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