de
en
Schliessen
Detailsuche
Bibliotheken
Projekt
Impressum
Datenschutz
zum Inhalt
Detailsuche
Schnellsuche:
OK
Ergebnisliste
Titel
Titel
Inhalt
Inhalt
Seite
Seite
Im Dokument suchen
Trochim, Sabine: Situiertes Lernen in Augmented-reality-basierten Trainingssystemen am Beispiel der Echokardiographie. 2002
Inhalt
1 Einleitung
1.1 Motivation
1.2 Problemstellung: Wie kann man die reale Trainingssituation nachbilden?
1.3 Ziel und Lösungsansatz
1.4 Überblick
2 Computerbasierte Trainingssysteme und Intelligente Tutorsysteme
2.1 Reine Interaktionsformen computerbasierter Trainingssysteme
2.1.1 Visualisierung und Präsentation
2.1.2 Drill und Test
2.1.3 Tutorieller Dialog
2.1.4 Simulation
2.1.5 Augmented-Reality-Umgebungen
2.1.6 Bewertung
2.2 Kombinierte Interaktionsformen
2.2.1 Klassische Tutorsysteme (Hypermedia) und fallbasierte Hypermedia-Systeme
2.2.2 Intelligent Tutoring Multimedia
2.2.3 Fallbasierte und wissensbasierte ITS
2.2.4 Simulationsbasierte ITS
2.2.5 Augmented-Reality-basierte Trainingssysteme
2.2.6 Augmented-Reality-basierte ITS
2.2.7 Unterstützungssysteme
2.3 Gegenüberstellung der existierenden Ansätze
2.4 Schlußfolgerung
3 Feldanalyse Echokardiographie
3.1 Grundlagen der Echokardiographie
3.1.1 Standardebenen
3.2 Echokardiographische Diagnostik
3.2.1 Mentale Modelle
3.2.2 Diagnoseschemata
3.2.3 Schallkopfsteuerung
3.3 Feldanalyse
3.3.1 Motivation und Zielsetzung
3.3.2 Klinische Beobachtungsstudien: Lernkontext und Ablauf
3.3.3 Analysemethoden
3.4 Bedarfsanalyse und Anforderungen an das Trainingssystem
3.4.1 Lernkontext
3.4.2 Schwierigkeiten des Anfängers und daraus folgende Anforderungen
3.4.3 Zusammenfassung
4 Konzeption eines Augmented-Reality-basierten situierten Trainingssystems
4.1 Augmented-Reality-basiertes situiertes Trainingssystem
4.1.1 Konzeption eines Trainingssystems zur Unterstützung des situierten Lernens
4.2 Ein situiertes Trainingssystem als Beispiel
4.2.1 Augmented-Reality-Simulationsumgebung
4.2.2 Verhaltensanalyse
4.2.3 Adaptive Hilfestellungen
4.2.4 Semantisches Protokoll als Basis der Interaktion
4.3 Beispiel Auge-Hand-Steuerung
4.3.1 Augmented-Reality Simulationsumgebung
4.3.2 Sensomotorische Verhaltensanalyse
4.3.3 Semantisches Protokoll
4.3.4 Wissensbasierte Interpretation
4.3.5 Adaptive Hilfestellungen
4.3.6 Situierte Interaktion
4.4 Beispiel Meßfehler
4.4.1 Augmented-Reality-Simulationsumgebung
4.4.2 Verhaltensanalyse und semantisches Protokoll
4.4.3 Adaptive Hilfestellungen
4.5 Beispiel Diagnoseschemata
4.5.1 Augmented-Reality-Simulationsumgebung
4.5.2 Verhaltensanalyse
4.5.3 Wissensbasierte Interpretation
4.5.4 Adaptive Hilfestellungen
4.6 Zusammenfassung
5 Realisierungsansätze für die sensomotorische Analyse
5.1 Sensomotorische Daten
5.1.1 Charakteristika der Schallkopftrajektorien
