{"id":33,"date":"2016-02-23T12:58:51","date_gmt":"2016-02-23T11:58:51","guid":{"rendered":"http:\/\/193.170.124.11:8082\/?page_id=33"},"modified":"2026-02-19T15:19:14","modified_gmt":"2026-02-19T14:19:14","slug":"publikationen","status":"publish","type":"page","link":"https:\/\/aist.fh-hagenberg.at\/index.php\/de\/publikationen","title":{"rendered":"Publikationen"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-page\" data-elementor-id=\"33\" class=\"elementor elementor-33\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-56e72ac3 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"56e72ac3\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-69e20b7\" data-id=\"69e20b7\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-0f70d19 elementor-widget elementor-widget-html\" data-id=\"0f70d19\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<label for=\"categories\">Kategorie:<\/label>\r\n\r\n<select name=\"categories\" id=\"categories\">\r\n  <option value=\"all\">Alle<\/option>\r\n  <option value=\"ehealth\">ehealth<\/option>\r\n  <option value=\"ml\">Machine Learning &amp; Data Science<\/option>\r\n  <option value=\"cv\">Computer Vision &amp; Augmented Reality<\/option>\r\n<\/select>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1a9eec50 elementor-widget elementor-widget-html\" data-id=\"1a9eec50\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<script> \r\njQuery(document).ready(function($) { \r\nvar delay = 100; setTimeout(function() { \r\n$('.elementor-tab-title').removeClass('elementor-active');\r\n $('.elementor-tab-content').css('display', 'none'); }, delay); \r\n \r\n document.getElementById('categories').onchange = function(){\r\n    let items = document.getElementsByClassName(\"elementor-accordion-item\");\r\n    let category = document.getElementById(\"categories\").value;\r\n    for(let i = 0; i < items.length; i++){\r\n        let item = items[i];\r\n        \r\n        if(category == 'all'){\r\n            item.style.display = \"block\";\r\n        } else {\r\n            let title = item.getElementsByClassName(\"elementor-accordion-title\")[0];\r\n            let spanWithCategory = title.getElementsByClassName(\"categorySpan\");\r\n            if(spanWithCategory.length > 0 && spanWithCategory[0].classList.contains(category)){\r\n                item.style.display = \"block\";\r\n            } else {\r\n                item.style.display = \"none\";\r\n            }\r\n        }\r\n        \r\n    }\r\n};\r\n\r\nconst queryString = window.location.search;\r\nconst urlParams = new URLSearchParams(queryString);\r\nif(urlParams.has('topic')) {\r\n    const topic = urlParams.get('topic')\r\n    if(topic == \"ml\" || topic == \"cv\" || topic ==\"ehealth\"){\r\n        const categories = document.getElementById(\"categories\");\r\n        categories.value = topic;\r\n        categories.onchange();\r\n    }\r\n}\r\n \r\n}); \r\n<\/script>\r\n<style>\r\n    .elementor-accordion{\r\n        border: 1px solid #d4d4d4;\r\n    }\r\n    \r\n    .elementor-accordion .elementor-accordion-item {\r\n        border-left: 0px;\r\n        border-right: 0px;\r\n        border-top: 0px;\r\n    }\r\n<\/style>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d8ab58 elementor-widget elementor-widget-heading\" data-id=\"d8ab58\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2024<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d4c65a elementor-widget elementor-widget-accordion\" data-id=\"6d4c65a\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1141\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1141\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Reconstructionless Airborne Radiance Fields<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1141\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1141\"><p>Christoph Praschl, Leopold B\u00f6ss, and David C. Schedl. 2024. Reconstructionless Airborne Radiance Fields. SIGGRAPH 2024.\u00a0<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1145\/3641234.3671077\">10.1145\/3641234.3671077<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Seit einigen Jahren stellen Strahlungsfelder und insbesondere neuronale Strahlungsfelder (NeRF) einen bahnbrechenden Fortschritt in der Computergrafik dar. Sie erm\u00f6glichen die Erzeugung qualitativ hochwertiger neuer Ansichten f\u00fcr Szenen, die aus verschiedenen Winkeln durch mehrere Fotos oder Videos aufgenommen wurden. Anstelle herk\u00f6mmlicher Methoden, die sich auf geometrische Darstellungen oder explizite Szenennetze st\u00fctzen, nutzt NeRF neuronale Netze zur direkten Modellierung der volumetrischen Szenenfunktion. Auf diese Weise hat der Ansatz die Landschaft der Novel-View-Synthese dramatisch ver\u00e4ndert und bietet einen noch nie dagewesenen Realismus und Flexibilit\u00e4t bei der Darstellung komplexer Szenen. Das Training von NeRF-Modellen basiert jedoch in der Regel auf rechenintensiven bildbasierten Rekonstruktionen von Kamerapositionen und visuellen Merkmalen der angesprochenen Szenen unter Verwendung von Structure from Motion (SfM). Bei der Bildgebung aus der Luft sind die Kamerapositionen bereits explizit durch exakte globale Navigationssatellitensysteme (z. B. GPS) und interne Sensoren von Luftfahrzeugen verf\u00fcgbar. In dieser Arbeit stellen wir eine neuartige Verarbeitungspipeline vor, die entwickelt wurde, um Bild- und Sensordaten, die von unbemannten Luftfahrzeugen (UAVs) erfasst wurden, effektiv zu nutzen, um NeRF-\u00e4hnliche Modelle zu trainieren, ohne SfM zu ben\u00f6tigen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1142\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1142\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml eHealth\">Generating actionable insights from Patient Medical Records and structured clinical knowledge<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1142\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1142\"><p>Natasha Trajkovska, Michael Roiss, Sophie Bauernfeind, Mohammad Alnajdawi, Simone Sandler, Daniel Herzmanek, Matthias Winkler, Michael Haider, Oliver Krauss (2024). dHealth.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.3233\/SHTI240015\">10.3233\/SHTI240015<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>W\u00e4hrend die Einhaltung klinischer Leitlinien die Qualit\u00e4t und Konsistenz der Versorgung verbessert, erfordert die personalisierte Gesundheitsversorgung auch ein tiefes Verst\u00e4ndnis der individuellen Krankheitsmodelle und Behandlungspl\u00e4ne. Die strukturierte Aufbereitung medizinischer Routinedaten in einem bestimmten klinischen Kontext, z. B. einem in einer medizinischen Leitlinie dargestellten Behandlungspfad, ist derzeit eine anspruchsvolle Aufgabe. Medizinische Daten sind oft in unterschiedlichen Formaten und Systemen gespeichert, und das relevante klinische Wissen, das den Kontext definiert, liegt nicht in maschinenlesbaren Formaten vor. Wir stellen einen Ansatz zur Extraktion von Informationen aus medizinischer Freitextdokumentation vor, bei dem strukturiertes klinisches Wissen verwendet wird, um die Informationsextraktion in ein strukturiertes und kodiertes Format zu leiten, wobei die bekannten Herausforderungen f\u00fcr Algorithmen zur Verarbeitung nat\u00fcrlicher Sprache \u00fcberwunden werden. Die vorl\u00e4ufigen Ergebnisse sind ermutigend, denn mit einer unserer Methoden konnten 100 % aller Datenpunkte mit einer Genauigkeit von 85 % im Detail extrahiert werden. Diese Fortschritte zeigen das Potenzial unseres Ansatzes, unstrukturierte klinische Daten effektiv zu nutzen, um die Qualit\u00e4t der Patientenversorgung zu verbessern und die Arbeitsbelastung des medizinischen Personals zu verringern.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1143\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1143\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml eHealth\">Process Auditing in Radiology<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1143\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1143\"><p>Andreas Pointner. \u201c<span data-teams=\"true\"><span class=\"ui-provider a b c d e f g h i j k l m n o p q r s t u v w x y z ab ac ae af ag ah ai aj ak\" dir=\"ltr\">Process Auditing in Radiology<\/span><\/span>\u201d. Kepler Science Days (2024)<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>In den letzten 20 Jahren hat sich Prozess-Mining (PM) als eigenst\u00e4ndige Disziplin etabliert, die darauf abzielt, reale Prozesse anhand von Daten aus Informationssystemen zu analysieren und zu optimieren. Unsere Arbeit entwickelt ein System zur standardisierten Aufzeichnung und Auswertung von Gesundheitsprozessen, indem HL7 FHIR AuditEvents erfasst und in PM-kompatible Formate wie XES oder OCEL umgewandelt werden. Eine Simulation des Brustkrebsfr\u00fcherkennungsprozesses zeigte, dass die erfassten Prozessschritte erfolgreich rekonstruiert und analysiert werden konnten. Dieses System erm\u00f6glicht die \u00dcberpr\u00fcfung von Prozesskonformit\u00e4t, fr\u00fche Problemidentifizierung und tr\u00e4gt zur Verbesserung der Gesundheitsqualit\u00e4t bei.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1144\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1144\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml eHealth\">Digitalisierung der Orthop\u00e4die mithilfe von K\u00fcnstlicher Intelligenz<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1144\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1144\"><p>Praschl C., Bauernfeind S., Wakolbinger M., Zwettler G. \u201cDigitalisierung der Orthop\u00e4die mithilfe von K\u00fcnstlicher Intelligenz\u201d. Kepler Science Days (2024)<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Bereitstellung patientenspezifischer orthop\u00e4discher Hilfsmittel spielt eine zentrale Rolle bei der Behandlung angeborener Fehlbildungen, chronischer Erkrankungen und Verletzungen. Traditionell erfolgt dies durch ausgebildete Fachkr\u00e4fte mithilfe analoger Methoden, doch durch die Digitalisierung und den Einsatz k\u00fcnstlicher Intelligenz ver\u00e4ndert sich dieser Prozess grundlegend. Digitale Abdr\u00fccke, wie pedobarografische Scans, werden mithilfe von Convolutional Neural Networks (CNNs) analysiert, um Fehlstellungen zu klassifizieren und passende Hilfsmittel zu erstellen. Erste Ergebnisse zeigen eine 70%ige \u00dcbereinstimmung mit Fachentscheidungen. K\u00fcnftig k\u00f6nnten gr\u00f6\u00dfere Datens\u00e4tze und KI-basierte Anpassungen zu einer umfassenden Digitalisierung und Revolutionierung der Orthop\u00e4dietechnik f\u00fchren.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1145\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1145\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Efficient classification of live sensor data on Low-Energy IoT devices with simple Machine Learning methods<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1145\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1145\"><p>Hanreich M., Krauss O., Zwettler G.&#8220;Efficient classification of live sensor data on Low-Energy IoT devices with simple Machine Learning methods&#8220;, EUROCAST 2024.<\/p><p>Link: <a href=\"https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\">https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\u00a0<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Ger\u00e4te des Internets der Dinge (IoT) sind allgegenw\u00e4rtig, k\u00f6nnen aber oft nicht dauerhaft an das Stromnetz angeschlossen werden und sind daher auf Batterien und andere Energiequellen wie Solarstrom angewiesen. Diese mobilen Ger\u00e4te sollten \u00fcber einen langen Zeitraum laufen, ohne dass sie aufgeladen werden m\u00fcssen, und dennoch in der Lage sein, vergleichsweise komplexe Aufgaben aus dem Bereich des maschinellen Lernens zu erf\u00fcllen, wie z. B. eine Klassifizierungsaufgabe f\u00fcr Live-Sensordaten. Der Stand der Technik, was die Genauigkeit betrifft, sind neuronale Netzwerkmodelle wie LSTM (Long short-term memory) oder CNN (Convolutional neural network). Diese Modelle beanspruchen jedoch in der Regel mehr Flash-Speicher, mehr Arbeitsspeicher der Ger\u00e4te und mehr CPU-Zeit als herk\u00f6mmliche maschinelle Lernans\u00e4tze, was wiederum einen h\u00f6heren Energiebedarf verursacht. Eine andere M\u00f6glichkeit besteht darin, die Zeitreihendaten an einen externen Server zu \u00fcbertragen, um dort die Berechnungen durchzuf\u00fchren und das Ergebnis zur\u00fcckzusenden. F\u00fcr eine kontinuierliche Klassifizierung von Sensordaten ist dieser Ansatz jedoch oft nicht praktikabel, da die st\u00e4ndige \u00dcbertragung einer gro\u00dfen Datenmenge \u00fcber ein drahtloses Netzwerk erforderlich ist. Wir diskutieren eine Pipeline f\u00fcr eine effiziente Zeitreihenklassifizierung von Live-Sensordaten auf IoT-Ger\u00e4ten mit geringem Energieverbrauch und ger\u00e4teinterner Verarbeitung. Wir stellen unsere Fallstudie zur Erkennung von Booten vor, die an einer IoT-f\u00e4higen Boje anlegen, die \u00fcber mehrere Monate hinweg energieautark sein muss.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1146\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1146\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">The Human-Centered AI-DATA Model for Digital Customer Journeys in E-Commerce<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1146\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1146\"><p>M\u00fchle H., Krauss O., St\u00f6ckl A.&#8220;The Human-Centered AI-DATA Model for<br \/>Digital Customer Journeys in E-Commerce&#8220;, EUROCAST 2024.<\/p><p>Link: <a href=\"https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\">https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\u00a0<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>In einer Zeit, die durch rasante technologische Fortschritte und immer komplexere soziotechnische Systeme gekennzeichnet ist, insbesondere im Hinblick auf die auf k\u00fcnstlicher Intelligenz (KI) basierende E-Commerce-Optimierung, war die Nachfrage nach einer umfassenden Methode zur L\u00f6sung von Problemen, die sich aus dem mangelnden Vertrauen in KI-Software-Systeme ergeben k\u00f6nnten, noch nie so gro\u00df wie heute. Das Systemdenken bietet einen robusten Rahmen f\u00fcr das Verst\u00e4ndnis der komplexen Beziehungen zwischen den verschiedenen Komponenten eines Systems, was es in der heutigen digitalen und KI-basierten Softwarelandschaft besonders relevant macht. Gleichzeitig befindet sich der E-Commerce-Sektor im Umbruch, angetrieben von Fortschritten in der KI und der Datenanalytik, die auf rechtlichen \u00c4nderungen in Bezug auf die Allgemeine Datenschutzverordnung (GDPR) und das kommende EU-KI-Gesetz beruhen. Wir erforschen die Synergien zwischen KI-basiertem E-Commerce und Systemdenken, indem wir das AI-DATA-Modell vorstellen, einen menschenzentrierten Ansatz zur Optimierung der Customer Journey im Rahmen einer E-Commerce-Marketingstrategie auf der Grundlage von vertrauensw\u00fcrdiger KI. AI-DATA ist ein Phasenmodell, das aus Awareness, Interest, Desire, Action, Trust und Again besteht und eine Erweiterung des AIDA-Modells darstellt, das auch den Kundenpfad ber\u00fccksichtigt, der Aktivit\u00e4ten nach Abschluss einer Transaktion und einen Zyklus von Wiederholungskunden beinhaltet<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1147\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1147\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Using LLMs and Websearch in Order to Perform Fact Checking on Texts Generated by LLMs<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1147\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1147\"><p>Sandler S., Krauss O., St\u00f6ckl A.&#8220;Using LLMs and Websearch in Order to Perform Fact Checking on Texts Generated by LLMs&#8220;, EUROCAST 2024.<\/p><p>Link: <a href=\"https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\">https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\u00a0<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Diese Arbeit befasst sich mit der Erkennung von Fehlinformationen in GPT3 generierten Texten und dem FEVER-Datensatz, unter Verwendung von Large Language Models (LLM) und der Google-Suche. Angesichts der Unsicherheit, die mit LLM-produzierten Texten verbunden ist, entsteht ein Bedarf an einem System zur Fakten\u00fcberpr\u00fcfung, das auf nicht von Menschen geschriebene nicht-menschlich geschriebene Inhalte in unterschiedlichen Kontexten. Im Allgemeinen gibt es zwei verschiedene Ans\u00e4tze zur Fakten\u00fcberpr\u00fcfung: die manuelle \u00dcberpr\u00fcfung, die von Einrichtungen wie politifact bevorzugt wird, und automatische oder halbautomatische \u00dcberpr\u00fcfung, wie ProoFVer. Unsere Forschung befasst sich mit der vollautomatischen \u00dcberpr\u00fcfung von LLM-produzierten Texten.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1148\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-1148\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Customization and Analysis of Orthopedic Aids<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1148\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-1148\"><p>Praschl C., Dalkilic M., Bauernfeind S., Wakolbinger M., Zwettler G.&#8220;Customization and Analysis of Orthopedic Aids&#8220;, EUROCAST 2024.<\/p><p>Link: <a href=\"https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\">https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\u00a0<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Bei der Behandlung von angeborenen Fehlbildungen, chronischen Krankheiten und Verletzungen des Bewegungsapparats ist die Versorgung mit geeigneten orthop\u00e4dischen Hilfsmitteln wie Prothesen und Orthesen eine zentrale Ma\u00dfnahme. Diese Hilfsmittel m\u00fcssen genau auf die Bed\u00fcrfnisse und die Anatomie des Patienten zugeschnitten sein, eine Aufgabe, die traditionell von ausgebildeten Orthop\u00e4den oder Orthop\u00e4dietechnikern \u00fcbernommen wird. Dieser Prozess wurde jedoch \u00fcberwiegend mit analogen Methoden durchgef\u00fchrt. Mit dem Aufkommen adaptiver Fertigungstechniken, die die Entwicklung der Orthop\u00e4dietechnik im Kontext von Industrie 4.0 vorantreiben, verschiebt sich die Landschaft jedoch. Dieser Transformationsprozess umfasst digitale Verfahren wie 3D-Scans des menschlichen K\u00f6rpers, 2D-Pedobarografie-Scans, die bei der Empfehlung geeigneter orthop\u00e4discher Korrekturen helfen, und digital hergestellte orthop\u00e4dische Hilfsmittel. Durch die Kombination dieser Prozesse &#8211; Modellerstellung durch Scans und patientenspezifische Anpassungen &#8211; wird es m\u00f6glich, einen (halb-)automatisierten Ansatz in der Orthop\u00e4die zu implementieren. Dies wirft die Frage auf: Wie k\u00f6nnen orthop\u00e4dische Hilfsmittel automatisch angepasst werden und gleichzeitig ihre strukturelle Integrit\u00e4t gew\u00e4hrleisten?<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1149\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-1149\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Modeling Wildlife Accident Risk with Gaussian Mixture Models<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1149\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-1149\"><p>Praschl C., Schedl D., St\u00f6ckl A. &#8222;Modeling Wildlife Accident Risk with Gaussian<br \/>Mixture Models&#8220;, EUROCAST 2024.<\/p><p>Link: <a href=\"https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\">https:\/\/eurocast2024.fulp.ulpgc.es\/documents\/Eurocast_2024_Extended_Abstract_Book.pdf\u00a0<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Verkehrsunf\u00e4lle, an denen Wildtiere beteiligt sind, stellen weltweit ein weit verbreitetes Problem dar und schaden sowohl den Menschen als auch der Natur. Au\u00dferdem f\u00fchren diese Unf\u00e4lle oft zu schweren Fahrzeugsch\u00e4den, die teure Reparaturen und Versicherungsanspr\u00fcche nach sich ziehen. Um diese Unf\u00e4lle einzud\u00e4mmen, gibt es Bestrebungen, die Wildtierpopulationen in der N\u00e4he von Risikostra\u00dfen besser zu verstehen und Pr\u00e4ventivma\u00dfnahmen wie optische oder akustische Wildwarnger\u00e4te, teilweise unter Einsatz von k\u00fcnstlicher Intelligenz (KI), einzuf\u00fchren. Um Wildunf\u00e4lle zu vermeiden, m\u00fcssen zun\u00e4chst die Risikobereiche identifiziert werden. In dieser Arbeit schlagen wir ein Modell vor, das gef\u00e4hrliche Bereiche auf der Grundlage von Tiersichtungen vorhersagt und wenden es auf zwei Stra\u00dfenabschnitte in \u00d6sterreich an.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3438984 elementor-widget elementor-widget-heading\" data-id=\"3438984\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2023<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a78d2be elementor-widget elementor-widget-accordion\" data-id=\"a78d2be\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1751\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1751\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan\">Extending 3D geometric file formats for geospatial applications<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1751\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1751\"><p>Praschl, C., Krauss, O. <strong>&#8222;Extending 3D geometric file formats for geospatial applications&#8220;<\/strong>. <i>Appl Geomat<\/i>\u00a0(2023).<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1007\/s12518-023-00543-6\">https:\/\/doi.org\/10.1007\/s12518-023-00543-6<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Diese Studie befasst sich mit der Darstellung und dem Austausch raumbezogener geometrischer 3D-Modelle, die in verschiedenen Anwendungen wie Outdoor Mixed Reality, Stadtplanung und Katastrophenschutz eine h\u00e4ufige Anforderung darstellen. Im Laufe der Jahre wurden mehrere Dateiformate entwickelt, um den unterschiedlichen Anforderungen gerecht zu werden, und bieten eine breite Palette an unterst\u00fctzten Funktionen und Anwendungsbereichen. Klassische Austauschformate wie die JavaScript Object Notation und die Extensible Markup Language wurden jedoch \u00fcberwiegend als Grundlage f\u00fcr den Austausch von Geodaten bevorzugt, w\u00e4hrend g\u00e4ngige Formate f\u00fcr den Austausch geometrischer Informationen wie Wavefront OBJ, Stanford PLY und OFF nicht ber\u00fccksichtigt wurden. Um diese L\u00fccke zu schlie\u00dfen, schl\u00e4gt unsere Forschung drei neuartige Erweiterungen f\u00fcr die genannten geometrischen Dateiformate vor, wobei der Schwerpunkt auf der Minimierung des Speicherbedarfs bei gleichzeitiger effektiver Darstellung von Geodaten und der M\u00f6glichkeit zur Speicherung semantischer Metainformationen liegt. Die Erweiterungen mit den Bezeichnungen GeoOBJ, GeoOFF und GeoPLY erm\u00f6glichen eine erhebliche Verringerung des Speicherbedarfs, der im Vergleich zu den Standarddateiformaten zwischen 14 und 823 % liegt, w\u00e4hrend gleichzeitig eine angemessene Anzahl semantischer Merkmale beibehalten wird. Anhand umfangreicher Evaluierungen demonstrieren wir die Eignung dieser vorgeschlagenen Erweiterungen f\u00fcr die Darstellung von Geodaten und zeigen, dass sie einen geringen Speicherplatzbedarf und die nahtlose Einbindung wichtiger semantischer Merkmale bieten. Die Ergebnisse unterstreichen das Potenzial von GeoOBJ, GeoOFF und GeoPLY als praktikable L\u00f6sungen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1752\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1752\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Assessment of Wildlife Accident Risk using a Drone-based Population Monitoring System<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1752\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1752\"><p>Praschl C., St\u00f6ckl A., Fleischer M., Schedl D. <strong>\u201cAssessment of Wildlife Accident Risk using a Drone-based Population Monitoring System\u201d. <\/strong>EU Safety 2023.<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Diese Studie befasst sich mit dem dr\u00e4ngenden Problem der wildtierbedingten Verkehrsunf\u00e4lle in \u00d6sterreich, indem ein innovativer Ansatz unter Verwendung georeferenzierter Drohnendaten und eines ausgefeilten statistischen Risikomodells entwickelt wird. Trotz des technologischen Fortschritts stellen Unf\u00e4lle mit Wildtieren nach wie vor eine gro\u00dfe Gefahr f\u00fcr die Verkehrssicherheit dar. Unsere Forschung konzentriert sich auf eine umfassende Datenerfassung mit Kameradrohnen, die mit visuellen und thermischen Sensoren ausgestattet sind. Durch umfangreiche Tests in Hochrisikogebieten in Ober- und Nieder\u00f6sterreich haben wir verschiedene Tiere, darunter Rehe, Hasen und Fasane, zu verschiedenen Tageszeiten identifiziert und gez\u00e4hlt. Die gesammelten Daten wurden analysiert, um ein robustes statistisches Risikomodell zu erstellen, das Aufschluss \u00fcber m\u00f6gliche Auswirkungen von Tieren auf Stra\u00dfen gibt.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1753\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1753\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">U-Net based vessel segmentation for murine brains with small \u03bcMRI reference datasets<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1753\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1753\"><p>Praschl C., Zopf L., Kiemeyer E., Langthallner I., Ritzberger D., Slowak A., Weigl M., Bl\u00fcml V., Ne\u0161i\u0107 N., Stojmenovi\u0107 M., Kniewallner K.,Aigner L., Winkler S., Walter A. <strong>\u201cU-Net based vessel segmentation for murine brains with small \u03bcMRI reference datasets\u201c. <\/strong>Plos one (2023).<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1371\/journal.pone.0291946\">10.1371\/journal.pone.0291946<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Identifizierung und quantitative Segmentierung einzelner Blutgef\u00e4\u00dfe in M\u00e4usen, die mit pr\u00e4klinischen Bildgebungsverfahren visualisiert wurden, ist eine m\u00fchsame, manuelle oder halbautomatische Aufgabe, die die wochenlange Durchsicht von Hunderten von Ebenen einzelner Datens\u00e4tze erfordern kann. Pr\u00e4klinische Bildgebungsverfahren wie die Mikro-Magnetresonanztomographie (\u00b5MRI) k\u00f6nnen tomographische Datens\u00e4tze der Gef\u00e4\u00dfe von M\u00e4usen auf verschiedenen L\u00e4ngenskalen und in verschiedenen Organen erzeugen, was f\u00fcr die Untersuchung von Tumorwachstum, Angiogenese oder vaskul\u00e4ren Risikofaktoren f\u00fcr Krankheiten wie Alzheimer von gr\u00f6\u00dfter Bedeutung ist. Das Training eines neuronalen Netzes, das genaue Segmentierungsergebnisse liefert, erfordert eine ausreichend gro\u00dfe Menge an markierten Daten, deren Zusammenstellung viel Zeit in Anspruch nimmt. In j\u00fcngster Zeit sind im pr\u00e4klinischen Kontext mehrere einigerma\u00dfen automatisierte Ans\u00e4tze entstanden, die jedoch immer noch erhebliche manuelle Eingaben erfordern und weniger genau sind als der in dieser Arbeit vorgestellte Deep-Learning-Ansatz &#8211; quantifiziert durch den Dice-Score. In dieser Arbeit wird die Implementierung einer flachen, dreidimensionalen U-Net-Architektur f\u00fcr die Segmentierung von Gef\u00e4\u00dfen in M\u00e4usegehirnen vorgestellt, die (1) quelloffen ist, (2) mit einem kleinen Datensatz erreicht werden kann (in dieser Arbeit standen nur 8 \u03bcMRI-Bildstapel von M\u00e4usegehirnen zur Verf\u00fcgung) und (3) nur eine kleine Teilmenge von markierten Trainingsdaten ben\u00f6tigt. Das vorgestellte Modell wird zusammen mit zwei Nachbearbeitungsmethoden unter Verwendung einer Kreuzvalidierung evaluiert, was zu einem durchschnittlichen Dice-Score von 61,34 % in der besten Einstellung f\u00fchrt. Die Ergebnisse zeigen, dass die Methodik in der Lage ist, Blutgef\u00e4\u00dfe schneller und zuverl\u00e4ssiger zu erkennen als moderne Vesselness-Filter mit einem durchschnittlichen Dice-Score von 43,88 % f\u00fcr den verwendeten Datensatz.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1754\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1754\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Towards an Automated Biodiversity Modelling Process for Forest Animals using Uncrewed Aerial Vehicles<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1754\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1754\"><p>Christoph Praschl and David Schedl, &#8222;<strong>Towards an Automated Biodiversity Modelling Process for Forest Animals using Uncrewed Aerial Vehicles<\/strong>&#8220; in Proceedings of the 11th International Workshop on Simulation for Energy, Sustainable Development &amp; Environment (SESDE 2023)<i>, 2023.