragen bereit.

Benötigte/Empfehlenswerte Vorkenntnisse

Hilfreich aber nicht notwendig sind Vorkenntisse über Nervenmodelle sowie generell Modellierung mittels Differentialgleichungen. In den Übungen wird größtenteils mit Matlab gearbeitet, die Aufgaben sind aber für einen Anfänger trotzdem leicht zu lösen.

Vortrag

(WS19-20) Der Vortrag war recht locker und wirkte teils etwas unstrukturiert.

Übungen

Inhalte sind u.a.

• Implementierung von Forward- und Backward-Euler-Approximation in Matlab basierend auf Template, vergleich mit diversen in Matlab integrierten solvern.
• Analyse diverser Implementierungen von Nervenmodellen. Es wird geprüft, ob das Modell, die Implementierung und die Bedeutung der Parameter klar sind.
• Anwendung des FEM-Tools der Matlab PDE Toolbox.

Prinzipiell lassen sich die Übungen mit etwas Recherche auch ohne Vorkenntnisse und ohne Besuch der LVA gut bewältigen. Es werden konkrete Fragen gestellt, die Schritt für Schritt aufeinander aufbauen und somit auf eine Erkenntnis hinführen.

Prüfung, Benotung

Für Präsentation und Handout genügt es, zu zeigen, dass man sich mit seinem Thema (Tool) vertraut gemacht hat und seine Anwedungen sowie Vor- und Nachteile und ein paar Beispiele kennt.

Die mündliche Prüfung findet nach Terminvereinbarung in der Sprechstunde statt. Im WS19-20 wurde man gemeinsam mit 4-5 Kollegen in den Raum gebeten, dann wurden jedem für etwa 3-5 Minuten ein paar Fragen gestellt. Es wird geprüft, ob die Grundbegriffe aus der LVA bekannt sind, sehr oft wird lediglich das richtige Stichwort erwartet. Desweiteren ist es wichtig anzumerken, dass auch geprüft wird, ob Inhalte aus Präsentationen von Kollegen bekannt sind -- man sollte also wohl besser vor der Prüfung einige Handouts durchgehen (werden via TUWEL verteilt).

Dauer der Zeugnisausstellung

• WS19: Sofort

Zeitaufwand

(WS19-20) 2-3 Nachmittage für Präsentation und Handout, 3-4 Nachmittage für Bearbeitung der Übungen sowie ein Nachmittag zur Prüfungsvorbereitung haben für ein "gut" ausgereicht. Generell meiner Meinung nach sehr leicht erlangte 3 ECTS, für ein sehr interessantes Themenfeld.

Unterlagen

Slides und Handouts werden via TUWEL zur Verfügung gestellt. Slides alleine sind nicht sehr nützlich; falls man die LVA nicht besuchen konnte muss man beim Nacharbeiten etwas Recherche betreiben.

Tipps

noch offen

Highlights / Lob

noch offen

Verbesserungsvorschläge / Kritik

noch offen

Materialien

Neues Material hinzufügen

T

• TU Wien-Computer Simulation in Medicine UE (Rattay) - Zusammenfassung WS19-20.pdf (details)