Vorlesung: Digital Health - Details

Allgemeine Informationen

Veranstaltungsname	Vorlesung: Digital Health
Veranstaltungsnummer	INF-0380
Semester	SS 2023
Aktuelle Anzahl der Teilnehmenden	52
Heimat-Einrichtung	Embedded Intelligence for Health Care and Wellbeing
Veranstaltungstyp	Vorlesung in der Kategorie Lehre
Erster Termin	Dienstag, 18.04.2023 14:00 - 15:30, Ort: (2045N)
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile	Ja
Veranstaltung findet online statt / hat Remote-Bestandteile	Ja
Hauptunterrichtssprache	englisch
Literaturhinweise	Panesar, A (2019): Machine Learning and AI for Healthcare: Big Data for Improved Health Outcomes. Coventry, UK: Apress. Further literature is going to be announced during the lecture.
ECTS-Punkte	5

Lehrende

• Prof.Dr. Björn Schuller
• Manuel Milling
• Dr.-Ing. Shahin Amiriparian
• Maurice Gerczuk
• Dr. Katrin Bartl-Pokorny
• Dr. Florian Pokorny
• Anika Ailsa Spiesberger
• Andreas Triantafyllopoulos
• Iosif Tsangko

Räume und Zeiten

(2045N)

Dienstag: 14:00 - 15:30, wöchentlich (13x)

Studienbereiche

• Fakultät für Angewandte Informatik > Informatik

Modulzuordnungen

• Informatik M.Sc. Informatik, PO 2018, 10. Version (SS 2023) > Praktische Informatik > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Informatik M.Sc. Informatik, PO 2018, 10. Version (SS 2023) > Wahlbereich Informatik > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Informatik M.Sc. Informatik, PO 2011, 17. Version (SS 2023) > M.Sc. Informatik (PO '11), Teilbereich Informatik - Multimedia > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Medizinische Informatik M.Sc. Medizinische Informatik, 4. Version (SS 2023) > Medizinische Informatik > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Informatik M.Sc. Informatik, PO 2017, 13. Version gültig ab SS 2023 > M.Sc. Informatik (PO '17), Teilbereich Informatik - Multimedia > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Ingenieurinformatik M.Sc. Ingenieurinformatik, PO 2016, 14. Version (SS 2023) > M.Sc. Ingenieurinformatik - Wahlbereich Software und Systems Engineering / Technische Informatik und Adaptive Systeme > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2018, 10. Version (SS 2023) > Multimedia > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Ingenieurinformatik M.Sc. Ingenieurinformatik, PO 2016, 14. Version (SS 2023) > M.Sc. Ingenieurinformatik - Technische Informatik und Adaptive Systeme > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2018, 10. Version (SS 2023) > Wahlbereich Informatik und Multimedia > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2017, 13. Version gültig ab SS 2023 > M.Sc. Informatik und Multimedia (PO '17), Teilbereich Informatik - Multimedia > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Medizinische Informatik M.Sc. Medizinische Informatik, 4. Version (SS 2023) > Wahlbereich > INF-0380 - Digital Health > Digital Health (Vorlesung)
• Austauschstudium - FAI Austauschstudium FAI, 2. Version (SS 2023) > Fakultät für Angewandte Informatik - Master Level > INF-0380 - Digital Health > Digital Health (Vorlesung)

Kommentar/Beschreibung

Digital health is the use of information and communication technology for disease prevention and treatment. Students will get to know the key concepts, definitions, and technologies in the field of digital health. They will get insights into acceptability and usability of digital health applications in the context of various diseases. Students will get to know strategies for collecting medically-relevant data of various modalities, e.g., recording speech data using microphones or tracking heart rate via wearable sensors, and learn about principal concepts of intelligent biosignal processing and analysis including feature extraction and machine learning in the context of healthcare applications. Students will gain competence in selecting appropriate methodology or designing new approaches for a broad range of health-related signal processing and analysis tasks. Finally, students will be made familiar with current and potential future implications of intelligent biosignal analysis to the health sector as well as sensitised to related ethical and data privacy aspects.