<\/i><\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.46354\/i3m.2023.sesde.002\">https:\/\/doi.org\/10.46354\/i3m.2023.sesde.002<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Der Klimawandel stellt eine ernste Bedrohung f\u00fcr Lebensr\u00e4ume wie W\u00e4lder dar und gef\u00e4hrdet die Unversehrtheit und die biologische Vielfalt der globalen Flora und Fauna. Genaue Vermessungstechniken sind von entscheidender Bedeutung, um Populationen zu modellieren, \u00dcber- und Unterbest\u00e4nde zu erkennen und entsprechende Ma\u00dfnahmen zu ergreifen.In dieser Arbeit wird ein Verfahren zur Erstellung eines Biodiversit\u00e4tsmodells der Fauna eines Waldes mit Hilfe von unbemannten Luftfahrzeugen vorgeschlagen, die mit RGB- und W\u00e4rmebildkameras ausgestattet sind. Daten aus der realen Welt, kombiniert mit computergenerierten Bildern und Modellen der k\u00fcnstlichen Intelligenz, erm\u00f6glichen das Trainieren geeigneter Computer-Vision-Modelle. Diese Modelle werden als zuverl\u00e4ssige und objektive Datenquelle dienen und die Erstellung statistischer Modelle zur Beschreibung des Zustands der \u00fcberwachten W\u00e4lder und der Artenvielfalt der dort lebenden Tiere erm\u00f6glichen.Die vorgeschlagene Methode wird voraussichtlich erhebliche Auswirkungen auf die Erhaltungsma\u00dfnahmen haben. Sie sollte ein zuverl\u00e4ssiges und effizientes Verfahren zur \u00dcberwachung und Bewertung von Wald\u00f6kosystemen darstellen, mit dem sich Problembereiche ermitteln und Priorit\u00e4ten f\u00fcr die Erhaltungsma\u00dfnahmen setzen lassen. Da sie ein umfassendes Verst\u00e4ndnis der biologischen Vielfalt in einem Wald vermittelt, k\u00f6nnte sie politischen Entscheidungstr\u00e4gern helfen, fundierte Entscheidungen zu treffen und wirksame Erhaltungsstrategien zu entwickeln. Letztlich soll diese Arbeit zur Erhaltung der biologischen Vielfalt unseres Planeten und zum Schutz seiner Lebensr\u00e4ume beitragen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1755\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1755\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Towards an Automated Process for Adaptive Modelling of Orthoses and Shoe Insoles in Additive Manufacturing<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1755\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1755\"><p>Gerald Adam Zwettler, Martin Trixner, Clemens Schartm\u00fcller, Sophie Bauernfeind, Thomas Stockinger and Christoph Praschl, &#8222;<strong>Towards an Automated Process for Adaptive Modelling of Orthoses and Shoe Insoles in Additive Manufacturin<\/strong>g&#8220; in Proceedings of the 12th International Workshop on Innovative Simulation for Healthcare (IWISH 2023)<i>, 2023.<\/i><\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.46354\/i3m.2023.iwish.005\">https:\/\/doi.org\/10.46354\/i3m.2023.iwish.005\u00a0<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Obwohl die Orthop\u00e4die als medizinischer Bereich vor allem in Schwellenl\u00e4ndern zunehmend an Bedeutung gewinnt, ist der Automatisierungsgrad noch marginal und es werden kaum Industrie 4.0-Paradigmen umgesetzt. In dieser wissenschaftlichen Arbeit werden L\u00f6sungskonzepte f\u00fcr eine ganzheitliche Prozessautomatisierung in der Orthop\u00e4die vorgestellt, so dass Prothesenbez\u00fcge und Orthesen f\u00fcr verschiedene K\u00f6rperregionen mit Hilfe von KI automatisiert und mit Sensornetzwerken ausgewertet werden k\u00f6nnen. Dabei werden Bodyscan-Modelle an die Gegebenheiten der Anatomie bzw. Prothesenmodelle angepasst, so dass sowohl Stabilit\u00e4t als auch Passgenauigkeit im Vergleich zur anderen K\u00f6rperh\u00e4lfte gegeben sind.Die Automatisierung im Bereich der Orthop\u00e4die f\u00fchrt nicht nur zu einer deutlichen Kostenreduktion, sondern kann auch dazu beitragen, die Forschungsl\u00fccke hinsichtlich der Objektivierbarkeit von Ergebnissen zu schlie\u00dfen. Erste Teilaspekte wurden bereits f\u00fcr Beinprothesen, Achselprothesen und Schuheinlagen mit Hilfe von maschinellen Lernverfahren und physikalischen Modellen zur elastischen Formanpassung erfolgreich umgesetzt. Sobald das Gesamtverfahren realisiert ist, wird im folgenden Projektjahr die Anwendbarkeit durch klinische Studien validiert und durch den Einsatz von Sensornetzwerken zur Druck- und Temperaturmessung evaluiert.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1756\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1756\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Enhancing Interoperability of HL7 Resources Using Namespaces in Graph Databases<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1756\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1756\"><p>Andreas Pointner, Christoph Praschl and Oliver Krauss, &#8222;<strong>Enhancing Interoperability of HL7 Resources Using Namespaces in Graph Databases<\/strong>&#8220; in Proceedings of the 12th International Workshop on Innovative Simulation for Healthcare (IWISH 2023)<i>, 2023.<\/i><\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.46354\/i3m.2023.iwish.001\">https:\/\/doi.org\/10.46354\/i3m.2023.iwish.001\u00a0<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Einf\u00fchrung des FHIR-Standards (Fast Healthcare Interoperability Resources) hat zu einem exponentiellen Wachstum von modularen Gesundheitsdaten gef\u00fchrt, die effizient verwaltet werden m\u00fcssen. Graphdatenbanken wie Neo4j bieten eine effektive M\u00f6glichkeit, diese Daten zu speichern und abzufragen, k\u00f6nnen aber beim Umgang mit FHIR-Ressourcen, die zahlreiche Erweiterungen enthalten, komplex werden. Wir untersuchen die Verwendung von Namespaces in Neo4j-Graphdatenbanken zur Verwaltung von FHIR-Ressourcen und vergleichen sie mit dem bestehenden Tool CyFHIR. Wir zeigen, dass durch die Einbettung von Erweiterungen mit Hilfe des Namespace-Konzepts die Komplexit\u00e4t des Graphen deutlich reduziert werden kann. Dar\u00fcber hinaus evaluieren wir unseren Ansatz anhand eines generierten Datensatzes und zeigen, dass die Verwendung von Namespaces in Neo4j die konventionellen Methoden von CyFHIR zur Speicherung vonFHIR-Ressourcen in Graphdatenbanken \u00fcbertrifft. Unsere Ergebnisse deuten darauf hin, dass die Verwendung von Namespaces eine wertvolle Erg\u00e4nzung zu Neo4j Graphdatenbanken f\u00fcr die Verwaltung komplexer FHIR-Ressourcen sein kann.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1757\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1757\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Extending International Terminology Systems to Enhance Communication Between Nursing Services<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1757\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1757\"><p>Clara Diesenreiter, Oliver Krauss and Barbara Traxler, &#8222;<strong>Extending International Terminology Systems to Enhance Communication Between Nursing Services<\/strong>&#8220; in Proceedings of the 12th International Workshop on Innovative Simulation for Healthcare (IWISH 2023)<i>, 2023.<\/i><\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.46354\/i3m.2023.iwish.006\">https:\/\/doi.org\/10.46354\/i3m.2023.iwish.006\u00a0<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Pflege ist ein wesentlicher Bestandteil der Gesundheitsversorgung, insbesondere in unserer alternden Gesellschaft. Um dieses Problem anzugehen, wurden zwei Standards, die Internationale Klassifikation f\u00fcr die Pflegepraxis (ICNP) und die Systematized Nomenclature of MedicineClinical Terms (SNOMED CT), die durch Experteninterviews als sehr relevante Kodesysteme in diesem Bereich identifiziert wurden, analysiert. Die Ergebnisse zeigen, dass keines der beiden Codesysteme in der Lage war, viele der Begriffe ohne Erweiterung zu \u00fcbersetzen, wobei ICMP 12,03 % und SNOMED CT 26,14 % abdeckte. Beide Systeme k\u00f6nnen jedoch erweitert werden, wobei SNOMED CT eine bessere F\u00e4higkeit zur Unterst\u00fctzung des Datenaustauschs in der Pflege aufweist.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1758\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-1758\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Identifying Energy Efficiency Patterns in Sorting Algorithms via Abstract Syntax Tree Mining<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1758\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-1758\"><p>Oliver Krauss, Andreas Schuler, &#8222;<strong>Identifying Energy Efficiency Patterns in Sorting Algorithms via Abstract Syntax Tree Mining<\/strong>&#8220; in Proceedings of the 22nd International Conference on Modelling and Applied Simulation (MAS 2023)<i>, 2023.<\/i><\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.46354\/i3m.2023.mas.003\">https:\/\/doi.org\/10.46354\/i3m.2023.mas.003<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Energieeffizienz ist ein wichtiges Thema im Bereich der mobilen Datenverarbeitung. Entwickler sind sich oft nicht bewusst, welche Auswirkungen ihre Entscheidungen \u00fcber die Verwendung von Datentypen und das Design von Algorithmen auf diese nicht-funktionale Eigenschaft haben. Die Erstellung von Software-Energieverbrauchsprofilen kann genutzt werden, um das Energieverhalten implementierter Methoden zu ermitteln, w\u00e4hrend das Pattern Mining genutzt werden kann, um wiederkehrende Muster in den ausgef\u00fchrten Methoden zu identifizieren. Wir stellen eine Methode vor, die Energieverbrauchsprofiling und diskriminatives Pattern Mining kombiniert, um Muster f\u00fcr die Energieeffizienz zu identifizieren. In einer Studie von acht in Java implementierten Sortieralgorithmen mit den Datentypen int, double und Comparable, die auf der Android-Plattform profiliert wurden, gelingt es uns, signifikante Muster im Quellcode dieser 24 Implementierungen zu identifizieren. Die Ergebnisse zeigen, dass sowohl f\u00fcr den verwendeten Datentyp als auch f\u00fcr das Energieverhalten von effizienten oder ineffizienten Sortieralgorithmen Muster identifiziert werden k\u00f6nnen, die die beobachteten Energieprofile erkl\u00e4ren.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1759\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-1759\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Using An Event Hierarchy for \u0130mproved Process Mining of Website User Behaviour<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1759\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-1759\"><p>Simone Sandler, Oliver Krauss, Elisabeth Mayrhuber, Andreas St\u00f6ckl, &#8222;<strong>Using An Event Hierarchy for \u0130mproved Process Mining of Website User Behaviour<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2023.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>In dem Bestreben, Systeme zu verbessern, ist das Verst\u00e4ndnis des Benutzerverhaltens ein entscheidender Schritt, um optimale Ergebnisse zu erzielen. Eine Technik, die dabei hilft, das Nutzerverhalten zu verstehen, ist das Process Mining, bei dem die Ereignisprotokolle eines Systems analysiert werden. Die Genauigkeit der Process Mining-Ergebnisse kann jedoch durch gro\u00dfe Datenmengen oder sehr unstrukturierte Prozesse beeintr\u00e4chtigt werden, was zu Verwirrung und Schwierigkeiten bei der Interpretation f\u00fchrt. Um diese Herausforderung zu \u00fcberwinden, gibt es Vorverarbeitungstechniken, die die resultierenden Prozesslandkarten verbessern. In dieser Arbeit wird eine Vorverarbeitungsmethode vorgeschlagen, die eine Ereignishierarchie verwendet, um eine bereinigte Prozesskarte zu erstellen, die leichter zu interpretieren ist. Bei der vorgeschlagenen Methode werden die Ereignisprotokolle analysiert und eine hierarchische Struktur der Ereignisse erstellt. Diese Hierarchie erm\u00f6glicht die Identifizierung relevanter Ereignisse und ihrer entsprechenden Abh\u00e4ngigkeiten, was wiederum die Extraktion n\u00fctzlicher Prozessinformationen erm\u00f6glicht. Diese Vorverarbeitungsmethode wurde an Ereignisdaten einer Online-Zeitung getestet und hat vielversprechende Ergebnisse bei der Verbesserung der Lesbarkeit der resultierenden Prozesslandkarten gezeigt. Durch die Verwendung einer Ereignishierarchie k\u00f6nnen relevante Informationen aus gro\u00dfen Datenmengen und unstrukturierten Prozessen extrahiert werden, was zu klareren Prozesslandkarten f\u00fchrt, die das Verst\u00e4ndnis des Nutzerverhaltens unterst\u00fctzen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17510\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-17510\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Performance Impact of Parallel Access of Time Series in the Context of Relational, NOSQL and NEWSQL Database Management Systems<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17510\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-17510\"><p>Sebastian Pritz, Martina Zeinzinger, Christoph Praschl, Oliver Krauss, Martin Harrer, &#8222;<strong>Performance Impact of Parallel Access of Time Series in the Context of Relational, NOSQL and NEWSQL Database Management Systems<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2023.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Zeitreihendaten werden in verschiedenen Anwendungsbereichen erzeugt, z. B. in IoT-Ger\u00e4ten oder Sensoren in Fahrzeugen. Diese Art von Daten zeichnet sich h\u00e4ufig durch einen hohen Ressourcenbedarf aus, da die Intervalle, in denen die Informationen gemessen werden, von t\u00e4glich bis hin zu Millisekunden reichen. Neben der H\u00e4ufigkeit ist auch die Anzahl der Datenquellen, z. B. Hunderte von Sensoren in modernen Flugzeugen, die gleichzeitig Zeitreihen erzeugen, typisch f\u00fcr solche Big-Data-Szenarien. Solche Szenarien erfordern die Persistenz der Messungen f\u00fcr weitere Auswertungen. In dieser Arbeit f\u00fchren wir einen k\u00fcnstlichen Datenbenchmark f\u00fcr relationale, NoSQL- und NewSQL-Datenbankmanagementsysteme im Kontext von Zeitreihen ein. Wir vergleichen diese Datenbanken, indem wir mehrere lesende und schreibende Datenquellen gleichzeitig auf die Datenbankmanagementsysteme zugreifen lassen. Die Auswertung zeigt, dass kein getestetes System alle anderen Systeme \u00fcbertrifft. W\u00e4hrend DolphinDB in Einzelnutzerszenarien die h\u00f6chste Leseleistung aufweist, kann CrateDB seine Vorteile ausspielen, wenn mehrere Nutzer gleichzeitig auf die Daten zugreifen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17511\" class=\"elementor-tab-title\" data-tab=\"11\" role=\"button\" aria-controls=\"elementor-tab-content-17511\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Domain-Driven Design as a Model Contract in Full-Stack Development<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17511\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"11\" role=\"region\" aria-labelledby=\"elementor-tab-title-17511\"><p>Christoph Praschl, Sophie Bauernfeind, Christian Leitner, Gerald Zwettler, &#8222;<strong>Domain-Driven Design as a Model Contract in Full-Stack Development<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2023.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>In dieser Arbeit wird ein dom\u00e4nengesteuerter Entwurfsprozess vorgeschlagen, der es erm\u00f6glicht, einen Vertrag \u00fcber die Struktur der verwendeten Daten innerhalb einer mehrsprachigen Full-Stack-Anwendung unter Verwendung eines Modell-zu-Text-Transformationsansatzes zu definieren. Dieser Prozess basiert auf einem Metamodell, das die Implementierung sprachspezifischer Transformatoren erm\u00f6glicht, um Repr\u00e4sentationen der Daten als Dom\u00e4nenmodelle f\u00fcr beliebige Programmiersprachen zu erzeugen. Es wird im Kontext einer modernen Full-Stack-Microservice-Architektur evaluiert, die ein C\\#- und Python-basiertes Backend mit Zugriff auf eine Datenbank unter Verwendung von Object-Relational-Mapping-Prinzipien und ein TypeScript-basiertes Frontend umfasst, das \u00fcber eine GraphQL-Schnittstelle verbunden ist. Die vorgeschlagene Methodik ist f\u00fcr einen agilen Modellierungsprozess gedacht, der automatische Anpassungen, aber auch die Beibehaltung von benutzerdefinierten Erweiterungen innerhalb der generierten Quellcode-Artefakte beinhaltet.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17512\" class=\"elementor-tab-title\" data-tab=\"12\" role=\"button\" aria-controls=\"elementor-tab-content-17512\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">A Rule Based Data Cleansing Pipeline for Automated Data Import in the Context of Social Clubs<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17512\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"12\" role=\"region\" aria-labelledby=\"elementor-tab-title-17512\"><p>Andreas Pointner, Martin Harrer, &#8222;<strong>A Rule Based Data Cleansing Pipeline for Automated Data Import in the Context of Social Clubs<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2023.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Verwaltung der Mitgliederdaten von Sozialclubs kann eine m\u00fchsame Aufgabe sein. Es gibt jedoch Softwarel\u00f6sungen, die helfen k\u00f6nnen, diesen Prozess zu rationalisieren. Das bedeutet allerdings, dass vorhandene Mitgliederdaten, die oft in Form von textbasierten Datenformaten wie CSV oder halbstrukturierten Formaten wie XML oder Excel vorliegen, in diese Tools importiert werden m\u00fcssen. Leider k\u00f6nnen die Daten in diesen Formaten Fehler, Inkonsistenzen und fehlende Werte enthalten, was die Nutzbarkeit dieser Daten beeintr\u00e4chtigen kann. In dieser Arbeit wird eine regelbasierte Datenbereinigungspipeline zur Bereinigung, Anreicherung und Umwandlung von Mitgliederdaten sozialer Clubs in ein geeignetes Format f\u00fcr den Import in Softwarel\u00f6sungen vorgestellt. Der Ansatz wird anhand einer kleinen Datenprobe evaluiert und zeigt vielversprechende Ergebnisse f\u00fcr ein solches Anwendungsszenario.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17513\" class=\"elementor-tab-title\" data-tab=\"13\" role=\"button\" aria-controls=\"elementor-tab-content-17513\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Towards an Ontology and Process Mining-Based System for Targeted E-Commerce Marketing Strategy Suggestions<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17513\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"13\" role=\"region\" aria-labelledby=\"elementor-tab-title-17513\"><p>Elisabeth Mayrhuber, Oliver Krauss, Martin Hanreich, Andreas St\u00f6ckl, &#8222;<strong>Towards an Ontology and Process Mining-Based System for Targeted E-Commerce Marketing Strategy Suggestions<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2023.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>In diesem Beitrag wird ein auf Ontologie und Process Mining basierendes System vorgestellt, das semantische Technologien f\u00fcr gezielte Marketingstrategievorschl\u00e4ge im E-Commerce einsetzt. Der vorgeschlagene Ansatz nutzt Ontologien als Wissensrepr\u00e4sentationsformalismus, um das Dom\u00e4nenwissen, die Produktbeschreibungen und die Website-Texte im E-Commerce-Bereich zu erfassen. Die Ontologie wird mit relevanten Attributen und entsprechenden Werten bef\u00fcllt, was eine strukturierte und standardisierte Darstellung von Benutzern und Inhalten erm\u00f6glicht.<\/p><p>Um gezielte Marketingstrategien vorzuschlagen, setzt das System Techniken zur Berechnung von Interesse und Intensit\u00e4t ein, die das Konzept der Scrolltiefe und andere nutzen, um das Interesse an verschiedenen Inhalten und Kundenpr\u00e4ferenzen zu messen.<\/p><p>Mit Process-Mining-Techniken werden Momente der Wahrheit entlang der Customer Journey und gl\u00fcckliche Wege, die ein Kunde normalerweise durchl\u00e4uft, identifiziert. Sobald die Ontologie mit den Ergebnissen des Process Mining kombiniert wird, kann ermittelt werden, in welcher Phase der Customer Journey sich ein Nutzer befindet, und es kann bestimmt werden, welche Marketingma\u00dfnahmen er ergreifen muss, um in die n\u00e4chste Phase eines Marketingmodells zu gelangen.<\/p><p>Insgesamt ist der vorgeschlagene Ansatz ein vielversprechender Ansatz, um die Herausforderungen von personalisierten E-Commerce-Marketing-Strategievorschl\u00e4gen zu bew\u00e4ltigen, indem ontologiebasierte Wissensrepr\u00e4sentation und Intensit\u00e4tsberechnungstechniken eingesetzt werden. Das System hat das Potenzial, personalisierte und zielgerichtete Marketingstrategien f\u00fcr E-Commerce-Unternehmen bereitzustellen, was zu einer erh\u00f6hten Kundenbindung, Loyalit\u00e4t und Ums\u00e4tzen f\u00fchrt.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17514\" class=\"elementor-tab-title\" data-tab=\"14\" role=\"button\" aria-controls=\"elementor-tab-content-17514\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv ehealth\">Classification of Footprints for Correctives in Orthopedics<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17514\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"14\" role=\"region\" aria-labelledby=\"elementor-tab-title-17514\"><p>Sophie Bauernfeind, Christoph Praschl, Markus Wakolbinger, Gerald Zwettler, &#8222;<strong>Classification of Footprints for Correctives in Orthopedics<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2023.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Fu\u00dferkrankungen, ein h\u00e4ufig \u00fcbersehenes Problem, sind in den entwickelten Gesellschaften weit verbreitet. Diese Erkrankungen k\u00f6nnen die Lebensqualit\u00e4t eines Menschen erheblich beeintr\u00e4chtigen und sogar zu einer Schw\u00e4chung f\u00fchren, unabh\u00e4ngig vom Alter. Nicht-invasive pedobarographische Untersuchungen, bei denen die Druckfelder der Fu\u00dfsohlenoberfl\u00e4che und einer Auflagefl\u00e4che ausgewertet werden, erm\u00f6glichen die Analyse des Gangs und der Haltung eines Patienten anhand von 2D-Fu\u00dfabdr\u00fccken oder Scans. Diese Daten k\u00f6nnen dann von Orthop\u00e4den verwendet werden, um ma\u00dfgefertigte Schuhe oder Einlagen als Korrektiv zu erstellen. Das Fehlen standardisierter Protokolle und Richtlinien sowie der Mangel an evidenzbasierten Informationen k\u00f6nnen jedoch zu einer subjektiven Bewertung und Auswahl von Korrekturmitteln durch den Orthop\u00e4den f\u00fchren. In dieser Studie wird eine objektive und quantifizierbare Methode zur Klassifizierung von Fu\u00dfabdr\u00fccken unter Verwendung von Computer-Vision-Paradigmen vorgeschlagen, um geeignetere Korrekturmittel zu entwickeln. Die Ergebnisse zeigen, dass die vorgeschlagenen Modelle des maschinellen Lernens in der Lage sind, mit einer Genauigkeit von 70 % f\u00fcr RGB-Scans und 49 % f\u00fcr Blaupausen das erforderliche Korrektiv zu identifizieren. Auf der Grundlage der aktuellen Ergebnisse sollte sich die k\u00fcnftige Arbeit nicht nur auf die Klassifizierung geeigneter Korrekturmittel konzentrieren, sondern auch auf die Bestimmung der Position des Korrekturmittels, um das bestm\u00f6gliche Ergebnis f\u00fcr den Patienten zu erzielen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17515\" class=\"elementor-tab-title\" data-tab=\"15\" role=\"button\" aria-controls=\"elementor-tab-content-17515\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Extending a Data Management Maturity Model for Process Mining in Healthcare<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17515\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"15\" role=\"region\" aria-labelledby=\"elementor-tab-title-17515\"><p>Erhard, A., Arthofer, K., &amp; Helm, E. (2023). Extending a Data Management Maturity Model for Process Mining in Healthcare.\u00a0<i>Studies in Health Technology and Informatics<\/i>,\u00a0<i>301<\/i>, 192-197.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.3233\/SHTI230038\">10.3233\/SHTI230038<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p><strong>Hintergrund<\/strong>:<br \/>Bei der kontinuierlichen Verbesserung von Prozessen in Organisationen des Gesundheitswesens m\u00fcssen viele Komponenten zusammenwirken. Process Mining hat sich in letzter Zeit zu einer Disziplin entwickelt, die hier einen wichtigen Beitrag leisten kann.<\/p><p><strong>Zielsetzungen<\/strong>:<br \/>Wir wollen ein bestehendes Management-Tool erweitern, um die F\u00e4higkeiten von Organisationen in diesem Bereich zu bewerten und zu verbessern.<\/p><p><strong>Methode<\/strong>:<br \/>Wir f\u00fcgen dem Reifegradmodell f\u00fcr gemeinsam nutzbare klinische Pfade eine Dimension hinzu, um die Qualit\u00e4t von Ereignisdaten zu bewerten und zu verbessern.<\/p><p><strong>Ergebnisse<\/strong>:<br \/>Wir pr\u00e4sentieren verschiedene Ans\u00e4tze f\u00fcr formale und Checkpoint-Bewertungen und eine Einbettung der Verbesserungsstrategie mit Beispielen.<\/p><p><strong>Schlussfolgerung<\/strong>:<br \/>Die zus\u00e4tzliche Dimension aus dem Bereich des Process Mining f\u00fcgt sich in das bestehende Modell ein. Auf allen Ebenen k\u00f6nnen Verbindungen zwischen den verschiedenen Aspekten der Ereignisdatenqualit\u00e4t und den bestehenden Dimensionen hergestellt werden. Das Modell muss noch in einem realen Anwendungsfall getestet werden.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17516\" class=\"elementor-tab-title\" data-tab=\"16\" role=\"button\" aria-controls=\"elementor-tab-content-17516\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Multi-Perspective Process Mining Interfaces for HL7 AuditEvent Repositories: XES and OCEL<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17516\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"16\" role=\"region\" aria-labelledby=\"elementor-tab-title-17516\"><p>Pointner, A., Krauss, O., Erhard, A., Schuler, A., &amp; Helm, E. (2023). Multi-Perspective Process Mining Interfaces for HL7 AuditEvent Repositories: XES and OCEL. In\u00a0<i>dHealth 2023<\/i>\u00a0(pp. 168-173). IOS Press.<\/p><p>DOI:<a href=\"https:\/\/doi.org\/10.3233\/SHTI230034\"> 10.3233\/SHTI230034<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p><strong>Hintergrund<\/strong>:<br \/>Medizinische Informationssysteme verwenden h\u00e4ufig eine Ereignisprotokollierung, aber diese Protokolle sind f\u00fcr das Process Mining nicht geeignet, da sie nicht in einem standardisierten Format protokolliert werden.<\/p><p><strong>Zielsetzung<\/strong>:<br \/>Unser Ziel ist es, medizinische Ereignisprotokolle f\u00fcr den Einsatz im Process Mining anzureichern.<\/p><p><strong>Methode<\/strong>:<br \/>Wir stellen einen Ansatz zur Konvertierung von Ereignissen aus standardbasierten Repositories in die im Process Mining gebr\u00e4uchlichen Formate XES und OCEL vor.<\/p><p><strong>Ergebnisse<\/strong>:<br \/>Wir haben diesen Ansatz mit simulierten Daten aus dem \u00f6sterreichischen Brustkrebs-Screening-Programm getestet.<\/p><p><strong>Schlussfolgerung<\/strong>:<br \/>Wir beabsichtigen, diesen Ansatz in Zukunft zur Analyse von Versorgungsrichtlinien und zur Verbesserung von Krankenhausprozessen einzusetzen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17517\" class=\"elementor-tab-title\" data-tab=\"17\" role=\"button\" aria-controls=\"elementor-tab-content-17517\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Mining Attributed Input Grammars and their Applications in Fuzzing<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17517\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"17\" role=\"region\" aria-labelledby=\"elementor-tab-title-17517\"><p>A. Pointner, &#8222;Mining Attributed Input Grammars and their Applications in Fuzzing,&#8220;\u00a0<em>2023 IEEE Conference on Software Testing, Verification and Validation (ICST)<\/em>, Dublin, Ireland, 2023, pp. 493-495<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1109\/ICST57152.2023.00059\">10.1109\/ICST57152.2023.00059<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Unentdeckte Fehler in Softwaresystemen sind eine h\u00e4ufige Ursache f\u00fcr Schwachstellen und Sicherheitsl\u00fccken. Grammar Fuzzing ist eine wirksame Methode zum Testen dieser Systeme, hat aber Einschr\u00e4nkungen, wie z.B. fehlendes Wissen \u00fcber die Semantik des Programms und die Schwierigkeit, eine Grammatik f\u00fcr diese Systeme zu erhalten. Um diese Einschr\u00e4nkungen zu beheben, schlagen wir einen Ansatz vor, um automatisch Grammatiken zu ermitteln und diese mit semantischen Regeln und kontextuellen Einschr\u00e4nkungen zu erweitern, um Attributgrammatiken zu erstellen. Diese Attributgrammatiken k\u00f6nnen dann f\u00fcr Fuzzing verwendet werden. Unsere vorl\u00e4ufigen Ergebnisse zeigen, dass dieser automatische Extraktionsprozess durchf\u00fchrbar ist, da wir ihn erfolgreich auf einen Ausdrucksparser angewandt haben und in der Lage waren, eine Attributgrammatik zu extrahieren, die die Funktionalit\u00e4t des Parsers darstellt.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17518\" class=\"elementor-tab-title\" data-tab=\"18\" role=\"button\" aria-controls=\"elementor-tab-content-17518\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Analysing and Transforming Graph Structures: The Graph Transformation Framework<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17518\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"18\" role=\"region\" aria-labelledby=\"elementor-tab-title-17518\"><p>Schuler S., Praschl C., Pointner A. (2023). <strong>Analysing and Transforming Graph Structures: The Graph Transformation Framework<\/strong>. In <em>Software<\/em>\u00a0<b>2023<\/b><i>.