5.2 Verschiedene Methoden der Gestikerkennung
5.2.1 Neuronale Netze
5.2.2 Wissensbasierte und modellbasierte Ansätze
5.2.3 Fuzzy-Methoden
5.2.4 Zustandsbasierte Ansätze
5.2.5 Hidden-Markov-Modelle
5.3 Fazit
6 Erkennen von Standardebenen
6.1 Konzept der sensomotorischen Analyse von Standardebenen
6.2 Fuzzy-Clusteranalyse
6.2.1 Fuzzy-c-Means
6.2.2 Gath-und-Geva Algorithmus
6.2.3 Clustering von Vektoren (Klawonn und Keller)
6.3 Fuzzy-Clustering der Positions- und Richtungsdaten
6.3.1 Clustering der Positionsvektoren
6.3.2 Clustering der Normalenvektoren
6.3.3 Ableiten von Fuzzy-Zugehörigkeitsfunktionen
6.4 Überprüfen von Zielstrukturen
6.4.1 Repräsentation der Leitstrukturen durch Ellipsoide
6.4.2 Schnittfläche als Gütekriterium
6.4.3 Gütemaß für den Anschnitt von Herzklappen parallel zur Blutflußrichtung
6.4.4 Abstand zu Landmarks als Gütemaß
6.4.5 Hilfestellung zur Einstellung einer Herzklappe
6.5 Kombination der Kriterien durch Fuzzy-Regeln
6.6 Diskussion
7 Erkennen von Bewegungsmustern
7.1 Überblick über die Analyse von Bewegungsmustern
7.2 Kontinuierliche und semikontinuierliche Hidden-Markov-Modelle
7.2.1 Kontinuierliche Emissionswahrscheinlichkeitsdichten
7.2.2 Forward-Backward Algorithmus
7.2.3 Viterbi-Algorithmus
7.2.4 Baum-Welch-Algorithmus
7.3 Regelbasiertes Erkennen von Positionsübergängen
7.3.1 Segmentierung
7.3.2 Beurteilung der Übergänge mit Fuzzy-Konzepten
7.3.3 Grenzen des regelbasierten Ansatzes
7.4 Modellierung von Bewegungsmustern mit Hidden-Markov-Modellen
7.4.1 Merkmalstransformation und Fuzzy-Clusteranalyse
7.4.2 Modellierung von Standardübergängen mit Hidden-Markov-Modellen
7.4.3 Erkennen von zielgerichtetem Fächeln
7.4.4 Erkennen von Orientierungslosigkeit
7.4.5 Integration der Einzelmodelle und Klassifikation
7.5 Diskussion
8 Evaluationsergebnisse
8.1 Fallstudie zur Beurteilung der Standardebenen
8.1.1 Semantisches Protokoll
8.1.2 Parasternal lange Achse
8.1.3 Parasternal kurze Achse in Höhe der Aortenklappe
8.1.4 Ergebnisse der Fallstudie
8.2 Objektive Evaluation der Standardebenenbewertung
8.2.1 Evaluation richtiger Einstellungen eines Experten
8.2.2 Evaluation falscher Einstellungen eines Experten
8.2.3 Evaluation der Standardebeneneinstellung nach Vorgabe des Systems
8.2.4 Evaluationsergebnisse der Standardebenenbewertung
8.3 Ergebnisse zur Erkennung von Bewegungsmustern
8.3.1 Beispiel Standardtrajektorie
8.3.2 Beispiel Orientierungsverlust
8.3.3 Beispiel Abfächeln einer Region
8.3.4 Ergebnisse der Erkennung von Bewegungsmustern
8.4 Zusammenfassung
9 Zusammenfassung und Ausblick
A Erweiterte Echokardiographische Grundlagen
A.1 Anatomie und Physiologie des Herzens
A.2 Standarduntersuchungsgang
B Parameter der Markovmodelle
B.1 Definition der Dichtefunktionen
B.2 Linearkombinationen der Dichtefunktionen