<\/i><\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.3390\/software2020010\">https:\/\/doi.org\/10.3390\/software2020010<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Zusammenh\u00e4ngende Daten oder insbesondere Graphenstrukturen sind eine wertvolle Informationsquelle. Die Gewinnung von Erkenntnissen und Wissen aus Graphenstrukturen wird in einer Vielzahl von Anwendungsbereichen eingesetzt, f\u00fcr die effiziente Werkzeuge ben\u00f6tigt werden. In dieser Arbeit stellen wir ein quelloffenes Java-Framework zur Graphentransformation vor. Das Framework bietet ein einfaches, fl\u00fcssiges Application Programming Interface (API), um eine bereitgestellte Graphenstruktur in ein gew\u00fcnschtes Zielformat zu transformieren und damit eine weitere Analyse zu erm\u00f6glichen. Zun\u00e4chst geben wir einen \u00dcberblick \u00fcber die Architektur des Frameworks und seine Kernkomponenten. Anschlie\u00dfend wird anhand eines Beispiels gezeigt, wie die Kern-API des Frameworks f\u00fcr die Transformation und Verifizierung von Graphenstrukturen verwendet werden kann. Anschlie\u00dfend stellen wir eine Instanziierung des Frameworks im Kontext der Analyse von Abh\u00e4ngigkeiten zwischen Open-Source-Bibliotheken auf der Android-Plattform vor. Das Beispielszenario gibt Einblicke in ein typisches Szenario, in dem das Graphentransformations-Framework zur effizienten Verarbeitung komplexer Graphenstrukturen eingesetzt wird. Das Framework ist quelloffen und wird aktiv weiterentwickelt. Wir bieten au\u00dferdem Informationen dar\u00fcber, wie man es von seiner offiziellen GitHub-Seite beziehen kann.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-17519\" class=\"elementor-tab-title\" data-tab=\"19\" role=\"button\" aria-controls=\"elementor-tab-content-17519\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Generative Adversarial Network Synthesis for Improved Deep Learning Model Training of Alpine Plants with Fuzzy Structures<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-17519\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"19\" role=\"region\" aria-labelledby=\"elementor-tab-title-17519\"><p>Praschl, C. , Kaiser, R., and Zwettler, G. (2023). <b>Generative Adversarial Network Synthesis for Improved Deep Learning Model Training of Alpine Plants with Fuzzy Structures<\/b>. In\u00a0<i>Proceedings of the 18th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications &#8211; VISAPP.<\/i><\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.5220\/0011607100003417\">https:\/\/doi.org\/10.5220\/0011607100003417<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Deep-Learning-Ans\u00e4tze werden in hohem Ma\u00dfe von zwei Faktoren beeinflusst, n\u00e4mlich von der Komplexit\u00e4t der Aufgabe und der Gr\u00f6\u00dfe des Trainingsdatensatzes. In Bezug auf beide Faktoren stellt die Extraktion von Merkmalen niedrigw\u00fcchsiger alpiner Pflanzen aufgrund ihres unscharfen Aussehens, der gro\u00dfen strukturellen Vielfalt der Pflanzenorgane und des hohen Aufwands, der mit der Beschaffung hochwertiger Trainingsdaten f\u00fcr solche Pflanzen verbunden ist, eine Herausforderung dar. Aus diesem Grund wird in dieser Studie ein Ansatz f\u00fcr das Training von Deep-Learning-Modellen im Kontext der alpinen Vegetation vorgeschlagen, der auf einer Kombination aus realen und k\u00fcnstlichen Daten basiert, die mit Hilfe von Generative Adversarial Networks synthetisiert wurden. Die Bewertung dieses Ansatzes zeigt, dass synthetische Daten verwendet werden k\u00f6nnen, um die Gr\u00f6\u00dfe der Trainingsdatens\u00e4tze zu erh\u00f6hen. Vor diesem Hintergrund werden die Ergebnisse und die Robustheit von Deep-Learning-Modellen anhand eines U-Netz-Segmentierungsmodells demonstriert. Die Bewertung erfolgt anhand einer Kreuzvalidierung f\u00fcr drei Alpenpflanzen, n\u00e4mlich Soldanella pusilla, Gnaphalium supinum und Euphrasia minima. F\u00fcr die beiden letztgenannten Arten wurde eine bessere Segmentierungsgenauigkeit erzielt. F\u00fcr Gnaphalium wurden mit 100 realen Trainingsbildern W\u00fcrfelergebnisse von 24,16 % gegen\u00fcber 26,18 % ermittelt. Bei Euphrasia verbesserten sich die Dice Scores von 33,56 % auf 42,96 % mit nur 20 realen Trainingsbildern.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e7785e4 elementor-widget elementor-widget-heading\" data-id=\"e7785e4\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2022<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ea2caba elementor-widget elementor-widget-accordion\" data-id=\"ea2caba\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2451\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-2451\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Amaru: a framework for combining genetic improvement with pattern mining<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2451\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-2451\"><p>Krauss O., &#8222;<strong>Amaru: a framework for combining genetic improvement with pattern mining<\/strong>&#8220; in <i>Proceedings of the Genetic and Evolutionary Computation Conference Companion<\/i>. 2022.<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Wir stellen Amaru vor, ein Framework f\u00fcr Genetic Improvement, das Abstract Syntax Trees direkt auf Interpreter- und Compiler-Ebene verwendet. Amaru erm\u00f6glicht auch die Suche nach h\u00e4ufigen, diskriminierenden Mustern aus Genetic Improvement-Populationen. Diese Muster k\u00f6nnen wiederum zur Verbesserung der Crossover- und Mutationsoperatoren verwendet werden, um die Diversit\u00e4t der Population zu erh\u00f6hen, die Anzahl der zur Laufzeit scheiternden Individuen zu reduzieren und die Anzahl der erfolgreichen Individuen in der Population zu erh\u00f6hen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2452\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-2452\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Analysis of Threat Intelligence Information Exchange via the STIX Standard<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2452\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-2452\"><p>Krauss, Oliver, and Konstantin Papesh. &#8222;<strong>Analysis of Threat Intelligence Information Exchange via the STIX Standard.<\/strong>&#8220;\u00a0<i>2022 In International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME)<\/i>. IEEE, 2022.<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Der Austausch von Informationen \u00fcber Bedrohungen ist in der heutigen Zeit, in der die Zahl der Datenschutzverletzungen, Hacks und Betr\u00fcgereien zunimmt, ein \u00e4u\u00dferst wichtiges Thema. Es gibt standardisierte Formate f\u00fcr den Austausch solcher Informationen, aber ob und wie sie von einer aktiven Gemeinschaft verwendet werden, ist entscheidend f\u00fcr die Gewinnung von Informationen aus den bereitgestellten Informationen. Wir bieten eine eingehende Analyse des aktuellen Stands des Structured Threat Information Expression (STIX)-Standards, bestehend aus 5 verschiedenen Anbietern aktiver Bedrohungsinformationen. Auf der Grundlage einer Analyse von 480.867 Bedrohungsinformationsobjekten stellen wir fest, dass der STIX-Standard nicht in vollem Umfang genutzt wird und es ihm aufgrund der Qualit\u00e4t und Aktualit\u00e4t der Informationen an Nutzen mangelt. Wir machen Vorschl\u00e4ge f\u00fcr k\u00fcnftige Verbesserungen des standardbasierten Austauschs von Bedrohungsinformationen, wie z. B. eine st\u00e4rkere Einhaltung des Kernstandards und die F\u00f6rderung einer aktiven Gemeinschaft.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2453\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-2453\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">User Profile-Based Recommendation Engine Mitigating the Cold-Start Problem<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2453\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-2453\"><p>Mayrhuber E., Krauss O., &#8222;<strong>User Profile-Based Recommendation Engine Mitigating the Cold-Start Problem<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2022.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Empfehlungssysteme k\u00f6nnen in vielen Situationen des t\u00e4glichen Lebens eingesetzt werden. Die Empfehlung von Personen in sozialen Netzwerken, von Produkten in verschiedenen Online-Shops, von Musik oder Filmen sind nur einige Anwendungsf\u00e4lle f\u00fcr diese Systeme. Das Problem des Kaltstarts, wenn keine Informationen \u00fcber einen neuen oder seltenen Benutzer verf\u00fcgbar sind, stellt eine Herausforderung f\u00fcr Empfehlungssysteme dar. Wir besch\u00e4ftigen uns mit der Erstellung von Restaurant- und Kategorieempfehlungen f\u00fcr Restaurantbesucher. Die Empfehlungen werden mit verschiedenen Metriken und Technologien auf der Grundlage von Benutzerprofilen erstellt, um die Empfehlungen so individuell wie m\u00f6glich zu gestalten. Wir verwenden k-Means und Mean-Shift zum Clustern von Nutzern, um eine Basis f\u00fcr Empfehlungen zu schaffen, die mit nutzer- und inhaltsbasierten kollaborativen Filtermethoden generiert werden. Diese Vorschl\u00e4ge ber\u00fccksichtigen die Lage der Restaurants, die \u00c4hnlichkeit zwischen Benutzern und Restaurants sowie die von den Benutzern abgegebenen Bewertungen. Wir entsch\u00e4rfen das Kaltstart-Problem, indem wir Matrixfaktorisierung und r\u00e4umliche Informationen f\u00fcr Benutzer mit wenigen Restaurantbesuchen in der Vergangenheit verwenden. Die Empfehlungen werden auf der Grundlage des Verhaltens anderer Nutzer bewertet und angepasst, um bessere Ergebnisse zu erzielen. Als Ergebnis k\u00f6nnen wir Empfehlungen \u00fcber eine Anwendungsprogrammierschnittstelle (API) abfragen, die aus einer Mischung aus orts- und benutzerbasierten Empfehlungen bestehen, um die Bed\u00fcrfnisse der Benutzer durch die Kombination von Erkundung und Nutzung zu erf\u00fcllen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2454\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-2454\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">A Comparison Of Relational, NoSQL and NewSQL Database Management Systems For The Persistence Of Time Series Data<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2454\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-2454\"><p>Praschl C., Pritz S., Krauss O., Harrer M., &#8222;<strong>A Comparison Of Relational, NoSQL and NewSQL Database Management Systems For The Persistence Of Time Series Data<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2022.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Zeitreihendaten werden in einer Vielzahl von Anwendungsbereichen wie Sensoren in Autos, Smartwatches oder IoT-Ger\u00e4ten erzeugt. Diese Art von Daten zeichnet sich h\u00e4ufig durch einen hohen Ressourcenbedarf aus, da die Informationen h\u00e4ufig gemessen werden, mit Datenpunkten pro Tag, pro Stunde und sogar bis hinunter zu Millisekunden. W\u00e4hrend die Verarbeitung solcher Daten in Echtzeit oft ausreicht, gibt es auch viele Anwendungsf\u00e4lle, in denen eine Stapelverarbeitung und folglich die Speicherung und der verwaltete Zugriff auf die Messwerte erforderlich sind. Aus diesem Grund werden in dieser Arbeit verschiedene Datenbankmanagementsysteme im Zusammenhang mit der Speicherung zeitbezogener Daten unter Verwendung verschiedener Datenmodelle wie klassischer relationaler Modelle, nicht-relationaler Modelle unter Verwendung von NoSQL-Datenbanksystemen und der k\u00fcrzlich aufkommenden Gruppe der NewSQL-Datenbanken evaluiert. Die Auswertung zeigt, dass eine hochoptimierte Zeitreihendatenbank wie InfluxDB in der Lage ist, die anderen getesteten Systeme hinsichtlich des Schreibdurchsatzes und der RAM- sowie Festplattenauslastung in einem Einzelserver-Setup zu \u00fcbertreffen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2455\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-2455\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">ProperBERT - Proactive Recognition of Offensive Phrasing for Effective Regulation<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2455\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-2455\"><p>Clara Diesenreiter, Oliver Krauss, Simone Sandler, Andreas St\u00f6ckl, &#8222;<strong>ProperBERT &#8211; Proactive Recognition of Offensive Phrasing for Effective Regulation<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2022.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Dieses Werk diskutiert und enth\u00e4lt Inhalte, die beleidigend oder beunruhigend sein k\u00f6nnen. Hasskommunikation war schon immer Teil der menschlichen Interaktion, auch vor dem Aufkommen der sozialen Medien. Heutzutage verbreiten sich beleidigende Inhalte schneller und weiter \u00fcber digitale Kommunikationskan\u00e4le. Um die Regulierung von Hassrede zu verbessern, stellen wir ProperBERT vor, ein fein abgestimmtes BERT-Modell f\u00fcr die Erkennung von Hassrede und beleidigender Sprache speziell auf Englisch. Um die \u00dcbertragbarkeit unseres Modells zu gew\u00e4hrleisten, wurden f\u00fcnf Datens\u00e4tze aus der Literatur kombiniert, um ProperBERT zu trainieren. Der gepoolte Datensatz enth\u00e4lt rassistische, homophobe, frauenfeindliche und allgemein beleidigende Aussagen. Aufgrund der Vielfalt der \u00c4u\u00dferungen, die sich vor allem in der Zielrichtung des Hasses und der Offensichtlichkeit des Hasses unterscheiden, konnte ein ausreichend robustes Modell trainiert werden. ProperBERT zeigt Stabilit\u00e4t auf Datens\u00e4tzen, die nicht f\u00fcr das Training verwendet wurden, und bleibt dabei aufgrund seiner kompakten Gr\u00f6\u00dfe effizient nutzbar. Durch die Durchf\u00fchrung von Portabilit\u00e4tstests auf Datens\u00e4tzen, die nicht f\u00fcr die Feinabstimmung verwendet wurden, wird gezeigt, dass die Feinabstimmung auf gro\u00dfen und vielf\u00e4ltigen Daten zu einer erh\u00f6hten Modellportabilit\u00e4t f\u00fchrt.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2456\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-2456\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Detecting Fake News and Performing Quality Ranking of German News Papers Using Machine Learning<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2456\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-2456\"><p>Sandler Simone, Krauss Oliver, Diesenreiter Clara, St\u00f6ckl<br \/>Andreas, &#8222;<strong>Detecting Fake News and Performing Quality Ranking of <\/strong><strong>German News Papers Using Machine Learning<\/strong>&#8220; in <i>Proceedings of International Conference on Electrical, Computer, Communications and Mechatronics Engineering (ICECCME), 2022.<\/i><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Heutzutage verbreiten sich Nachrichten schnell, und es ist f\u00fcr den Leser nicht immer klar, ob ein Artikel echt oder gef\u00e4lscht ist. Au\u00dferdem nutzen die Leser nur einige wenige Quellen, um die Nachrichten zu lesen, ohne die Qualit\u00e4t der Quelle zu kennen. Dies ist auf einen Mangel an aktuellen<br \/>Nachrichten oder Medien-Rankings. Modelle des maschinellen Lernens k\u00f6nnen zur automatischen Erkennung von Fake News eingesetzt werden. In dieser Arbeit werden ein Passiv-Aggressiv-Klassifikator, ein Random-Forest und ein LSTM-Netzwerk trainiert, um zwischen gef\u00e4lschten und nicht gef\u00e4lschten (echten)<br \/>Nachrichten zu unterscheiden. Dar\u00fcber hinaus werden diese Modelle verwendet, um Nachrichtenquellen nach der Menge m\u00f6glicher Fake News zu klassifizieren, die sie verbreiten k\u00f6nnten. Die Modelle werden an englischen und \u00fcbersetzten deutschen Artikeln getestet. Die besten Ergebnisse bei der Erkennung von Fake News in englischen Artikeln werden mit dem Passiv-Aggressiv-Klassifikator erzielt. F\u00fcr die automatische Nachrichten-Ranking von \u00fcbersetzten deutschen Artikeln liefert Random-Forest das beste Ergebnis. Die Korrelation von Random-Forest mit einem tats\u00e4chlichen Nachrichtenranking erreichte 0,68. Dies zeigt, dass die automatische Klassifizierung mit diesem Ansatz auf andere Sprachen als Englisch ausgeweitet werden kann. In Zukunft werden andere maschinelle Lernmodelle und \u00dcbersetzer verwendet werden, um den Ansatz zu erweitern.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2457\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-2457\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Toward an Effective Community Energy Management by Using a Cluster Storage<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2457\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-2457\"><p>A. Veichtlbauer, C. Praschl, L. Gaisberger, G. Steinmaurer and T. I. Strasser, &#8222;<strong>Toward an Effective Community Energy Management by Using a Cluster Storage<\/strong>,&#8220; in\u00a0<em>IEEE Access<\/em>, vol. 10, pp. 112286-112306, 2022.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1109\/ACCESS.2022.3216298\">10.1109\/ACCESS.2022.3216298.<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Integration der lokalen Energieerzeugung aus erneuerbaren Energietr\u00e4gern in einzelnen Haushalten &#8211; wodurch der Haushalt zum &#8222;Prosumer&#8220; wird &#8211; ist ein wichtiger Weg, um den \u00f6kologischen Wandel des Stromsystems zu unterst\u00fctzen. Aufgrund der volatilen und dezentralen Natur der meisten erneuerbaren Energiequellen kann es jedoch zu Stabilit\u00e4tsproblemen im Stromsystem kommen, wenn eine gro\u00dfe Anzahl von erneuerbaren Energien integriert wird. Das vorliegende Papier beschreibt einen Ansatz zur \u00dcberwindung dieser Engp\u00e4sse auf zweierlei Weise: Erstens sollen die Auswirkungen der installierten erneuerbaren Energien lokal auf eine Gruppe von Haushalten &#8211; eine sogenannte &#8222;Energiegemeinschaft&#8220; &#8211; begrenzt werden. Dazu nutzen alle teilnehmenden Haushalte bestehende Instrumente zur Eigenverbrauchsoptimierung. Wenn ein Haushalt jedoch \u00fcbersch\u00fcssige Energie hat, die nicht lokal verbraucht werden kann, wird diese Energie mit Hilfe eines Clusterspeichers auf die anderen teilnehmenden Haushalte aufgeteilt, wodurch ein gemeinschaftlicher Eigenverbrauch vor der Einspeisung in das Niederspannungsnetz erm\u00f6glicht wird. Zweitens kann der angeschlossene Betreiber von den teilnehmenden Haushalten Flexibilit\u00e4t verlangen. Dazu werden vom anfragenden Netzbetreiber je nach aktueller Netzsituation zus\u00e4tzliche Lasten oder Lastabw\u00fcrfe ausgel\u00f6st. Die Haushalte entscheiden selbst\u00e4ndig \u00fcber die H\u00f6he der gew\u00e4hrten Flexibilit\u00e4t und erhalten daf\u00fcr entsprechende finanzielle Anreize. Diese Arbeit stellt ein Energiemanagementkonzept und eine prototypische Steuerungsinfrastruktur vor, die f\u00fcr die oben genannten Funktionalit\u00e4ten verwendet werden. In einer Reihe von Simulationen und Feldtests wurde der vorgeschlagene Ansatz erfolgreich evaluiert. Der Artikel gibt einen umfassenden \u00dcberblick \u00fcber die gewonnenen Ergebnisse und die daraus abgeleiteten Schlussfolgerungen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2458\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-2458\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Visual Change Detection in Multi-Temporal Transects of Alpine Plants<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2458\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-2458\"><p>Pritz S., Praschl C., Kaiser R., Zwettler, G. <strong>\u201cVisual Change Detection in Multi-Temporal Transects of Alpine Plants\u201d<\/strong>. Proceedings of the 10th International Workshop on Simulation for Energy, Sustainable Development &amp; Environment SESDE2022, Rom, Italy (2022).<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Aufgrund der offensichtlichen Auswirkungen des Klimawandels auf die \u00d6kosysteme der Erde ist es wichtiger denn je, die Flora und Fauna in den betroffenen Regionen, z. B. in den Berggebieten oberhalb der Baumgrenze, zu beobachten. Im alpinen \u00d6kosystem, und nicht nur dort, spielt die Vegetation eine grundlegende Rolle und ist Gegenstand dieser Studie. Ziel der Arbeit ist die Entwicklung von Algorithmen zur Erkennung kleinw\u00fcchsiger alpiner Pflanzen aus Nahsichtbildern. Im Idealfall sollten automatisierte Algorithmen zur Bewertung der Pflanzendecke den Wissenschaftlern objektiv dabei helfen, den Zustand des Pflanzen\u00f6kosystems \u00fcber eine lange Zeitreihe zu beobachten und zu interpretieren. Ziel war es daher, Visualisierungen zu erstellen, die Pflanzenwachstum und -verschiebung (Translokation) genau beschreiben. Dar\u00fcber hinaus war die Erfassung von Ver\u00e4nderungen der biologischen Vielfalt beabsichtigt. In dieser Arbeit werden multitemporale Daten, bestehend aus RGB-Bildern und Multilabel-Masken, verwendet, um die vorgenannte Aufgabe zu erf\u00fcllen. Die evaluierten Methoden umfassen den Maskenvergleich, die Sch\u00e4tzung des optischen Flusses, die Erkennung einzelner Pflanzen und die deskriptive statistische Analyse von Bildmerkmalen. Die Tests mit dem gegebenen Datensatz zeigen, dass alle Methoden mit Ausnahme der optischen Flusssch\u00e4tzung ein gro\u00dfes Potenzial haben. Die Methode des Maskenvergleichs hat das Wachstum und die Verlagerung von Pflanzen am zufriedenstellendsten erfasst. Die Erkennung einzelner Pflanzen und die statistische Analyse halfen au\u00dferdem bei der Bewertung von Ver\u00e4nderungen der biologischen Vielfalt. Kombiniert man die vorgeschlagenen Methoden, erh\u00e4lt man einen unmittelbaren \u00dcberblick \u00fcber relevante Ver\u00e4nderungen in den multitemporalen Transekten, was bisher f\u00fcr Nahaufnahmen alpiner Pflanzen noch nicht der Fall war.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2459\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-2459\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan\">Modelling shifting trends over time via topic analysis of text documents<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2459\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-2459\"><p>Krauss O., Aschauer A., St\u00f6ckl A. <strong>\u201cModelling shifting trends over time via topic analysis of text documents\u201d.<\/strong> Proceedings of the 34rd European Modeling and Simulation Symposium EMSS2022, Rom, Italy (2022).<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24510\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-24510\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan\">Towards Modelling Namespaces in Graph Databases<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24510\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-24510\"><p>Pointner A., Praschl C., Krauss O. \u201c<strong>Towards Modelling Namespaces in Graph Databases\u201d.<\/strong> Proceedings of the 34rd European Modeling and Simulation Symposium EMSS2022, Rom, Italy (2022).<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Wir stellen einen neuen Ansatz vor, um Daten mit verschiedenen Kontexten in einem Eigenschaftsgraphenmodell zu speichern. Wir f\u00fchren Namespaces ein, \u00e4hnlich den Namespaces in XML, und erweitern Knoten und Beziehungen mit Labels, um sie einem bestimmten Kontext, d.h. Namespace, zuzuordnen. Auch einzelne Eigenschaften eines Knotens oder einer Beziehung k\u00f6nnen in einen Namensraum gestellt werden. Diese Arbeit zielt speziell auf die Nutzung in Graphdatenbanken ab, wobei eine Referenzimplementierung \u00fcber die Datenbank Neo4j bereitgestellt wird. Neben dem theoretischen Ansatz wird ein Object-to-Graph-Mapper f\u00fcr die Programmiersprache Java implementiert und zur Evaluierung des Ansatzes verwendet. Als Evaluierungsbeispiel wird eine Universit\u00e4tsorganisation verwendet, die in zwei Dom\u00e4nen aufgeteilt ist. Die Experimente zeigen, dass Informationen verschiedener Dom\u00e4nen innerhalb desselben Modells unter Verwendung von Namespaces gespeichert werden k\u00f6nnen. Dadurch ist es m\u00f6glich, gemeinsam genutzte Informationen \u00fcber mehrere Kontexte hinweg wiederzuverwenden, was die Datenduplizierung in der Graphdatenbank reduziert, da ansonsten mehrere Knoten erforderlich w\u00e4ren.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24511\" class=\"elementor-tab-title\" data-tab=\"11\" role=\"button\" aria-controls=\"elementor-tab-content-24511\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Strategies for Semi-Automated Registration of Historic Aerial Photographs Utilizing Street and Roof Segmentations as Durable Landmarks<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24511\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"11\" role=\"region\" aria-labelledby=\"elementor-tab-title-24511\"><p>Zwettler, G., Ono, Y., Stradner, M., &amp; Praschl, C. <strong>\u201cStrategies for Semi-Automated Registration of Historic Aerial Photographs Utilizing Street and Roof Segmentations as Durable Landmarks\u201d<\/strong>. Proceedings of the 34th European Modeling and Simulation Symposium EMSS2022, Rom, Italy (2022).<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Historische und aktuelle Luftbilder sind nur dann von gro\u00dfem Wert, wenn auch die Geolokalisierung oder die Adresse der fotografierten Gebiete verf\u00fcgbar ist. In Westeuropa, insbesondere in \u00d6sterreich, Deutschland und der Tschechischen Republik, gibt es einen Markt f\u00fcr den Verkauf von Luftbildern des eigenen Wohnhauses. Die automatisierte Geolokalisierung ist ein gangbarer Weg, um den Verk\u00e4ufern eine schnellere Zuordnung der Adressen f\u00fcr den Verkauf zu erm\u00f6glichen. Im Rahmen dieser Forschungsarbeit wird eine Prozesskette modelliert, die die Zuordnung von Luftbildern zu Wohnadressen mittels maschinellem Sehen erm\u00f6glicht. Nach einer modellbasierten Entzerrung der Luftbilder zur Kompensation perspektivischer Verzerrungen werden gr\u00f6\u00dfere Bildbl\u00f6cke mittels Image Stitching zusammengesetzt. Die Zuordnung zu einer 2D-Referenzkarte, wie z.B. Satellitenbilder \u00fcber Google Maps, erfolgt durch Anwendung eines U-Net CNN nach Extraktion von dauerhaften Bildmerkmalen wie Stra\u00dfen oder Geb\u00e4uden. Die Zuordnung von Luftbildern zur zweidimensionalen Kartographie erfolgt entweder automatisiert \u00fcber Registrierungsans\u00e4tze oder basierend auf manuell gesetzten entsprechenden Landmarken und Homographie. Testl\u00e4ufe mit Luftbildern aus den Jahren 1969 bis 2020 zeigen, dass der arbeitsintensive Prozess der Geolokalisierung von Luftbildern mit dem vorgeschlagenen Prozessmodell auf hybride Weise gel\u00f6st werden kann.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24512\" class=\"elementor-tab-title\" data-tab=\"12\" role=\"button\" aria-controls=\"elementor-tab-content-24512\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Distributed Classification - A Scalable Approach to Semi SupervisedMachine Learning<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24512\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"12\" role=\"region\" aria-labelledby=\"elementor-tab-title-24512\"><p>Meindl R., Sandler S., Mayrhuber E., and Krauss O. \u201c<strong>Distributed Classification &#8211; A Scalable Approach to Semi SupervisedMachine Learning\u201d<\/strong> Proceedings of the 34th European Modeling and Simulation Symposium EMSS2022, Rom, Italy (2022).<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Anpassung von realen Daten an ein Klassifizierungsmodell ist eine anspruchsvolle Aufgabe. Moderne Klassifizierungsans\u00e4tze sind oft ressourcenintensiv und k\u00f6nnen zu Engp\u00e4ssen f\u00fchren. In diesem Papier wird eine Microservice-Architektur vorgestellt, die es erm\u00f6glicht, ein Modell der realen Daten zu pflegen und neue Informationen hinzuzuf\u00fcgen, sobald sie verf\u00fcgbar sind. Aktualisierungen des Modells werden \u00fcber verschiedene Mikroservices abgewickelt. Die Architektur und die damit verbundenen Arbeitsabl\u00e4ufe werden in einem Anwendungsfall der Klassifizierung von Textdaten in einer Taxonomie, die durch einen gerichteten azyklischen Graphen (DAG) dargestellt wird, demonstriert. Die vorgestellte Architektur beseitigt den Engpass bei der Klassifizierung, da mehrere Datenpunkte unabh\u00e4ngig voneinander hinzugef\u00fcgt werden k\u00f6nnen und der lesende Zugriff auf das Modell nicht eingeschr\u00e4nkt ist. Zus\u00e4tzliche Microservices erm\u00f6glichen auch einen manuellen Eingriff zur Aktualisierung des Modells.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24513\" class=\"elementor-tab-title\" data-tab=\"13\" role=\"button\" aria-controls=\"elementor-tab-content-24513\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan\">Model Verification in Graph Databases and its Application in Neo4j<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24513\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"13\" role=\"region\" aria-labelledby=\"elementor-tab-title-24513\"><p>Praschl C., Pointner A., Krauss O., Helm E., Schuler A. \u201c<strong>Model Verification in Graph Databases and its Application in Neo4j.\u201d<\/strong> Proceedings of the 34th European Modeling and Simulation Symposium EMSS2022, Rom, Italy (2022).<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>In dieser Arbeit wird ein Konzept zur regelbasierten Modellverifikation mit Hilfe einer Graphdatenbank am Beispiel von Neo4j und dessen Abfragesprache Cypher vorgestellt. Es wird ein Ansatz vorgestellt, der es erlaubt, mit Hilfe einer Graphenabfragesprache Verifikationsregeln zu definieren, um Transformationsfehler innerhalb eines gegebenen Dom\u00e4nenmodells zu erkennen. Der Ansatz wird anhand eines laufenden Beispiels vorgestellt, das seine F\u00e4higkeit zeigt, zuf\u00e4llig erzeugte Fehler in einem Transformationsprozess zu erkennen. Zus\u00e4tzlich wird die Leistung der Methode anhand mehrerer Teilmengen der IMDb-Filmdaten mit maximal 17.000.000 Knoten und 41.000.000 Beziehungen evaluiert. Diese Leistungsbewertung wird im Vergleich zur Object Constraint Language durchgef\u00fchrt und zeigt Vorteile im Zusammenhang mit stark vernetzten Datens\u00e4tzen mit einer hohen Anzahl von Knoten. Ein weiterer Vorteil ist die Nutzung einer etablierten Graphdatenbank als Verifikationswerkzeug, ohne dass eine Neuimplementierung der Graph- und Pattern-Matching-Logik erforderlich ist.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24514\" class=\"elementor-tab-title\" data-tab=\"14\" role=\"button\" aria-controls=\"elementor-tab-content-24514\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Long-Term Monitoring of Alpine Plant Diversity in the National Park Hohe Tauern<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24514\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"14\" role=\"region\" aria-labelledby=\"elementor-tab-title-24514\"><p>Kaiser R., Praschl C., Zwettler G. <strong>\u201cLong-Term Monitoring of Alpine Plant Diversity in the National Park Hohe Tauern\u201d<\/strong>. 7. Symposium for research in protected areas. Conference. Vol. 2. 2022.<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Der Nationalpark Hohe Tauern hat ein interdisziplin\u00e4res Monitoring- und Forschungsprogramm zur Langzeitbeobachtung von alpinen \u00d6kosystemen ins Leben gerufen. Diese Initiative liefert unter anderem ein laufendes digitales Bildarchiv in Form von streng standardisierten (geostatisch, farbecht), hochaufl\u00f6senden (1 px. \u2248 0,1mm) Nadir-Fotos (Blick senkrecht zum Boden) mit hohem Informationsgehalt und gro\u00dfer Dokumentationsrelevanz. Diese Daten, vergleichbar mit Erdorthofotos, bilden die Grundlage f\u00fcr das vorliegende Projekt. Es konzentriert sich auf die Entwicklung eines Software-Prototyps zur automatischen Erkennung von Pflanzen aus Bilddaten mit Hilfe von Computer Vision und maschinellem Lernen. Die Ziele sind dreifach. Erstens wird die zuverl\u00e4ssige Erkennung einzelner Pflanzenarten und ihrer Individuen trotz \u00dcberlappung mit anderen Pflanzen oder Vegetationsstrukturen angestrebt. Zweitens wird die Variation in der Natur und damit das abweichende Erscheinungsbild eines Exemplars angesprochen. Drittens soll es m\u00f6glich sein, identische Pflanzen innerhalb einer Zeitreihe zu erkennen. Au\u00dferdem soll es m\u00f6glich sein, die Modelle zu aktualisieren, wenn neue Daten verf\u00fcgbar sind.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24515\" class=\"elementor-tab-title\" data-tab=\"15\" role=\"button\" aria-controls=\"elementor-tab-content-24515\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Anomaly-based Risk Detection using Digital News Articles<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24515\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"15\" role=\"region\" aria-labelledby=\"elementor-tab-title-24515\"><p>Pointner, A., Spitzer, EM., Krauss, O., St\u00f6ckl, A. (2023). Anomaly-Based Risk Detection Using Digital News Articles. In: Arai, K. (eds) Intelligent Systems and Applications. IntelliSys 2022. Lecture Notes in Networks and Systems, vol 542. Springer, Cham.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1007\/978-3-031-16072-1_1\">https:\/\/doi.org\/10.1007\/978-3-031-16072-1_1<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Das Risikomanagement in Unternehmen ist eine in der Industrie gut etablierte Methode. Dieser Bereich st\u00fctzt sich in hohem Ma\u00dfe auf Risikoeigner und deren Expertenmeinung. In dieser Arbeit stellen wir einen Ansatz f\u00fcr eine halbautomatische Risikoerkennung f\u00fcr Unternehmen vor, bei der Anomalieerkennung zum Einsatz kommt. Wir stellen verschiedene Algorithmen zur Erkennung von Anomalien vor und pr\u00e4sentieren einen Ansatz, wie diese auf multidimensionale Datenquellen wie Nachrichtenartikel und Aktiendaten angewendet werden k\u00f6nnen, um m\u00f6gliche Risiken automatisch zu extrahieren. Dazu werden NLP-Methoden, einschlie\u00dflich Stimmungsanalyse, verwendet, um numerische Werte aus Nachrichtenartikeln zu extrahieren, die f\u00fcr die Anomalieanalyse ben\u00f6tigt werden. Der Ansatz wird durch die Durchf\u00fchrung von Fragebogeninterviews mit Dom\u00e4nenexperten evaluiert. Die Ergebnisse zeigen, dass der vorgestellte Ansatz ein n\u00fctzliches Werkzeug ist, das Risikoverantwortlichen und Fachexperten hilft, potenzielle Risiken f\u00fcr ihre Unternehmen zu finden und zu erkennen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24516\" class=\"elementor-tab-title\" data-tab=\"16\" role=\"button\" aria-controls=\"elementor-tab-content-24516\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan\">Building Process-Oriented Data Science Solutions for Real-World Healthcare<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24516\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"16\" role=\"region\" aria-labelledby=\"elementor-tab-title-24516\"><p>Fernandez-Llatas, Carlos, et al. &#8222;Building Process-Oriented Data Science Solutions for Real-World Healthcare.&#8220;\u00a0<i>International Journal of Environmental Research and Public Health<\/i>\u00a019.14 (2022): 8427.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.3390\/ijerph19148427\">https:\/\/doi.org\/10.3390\/ijerph19148427<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die COVID-19-Pandemie hat einige der M\u00f6glichkeiten, Probleme und Hindernisse f\u00fcr die Anwendung von k\u00fcnstlicher Intelligenz im medizinischen Bereich aufgezeigt. Es wird immer wichtiger zu bestimmen, wie K\u00fcnstliche Intelligenz den Leistungserbringern im Gesundheitswesen helfen kann, die t\u00e4gliche medizinische Praxis zu verstehen und zu verbessern. Als Teil des Forschungsgebiets der K\u00fcnstlichen Intelligenz hat sich die Gemeinschaft der prozessorientierten Datenwissenschaft aktiv an der Analyse dieser Situation und der Identifizierung aktueller Herausforderungen und verf\u00fcgbarer L\u00f6sungen beteiligt. Wir haben festgestellt, dass es notwendig ist, die besten Bem\u00fchungen der Gemeinschaft zu integrieren, um sicherzustellen, dass die versprochenen Verbesserungen der Versorgungsprozesse in der realen Gesundheitsversorgung erreicht werden k\u00f6nnen. In diesem Papier argumentieren wir, dass es notwendig ist, geeignete Werkzeuge zur Unterst\u00fctzung medizinischer Experten bereitzustellen und dass eine h\u00e4ufige, interaktive Kommunikation zwischen medizinischen Experten und Data Minern erforderlich ist, um gemeinsam L\u00f6sungen zu entwickeln. Die prozessorientierte Datenwissenschaft und insbesondere konkrete Techniken wie das Process Mining k\u00f6nnen ein einfach zu handhabendes Instrumentarium f\u00fcr die Entwicklung verst\u00e4ndlicher und erkl\u00e4rbarer L\u00f6sungen der K\u00fcnstlichen Intelligenz bieten. Process Mining bietet Werkzeuge, Methoden und einen datengesteuerten Ansatz, der medizinische Experten in den Prozess der interaktiven Mitentdeckung von Beweisen aus der realen Welt einbeziehen kann. Es ist an der Zeit, dass prozessorientierte Datenwissenschaftler enger mit medizinischen Fachkr\u00e4ften zusammenarbeiten, um n\u00fctzliche und verst\u00e4ndliche L\u00f6sungen zu entwickeln, die praktische Fragen aus der t\u00e4glichen Praxis beantworten. Mit einer gemeinsamen Vision sollten wir besser darauf vorbereitet sein, die komplexen Herausforderungen zu meistern, die die Zukunft des Gesundheitswesens pr\u00e4gen werden.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24517\" class=\"elementor-tab-title\" data-tab=\"17\" role=\"button\" aria-controls=\"elementor-tab-content-24517\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Utilization of Geographic Data for the Creation of Occlusion Models in the Context of Mixed Reality Applications<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24517\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"17\" role=\"region\" aria-labelledby=\"elementor-tab-title-24517\"><p>Praschl C., Thiele E., Krauss O. <strong>&#8222;Utilization of Geographic Data for the Creation of Occlusion Models in the Context of Mixed Reality Applications&#8220;<\/strong>. Extended Reality, 1st ed. Lecture Notes in Computer Science. Volume 13446. (2022).<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1007\/978-3-031-15553-6\">https:\/\/doi.org\/10.1007\/978-3-031-15553-6<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Ausbildung von Notfallhelfern kann von der Verwendung von Mixed-Reality-Ger\u00e4ten (MR) im Freien profitieren, um die Ausbildung realistischer zu gestalten und Simulationen zu erm\u00f6glichen, die sonst aufgrund von Sicherheitsrisiken oder Kosteneffizienz nicht m\u00f6glich w\u00e4ren. Der Einsatz von MR im Freien erfordert jedoch Kenntnisse der Topografie und der Objekte in der Umgebung, um eine genaue Interaktion zwischen der realen Welt, die die Auszubildenden erleben, und den virtuellen Elementen, die in ihnen platziert werden, zu erm\u00f6glichen. Es wird ein Ansatz gezeigt, bei dem H\u00f6hendaten und geografische Informationssysteme verwendet werden, um effektive Verdeckungsmodelle zu erstellen, die in solchen Outdoor-Trainingssimulationen eingesetzt werden k\u00f6nnen. Die ersten Ergebnisse zeigen, dass dieser Ansatz eine genaue Verdeckung und Platzierung von virtuellen Objekten in einer st\u00e4dtischen Umgebung erm\u00f6glicht. Dies verbessert die Immersion und die r\u00e4umliche Wahrnehmung der Lernenden. F\u00fcr die Zukunft sind Verbesserungen des Ansatzes geplant, indem veraltete Informationen in den Okklusionsmodellen aktualisiert werden.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24518\" class=\"elementor-tab-title\" data-tab=\"18\" role=\"button\" aria-controls=\"elementor-tab-content-24518\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan\">How do Android developers improve non-functional properties of software?<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24518\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"18\" role=\"region\" aria-labelledby=\"elementor-tab-title-24518\"><p>Callan, James, et al. &#8222;How do Android developers improve non-functional properties of software?.&#8220;\u00a0<i>Empirical Software Engineering<\/i>\u00a027.5 (2022): 1-42.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1007\/s10664-022-10137-2\">https:\/\/doi.org\/10.1007\/s10664-022-10137-2<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Heutzutage stehen die Entwickler mobiler Anwendungen zunehmend unter dem Druck, auch nichtfunktionale Eigenschaften zu ber\u00fccksichtigen. Eine App, die zu langsam ist oder viel Bandbreite verbraucht, verringert die Benutzerzufriedenheit und kann daher dazu f\u00fchren, dass die Benutzer die App einfach aufgeben. Obwohl es f\u00fcr herk\u00f6mmliche Software automatisierte Softwareverbesserungstechniken gibt, sind diese im mobilen Bereich nicht so weit verbreitet. Au\u00dferdem ist noch nicht bekannt, ob dieselben Software\u00e4nderungen auch so effektiv w\u00e4ren. Vor diesem Hintergrund haben wir insgesamt 100 Android-Repositories untersucht, um herauszufinden, wie Entwickler die Ausf\u00fchrungszeit, den Speicherverbrauch, die Bandbreitennutzung und die Framerate von mobilen Apps verbessern. Wir kategorisierten die Commits zur Verbesserung der nicht-funktionalen Eigenschaften (NFP), die sich auf die Leistung beziehen, um herauszufinden, wie bestehende automatische Softwareverbesserungstechniken verbessert werden k\u00f6nnen. Unsere Ergebnisse zeigen, dass NFP-verbessernde Commits, die sich auf die Leistung beziehen, zwar selten sind, solche Verbesserungen aber w\u00e4hrend des gesamten Entwicklungszyklus auftreten. Wir fanden insgesamt 560 NFP-Commits von insgesamt 74.408 analysierten Commits. Der Speicherverbrauch wird am h\u00e4ufigsten geopfert, wenn die Ausf\u00fchrungszeit oder die Bandbreitennutzung verbessert wird, obwohl \u00e4hnliche Arten von \u00c4nderungen mehrere nicht-funktionale Eigenschaften auf einmal verbessern k\u00f6nnen. Das L\u00f6schen von Code ist die am h\u00e4ufigsten angewandte Strategie, mit Ausnahme der Framerate, bei der die Erh\u00f6hung der Gleichzeitigkeit die dominierende Strategie ist. Wir stellen fest, dass automatisierte Softwareverbesserungstechniken f\u00fcr den mobilen Bereich von der Verbesserung von SQL-Abfragen, Zwischenspeicherung und Asset-Manipulation profitieren k\u00f6nnen. Dar\u00fcber hinaus stellen wir einen Klassifikator zur Verf\u00fcgung, der den manuellen Aufwand f\u00fcr die Analyse von NFP-Verbesserungs-Commits drastisch reduzieren kann.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24519\" class=\"elementor-tab-title\" data-tab=\"19\" role=\"button\" aria-controls=\"elementor-tab-content-24519\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan\">A Scalable Microservice Infrastructure for Fleet Data Management<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24519\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"19\" role=\"region\" aria-labelledby=\"elementor-tab-title-24519\"><p>Meindl, Rainer, et al. &#8222;A Scalable Microservice Infrastructure for Fleet Data Management.&#8220;\u00a0<i>International Conference on Database and Expert Systems Applications<\/i>. Springer, Cham, 2022.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1007\/978-3-031-14343-4_37\">https:\/\/doi.org\/10.1007\/978-3-031-14343-4_37<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Moderne Internet-of-Things-L\u00f6sungen mit Edge-Ger\u00e4ten erzeugen gro\u00dfe Mengen an Rohdaten. Um diese Daten nutzen zu k\u00f6nnen, m\u00fcssen sie verarbeitet, aggregiert und kategorisiert werden, damit Management und Endnutzer Entscheidungen treffen k\u00f6nnen. Diese Datenverwaltung ist eine nicht triviale Aufgabe, da die Rechenlast direkt proportional zur Datenmenge ist. Um dieses Problem zu l\u00f6sen, bieten wir eine erweiterbare und skalierbare Microservice-Architektur an, die Rohdaten empfangen, normalisieren und filtern kann und sie in verschiedenen Aggregationsstufen sowie f\u00fcr die Zeitreihenanalyse bereith\u00e4lt.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24520\" class=\"elementor-tab-title\" data-tab=\"20\" role=\"button\" aria-controls=\"elementor-tab-content-24520\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Accurately Predicting User Registration in Highly Unbalanced Real-World Datasets from Online News Portals<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24520\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"20\" role=\"region\" aria-labelledby=\"elementor-tab-title-24520\"><p>Spitzer, Eva-Maria, Oliver Krauss, and Andreas St\u00f6ckl. &#8222;Accurately Predicting User Registration in Highly Unbalanced Real-World Datasets from Online News Portals.&#8220;\u00a0<i>International Conference on Database and Expert Systems Applications<\/i>. Springer, Cham, 2022.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1007\/978-3-031-12423-5_23\">https:\/\/doi.org\/10.1007\/978-3-031-12423-5_23<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Besucher zur Registrierung zu bewegen, ist ein entscheidender Faktor im Marketing f\u00fcr Online-Nachrichtenportale. Aktuelle Ans\u00e4tze sind regelbasiert, indem sie Punkte f\u00fcr bestimmte Aktionen vergeben [3]. Effiziente Regeln zu finden, kann eine Herausforderung sein und h\u00e4ngt von der jeweiligen Aufgabe ab. Die Registrierung ist im Allgemeinen seltener als der regelm\u00e4\u00dfige Besuch, was zu sehr unausgewogenen Daten f\u00fchrt.<\/p><p>Wir analysieren verschiedene Algorithmen des \u00fcberwachten Lernens zur Klassifizierung unter Ber\u00fccksichtigung des Datenungleichgewichts. Als Fallstudie verwenden wir anonymisierte reale Daten eines \u00f6sterreichischen Zeitungshauses, die das Sitzungsverhalten der Besucher mit etwa 0,1% Registrierungen \u00fcber alle Besuche hinweg enthalten.<\/p><p>Wir identifizieren einen Ensemble-Ansatz, der den Balanced Random Forest Classifier und den RUSBoost Classifier kombiniert und 76% der Registrierungen \u00fcber f\u00fcnf unabh\u00e4ngige Datens\u00e4tze korrekt identifiziert.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24521\" class=\"elementor-tab-title\" data-tab=\"21\" role=\"button\" aria-controls=\"elementor-tab-content-24521\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Towards an Automated System for Reverse Geocoding of Aerial Photographs<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24521\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"21\" role=\"region\" aria-labelledby=\"elementor-tab-title-24521\"><p>Praschl C., Stradner M., Ono Y., Zwettler G. &#8222;Towards an Automated System for Reverse Geocoding of Aerial Photographs&#8220;. WSCG 2022: proceedings: 30. International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision, p. 296-301. (2022).<\/p><p>DOI: <a href=\"https:\/\/www.doi.org\/10.24132\/CSRN.3201.37\">https:\/\/www.doi.org\/10.24132\/CSRN.3201.37<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Luftaufnahmen von Geb\u00e4uden werden oft als Erinnerungsst\u00fccke von Handelsunternehmen verkauft. Solche Fotos sind mit einem Problem bez\u00fcglich der Adresse der abgebildeten Geb\u00e4ude verbunden, da der Aufnahmeort der Kamera zwar bekannt ist zwar bekannt ist, aber einen r\u00e4umlichen Abstand zum eigentlichen Bildgegenstand aufweist. Hinzu kommt, dass auch dieser Aufnahmeort Aufnahmeort oft nicht im Detail, sondern nur grob in Form der Flugroute\/Gebiet bekannt ist. Um dieses Problem zu l\u00f6sen, wird eine Methode zur umgekehrten Geokodierung vorgeschlagen, die es erm\u00f6glicht, die Position von Geb\u00e4uden, die aus der Luft fotografiert wurden, zu identifizieren.<br \/>Luftfahrzeugen fotografiert wurden. Dies geschieht mit Hilfe eines Verfahrens zur Erweiterung der Aufnahmeorte und eines zweiten Verfahrens, das auf der der Registrierung unver\u00e4nderlicher Merkmale in Luftaufnahmen im Vergleich zu Karten.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24522\" class=\"elementor-tab-title\" data-tab=\"22\" role=\"button\" aria-controls=\"elementor-tab-content-24522\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Open Infrastructure for Standardization of HL7\u00ae FHIR\u00ae Implementation Guides in Austria.<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24522\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"22\" role=\"region\" aria-labelledby=\"elementor-tab-title-24522\"><p>Egelkraut, Reinhard, et al. &#8222;Open Infrastructure for Standardization of HL7\u00ae FHIR\u00ae Implementation Guides in Austria.&#8220;\u00a0<i>dHealth<\/i>. 2022.<\/p><p>DOI: <a class=\"id-link\" href=\"https:\/\/doi.org\/10.3233\/shti220372\" target=\"_blank\" rel=\"noopener\" data-ga-category=\"full_text\" data-ga-action=\"DOI\">https:\/\/doi.org\/10.3233\/shti220372<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Hintergrund: HL7 Austria ist ein gemeinn\u00fctziger Verein, der sich f\u00fcr die Verbesserung der elektronischen Datenkommunikation und Interoperabilit\u00e4t im Gesundheitswesen unter unter Verwendung der internationalen HL7-Standards. Zielsetzungen: Unser Ziel ist die Bereitstellung einer offenen Infrastruktur zur Entwicklung, Verwaltung und Wartung von HL7 FHIR Implementierungsleitf\u00e4den bereitzustellen. Methoden: Wir verwenden modernste Open-Source-Werkzeuge, die von der FHIR Gemeinschaft entwickelt wurden, um eine kontinuierliche Integration zu unterst\u00fctzen. Ergebnisse: Die Implementierungsleitf\u00e4den k\u00f6nnen als statische HTML-Webseiten ver\u00f6ffentlicht und \u00fcber GitHub gepflegt werden. Schlussfolgerung: Die L\u00f6sung unterst\u00fctzt alle Schritte des Lebenszyklus einer Norm, vom Entwurf und \u00dcberpr\u00fcfung bis hin zur Abstimmung, Ver\u00f6ffentlichung und Pflege.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24523\" class=\"elementor-tab-title\" data-tab=\"23\" role=\"button\" aria-controls=\"elementor-tab-content-24523\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Segmentation and Multi-Facet Classification of Individual Logs in Wooden Piles<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24523\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"23\" role=\"region\" aria-labelledby=\"elementor-tab-title-24523\"><p>Praschl C. Auserperg-Castell P., Forster-Heinlein B., Zwettler G. (2021). Segmentation and Multi-Facet Classification of Individual Logs in Wooden Piles. In Computer Aided Systems Theory Extended Abstract.<\/p><p>Link: <a href=\"https:\/\/eurocast2022.fulp.ulpgc.es\/sites\/default\/files\/Eurocast_2022_Extended_Abstract_Book.pdf\">https:\/\/eurocast2022.fulp.ulpgc.es\/sites\/default\/files\/Eurocast_2022_Extended_Abstract_Book.pdf<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Pr\u00fcfung von Produkten und die Bewertung der Qualit\u00e4t ist in vielen Bereichen der Industrie mit hohem Kosten- und Zeitaufwand verbunden. Dies gilt auch f\u00fcr die Forstwirtschaft. Der Einsatz modernster Deep-Learning-Modelle erm\u00f6glicht es, die Analyse von Holzpf\u00e4hlen auf visuellem Wege zu automatisieren. In dieser Arbeit wird ein paralleler zweistufiger Ansatz f\u00fcr die Segmentierung und facettenreiche Klassifizierung einzelner St\u00e4mme nach Holzart und -qualit\u00e4t vorgestellt. Der vorliegende Ansatz basiert auf einer vorgelagerten Stammlokalisierung und erm\u00f6glicht so die Bestimmung der Qualit\u00e4t, des Volumens und auch des Wertes einzelner St\u00e4mme bzw. des gesamten Holzstapels. Die Verwendung eines YOLOv4-Modells zur Holzartenklassifizierung f\u00fcr Douglasien, Kiefern und L\u00e4rchen f\u00fchrt zu einer Genauigkeit von 74,53%, w\u00e4hrend ein Qualit\u00e4tsklassifizierungsmodell f\u00fcr Fichtenst\u00e4mme 86,58% erreicht. Dar\u00fcber hinaus erreicht das trainierte U-NET-Segmentierungsmodell eine Genauigkeit von 93\\%. In Zukunft sollen der zugrunde liegende Datensatz und die Modelle weiter verbessert und in eine mobile Anwendung f\u00fcr die Vor-Ort-Analyse von Holzstapeln durch F\u00f6rster integriert werden.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24524\" class=\"elementor-tab-title\" data-tab=\"24\" role=\"button\" aria-controls=\"elementor-tab-content-24524\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth ml\">Process Mining for Healthcare: Characteristics and Challenges<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24524\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"24\" role=\"region\" aria-labelledby=\"elementor-tab-title-24524\"><p>Jorge Munoz-Gama, Niels Martin, Carlos Fernandez-Llatas, Owen A. Johnson, Marcos Sep\u00falveda, Emmanuel Helm, Victor Galvez-Yanjari, Eric Rojas, Antonio Martinez-Millana, Davide Aloini, Ilaria Angela Amantea, Robert Andrews, Michael Arias, Iris Beerepoot, Elisabetta Benevento, Andrea Burattin, Daniel Capurro, Josep Carmona, Marco Comuzzi, Benjamin Dalmas, Rene de la Fuente, Chiara Di Francescomarino, Claudio Di Ciccio, Roberto Gatta, Chiara Ghidini, Fernanda Gonzalez-Lopez, Gema Ibanez-Sanchez, Hilda B. Klasky, Angelina Prima Kurniati, Xixi Lu, Felix Mannhardt, Ronny Mans, Mar Marcos, Renata Medeiros de Carvalho, Marco Pegoraro, Simon K. Poon, Luise Pufahl, Hajo A. Reijers, Simon Remy, Stefanie Rinderle-Ma, Lucia Sacchi, Fernando Seoane, Minseok Song, Alessandro Stefanini, Emilio Sulis, Arthur H.M. ter Hofstede, Pieter J. Toussaint, Vicente Traver, Zoe Valero-Ramon, Inge van de Weerd, Wil M.P. van der Aalst, Rob Vanwersch, Mathias Weske, Moe Thandar Wynn, Francesca Zerbato. Process Mining for Healthcare: Characteristics and Challenges, Journal of Biomedical Informatics. 2022.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1016\/j.jbi.2022.103994\">https:\/\/doi.org\/10.1016\/j.jbi.2022.103994<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Process-Mining-Techniken k\u00f6nnen zur Analyse von Gesch\u00e4ftsprozessen anhand der w\u00e4hrend ihrer Ausf\u00fchrung aufgezeichneten Daten eingesetzt werden. Diese Techniken werden in einer Vielzahl von Bereichen eingesetzt, darunter auch im Gesundheitswesen, wo sie sich haupts\u00e4chlich auf die Analyse von Diagnose-, Behandlungs- und Organisationsprozessen konzentrieren. Trotz der riesigen Datenmengen, die in Krankenh\u00e4usern von Mitarbeitern und Maschinen erzeugt werden, die an Gesundheitsprozessen beteiligt sind, gibt es keine Anzeichen f\u00fcr eine systematische Anwendung von Process Mining, die \u00fcber gezielte Fallstudien in einem Forschungskontext hinausgeht. Bei der Entwicklung und Anwendung von Process Mining im Gesundheitswesen m\u00fcssen die besonderen Merkmale von Gesundheitsprozessen, wie ihre Variabilit\u00e4t und ihre patientenzentrierte Ausrichtung, gezielt ber\u00fccksichtigt werden. Vor diesem Hintergrund wurde die Process-Oriented Data Science in Healthcare Alliance gegr\u00fcndet, um die Erforschung und Anwendung von Techniken zur datengesteuerten Verbesserung von Prozessen im Gesundheitswesen voranzutreiben. Dieses Paper, eine Initiative der Allianz, stellt die charakteristischen Merkmale des Gesundheitswesens vor, die f\u00fcr einen erfolgreichen Einsatz von Process Mining ber\u00fccksichtigt werden m\u00fcssen, sowie offene Herausforderungen, die von der Gemeinschaft in Zukunft angegangen werden m\u00fcssen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24525\" class=\"elementor-tab-title\" data-tab=\"25\" role=\"button\" aria-controls=\"elementor-tab-content-24525\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Geo-Referenced Occlusion Models for Mixed Reality Applications Using the Microsoft HoloLens<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24525\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"25\" role=\"region\" aria-labelledby=\"elementor-tab-title-24525\"><p>C. Praschl, O. Krauss. Geo-Referenced Occlusion Models for Mixed Reality Applications Using the Microsoft HoloLens. Proceedings of the 17th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, Volume 3: IVAPP. 2022.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.5220\/0010775200003124\">https:\/\/doi.org\/10.5220\/0010775200003124<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Notfallhelfer oder Einsatzkr\u00e4fte k\u00f6nnen von Mixed Reality (MR)-Trainings im Freien profitieren, da sie realistischere und erschwinglichere Simulationen von Notf\u00e4llen in der realen Welt erm\u00f6glichen. Die Nutzung von MR-Ger\u00e4ten f\u00fcr Outdoor-Situationen erfordert die Kenntnis realer Objekte im Trainingsgebiet, um ein realistisches Eintauchen sowohl in die reale als auch in die virtuelle Welt auf der Grundlage visueller Verdeckungen zu erm\u00f6glichen. Aufgrund der r\u00e4umlichen Beschr\u00e4nkungen moderner MR-Ger\u00e4te bei der Erkennung von weit entfernten realen Objekten stellen wir einen Ansatz f\u00fcr die gemeinsame Nutzung georeferenzierter 3D-Geometrien auf mehreren Ger\u00e4ten vor, der das CityJSON-Format f\u00fcr Verdeckungszwecke im Kontext der geor\u00e4umlichen MR-Visualisierung nutzt. Unsere Ergebnisse zeigen, dass die vorgestellte Methodik eine genaue Konvertierung von Okklusionsmodellen in georeferenzierte Darstellungen erm\u00f6glicht, basierend auf einer quantitativen Bewertung mit einem durchschnittlichen Fehler je nach Position der Scheitelpunkte von 1,30E-06 bis 2,79E-04 (Sub-Millimeter-Fehler) unter Verwendung einer normalisierten Summe der quadratischen Fehler. F\u00fcr die Zukunft planen wir, auch 3D-Rekonstruktionen von Smartphones und Drohnen einzubeziehen, um die Anzahl der unterst\u00fctzten Ger\u00e4te zur Erstellung georeferenzierter Okklusionsmodelle zu erh\u00f6hen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24526\" class=\"elementor-tab-title\" data-tab=\"26\" role=\"button\" aria-controls=\"elementor-tab-content-24526\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Three-Step Approach for Localization, Instance Segmentation and Multi-Facet  Classification of Individual Logs in Wooden Piles<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24526\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"26\" role=\"region\" aria-labelledby=\"elementor-tab-title-24526\"><p>C. Praschl, G. Zwettler. Three-Step Approach for Localization, Instance Segmentation and Multi-Facet Classification of Individual Logs in Wooden Piles. Proceedings of the 11th International Conference on Pattern Recognition Applications and Methods. 2022.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.5220\/0010892100003122\">https:\/\/doi.org\/10.5220\/0010892100003122<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Pr\u00fcfung von Produkten und die Bewertung der Qualit\u00e4t ist in vielen Bereichen der Industrie mit hohem Kosten- und Zeitaufwand verbunden. Dies gilt auch f\u00fcr die Forstwirtschaft. Der Einsatz moderner Deep-Learning-Modelle erm\u00f6glicht die Automatisierung der Analyse von Holzpf\u00e4hlen auf visuellem Wege. In dieser Arbeit wird ein dreistufiger Ansatz zur Lokalisierung, Segmentierung und facettenreichen Klassifizierung einzelner St\u00e4mme auf Basis einer Client\/Server-Architektur vorgestellt, der es erm\u00f6glicht, die Qualit\u00e4t, das Volumen und damit den Wert eines Holzpfahls auf Basis einer Smartphone-Applikation zu bestimmen. Die Verwendung mehrerer YOLOv4- und U-NET-Modelle f\u00fchrt zu einer client-seitigen Holzlokalisierungsgenauigkeit von 82,9% bei geringem Speicherbedarf von 23 MB und einer server-seitigen Holzerkennungsgenauigkeit von 94,1%, zusammen mit einer Holzartenklassifizierungsgenauigkeit von 95% und 96% bei der Qualit\u00e4tsbewertung von Fichtenholz. Dar\u00fcber hinaus erreicht das trainierte Segmentierungsmodell eine Genauigkeit von 89 %.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24527\" class=\"elementor-tab-title\" data-tab=\"27\" role=\"button\" aria-controls=\"elementor-tab-content-24527\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">FHIR2BPMN: Delivering Actionable Knowledge by Transforming Between Clinical Pathways and Executable Models<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24527\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"27\" role=\"region\" aria-labelledby=\"elementor-tab-title-24527\"><p>Helm, Emmanuel, et al. &#8222;FHIR2BPMN: Delivering Actionable Knowledge by Transforming Between Clinical Pathways and Executable Models.&#8220;\u00a0<i>Healthcare of the Future 2022<\/i>. IOS Press, 2022. 9-14.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.3233\/SHTI220311\">https:\/\/doi.org\/10.3233\/SHTI220311<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Prozesse im Gesundheitswesen weisen viele Besonderheiten auf, die in Standards f\u00fcr den Austausch medizinischer Informationen wie HL7 FHIR erfasst und beschrieben werden. BPMN ist ein weit verbreiteter Standard zur Erstellung leicht verst\u00e4ndlicher Prozessmodelle. Wir zeigen einen Ansatz zur Integration dieser beiden Standards \u00fcber einen automatischen Transformationsmechanismus. Dies erm\u00f6glicht es uns, die verschiedenen f\u00fcr BPMN verf\u00fcgbaren Werkzeuge zu nutzen, um Prozesse im Gesundheitswesen zu visualisieren und zu automatisieren. In Zukunft planen wir, diesen Ansatz zu erweitern, um das Mining und die Analyse von ausgef\u00fchrten Prozessen zu erm\u00f6glichen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2713472 elementor-widget elementor-widget-heading\" data-id=\"2713472\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2021<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e68c645 elementor-widget elementor-widget-accordion\" data-id=\"e68c645\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2411\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-2411\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Imaging framework: An interoperable and extendable connector for image-related Java frameworks<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2411\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-2411\"><p>C. Praschl, A. Pointner, D. Baumgartner, G. Zwettler. Imaging framework: An interoperable and extendable connector for image-related Java frameworks. SoftwareX, Volume 16. 2021.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.1016\/j.softx.2021.100863\">https:\/\/doi.org\/10.1016\/j.softx.2021.100863<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Die Zahl der Aufgaben in den Bereichen Computer Vision und Bildverarbeitung hat in den letzten Jahren zugenommen. Obwohl Python in diesem Bereich meist die erste Wahl ist, gibt es Situationen, in denen die Verwendung einer anderen Programmiersprache wie Java bevorzugt werden sollte. Aus diesem Grund gibt es mehrere Java-basierte Frameworks wie z.B. OpenIMAJ, ND4J oder mehrere OpenCV-Wrapper. Leider sind diese Frameworks nicht interoperabel. In dieser Arbeit wird das Open-Source Imaging Framework vorgestellt, um genau dieses Problem zu l\u00f6sen. Das Projekt verf\u00fcgt \u00fcber ein Konzept zur Kombination mehrerer Frameworks und bietet eine interoperable und erweiterbare Grundlage f\u00fcr 9 bildbezogene Projekte mit 10 verschiedenen Bilddarstellungen in Java.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2412\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-2412\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">How can Interoperability Support Process Mining in Healthcare?<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2412\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-2412\"><p>Helm, Emmanuel, and Oliver Krauss. &#8222;How can Interoperability Support Process Mining in Healthcare?.&#8220; PODS4H.<\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Eine Diskussion \u00fcber die Beziehung zwischen dem Konzept der Interoperabilit\u00e4t von Informationssystemen im Gesundheitswesen und der prozessorientierten Datenanalyse. Ziel ist es zu zeigen, dass einige der aktuellen Herausforderungen des Process Mining im Gesundheitswesen auch Interoperabilit\u00e4tsprobleme sind. Durch die Beteiligung bei der L\u00f6sung dieser Probleme k\u00f6nnen wir auch unsere Datenquellen verbessern.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2413\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-2413\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Mining API Interactions to Analyze Software Revisions for the Evolution of Energy Consumption<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2413\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-2413\"><p>A. Schuler and G. Kotsis, &#8222;Mining API Interactions to Analyze Software Revisions for the Evolution of Energy Consumption,&#8220; in 2021 2021 IEEE\/ACM 18th International Conference on Mining Software Repositories (MSR),, 2021 pp. 312-316.<\/p><p>DOI: <a href=\"https:\/\/doi.ieeecomputersociety.org\/10.1109\/MSR52588.2021.00043\">https:\/\/doi.ieeecomputersociety.org\/10.1109\/MSR52588.2021.00043<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Mit der weit verbreiteten Nutzung und Einf\u00fchrung mobiler Plattformen wie Android ist ein neues Problem der Softwarequalit\u00e4t aufgetaucht &#8211; der Stromverbrauch. Die Entwicklung energieeffizienter Software und Anwendungen erfordert jedoch Wissen und entsprechende Werkzeuge zur Unterst\u00fctzung von Entwicklern mobiler Ger\u00e4te. Zu diesem Zweck pr\u00e4sentieren wir einen Ansatz zur Untersuchung der Energieentwicklung von Software-Revisionen auf der Grundlage ihrer API-Interaktionen. Der Ansatz beruht auf der Annahme, dass die Nutzung einer API direkte Auswirkungen auf den Energieverbrauch w\u00e4hrend der Laufzeit hat. Basierend auf einer empirischen Evaluierung zeigen wir erste Ergebnisse, dass API-Interaktionen als flexibles, leichtgewichtiges und effektives Mittel dienen, um Software-Revisionen hinsichtlich ihrer Energieentwicklung zu vergleichen. In Anbetracht unserer ersten Ergebnisse stellen wir uns vor, dass mobile Entwickler mit unserem Ansatz in Zukunft in der Lage sein werden, Einblicke in die energetischen Auswirkungen von \u00c4nderungen im Quellcode w\u00e4hrend des Lebenszyklus der Softwareentwicklung zu gewinnen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2414\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-2414\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv ehealth\">EpiMon: Vision-Based Early Warning System for Monitoring Uprising Epileptic Seizures During Night<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2414\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-2414\"><p>Zwettler G., Reichhard A. Stradner M., Praschl C., Helm E.(2021). In Proceedings of 33rd European Modeling &amp; Simulation Symposium.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.46354\/i3m.2021.iwish.004\">https:\/\/doi.org\/10.46354\/i3m.2021.iwish.004<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Mit einer Pr\u00e4valenz von fast 1% stellen potentielle epileptische Anf\u00e4lle ein erhebliches Gesundheitsrisiko f\u00fcr viele jugendliche Patienten dar. Daher ist ein Monitoring unerl\u00e4sslich, um fr\u00fchzeitig gegensteuernde Ma\u00dfnahmen zu setzen und Sch\u00e4den zu vermeiden. Die sensorbasierten \u00dcberwachungssysteme adressieren haupts\u00e4chlich epileptische Anf\u00e4lle, die durch eine Ver\u00e4nderung des Muskeltonus angezeigt werden, k\u00f6nnen aber nicht f\u00fcr Patienten eingesetzt werden, die nur das Pr\u00e9vost-Zeichen zeigen. Zur \u00dcberwachung des ausl\u00f6senden Pr\u00e9vost-Zeichens mit ge\u00f6ffneten Augen als kritisches visuelles Merkmal wird in dieser Arbeit die Anwendbarkeit von Deep-Learning-Augenerkennungssystemen auf Nachtsichtbildern als Grundlage f\u00fcr die Modellierung und Klassifizierung des Augenzustandes (geschlossen, ge\u00f6ffnet, nicht sichtbar) evaluiert. Ein ganzheitlicher Forschungsprototyp wird als Proof of Concept vorgestellt, der die Anwendbarkeit von State-of-the-Art-Gesichtserkennung auf Nachtsichtbildern sowie multivariater Merkmalsanalyse auf Graphensegmentierung vor Fragmentierung zeigt, die zur Erkennung des Augenzustands auf robuste Weise anwendbar ist. Die Ergebnisse zeigen eine Einzelbildgenauigkeit bei der Gesichts-\/Augenerkennung von 73,91% und 94,44% f\u00fcr die Klassifizierung der ge\u00f6ffneten Augen als Hinweis auf einen potenziell ausl\u00f6senden epileptischen Anfall. Das \u00dcberwachungssystem basiert auf einer Raspberry-Recheneinheit mit zwei angeschlossenen ELP-Nachtsichtkameras und einer Smartphone-App f\u00fcr die Benutzerinteraktion und -konfiguration sowie die visuelle \u00dcberwachung auf Abruf. Zuk\u00fcnftige Arbeiten werden zeigen, dass die Einzelbild-Erkennungsrate ausreicht, um eine regelbasierte \u00dcberwachungs-Zustandsmaschine mit einer vom Benutzer vordefinierten Empfindlichkeit und Spezifit\u00e4t aufzubauen, indem der visuelle Inhalt als Zeitserie und nicht als Einzelbilder analysiert wird.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2415\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-2415\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Practicable Paradigms for Semi-Automated Expert-User Post-Processing of Deep-Learning Segmentations in 3D Radiology<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2415\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-2415\"><p>Jany J., Zwettler G. (2021). In Proceedings of 33rd European Modeling &amp; Simulation Symposium.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.46354\/i3m.2021.iwish.007\">https:\/\/doi.org\/10.46354\/i3m.2021.iwish.007<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>Mit den j\u00fcngsten Verbesserungen bei Deep-Learning-Architekturen und der Verf\u00fcgbarkeit von GPU-Hardware hat sich der Stand der Technik beim Deep Learning (DL) bereits als leistungsstarke Bildverarbeitungstechnologie in der klinischen Routine manifestiert, um Segmentierungsergebnisse mit hoher Genauigkeit zu liefern. Ein Nachteil ist, dass die Black-Box-Natur der Technologie keine nat\u00fcrliche Inspektion und Nachbearbeitung durch medizinische Experten zul\u00e4sst. Wir pr\u00e4sentieren einen Ansatz zur Graphensegmentierung (GS), der seine Fitnessfunktion auf generische Weise aus beliebigen DL-Ergebnissen ableitet. Um ein effizientes und effektives Post-Processing durch die medizinischen Experten zu erm\u00f6glichen, werden in diesem Beitrag verschiedene Interaktionsparadigmen vorgestellt und evaluiert. Der Kompromiss von GS im Vergleich zu den initialen DL-Ergebnissen ist marginal (delta JI= 0,196%), dennoch k\u00f6nnen potentielle DL-Segmentierungsfehler zuverl\u00e4ssig korrigiert werden. Der intuitive Ansatz zeigt ein hohes Ma\u00df an Reproduzierbarkeit sowohl zwischen als auch innerhalb von Benutzern. Die \u00c4nderungspropagation der korrigierten Slices h\u00e4lt den Bedarf an Benutzerinteraktion bei der erfolgreichen Korrektur potentieller Schw\u00e4chen in den DL-Segmentierungen auf ein Minimum. Dadurch werden die ehemals fehleranf\u00e4lligen Slice-Mini-Batches automatisiert korrigiert, wobei die JI deutlich erh\u00f6ht wird.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2416\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-2416\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Multi-Resolution Localization of Individual Logs in Wooden Piles Utilizing YOLO with Tiling on Client\/Server Architectures<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2416\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-2416\"><p>Praschl C. Auserperg-Castell P., Forster-Heinlein B., Zwettler G. (2021). In Proceedings of 33rd European Modeling &amp; Simulation Symposium.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.46354\/i3m.2021.emss.042\">https:\/\/doi.org\/10.46354\/i3m.2021.emss.042<\/a><\/p><h2><strong>Abstrakt<\/strong><\/h2><p>In industriellen Bereichen mit zeit- und kostenintensiver manueller oder halbautomatischer Pr\u00fcfung ist die Nachfrage nach Automatisierung hoch. Durch den Einsatz modernster Deep-Learning-Modelle f\u00fcr die Lokalisierung in bildverarbeitungsbasierten Bereichen wie der Holzstammanalyse kann die Pr\u00e4zision erh\u00f6ht und gleichzeitig der Bedarf an manueller Inspektion reduziert werden. In dieser Arbeit wird ein YOLO-Netzwerk auf Holzstammbildern trainiert, um die Erkennung von einzelnen Holzstapeln in Bildern mit hunderten und tausenden Instanzen zu erm\u00f6glichen. Aufgrund der hohen Variabilit\u00e4t im Ma\u00dfstab und der gro\u00dfen Menge an Holzst\u00e4mmen in den Bildern sind herk\u00f6mmliche YOLO-Architekturen nicht anwendbar. Daher ist eine Kachelung erforderlich, um implizit eine Bildpyramide mit mehreren Aufl\u00f6sungen zu bilden. Aufgrund des Mangels an Trainingsdaten wird neben der \u00fcblichen Datenerweiterung auch eine Modellierung der verschiedenen Jahreszeiten und Wetterbedingungen angewendet. Der Holzscheit-Erkennungsprozess kann auf einer Client\/Server-Architektur ausgef\u00fchrt werden, um sowohl eine Vorschau als auch verfeinerte Ergebnisse zu erm\u00f6glichen. Die Auswertung auf realen Datens\u00e4tzen zeigt eine Holzscheit-Erkennungsgenauigkeit von 82,9% mit einem winzigen YOLO-Modell bzw. 94,1% mit einem vollst\u00e4ndig verbundenen YOLO-Modell.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2417\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-2417\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Secure Peer Review and Feedback on Medical Findings via IHE XDS<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2417\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-2417\"><p>Helm E., Schwebach J., Pointner A., Lin A., Rothensteiner V., Keimel D. and Schuler A. (2021). In Proceedings of dHealth 2021 &#8211; Health Informatics Meets Digital Health.<\/p><h3><strong>Abstrakt<\/strong><\/h3><p>Es fehlt an sicheren offiziellen Kommunikationskan\u00e4len f\u00fcr Peer-Review und Peer-Feedback zu medizinischen Befunden. Zielsetzung: Unser Ziel war es, die bestehende \u00f6sterreichische eHealth-Infrastruktur zu nutzen, um Review- und Feedbackprozesse zu erm\u00f6glichen. Methoden: Wir erweiterten das IHE XDW Workflow-Dokument, um den Austausch von Textnachrichten (z.B. Kommentare zu Dokumenten oder Bildern) \u00fcber eine XDS-Infrastruktur zu erm\u00f6glichen. Ergebnisse: Der Workflow erm\u00f6glichte den Austausch von Kommentaren zu bestimmten Abschnitten von CDA-Dokumenten oder radiologischen Bildern und wurde in einer XDS-Testumgebung verifiziert. Schlussfolgerung: Die vorgestellte L\u00f6sung ist ein Proof of Concept, der zur Spezifikation einer neuen IHE-Workflow-Definition f\u00fchren k\u00f6nnte.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2418\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-2418\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Process Mining on FHIR - An Open Standards-Based Process Analytics Approach for Healthcare<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2418\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-2418\"><p>Helm E., Krauss O., Lin A., Pointner A., Schuler A. and K\u00fcng J. (2021). Process Mining on FHIR &#8211; An Open Standards-Based Process Analytics Approach for Healthcare. In Process Mining Workshops.<\/p><h3><strong>Abstrakt<\/strong><\/h3><p>Process Mining hat sich in den letzten Jahren zu einer eigenen Forschungsdisziplin entwickelt, die M\u00f6glichkeiten zur Analyse von Gesch\u00e4ftsprozessen auf Basis von Ereignisprotokollen bietet. Im Gesundheitswesen erschweren die Besonderheiten der Organisations- und Behandlungsprozesse, insbesondere im Hinblick auf heterogene Datenquellen, die Anwendung von Process-Mining-Techniken. Diese Arbeit stellt einen Ansatz vor, um etablierte Standards f\u00fcr den Zugriff auf die Audit-Trails von Informationssystemen im Gesundheitswesen zu nutzen und bietet ein automatisiertes Mapping in ein f\u00fcr Process Mining geeignetes Event-Log-Format. Au\u00dferdem wird eine M\u00f6glichkeit zur Simulation von Prozessen im Gesundheitswesen vorgestellt und zur Validierung des Ansatzes verwendet.<\/p><p>Weitere Informationen <a href=\"https:\/\/doi.org\/10.1007\/978-3-030-72693-5_26\">hier<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2419\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-2419\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Genetic Improvement of Data for Maths Functions*<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2419\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-2419\"><p>Langdon W. and Krauss O. (2021). Genetic Improvement of Data for Maths Functions*. In Proceedings of the Genetic and Evolutionary Computation Conference Companion.<\/p><h3><strong>Abstrakt<\/strong><\/h3><p>Genetic Improvement (GI) kann verwendet werden, um eine bessere Qualit\u00e4t der Software zu erreichen und neue Funktionen zu schaffen. Wir zeigen, dass GI die PowerPC Open-Source GNU C Laufzeitbibliothek Quadratwurzel-Funktion in Kubikwurzel, bin\u00e4ren Logarithmus log2 und reziproke Quadratwurzel weiterentwickeln kann. Die GI cbrt ist konkurrenzf\u00e4hig in der Laufzeitleistung und unsere invertierte Quadratwurzel x**-0.5 ist weitaus genauer als die im Videospiel Quake verwendete Approximation. Wir verwenden CMA-ES, um Konstanten in einer Newton-Raphson-Tabelle, die urspr\u00fcnglich aus glibc&#8217;s sqrt stammt, f\u00fcr andere mathematische Funktionen mit doppelter Genauigkeit anzupassen. Solche automatisch angepassten Mathe-Bibliotheken k\u00f6nnten f\u00fcr mobile oder ressourcenarme, IoT-, Mote-, Smart-Dust-, ma\u00dfgeschneiderte cyber-physische Systeme verwendet werden. Evolutionary Computing (EC) kann nicht nur zur Anpassung von Quellcode, sondern auch von Daten, wie z. B. numerischen Konstanten, eingesetzt werden und k\u00f6nnte eine neue Art der Software-Datenpflege erm\u00f6glichen. Dies ist eine spannende M\u00f6glichkeit f\u00fcr die GECCO- und Optimierungs-Communities.<\/p><p>Weitere Informationen <a href=\"http:\/\/gpbib.cs.ucl.ac.uk\/gp-html\/Langdon_TELO_HOP.html\">hier<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24110\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-24110\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Line Clustering and Contour Extraction in the Context of 2D Building Plans<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24110\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-24110\"><p>Pointner A., Praschl C., Krauss O., Schuler A., Helm E., and Zwettler G. (2021). Line Clustering and Contour Extraction in the Context of 2D Building Plans. In Proceedings of 29. International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.24132\/CSRN.2021.3101.2\">https:\/\/doi.org\/10.24132\/CSRN.2021.3101.2<\/a><\/p><h3><strong>Abstrakt<\/strong><\/h3><p>F\u00fcr die Analyse eines Geb\u00e4udes hinsichtlich seiner Zug\u00e4nglichkeit oder strukturellen Belastbarkeit sind ausgedruckte 2D-Grundrisse aufgrund der fehlenden Verkn\u00fcpfung mit semantischen Informationen nicht ausreichend.<br \/>Die vorliegende Arbeit greift dieses Problem auf und stellt ein Konzept zur Clusterung klassifizierter Linien eines Grundrisses und zur Erzeugung semantisch angereicherter Konturelemente auf der Basis verschiedener Bildverarbeitungs-, <br \/>Algorithmen der Bildverarbeitung, des maschinellen Sehens und des maschinellen Lernens. Ausgehend von einem allgemeinen Ansatz zum Clustering von Linien werden typspezifische Verfahren f\u00fcr W\u00e4nde, Fenster, T\u00fcren und Treppen eingef\u00fchrt. <br \/>Die resultierenden Cluster werden wiederum f\u00fcr eine Konturerzeugung verwendet, die minimal gedrehte Rechtecke verwendet. Diese Rechtecke werden in Polygone transformiert, die durch Nachbearbeitungsschritte verfeinert werden.<br \/>Die Evaluierung des Ansatzes erfolgt \u00fcber eine Positivpr\u00fcfung anhand eines pixelbasierten Vergleichs des Verfahrensergebnisses. Hierf\u00fcr werden sowohl automatisch generierte als auch reale Geb\u00e4udepl\u00e4ne verwendet. <br \/>Die abschlie\u00dfende Auswertung zeigt, dass das Konzept eine Sicherheit von &gt;90% f\u00fcr T\u00fcren, Treppen und Fenster und nur etwa 10% f\u00fcr Treppen erreicht, wobei die Laufzeit linear mit der Gr\u00f6\u00dfe der Eingabe skaliert.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24111\" class=\"elementor-tab-title\" data-tab=\"11\" role=\"button\" aria-controls=\"elementor-tab-content-24111\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Process Mining in Healthcare<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24111\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"11\" role=\"region\" aria-labelledby=\"elementor-tab-title-24111\"><p>Fernandez-Llatas, C., Munoz-Gama, J., Martin, N., Johnson, O., Sepulveda, M., &amp; Helm, E. (2021). Process Mining in Healthcare. In Interactive Process Mining in Healthcare (pp. 41-52). Springer, Cham.<\/p><h3><strong>Abstrakt<\/strong><\/h3><p>Da medizinische Prozesse nur schwer durch einen Konsens von Experten entworfen werden k\u00f6nnen, ist die Verwendung von verf\u00fcgbaren Daten zur Erstellung medizinischer Prozesse eine wiederkehrende Idee in der Literatur. Als praktikable L\u00f6sung in diesem Bereich werden datengetriebene Paradigmen genannt, die medizinische Experten bei ihren t\u00e4glichen Entscheidungen unterst\u00fctzen k\u00f6nnen. Hinter diesem Paradigma stehen Frameworks, die speziell f\u00fcr den Umgang mit prozessorientierten Problemen entwickelt wurden. Dies ist der Fall beim Process Mining.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24112\" class=\"elementor-tab-title\" data-tab=\"12\" role=\"button\" aria-controls=\"elementor-tab-content-24112\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Transfer Learning and Hyperparameter Optimization for Instance Segmentation with RGB-D Images in Reflective Elevator Environments<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24112\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"12\" role=\"region\" aria-labelledby=\"elementor-tab-title-24112\"><p>Reithmeier, L.; Krauss, O. and Zwettler, G.;\u00a0 (2021). Transfer Learning and Hyperparameter Optimization forInstance Segmentation with RGB-D Images in Reflective Elevator Environments. In Proceedings of the 16th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications &#8211; Volume 5: VISAPP, ISBN 978-989-758-488-6.<\/p><p>DOI: <a href=\"https:\/\/doi.org\/10.24132\/CSRN.2021.3101.30\">https:\/\/doi.org\/10.24132\/CSRN.2021.3101.30<\/a><\/p><h3><strong>Abstrakt<\/strong><\/h3><p>Aufz\u00fcge, ein lebenswichtiges Mittel f\u00fcr den st\u00e4dtischen Transport, verf\u00fcgen in der Regel neben einem Notrufknopf \u00fcber keine geeigneten Notrufsysteme. Im Falle von bewusstlosen oder anderweitig handlungsunf\u00e4higen Fahrg\u00e4sten kann dies zu t\u00f6dlichen Situationen f\u00fchren. Ein kamerabasiertes \u00dcberwachungssystem mit KI-basierten Warnungen unter Verwendung einer Aufzugszustandsmaschine kann Fahrg\u00e4sten helfen, die nicht in der Lage sind, einen Notruf auszul\u00f6sen. In dieser Forschungsarbeit wird die Anwendbarkeit von RGB-D-Bildern als Input f\u00fcr die Objektsegmentierung in der stark reflektierenden Umgebung einer Aufzugskabine evaluiert. F\u00fcr die Objektsegmentierung wird ein Region-based Convolution Neural Network (R-CNN) Deep-Learning-Modell so angepasst, dass es neben RGB auch Tiefen-Eingangsdaten verwenden kann, indem Transfer-Learning, Hyperparameter-Optimierung und Re-Training auf einem neu aufbereiteten Aufzugsbild-Datensatz angewendet werden. Auswertungen beweisen, dass mit der gew\u00e4hlten Strategie die Genauigkeit der R-CNN-Instanzsegmentierung auf RGB-D-Daten anwendbar ist, wodurch die mangelnde Bildqualit\u00e4t in den verrauschten und reflektierenden Aufzugskabinen behoben wird. Die mittlere durchschnittliche Genauigkeit (mAP) von 0,753 wird nach der Einbeziehung zus\u00e4tzlicher Tiefendaten auf 0,768 erh\u00f6ht und mit zus\u00e4tzlichem FuseNet-FPN-Backbone auf RGB-D wird die mAP weiter auf 0,794 erh\u00f6ht. Mit dem vorgeschlagenen Instanzsegmentierungsmodell wird eine zuverl\u00e4ssige Aufzugs\u00fcberwachung machbar, wie erste Prototypen und Praxistests beweisen.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-24113\" class=\"elementor-tab-title\" data-tab=\"13\" role=\"button\" aria-controls=\"elementor-tab-content-24113\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Three-step Alignment Approach for Fitting a Normalized Mask of a Person Rotating in A-Pose or T-Pose Essential for 3D Reconstruction based on 2D Images and CGI Derived Reference Target Pose<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-24113\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"13\" role=\"region\" aria-labelledby=\"elementor-tab-title-24113\"><p>Zwettler, G.; Praschl, C.; Baumgartner, D.; Zucali, T.; Turk, D.; Hanreich, M. and Schuler, A. (2021). Three-step Alignment Approach for Fitting a Normalized Mask of a Person Rotating in A-Pose or T-Pose Essential for 3D Reconstruction based on 2D Images and CGI Derived Reference Target Pose.In Proceedings of the 16th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications &#8211; Volume 5: VISAPP, ISBN 978-989-758-488-6, pages 281-292. DOI: 10.5220\/0010194102810292<\/p><h3><strong>Abstrakt<\/strong><\/h3><p>Die Rekonstruktion von 3D-Silhouetten eines menschlichen K\u00f6rpers, der sich vor einem monokularen Kamerasystem dreht, ist aufgrund der elastischen Verformung und der Positionsfehlanpassung durch die K\u00f6rperbewegung eine sehr anspruchsvolle Aufgabe. Nichtsdestotrotz ist die Kenntnis der 3D-K\u00f6rperform eine Schl\u00fcsselinformation zur pr\u00e4zisen Bestimmung der eigenen Konfektionsgr\u00f6\u00dfen, z. B. f\u00fcr den pr\u00e4zisen Einkauf zur Reduzierung von R\u00fccksendungen im Online-Handel. In diesem Beitrag wird ein neuartiger dreistufiger Ausrichtungsprozess vorgestellt, der As-Rigid-As-Possible (ARAP)-Transformationen verwendet, um das aus OpenPose abgeleitete K\u00f6rpergelenkskelett mit einem CGI-gerenderten Referenzmodell in A- oder T-Position zu normalisieren. Mit weiteren distanzbasierten Registrierungsschritten werden Positionsfehlanpassungen und Ungenauigkeiten aus der OpenPose-Gelenksch\u00e4tzung kompensiert, so dass eine 3D-Silhouettenrekonstruktion eines sich bewegenden und elastischen Objekts m\u00f6glich ist, ohne dass statistische Formmodelle erforderlich sind. Tests sowohl mit k\u00fcnstlichen als auch mit realen Daten belegen die Einsatzbarkeit dieses Ansatzes, wobei alle drei Ausrichtungs-\/Registrierungsschritte f\u00fcr die Datennormalisierung der 3D-Silhouetten-Rekonstruktion wesentlich und ausreichend sind.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a585dbe elementor-widget elementor-widget-heading\" data-id=\"a585dbe\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2020<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6040c99e elementor-widget elementor-widget-accordion\" data-id=\"6040c99e\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1611\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1611\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Automatic Detection of Objects Blocking Elevator Doors using Computer Vision<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1611\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1611\"><p>Baumgartner D., Jordens I., Wilfing D., Krauss O., Zwettler G. (2020). Automatic Detection of Objects Blocking Elevator Doors using Computer Vision. In Proceedings of the 23rd International Congress on Vertical Transportation Technologies.<\/p><p><strong>Abstrakt<\/strong><\/p><p>In diesem Beitrag stellen wir einen neuen Ansatz vor, der Computer-Vision-Methoden auf Bilddaten anwendet, die mit Tiefenwahrnehmungskameras erfasst wurden, um das Innere des Aufzugs abzubilden, die Position und den Zustand der T\u00fcr zu erkennen und Objekte im T\u00fcrbereich zu erkennen. Die Tiefendaten werden verwendet, um die Aufzugskabine als Sicherheitsw\u00fcrfel zu bestimmen, d. h. die Position der T\u00fcr, die Anordnung des Aufzugs usw., w\u00e4hrend die Farbdaten die Erkennung neuer Objekte weiter verbessern. Der Ansatz kann den Zustand der Aufzugst\u00fcr als entweder ge\u00f6ffnet oder geschlossen erkennen, w\u00e4hrend kein Objekt die Sicht auf die T\u00fcr versperrt, sowie erfolgreich Objekte identifizieren, die eine offene T\u00fcr blockieren. Diese Aufzugs\u00fcberwachung erweist sich als relevant f\u00fcr die Bestimmung des Aufzugszustands, die Sicherheit sowie Aspekte der vorausschauenden Wartung.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1612\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1612\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Characterizing Energy Consumption of Third-Party API Libraries using API Utilization Profiles<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1612\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1612\"><p>ACM\/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM), 2020, Andreas Schuler and Gabriele Kotsis (<a href=\"http:\/\/dx.doi.org\/10.13140\/RG.2.2.31812.45444\">Preprint<\/a>) (<a href=\"https:\/\/doi.org\/10.5281\/zenodo.3952021\">Replication Package<\/a>)<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1613\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1613\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Towards the Use of Standardized Terms in Clinical Case Studies for Process Mining in Healthcare<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1613\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1613\"><div id=\"panel-33-0-0-0\" class=\"so-panel widget widget_publication_widget panel-first-child\" data-index=\"0\"><div>Int. J. Environ. Res. Public Health (<a href=\"https:\/\/www.mdpi.com\/1660-4601\/17\/4\/1348\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Helm E., Lin M. A., Baumgartner D., Lin C. A., K\u00fcng J.<\/div><\/div><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1614\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1614\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Towards Knowledge-guided Genetic Improvement<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1614\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1614\"><p>Proceedings of the 8th International Workshop on Genetic Improvement (<a href=\"https:\/\/doi.org\/10.1145\/3387940.3392172\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Krauss O., M\u00f6ssenb\u00f6ck H., Affenzeller M.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1615\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1615\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Evolving sqrt into 1\/x via Software Data Maintenance<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1615\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1615\"><p>GECCO &#8217;20: Proceedings of the Genetic and Evolutionary Computation Conference Companion (<a href=\"https:\/\/doi.org\/10.1145\/3377929.3398110\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Langdon W., Krauss O.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1616\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1616\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Automatically Evolving Lookup tables for Function Approximation<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1616\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1616\"><p>Genetic Programming. EuroGP 2020. Lecture Notes in Computer Science, vol 12101. Springer, Cham (<a href=\"https:\/\/link.springer.com\/chapter\/10.1007%2F978-3-030-44094-7_6\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Krauss O., Langdon W.B.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1617\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1617\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Strategies for Training Deep Learning Models in Medical Domains with Small Reference Datasets<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1617\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1617\"><p>Gerald Zwettler, David Holmes and Werner Backfrieder. &#8222;Strategies for Training Deep Learning Models in Medical Domains with Small Reference Datasets&#8220;. WSCG &#8217;20.<\/p><p><strong>Abstrakt<\/strong><\/p><p>Mit dem stetigen Fortschritt von Deep Learning (DL)<\/p><p>stehen nun leistungsf\u00e4hige Werkzeuge f\u00fcr anspruchsvolle Segmentierungsaufgaben zur Verf\u00fcgung. Dennoch kann der allgemein sehr hohe Bedarf an Trainingsdaten und pr\u00e4zisen Referenzsegmentierungen im medizinischen Bereich bei der Bearbeitung kleiner und individueller Studien oder Erfassungsprotokolle oft nicht gedeckt werden. Als g\u00e4ngige Strategien sind Reinforcement Learning oder Transfer Learning anwendbar, aber aufgrund der dom\u00e4nenspezifischen Anpassung mit immensem Aufwand koh\u00e4rent. In dieser Arbeit wird die Anwendbarkeit einer U-Netz-Kaskade f\u00fcr das Training auf einer sehr geringen Menge von abdominellen MRT-Datens\u00e4tzen des Parenchyms evaluiert und Strategien zur Kompensation des Mangels an Trainingsdaten diskutiert. Obwohl die Modellgenauigkeit beim Training auf 13 MRT-B\u00e4ndern mit erreichbarem JI=89,41 eher gering ist, sind die Ergebnisse immer noch gut genug f\u00fcr eine j\u00e4hrliche Nachbearbeitung unter Verwendung eines Graph-Cut (GC)-Ansatzes mit mittlerem Bedarf an Benutzerinteraktion. Auf diese Weise werden die DL-Modelle umgeschult, wenn zus\u00e4tzliche Testdatens\u00e4tze verf\u00fcgbar werden, um die Klassifikationsgenauigkeit anschlie\u00dfend zu verbessern. Mit nur 2 zus\u00e4tzlichen GC-Postprocessing-Datens\u00e4tzen betr\u00e4gt die Genauigkeit nach der Modellneuschulung JI= 89,87. Dar\u00fcber hinaus wird die Anwendbarkeit von Generativen Adversialen Netzwerken (GAN) im medizinischen Bereich evaluiert, wobei diskutiert wird, axiale CT-Schnitte zusammen mit perfekten Ground-Truth-Referenz-Segmentierungen zu synthetisieren. Es wird f\u00fcr abdominale CT-Schnitte des Parenchyms gezeigt, dass bei fehlenden Trainingsdaten synthetisierte Schnitte, die in beliebiger Anzahl abgeleitet werden k\u00f6nnen, den DL-Trainingsprozess signifikant verbessern k\u00f6nnen, wenn nur eine unzureichende Datenmenge zur Verf\u00fcgung steht. W\u00e4hrend das Training auf 2.200 Realbildern nur zu einer Genauigkeit von JI=88,75 f\u00fchrt, f\u00fchrt die Anreicherung mit 2.200 zus\u00e4tzlichen Bildern, die aus einer auf 5.000 Datens\u00e4tzen trainierten GAN synthetisiert werden, zu einer Steigerung bis zu JI=92,02. Selbst wenn das DL-Modell ausschlie\u00dflich auf 4.400 computergenerierten Bildern trainiert wird, ist die Klassifikationsgenauigkeit auf Realweltdaten mit JI=90,81 bemerkenswert.<\/p><p>\u00a0<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1618\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-1618\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Pre- and Post-processing Strategies for Generic Slice-wise Segmentation of Tomographic 3D datasets Utilizing U-Net Deep Learning Models Trained for Specific Diagnostic Domains<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1618\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-1618\"><p>G. Zwettler, D. Holmes III, W. Backfrieder &#8211; Pre- and Post-processing Strategies for Generic Slice-wise Segmentation of Tomographic 3D datasets Utilizing U-Net Deep Learning Models Trained for Specific Diagnostic Domains &#8211; Proceedings of the VISAPP 2020, Valetta, Malta, 2020, pp. 66-78<\/p><p><strong>Abstrakt<\/strong><\/p><p>Ein automatisiertes und allgemein anwendbares Verfahren zur Segmentierung steht nach wie vor im Fokus der medizinischen Bildverarbeitungsforschung. Seit einigen Jahren zeigen Methoden der k\u00fcnstlichen Intelligenz vielversprechende Ergebnisse, insbesondere mit weit verbreiteten skalierbaren Deep-Learning-Bibliotheken. In dieser Arbeit wird ein f\u00fcnfschichtiges Hybrid-U-Netz zur scheibenweisen Segmentierung von Leber-Datens\u00e4tzen entwickelt. Die Trainingsdaten stammen aus der Medical Segmentation Decathlon-Datenbank, die 131 vollst\u00e4ndig segmentierte B\u00e4nde umfasst. Es wird ein schichtorientiertes Segmentierungsmodell unter Verwendung von Algorithmen f\u00fcr Deep Learning mit Anpassungen f\u00fcr variable Parenchymform entlang der Stapelrichtung und \u00c4hnlichkeiten zwischen benachbarten Schichten implementiert. Beide werden f\u00fcr koronale und sagittale Ansichten transformiert. Die Implementierung erfolgt auf einem GPU-Rack mit TensorFlow und Keras. F\u00fcr ein quantitatives Ma\u00df der Segmentierungsgenauigkeit werden standardisierte Volumen- und Oberfl\u00e4chenmetriken verwendet. Die Ergebnisse DSC=97.59, JI=95.29 und NSD=99.37 zeigen eine korrekte Segmentierung, vergleichbar mit 3D-U-Netzen und anderen dem Stand der Technik entsprechenden U-Netzen. Die Entwicklung eines 2D-Schnittes orientierte Segmentierung wir durch die Vorteile kurzer Trainingszeiten und geringere Komplexit\u00e4t gerechtfertigt und reduziert auch massiv den Speicherverbrauch. Diese Arbeit manifestiert das hohe Potenzial von KI-Methoden f\u00fcr die allgemeine Anwendung in der Medizin. Segmentierung als voll- oder halbautomatisches Werkzeug unter Aufsicht des fachkundigen Benutzers.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1619\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-1619\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Hybrid Approach for Orientation-Estimation of Rotating Humans in Video Frames Acquired by Stationary Monocular Camera<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1619\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-1619\"><p>Baumgartner,D., Praschl,C., Zucali,T., Zwettler,G.: 1. Hybrid Approach for Orientation-Estimation of Rotating Humans in Video Frames Acquired by Stationary Monocular Camera<\/p><p><strong>Abstrakt<\/strong><\/p><p>Die pr\u00e4zise Orientierungssch\u00e4tzung des Menschen in Bezug auf die POSE eines monokularen Kamerasystems ist aufgrund allgemeiner Aspekte der Kamerakalibrierung und der Verformbarkeit eines sich bewegenden menschlichen K\u00f6rpers eine anspruchsvolle Aufgabe. Daher sind neuartige Ans\u00e4tze des Deep Learnings zur pr\u00e4zisen Bestimmung der Objektposition in der Robotik schwer f\u00fcr die Analyse des menschlichen K\u00f6rpers zu adaptieren. In dieser Arbeit wird ein hybrider Ansatz f\u00fcr die genaue Sch\u00e4tzung eines menschlichen K\u00f6rpers relativ zu einem Kamerasystem vorgestellt, wodurch die aus poseNet abgeleiteten Ergebnisse durch Anwendung der Analyse des optical Flows in einem Frame-zu-Frame-Vergleich deutlich verbessert werden. Der menschliche K\u00f6rper, der sich vor Ort in T-Position dreht, wird dabei in der Mitte ausgerichtet, wobei Objektverfolgungsmethoden zur Kompensation von Translationen der K\u00f6rperbewegung angewendet werden. Nach der 2D-Skelettextraktion wird der optical Flow f\u00fcr einen ROI-Bereich berechnet, der relativ zur vertikalen Skelettverbindung, die die Wirbels\u00e4ule darstellt, ausgerichtet ist, und Bild f\u00fcr Bild verglichen. Um die Eignung der Kleidung als Grundlage f\u00fcr gute Merkmale zu bewerten, wird die lokale Pixelhomogenit\u00e4t ber\u00fccksichtigt, um den optical Flow auf heterogene Regionen mit Unterscheidungsmerkmalen wie Aufdruckmuster, Kn\u00f6pfe oder Schnallen neben der lokalen Beleuchtungs\u00e4nderung zu beschr\u00e4nken. Basierend auf dem mittleren optical Flow mit grober Ann\u00e4herung an die axiale K\u00f6rperform als Ellipse wird eine Genauigkeit zwischen 0,1\u00b0 und 2,0\u00b0 f\u00fcr die Orientierungssch\u00e4tzung auf einem Frame-zu-Frame-Vergleich erreicht, der sowohl auf CGI-Renderings als auch auf realen Videos von Personen, die Kleidung mit unterschiedlichen Merkmalen tragen, ausgewertet und validiert wird.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-16110\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-16110\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Enabling outdoor MR capabilities for head mounted displays: a case study<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-16110\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-16110\"><p>International Journal of Simulation and Process Modelling<\/p><p>C. Praschl, O. Krauss, G. Zwettler<\/p><p><strong>Abstrakt<\/strong><\/p><p>Diese Forschungsarbeit umfasst generische Ans\u00e4tze zur Bestimmung der Au\u00dfenposition und -orientierung eines Augmented-Reality-Ger\u00e4ts aufgrund der mangelnden Au\u00dfentauglichkeit der derzeit auf dem Markt erh\u00e4ltlichen tiefen- oder umgebungserkennungssensorbasierten Ger\u00e4te. Die Bestimmung der Orientierung erfolgt prim\u00e4r mit einem Attitude Heading Reference System (AHRS) zur groben Absch\u00e4tzung. Basierend auf einer angeschlossenen\/eingebauten Videokamera wird die Genauigkeit bei geringf\u00fcgigen \u00c4nderungen der Orientierung durch die Anwendung der Registrierung zur Bewertung der Orientierungsunterschiede zwischen zwei Videobildern verbessert, wodurch Gyroskop-Driftfehler kompensiert werden. Die Positionsbestimmung erfolgt mittels GPS mit einem kinematischen Echtzeit-Bakensystem mit Rover- und Basisstation, um eine verbesserte Genauigkeit zu erreichen. Die Ergebnisse zeigen, dass aufgrund der Sensoranwendung AR-Hardware, die f\u00fcr den Einsatz in Innenr\u00e4umen in Betracht gezogen wird, so umger\u00fcstet werden kann, dass sie im Freien, bei gro\u00dfen Entfernungen und sogar in fahrenden Fahrzeugen einwandfrei funktioniert. Dadurch wird die zuk\u00fcnftige Implementierung von Anwendungen in verschiedenen Bereichen erleichtert.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-16111\" class=\"elementor-tab-title\" data-tab=\"11\" role=\"button\" aria-controls=\"elementor-tab-content-16111\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Integrating HeuristicLab with Compilers and Interpreters for Non-Functional Code Optimization<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-16111\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"11\" role=\"region\" aria-labelledby=\"elementor-tab-title-16111\"><p>Daniel Dorfmeister, and Oliver Krauss. 2020. \u201cIntegrating HeuristicLab with Compilers and Interpreters for Non-Functional Code Optimization.\u201d In Proceedings of the Genetic and Evolutionary Computation Conference Companion &#8211; GECCO \u201920. Cancun, Mexico: ACM Press. (<a href=\"https:\/\/doi.org\/10.1145\/3377929.3398103\">Details<\/a>).<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-16112\" class=\"elementor-tab-title\" data-tab=\"12\" role=\"button\" aria-controls=\"elementor-tab-content-16112\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Adopting Standard Clinical Descriptors for Process Mining Case Studies in Healthcare<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-16112\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"12\" role=\"region\" aria-labelledby=\"elementor-tab-title-16112\"><p>Emmanuel Helm, Anna M. Lin, David Baumgartner, Alvin C. Lin und Josef K\u00fcng. 2020. \u201cAdopting Standard Clinical Descriptors for Process Mining Case Studies in Healthcare\u201d.<\/p><p><strong>Abstrakt<\/strong><\/p><p>Process Mining kann einen besseren Einblick in medizinische Behandlungsprozesse und organisatorische Abl\u00e4ufe im Gesundheitswesen bieten. Eine Durchsicht der Fallstudien in der Literatur hat mehrere verschiedene gemeinsame Aspekte zum Vergleich identifiziert, zu denen Methoden, Algorithmen oder Techniken, medizinische Bereiche und Spezialgebiete des Gesundheitswesens geh\u00f6ren. Aus medizinischer Sicht werden die klinischen Begriffe jedoch nicht in einer einheitlich verwendet und folgen nicht einem standardisierten klinischen Kodierungsschema. Au\u00dferdem sind die Merkmale der Ereignisprotokolldaten nicht immer beschrieben. In dieser Abhandlung haben wir 38 klinisch relevante Fallstudien zum Thema Process Mining im Gesundheitswesen identifiziert, die zwischen 2016 und 2018 ver\u00f6ffentlicht wurden und die die verwendeten Tools, Algorithmen und Techniken sowie Einzelheiten zu den Ereignisprotokolldaten beschrieben. Anschlie\u00dfend ordneten wir die klinischen Aspekte der Patientenbegegnungsumgebung, des klinischen Fachgebiets und der medizinischen Diagnosen unter Verwendung der standardm\u00e4\u00dfigen klinischen Kodierungsschemata SNOMED CT und ICD-10 zu. Die m\u00f6glichen Ergebnisse der Annahme ein Standardansatz f\u00fcr die Beschreibung von Ereignisprotokolldaten und die Klassifizierung medizinischer Terminologie unter Verwendung von standardm\u00e4\u00dfigen klinischen Kodierungsschemata werden diskutiert.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3c4fc983 elementor-widget elementor-widget-heading\" data-id=\"3c4fc983\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2019<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-32200a15 elementor-widget elementor-widget-accordion\" data-id=\"32200a15\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-8401\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-8401\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Examining the energy impact of sorting algorithms on android: an empirical study<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-8401\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-8401\"><p>Proceedings of the 16th EAI International Conference on Mobile and Ubiquitous Systems: Computing, Networking and Services, 2020, Andreas Schuler and Gabriele Kotsis (<a href=\"https:\/\/dl.acm.org\/doi\/abs\/10.1145\/3360774.3360808\">Paper Link<\/a>)<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-8402\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-8402\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">The State and Future of Genetic Improvement<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-8402\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-8402\"><p>IGSOFT Softw. Eng. Notes 44, 3 (July 2019) (<a href=\"https:\/\/dl.acm.org\/doi\/10.1145\/3356773.3356801\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>William B. Langdon, Westley Weimer, Christopher Timperley, Oliver Krauss, Zhen Yu Ding, Yiwei Lyu, Nicolas Chausseau, Eric Schulte, Shin Hwei Tan, Kevin Leach, Yu Huang, and Gabin An<\/p><p>arXiv preprint arXiv:1907.03773<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-8403\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-8403\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Pre- and Post-processing Strategies for Generic Slice-wise Segmentation of Tomographic 3D datasets Utilizing U-Net Deep Learning Models Trained for Specific Diagnostic Domains<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-8403\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-8403\"><p>Proceedings of the VISAPP 2020, Valetta, Malta, 2020, pp. 12<br \/>G. Zwettler, D. Holmes III, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-8404\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-8404\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Adopting Standard Clinical Descriptors for Process Mining Case Studies in Healthcare<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-8404\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-8404\"><p>Process-Oriented Data Science for Healthcare (<a href=\"http:\/\/pods4h.com\/wp-content\/uploads\/2019\/08\/PODS4H19_paper13v2.pdf\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Emmanuel Helm, David Baumgartner, Anna M. Lin, Alvin Lin, Josef K\u00fcng<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-8405\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-8405\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Mining patterns from genetic improvement experiments<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-8405\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-8405\"><p>Proceedings of the 6th International Workshop on Genetic Improvement<br \/>Oliver Krauss, Hanspeter M\u00f6ssenb\u00f6ck, Michael Affenzeller<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-8406\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-8406\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Automated Verification of Structured Questionnaires Using HL7\u00ae FHIR\u00ae<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-8406\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-8406\"><p>ICT for Health Science Research<br \/>A. Lin, O. Krauss, E. Helm<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-8407\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-8407\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Process Pruner: A Tool for Sequence-Based Event Log Preprocessing<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-8407\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-8407\"><p>Process Mining Conference 2019 &#8211; 1st International Conference on Process Mining, June 24-26, 2019, Aachen, Germany<br \/>Baumgartner D., Haghofer A., Limberger M., Helm E.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-8408\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-8408\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Analysis of Heart Rate Variability (HRV) Feature Robustness for Measuring Technostress<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-8408\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-8408\"><p>Information Systems and Neuroscience, p. 221 &#8211; 228, Springer Verlag<br \/>Baumgartner D., Fischer T. Riedl R., Dreiseitl S.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9ffb05f elementor-widget elementor-widget-heading\" data-id=\"9ffb05f\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2018<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3763d15d elementor-widget elementor-widget-accordion\" data-id=\"3763d15d\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9291\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-9291\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Teaching Better Requirements Engineering Using LEGO\u00ae Serious Play\u2122<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9291\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-9291\"><p>Proc. 9th Intl. Conf. on Society and Information Technologies (ICSIT 2018), Orlando, Vereinigte Staaten von Amerika, 2018, pp. 126-131<br \/>Mayr, H.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9292\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-9292\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Towards a Framework for Detecting Energy Drain in Mobile Applications \u2013 An Architecture Overview<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9292\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-9292\"><p>Proceeding ISSTA &#8217;18 Companion Proceedings for the ISSTA\/ECOOP 2018 Workshops Pages 144-149 (<a href=\"https:\/\/dl.acm.org\/citation.cfm?id=3236504\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Schuler, A. and Anderst-Kotsis G. &#8211; MANA<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9293\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-9293\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Process Mining and Conformance Checking of Long Running Processes in the Context of Melanoma Surveillance<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9293\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-9293\"><p>International journal of environmental research and public health (<a href=\"https:\/\/www.mdpi.com\/1660-4601\/15\/12\/2809\/htm\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Rinner C., Helm E., Dunkl R., Kittler H., Rinderle-Ma S.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9294\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-9294\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Dynamic fitness functions for genetic improvement in compilers and interpreters<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9294\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-9294\"><p>GECCO &#8217;18: Proceedings of the Genetic and Evolutionary Computation Conference Companion (<a href=\"https:\/\/dl.acm.org\/authorize?N676105\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Krauss, O. M\u00f6ssenb\u00f6ck, H. Affenzeller, M. &#8211; GCE<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9295\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-9295\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">An Application of Process Mining in the Context of Melanoma Surveillance using Time Boxing<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9295\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-9295\"><p>International Conference on Business Process Management (<a href=\"https:\/\/link.springer.com\/chapter\/10.1007\/978-3-030-11641-5_14\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Rinner C., Helm E., Dunkl R., Kittler H., Rinderle-Ma S.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9296\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-9296\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Model-Based Image Processing Approaches For Automated Person Identification And Authentification In Online Banking<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9296\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-9296\"><p>Proceedings of the 30th European Modeling and Simulation Symposium EMSS2018, Budapest, Ungarn, 2018<br \/>A. Pointner, O. Krauss, G. Freilinger, D. Strieder, G. Zwettler &#8211; GUIDE<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9297\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-9297\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Towards Retooling The Microsoft HoloLens As Outdoor AR And MR Device<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9297\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-9297\"><p>Proceedings of the 30th European Modeling and Simulation Symposium EMSS2018, Budapest, Ungarn, 2018<br \/>C. Praschl, O. Krauss, G. Zwettler &#8211; Drive for Knowledge<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9298\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-9298\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Towards Semantic Interoperability in Health Data Management Facilitating Process Mining<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9298\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-9298\"><p>International Journal of Privacy and Health Information Management (IJPHIM)<br \/>Traxler B., Helm E., Krauss O., Schuler A., Kueng J.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-9299\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-9299\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">A Model for Implementing an Interoperable Electronic Consent Form for Medical Treatment Using HL7 FHIR<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-9299\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-9299\"><p>European Journal of Biomedical Informatics (<a href=\"https:\/\/www.ejbi.org\/abstract\/a-model-for-implementing-an-interoperable-electronic-consent-form-for-medical-treatment-using-hl7-fhir-4618.html\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Lackerbauer A., Lin A., Krauss O., Hearn J., Helm E.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-92910\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-92910\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Cross-Enterprise Communication and Data Exchange in Radiology in Austria: Technology and Use Cases<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-92910\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-92910\"><p>Studies in health technology and informatics<br \/>Helm E., Schuler A., Mayr H.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-76a62614 elementor-widget elementor-widget-heading\" data-id=\"76a62614\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2017<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1d96aa3a elementor-widget elementor-widget-accordion\" data-id=\"1d96aa3a\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-4961\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-4961\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">An active surface approach for segmentation of bone fragments in trauma surgery planning<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-4961\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-4961\"><p>Proceedings of the International Workshop on Innovative Simulation for Health Care (IWISH), Barcelona, Spanien, 2017, pp. 26-31<br \/>W. Backfrieder, B. Kerschbaumer, G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-4962\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-4962\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">ADAPTED ICP ALGORITHM FOR SURFACE BASED REGISTRATION IN IMAGE GUIDED SURGERY<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-4962\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-4962\"><p>Proceedings of the International Workshop on Innovative Simulation for Healthcare IWISH 2017, Barcelona, Spanien, 2017<br \/>W. Backfrieder, G. Zwettler, B. Kerschbaumer<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-4963\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-4963\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Genetic improvement in code interpreters and compilers<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-4963\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-4963\"><p>Akkordeon InhaltaSPLASH \/ OOPSLA 2017 (<a href=\"https:\/\/dl.acm.org\/authorize?N676106\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>O. Krauss<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-4964\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-4964\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Audit trails in OpenSLEX: paving the road for process mining in healthcare<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-4964\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-4964\"><p>ITBAM 2017, 8th International Conference on Information Technology in Bio-and Medical Informatics, Lyon, France (<a href=\"https:\/\/www.narcis.nl\/publication\/RecordID\/oai:pure.tue.nl:publications%2F2988324c-1996-4560-bb0a-b9a690af8bf0\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Gonz\u00e1lez L\u00f3pez De Murillas E., Helm E., Reijers HA., K\u00fcng J., Bursa M., Holzinger A., Elena Renda M., Khuri S.<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-4965\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-4965\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Application of search-based software engineering methodologies for test suite optimization and evolution in mission critical mobile application development<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-4965\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-4965\"><p>Proceedings of the 2017 11th Joint Meeting on Foundations of Software Engineering (<a href=\"https:\/\/dl.acm.org\/citation.cfm?id=3119876\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>A. Schuler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-4966\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-4966\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Towards standards based health data extraction facilitating process mining<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-4966\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-4966\"><p>6th International Workshop on Innovative Simulation for Health Care (IWISH 2017) (<a href=\"http:\/\/toc.proceedings.com\/36085webtoc.pdf\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>E. Helm, B. Franz, A. Schuler, O. Krauss, J. K\u00fcng<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-4967\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-4967\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Challenges and Approaches to Make Multidisciplinary Team Meetings Interoperable \u2013 The KIMBo Project.<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-4967\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-4967\"><p>Studies in Health Technology and Informatics, 2017 &#8211; 236 (<a href=\"https:\/\/www.ncbi.nlm.nih.gov\/pubmed\/28508780\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>Krauss O, Holzer K, Schuler A, Egelkraut R, Franz B. &#8211; KIMBO<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-47525aa1 elementor-widget elementor-widget-heading\" data-id=\"47525aa1\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2016<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c7c3a1c elementor-widget elementor-widget-accordion\" data-id=\"c7c3a1c\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2091\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-2091\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Process Mining: Towards Comparability of Healthcare Processes.<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2091\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-2091\"><p>Information Technology in Bio- and Medical Informatics, Porto, Portugal, 2016 (<a href=\"http:\/\/link.springer.com\/book\/10.1007%2F978-3-319-43949-5\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>E. Helm, J. K\u00fcng<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2092\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-2092\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Elevator Simulation for Testing Advertisement Scheduling Systems<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2092\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-2092\"><p>IEEE Advanced Information Management,Communicates,Electronic and Automation Control Conference, Xi&#8217;an, Xi&#8217;an, China, 2016 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/5509\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>D. Wilfing, O. Krauss, A. Schuler &#8211; ARISE<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2093\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-2093\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ml\">Heuristics for Job Shop Scheduling with Volatile Machine Constraints<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2093\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-2093\"><p>IEEE Advanced Information Management,Communicates,Electronic and Automation Control Conference, Xi&#8217;an, Xi&#8217;an, China, 2016 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/5508\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>O. Krauss, D. Wilfing, A. Schuler &#8211; ARISE<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2094\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-2094\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Multidisciplinary Team Meetings-A Literature Based Process Analysis<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2094\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-2094\"><p>Information Technology in Bio- and Medical Informatics, Porto, Portugal, 2016 (<a href=\"http:\/\/link.springer.com\/book\/10.1007%2F978-3-319-43949-5\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>O. Krauss, M. Angermaier, E. Helm &#8211; KIMBO<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-18e2ee21 elementor-widget elementor-widget-heading\" data-id=\"18e2ee21\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2015<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1df51b87 elementor-widget elementor-widget-accordion\" data-id=\"1df51b87\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5021\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-5021\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Automated On-Demand Generation Of Patient Summary Documents<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5021\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-5021\"><p>International Journal of Electronics and Telecommunications, Vol. 61, No. 2, 2015, pp. 151-157<br \/>O. Krauss, B. Franz, A. Schuler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5022\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-5022\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Quantifizierung leichter mentaler Erregung durch korrelative Ver\u00e4nderungen von HK- und metabolischen Parametern anhand einer 3-D Gefahrensimulation<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5022\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-5022\"><p>NIEREN-UND HOCHDRUCKKRANKHEITEN, Vol. 44, No. 10, 2015, pp. 9<br \/>S. Porta, G. Zwettler, W. Kurschl, C. Dinu, G. Juttla, K. Pichlkastner, H. Gell, B. Kaiser, K. Kisters<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5023\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-5023\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Topological Fragmentation of Medical 3D Surface Mesh Models for Multi- Hierarchy Anatomical Classification<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5023\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-5023\"><p>International Journal of Electronics and Telecommunications, Vol. 60, No. 6, 2015, pp. 1-8<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5024\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-5024\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Rotated Principal Components for Fuzzy Segmentation Szintigraphic Time Series in Individual Dose Planning<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5024\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-5024\"><p>Proceedings of the 2015 I-WISH, The International Workshop on Innovative Simulation for Healthcare , Bergeggi, Italien, 2015, pp. 6<br \/>W. Backfrieder, G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5025\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-5025\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Evolution Strategy Classification Utilizing Meta Features and Domainspecific Statistical A Priori Models for Fully-automated and Entire Segmentation of Medical Datasets in 3D Radiology<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5025\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-5025\"><p>Proceedings of the IEEE International conference on Computing and Communications Technologies (ICCCT&#8217;15), Chennai, Indien, 2015, pp. 1-7<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5026\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-5026\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Prefetching of Medical Imaging Data Across XDS Affinity Domains<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5026\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-5026\"><p>eHealth2015 \u2013 Health Informatics Meets eHealth, Wien, \u00d6sterreich, 2015 (<a href=\"http:\/\/ebooks.iospress.nl\/volume\/ehealth2015-health-informatics-meets-ehealth-innovative-health-perspectives-personalized-health\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>E. Helm, A. Schuler, O. Krauss, B. Franz<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5027\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-5027\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Applying FHIR in an Integrated Health Monitoring System<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5027\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-5027\"><p>European Journal for Biomedical Informatics, Vol. 11, No. 2, 2015 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/4670\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>B. Franz, A. Schuler, O. Krauss<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5028\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-5028\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">A Comparison of Data Traffic in Standardized Personal Health Monitoring Solutions<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5028\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-5028\"><p>International Journal of Electronics and Telecommunications, Vol. 61, No. 2, 2015 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/4668\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>A. Schuler, B. Franz, O. Krauss<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-5029\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-5029\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth ml\">From IHE Audit Trails to XES Event Logs Facilitating Process Mining<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-5029\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-5029\"><p>MIE, Digital Healthcare Empowering Europeans, Madrid, Spanien, 2015, pp. 40-44 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/4665\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>F. Paster, E. Helm<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-50210\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-50210\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth ml\">First Steps Towards Process Mining in Distributed Health Information Systems<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-50210\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-50210\"><p>International Journal of Electronics and Telecommunications, Vol. 61, No. 2, 2015, pp. 137-142 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/4663\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>E. Helm, F. Paster<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5dcb84ff elementor-widget elementor-widget-heading\" data-id=\"5dcb84ff\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2014<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6fa57627 elementor-widget elementor-widget-accordion\" data-id=\"6fa57627\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1871\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1871\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">AUTOMATED DOMAIN-SPECIFIC FEATURE SELECTION FOR CLASSIFICATION-BASED SEGMENTATION OF TOMOGRAPHIC MEDICAL IMAGE DATA<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1871\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1871\"><p>Proceedings of the 3rd International Workshop on Innovative Simulation for Healthcare IWISH 2014, Bordeaux, Frankreich, 2014, pp. 26-35<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1872\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1872\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Robust surface based registration in an open framework for image guided surgery<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1872\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1872\"><p>Proceedings of the 3rd International Workshop on Innovative Simulation for Healthcare IWISH 2014, Bordeaux, France, 2014, pp. 36-41<br \/>W. Backfrieder, G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1873\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1873\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Simulation of Tomographic Medical Image Data for Training of Generic Segmentation Models Utilizing Multivariate Feature Classification<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1873\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1873\"><p>California, USA, Vereinigte Staaten von Amerika, 2014, pp. 9<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1874\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1874\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Adaptable Topological Model for Segmentation of Medical 3D Data Utilizing Multivariate Heuristic Feature Classification<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1874\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1874\"><p>Tagungsband des 8. Forschungsforum der \u00f6sterreichischen Fachhochschulen, Kufstein, \u00d6sterreich, 2014, pp. 296-300<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1875\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1875\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Applicability of a Standardized Modular Image Processing Model for Analysis of Tomographic 3D Patient Data in Clinical Research and Radiographer Training<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1875\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1875\"><p>Tagungsband des 8. Forschungsforum der \u00f6sterreichischen Fachhochschulen, Kufstein, \u00d6sterreich, 2014, pp. 482-483<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1876\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1876\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">General Model-Based Segmentation Strategy for Holistic Analysis of Tomographic Medical Image Data in 3D Radiology<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1876\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1876\"><p>Phd Thesis, University Vienna, Austria, 2014, pp. 1-273<br \/>G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1877\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1877\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Regelbasierte Generierung von Benutzerschnittstellen f\u00fcr Mobile Anwendungsplattformen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1877\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1877\"><p>Gesundheitswesen im Wandel &#8211; nationale und internationale Perspektiven (Editors: Erwin Gollner, Magdalena Thaller) &#8211; Leykam, 2014, pp. 30-35 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/4439\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>A. Schuler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-443ca5eb elementor-widget elementor-widget-heading\" data-id=\"443ca5eb\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2013<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-28c2275d elementor-widget elementor-widget-accordion\" data-id=\"28c2275d\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6831\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-6831\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">EPSIAE-European Exchange of Higher Education<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6831\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-6831\"><p>Cross-Cultural Conference 2013, Steyr, \u00d6sterreich, 2013, pp. 253-263<br \/>M. Gaisch, C. Holzmann, W. Kurschl, H. Mayr, S. Selinger<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6832\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-6832\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Architecture and Design of a Generic Device Server for Virtual Reality Hardware Integration in Surgical Navigation<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6832\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-6832\"><p>LECTURE NOTES IN COMPUTER SCIENCE, Vol. 8112, No. 1, 2013, pp. 166-173 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/3253\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6833\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-6833\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">GENERIC MODEL-BASED APPLICATION OF MODULAR IMAGE PROCESSING CHAINS FOR MEDICAL 3D DATA ANALYSIS IN CLINICAL RESEARCH AND RADIOGRAPHER TRAINING<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6833\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-6833\"><p>Proceedings of The International Workshop on Innovative Simulation for Healthcare IWISH 2013 , Athens, Greece, Griechenland, 2013, pp. 58-64<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6834\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-6834\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Segmentation by multispectral analysis of MR image data for 3D modelling in surgical planning<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6834\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-6834\"><p>Proceedings of The International Workshop on Innovative Simulation for Healthcare IWISH 2013 , Athens, Greece, Griechenland, 2013, pp. 28-33<br \/>W. Backfrieder, B. Kerschbaumer, G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6835\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-6835\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Generic 3D Segmentation in Medicine based on a Self-learning Topological Model<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6835\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-6835\"><p>Proceedings of the 8th International Conference on Computer Vision Theory and Applications, Barcelona, Spanien, 2013, pp. 104-108<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6836\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-6836\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Generic Device Server Implementation for Virtual Reality Hardware Integration in Surgical Training<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6836\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-6836\"><p>Computer Aided Systems Theory (Eurocast 2013), Las Palmas, Spanien, 2013, pp. 118-119<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6837\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-6837\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Rule-Based Generation of Mobile User Interfaces<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6837\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-6837\"><p>Proceedings of the 10th International Conference on Information Technology: New Generations (ITNG 2013), Las Vegas, Nevada, USA, 2013 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/3253\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>A. Schuler, B. Franz<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6838\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-6838\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Context-enriched personal health monitoring<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6838\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-6838\"><p>6. Deutscher AAL-Kongress, Berlin, Deutschland, 2013, pp. 1-7 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/3210\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>B. Franz, M. Buchmayr, A. Schuler, W. Kurschl<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-6839\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-6839\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Analysis of Clinical Documents to Enable Semantic Interoperability<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-6839\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-6839\"><p>Database and Expert Systems Applications, Prague, Tschechische Republik, 2013, pp. 466-473 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/3864\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>B. Franz, A. Schuler, E. Helm<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-68310\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-68310\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Regelbasierte Entwicklung von Barrierefreien und Plattformunabh\u00e4ngigen Mobilen Benutzeroberfl\u00e4chen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-68310\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-68310\"><p>eHealth2013 \u2013 Von der Wissenschaft zur Anwendung und zur\u00fcck. , Wien, \u00d6sterreich, 2013, pp. 207-218 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/3850\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>E. Helm, A. Schuler, H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5e92d693 elementor-widget elementor-widget-heading\" data-id=\"5e92d693\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2012<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-66be2c92 elementor-widget elementor-widget-accordion\" data-id=\"66be2c92\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1721\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1721\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Semantikerhaltung beim Austausch elektronischer Gesundheitsdaten zur Unterst\u00fctzung der integrierten Versorgung \u00e4lterer Menschen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1721\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1721\"><p>Proceedings IV Kongress 2012, Linz, \u00d6sterreich, 2012<br \/>B. Franz<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1722\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1722\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">A New Hybrid Algorithm Based on Watershed Method, Confidence Connected Thresholding and Region Merging as Preprocessing for Statistical Classification of General Medical Images<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1722\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1722\"><p>Proceedings of the 24th European Modeling and Simulation Symposium EMSS 2012, Vienna, \u00d6sterreich, 2012, pp. 73-81<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1723\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1723\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Energie- und kostenoptimierter Geb\u00e4udeentwurf durch automatische Simulation von Architektur und Materialauswahl<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1723\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1723\"><p>Tagungsband FFH 2012, Graz, \u00d6sterreich, 2012, pp. 185-189<br \/>G. Zwettler, S. Hinterholzer, P. Track, F. Waschaurek, E. Hagmann, R. Woschitz<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1724\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1724\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Mobile Access to Healthcare Monitoring Data for Patients and Medical Personnel<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1724\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1724\"><p>MIE, Quality of Life through Quality of Information, Pisa, Italien, 2012 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/2875\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>M. Strasser, E. Helm, A. Schuler, M. Fuschlberger, B. Altendorfer<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1725\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1725\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Mobile health solutions for empowered, health-conscious individuals and patients<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1725\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1725\"><p>Proceedings of the 10th International Conference on Information Communication Technologies in Health, Samos, Greece, Griechenland, 2012, pp. 422-432 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/2854\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>M. Strasser, E. Helm, B. Franz, H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1726\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1726\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Telemonitoring f\u00fcr mobile Pflegedienste: Entwicklung von standardkonformen Schnittstellen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1726\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1726\"><p>eHealth2012 \u2013 Health Informatics meets eHealth \u2013 von der Wissenschaft zur Anwendung und zur\u00fcck, Wien, \u00d6sterreich, 2012, pp. 179-184 (<a href=\"http:\/\/research.fh-ooe.at\/de\/publication\/2836\" target=\"_blank\" rel=\"noopener\">Details<\/a>)<br \/>M. Strasser, E. Helm, A. Schuler, B. Franz, H. Mayr, C. David<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1727\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1727\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">e-Health \u2013 Die IT-Basis f\u00fcr eine Integrierte Versorgung: Chancen und Risiken aus technischer Sicht<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1727\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1727\"><p>Proceedings IV Kongress 2012, Linz, \u00d6sterreich, 2012<br \/>H. Mayr, B. Franz<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3d6e9396 elementor-widget elementor-widget-heading\" data-id=\"3d6e9396\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2011<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-685fb93b elementor-widget elementor-widget-accordion\" data-id=\"685fb93b\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1751\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1751\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Automatisierte Rekonstruktion klinischer Pfade basierend auf IHE-Integrationsprofilen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1751\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1751\"><p>eHealth 2011, Wien, \u00d6sterreich, 2011, pp. 209-214<br \/>F. Pfeifer, B. Franz, E. Helm, J. Altmann, B. Aichinger<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1752\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1752\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Providing Semantic Interoperability for Integrated Healthcare Using a Model Transformation Approach<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1752\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1752\"><p>Proccedings of 23rd IEEE European Modeling &amp; Simulation Symposium EMSS 2011, Roma, Italien, 2011, pp. 195-200<br \/>B. Franz, H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1753\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1753\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Gyrus and Sulcus Modelling Utilizing a Generic Topography Analysis Strategy for Processing Arbitrarily Oriented 3D Surfaces<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1753\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1753\"><p>Proceedings of the 23rd European Modeling &amp; Simulation Symposium, Rom, Italien, 2011, pp. 111-117<br \/>G. Zwettler, W. Backfrieder, R. Pichler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1754\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1754\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Accelerated Fully 3D Iterative Reconstruction in SPECT<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1754\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1754\"><p>Proceedings of the 23rd European Modeling &amp; Simulation Symposium, Rom, Italien, 2011, pp. 100-104<br \/>W. Backfrieder, G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1755\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1755\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Innovative Klassifizierungskonzepte zur verbesserten quantitativen Diagnostik bei neurodegenerativen Erkrankungen am Beispiel von Alzheimer und Parkinson<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1755\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1755\"><p>Tagungsband FFH 2011 (5. Forschungsforum der \u00f6sterreichischen Fachhochschulen), Wien (Favoriten), \u00d6sterreich, 2011, pp. 38-41<br \/>G. Zwettler, W. Backfrieder, R. Pichler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1756\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1756\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Towards a Normalized Reference System in Building Construction Planning for Automated Quantitative Assessment and Optimization of Energy and Cost Efficiency<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1756\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1756\"><p>Proc. of the 3rd International ICST Conference on IT Revolutions , Cordoba, Spanien, 2011, pp. 20<br \/>G. Zwettler, S. Hinterholzer, P. Track, R. Woschitz, F. Waschaurek, E. Hagmann<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1757\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1757\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Automated Building Construction Design Optimization for Reduction of Construction Costs and Energy Demand<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1757\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1757\"><p>Proceedings of International Conference on Computer Aided Systems Theory EUROCAST 2011, Las Palmas, Spanien, 2011, pp. 233-235<br \/>G. Zwettler, S. Hinterholzer, F. Waschaurek, R. Woschitz, E. Hagmann, P. Track<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1758\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-1758\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Diagnosis of Neurodegenerative Diseases based on Multi-modal Hemodynamic Classification of the Brain<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1758\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-1758\"><p>Proceedings of International Conference on Computer Aided Systems Theory EUROCAST 2011, Las Palmas, Spanien, 2011, pp. 363-365<br \/>G. Zwettler, W. Backfrieder, R. Pichler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1759\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-1759\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Providing Technical and Semantic Interoperability for Integrated Healthcare Using an IHE-Compliant System<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1759\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-1759\"><p>Proceedings IADIS International Conference e-Health 2011 &#8211; EH 2011, Rom, Italien, 2011, pp. 4<br \/>B. Franz, H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3cd1b00e elementor-widget elementor-widget-heading\" data-id=\"3cd1b00e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2010<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-70aee493 elementor-widget elementor-widget-accordion\" data-id=\"70aee493\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1891\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1891\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">e-Care: mobile Informationssysteme im Gesundheitswesen. Elektronischer Austausch pflegerelevanter Daten zwischen h\u00e4uslicher Pflege und Gesundheitseinrichtungen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1891\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1891\"><p>Krankenhaus-IT Journal, Vol. 50, No. 4, 2010, pp. 60-61<br \/>B. Franz<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1892\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1892\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Projekt e-Care \u2013 Ein Schritt in Richtung Integrierte Versorgung<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1892\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1892\"><p>\u00d6KZ Das \u00f6sterreichische Gesundheitswesen, Vol. 51, No. 7, 2010, pp. 9-11<br \/>B. Franz, M. Lehner, M. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1893\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1893\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Harmonizing the Test Support for Object-oriented Legacy Systems Using State-of-the-Art Test Tools<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1893\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1893\"><p>ECOOP 2010 &#8211; 1st Workshop on Testing Object-Oriented Software Systems, Maribor, Slowenien, 2010, pp. 9-15<br \/>A. Strasser, H. Mayr, T. Naderhirn<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1894\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1894\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">BAUOPTIMIZER: MODELLING AND SIMULATION TOOL FOR ENERGY AND COST OPTIMIZATION IN BUILDING CONSTRUCTION PLAN DESIGN<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1894\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1894\"><p>22nd European Modeling and Simulation Symposium EMSS 2010, Fes, Marokko, 2010, pp. 49-58<br \/>G. Zwettler, S. Hinterholzer, E. Hagmann, R. Woschitz, P. Track, F. Waschaurek<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1895\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1895\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Functional Segmentation in 3D Angiography<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1895\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1895\"><p>Tagungsband des 4. Forschungsforum der \u00f6sterreichischen Fachhochschulen, Pinkafeld, \u00d6sterreich, 2010, pp. 79-84<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1896\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1896\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">e-Care: Austausch von pflegerelevanten Daten zwischen h\u00e4uslicher Pflege und Gesundheitseinrichtungen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1896\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1896\"><p>Intelligente Objekte und Mobile Informationssysteme im Gesundheitswesen, Erlangen, Deutschland, 2010<br \/>B. Franz, H. Mayr, M. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1897\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1897\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">IHE-compliant Mobile Application for Integrated Home Healthcare of Elderly People<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1897\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1897\"><p>Proceedings of 7th International Conference on Information Technology : New Generations, Las Vegas, Vereinigte Staaten von Amerika, 2010<br \/>B. Franz, H. Mayr, M. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-49511e0f elementor-widget elementor-widget-heading\" data-id=\"49511e0f\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2009<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3fe1c7d2 elementor-widget elementor-widget-accordion\" data-id=\"3fe1c7d2\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1071\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1071\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">IHExplorer: Visualisierung, Analyse und Optimierung der Systemintegration im Gesundheitswesen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1071\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1071\"><p>eHealth2009, Wien, \u00d6sterreich, 2009, pp. 115-121<br \/>J. Altmann, B. FRANZ, D. M\u00f6rtenschlag, F. Pfeifer, M. Strasser, B. Aichinger, R. Koller<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1072\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1072\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Collaborative Knowledge Networks Based on IHE<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1072\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1072\"><p>Proceedings of 21st European Modeling and Simulation Symposium EMSS 2009, Tenerife, Spanien, 2009, pp. 3<br \/>J. Altmann, F. Pfeifer, M. Strasser, B. Franz, H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1073\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1073\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">FAST FULLY-AUTOMATED MODEL-DRIVEN LIVER SEGMENTATION UTILIZING SLICEWISE APPLIED LEVELSETS ON LARGE CT DATA<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1073\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1073\"><p>Proceedings of 21st European Modeling and Simulation Symposium EMSS 2009, Tenerife, Spanien, 2009, pp. 161-166<br \/>G. Zwettler, W. Backfrieder, R. Swoboda, F. Pfeifer<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1074\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1074\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Evaluation of a Statistical Shape Model Based Approach for Recovering the 3D LV Shape from Projective X-Ray Images<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1074\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1074\"><p>Proceedings of 21st European Modeling and Simulation Symposium EMSS 2009, Tenerife, Spanien, 2009, pp. 154-160<br \/>R. Swoboda, G. Zwettler, J. Scharinger, C. Steinwender, F. Leisch<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1075\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1075\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\"> Realisierung von prozessorientierten Bildverarbeitungsketten auf Basis von ITK, VTK und RCP<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1075\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1075\"><p>Tagungsband des 3. Forschungsforums der \u00f6sterreichischen Fachhochschulen, Fachhochschule K\u00e4rnten, Villach, \u00d6sterreich, 2009, pp. 6<br \/>G. Zwettler, W. Backfrieder, R. Swoboda, F. Pfeifer<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1076\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1076\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Phonem-codierte Audiosignal Sprachenerkennung unter Verwendung von Kompressionsalgorithmen<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1076\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1076\"><p>Tagungsband des 3. Forschungsforums der \u00f6sterreichischen Fachhochschulen, Fachhochschule K\u00e4rnten, Villach, \u00d6sterreich, 2009, pp. 2<br \/>G. Zwettler, W. Backfrieder<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1077\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1077\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Automatisierte Gef\u00e4\u00dfbaummodellierung zur funktionalen Analyse von 2D und 3D medizinischen Bilddaten<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1077\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1077\"><p>Master\/Diploma Thesis, FH O\u00d6 Fakult\u00e4t Hagenberg, \u00d6sterreich, 2009, pp. 104<br \/>G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1078\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-1078\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Integrated Care Using a Model-Based Patient Record Data Exchange Platform<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1078\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-1078\"><p>Proceedings of 21st European Modeling and Simulation Symposium EMSS 2009, Tenerife, Spanien, 2009, pp. 8<br \/>B. Franz, H. Mayr, M. Mayr, F. Pfeifer, J. Altmann, M. Lehner<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1079\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-1079\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">IHE-Compliant Exchange of Patient Data to Enable Home & Mobile Nursing Care of Elderly People within an e-Care Affinity Domain<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1079\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-1079\"><p>Proceedings of the 6th International Conference on Information Technology : New Generations, Las Vegas, Vereinigte Staaten von Amerika, 2009<br \/>B. Franz, M. Lehner, H. Mayr, M. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-10710\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-10710\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Integrated Information Exchange of Mobile and Stationary Nursing Care Using an IHE-Compliant IT Infrastructure<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-10710\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-10710\"><p>Proceedings Med-e-Tel 2009, Global Telemedicine and eHealth Updates: Knowledge Resources Vol. 2, Luxembourg, Luxemburg, 2009, pp. 452-455<br \/>H. Mayr, B. Franz<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5104690b elementor-widget elementor-widget-heading\" data-id=\"5104690b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2008<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4bebfca2 elementor-widget elementor-widget-accordion\" data-id=\"4bebfca2\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1271\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1271\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Das Adaptierte Twin-Peaks-Modell zur Ermittlung von iterations- und projektbezogenen Kennzahlen f\u00fcr das Requirement Management<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1271\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1271\"><p>Requirements Days 2008, N\u00fcrnberg, Deutschland, 2008, pp. 19<br \/>H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1272\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1272\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth cv\">MIPP: A Medical Image Processing Platform based on ITK, VTK and Eclipse RCP<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1272\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1272\"><p>The Insight Journal, Vol. 3, No. 2, 2008, pp. 36<br \/>R. Swoboda, W. Backfrieder, G. Zwettler, F. Pfeifer<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1273\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-1273\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Automated segmentation of liver morphology for diagnosis and surgery planning<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1273\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-1273\"><p>IGRT Vienna 2008 , Wien, \u00d6sterreich, 2008, pp. 14<br \/>W. Backfrieder, G. Zwettler, R. Swoboda, F. Pfeifer, H. Kratochwill, F. Fellner<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1274\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-1274\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Fast Skeletonization for Medial Axis Extraction on Tubular Large 3D Data<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1274\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-1274\"><p>Challenges in Biosciences: Image Analysis and Pattern Recognition Aspects, St. Magdalena, Linz, Austria, \u00d6sterreich, 2008, pp. 91-102<br \/>G. Zwettler, W. Backfrieder, F. Pfeifer, R. Swoboda<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1275\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-1275\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Modellbasierter Ansatz zur robusten und automatisierten Segmentierung der Leber aus hochaufl\u00f6senden CT Daten<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1275\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-1275\"><p>Proceedings of FFH2008 Fachhochschul Forschungs Forum, Wels, \u00d6sterreich, 2008, pp. 253-259<br \/>G. Zwettler, W. Backfrieder, F. Pfeifer, R. Swoboda, H. Kratochwill, F. Fellner<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1276\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-1276\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv ehealth\">Rapid Prototyping in Surgery: Eine Anwendung zur Planung von Kieferorthop\u00e4dischen Eingriffen<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1276\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-1276\"><p>Proceedings 2009 Tagungsband Bericht 2008 Journal Tagungsband &#8211; 6 &#8211; of FFH2008 Fachhochschul Forschungs Forum, Wels, \u00d6sterreich, 2008, pp. 2<br \/>F. Pfeifer, W. Backfrieder, G. Zwettler, R. Swoboda, H. Kratochwill, M. Malek, R. Hainisch<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1277\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-1277\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"> <span class=\"categorySpan ehealth cv\">Accelerated Skeletonization Algorithm for Tubular Structures in Large Datasets by Randomized Erosion<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1277\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-1277\"><p>Proceedings of the 3rd International Conference on Computer Vision Theory and Applications, Funchal, Madeira &#8211; Portugal, Portugal, 2008, pp. 74-80<br \/>G. Zwettler, W. Backfrieder, F. Pfeifer, R. Swoboda<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1278\" class=\"elementor-tab-title\" data-tab=\"8\" role=\"button\" aria-controls=\"elementor-tab-content-1278\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Self-Learning Navigation Maps Based Upon Data-Driven Models Using Recorded Heterogeneous GPS Tracks<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1278\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"8\" role=\"region\" aria-labelledby=\"elementor-tab-title-1278\"><p>Proceedings of the 20th European Modeling and Simulation Symposium, Campora S. Giovanni, Italien, 2008<br \/>C. Novak, B. Franz, H. Mayr, M. Vesely<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1279\" class=\"elementor-tab-title\" data-tab=\"9\" role=\"button\" aria-controls=\"elementor-tab-content-1279\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Incremental Navigation Map Enhancement with GPS Tracks from Heterogeneous Sources<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1279\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"9\" role=\"region\" aria-labelledby=\"elementor-tab-title-1279\"><p>Proceedings of The 2008 Internationa Conference on Machine Learning; Models, Technologies and Applications, Las Vegas, Vereinigte Staaten von Amerika, 2008, pp. 787-793<br \/>M. Vesely, C. Novak, A. Reh, H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-12710\" class=\"elementor-tab-title\" data-tab=\"10\" role=\"button\" aria-controls=\"elementor-tab-content-12710\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Effiziente Management-Information bei agilen Vorgangsweisen \u2013 ein Widerspruch?<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-12710\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"10\" role=\"region\" aria-labelledby=\"elementor-tab-title-12710\"><p>Proc. 23. STEV-\u00d6sterreich-Fachtagung IT-\/Software-Qualit\u00e4tsmanagement in der Praxis, Wien, \u00d6sterreich, 2008, pp. 48-59<br \/>H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-12711\" class=\"elementor-tab-title\" data-tab=\"11\" role=\"button\" aria-controls=\"elementor-tab-content-12711\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">I-Navigate P&R: Erweiterung einer Automobil-Navigation um Online- Park&Ride-Funktionalit\u00e4t<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-12711\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"11\" role=\"region\" aria-labelledby=\"elementor-tab-title-12711\"><p>Proceedings of FFH2008 Fachhochschul Forschungs Forum, Wels, \u00d6sterreich, 2008, pp. 3<br \/>J. Altmann, H. Mayr, W. Steinbichl<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-664d335a elementor-widget elementor-widget-heading\" data-id=\"664d335a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2007<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-15832485 elementor-widget elementor-widget-accordion\" data-id=\"15832485\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-3601\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-3601\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Value-based Software Engineering Using the Adapted Twin-Peaks Model<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-3601\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-3601\"><p>Proceedings of International Mediterranean Modelling Multiconference I3M2007, Genoa, Italien, 2007, pp. 289-293<br \/>H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-3602\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-3602\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"> I-Navigate: Selbstlernende Navigationskarten f\u00fcr tagesaktuelle, personalisierte Navigation im Fahrzeug und zu Fu\u00df<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-3602\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-3602\"><p>Tagungsband des ersten Forschungsforum der \u00f6sterreichischen Fachhochschulen, Fachhochschule Salzburg, Campus Urstein, \u00d6sterreich, 2007, pp. 244-250<br \/>H. Mayr, M. Vesely<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-3603\" class=\"elementor-tab-title\" data-tab=\"3\" role=\"button\" aria-controls=\"elementor-tab-content-3603\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">I-Navigate: Intelligent, Self-adapting Navigation Maps<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-3603\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"3\" role=\"region\" aria-labelledby=\"elementor-tab-title-3603\"><p>Proc. 14th IEEE International Conference and Workshop on the Engineering of Computer Based Systems (ECBS\u2019 07), Tucson, Vereinigte Staaten von Amerika, 2007, pp. 397-402<br \/>H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-3604\" class=\"elementor-tab-title\" data-tab=\"4\" role=\"button\" aria-controls=\"elementor-tab-content-3604\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\">Using Self-adapting Navigation Data for Intelligent, Personalized Vehicle Guidance<\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-3604\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"4\" role=\"region\" aria-labelledby=\"elementor-tab-title-3604\"><p>Proceedings of International Conference Computer Aided Systems Theory EUROCAST 2007, Las Palmas, Spanien, 2007, pp. 1097-1104<br \/>M. Vesely, H. Mayr<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-3605\" class=\"elementor-tab-title\" data-tab=\"5\" role=\"button\" aria-controls=\"elementor-tab-content-3605\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Towards automated segmentation and classification of liver lesions for diagnosis and surgery planning<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-3605\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"5\" role=\"region\" aria-labelledby=\"elementor-tab-title-3605\"><p>International Journal of Computer Assisted Radiology and Surgery, Berlin, Deutschland, 2007, pp. 460-461<br \/>W. Backfrieder, G. Zwettler, R. Swoboda, F. Pfeifer, H. Kratochwill, F. Fellner<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-3606\" class=\"elementor-tab-title\" data-tab=\"6\" role=\"button\" aria-controls=\"elementor-tab-content-3606\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">Automatische Klassifizierung der Leber aus hochaufl\u00f6senden Multi-Slice CT Daten<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-3606\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"6\" role=\"region\" aria-labelledby=\"elementor-tab-title-3606\"><p>Tagungsband des ersten Forschungsforum der \u00f6sterreichischen Fachhochschulen, Fachhochschule Salzburg, Campus Urstein, \u00d6sterreich, 2007, pp. 425-426<br \/>G. Zwettler, W. Backfrieder, R. Swoboda, F. Pfeifer, H. Kratochwill, F. Fellner<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-3607\" class=\"elementor-tab-title\" data-tab=\"7\" role=\"button\" aria-controls=\"elementor-tab-content-3607\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth\">Rapid Prototyping in Surgery<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-3607\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"7\" role=\"region\" aria-labelledby=\"elementor-tab-title-3607\"><p>Tagungsband des ersten Forschungsforum der \u00f6sterreichischen Fachhochschulen, Fachhochschule Salzburg, Campus Urstein, \u00d6sterreich, 2007, pp. 401-402<br \/>F. Pfeifer, W. Backfrieder, R. Swoboda, G. Zwettler, H. Kratochwill, F. Fellner, M. Malek, R. Hainisch<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-44c4897 elementor-widget elementor-widget-heading\" data-id=\"44c4897\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2006<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d6c306e elementor-widget elementor-widget-accordion\" data-id=\"6d6c306e\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1831\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-1831\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan cv\">RAPS<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1831\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-1831\"><p>Proceedings FH Science Day 2006, Hagenberg, \u00d6sterreich, 2006, pp. 74-80<br \/>F. Pfeifer, W. Backfrieder, R. Swoboda, G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-1832\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-1832\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth cv\">Segmentation of Coronary Arteries in Cine Angiography<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-1832\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-1832\"><p>Proceedings of the International Mediterranean Modelling Multiconference (I3M 2015), Barcelona, Spanien, 2006, pp. 675-680<br \/>G. Zwettler, R. Swoboda, W. Backfrieder, C. Steinwender, F. Leisch, C. Gabriel<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2b88e95a elementor-widget elementor-widget-heading\" data-id=\"2b88e95a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">2005<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ef53b2d elementor-widget elementor-widget-accordion\" data-id=\"ef53b2d\" data-element_type=\"widget\" data-widget_type=\"accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion\">\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2501\" class=\"elementor-tab-title\" data-tab=\"1\" role=\"button\" aria-controls=\"elementor-tab-content-2501\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth cv\">Application of 3D and 4D Heart Models in Cardiac Therapy Planning<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2501\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"1\" role=\"region\" aria-labelledby=\"elementor-tab-title-2501\"><p>Proceedings of Conceptual Modeling and Simulation Conference (CMS 2005), Marseille, Frankreich, 2005, pp. 185-191<br \/>R. Swoboda, W. Backfrieder, G. Zwettler, M. Carpella, C. Steinwender, F. Leisch, C. Gabriel<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<div class=\"elementor-accordion-item\">\n\t\t\t\t\t<div id=\"elementor-tab-title-2502\" class=\"elementor-tab-title\" data-tab=\"2\" role=\"button\" aria-controls=\"elementor-tab-content-2502\" aria-expanded=\"false\">\n\t\t\t\t\t\t\t\t\t\t\t\t<a class=\"elementor-accordion-title\" tabindex=\"0\"><span class=\"categorySpan ehealth cv\">Algorithmen zur Koronargef\u00e4\u00dfsegmentierung in der Cine-Kardioangiography<\/span><\/a>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div id=\"elementor-tab-content-2502\" class=\"elementor-tab-content elementor-clearfix\" data-tab=\"2\" role=\"region\" aria-labelledby=\"elementor-tab-title-2502\"><p>Master\/Diploma Thesis, FH O\u00d6 Fakult\u00e4t Hagenberg, \u00d6sterreich, 2005, pp. 94<br \/>G. Zwettler<\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Kategorie: AlleehealthMachine Learning &amp; Data ScienceComputer Vision &amp; Augmented Reality 2024 Reconstructionless Airborne Radiance Fields Christoph Praschl, Leopold B\u00f6ss, and [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"tags":[],"class_list":["post-33","page","type-page","status-publish","hentry","col-lg-4 col-md-6"],"_links":{"self":[{"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/pages\/33","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/comments?post=33"}],"version-history":[{"count":316,"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/pages\/33\/revisions"}],"predecessor-version":[{"id":7925,"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/pages\/33\/revisions\/7925"}],"wp:attachment":[{"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/media?parent=33"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aist.fh-hagenberg.at\/index.php\/wp-json\/wp\/v2\/tags?post=33"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}