ZIEL
Publikationen
Publikationen
- Hüsers J, Przysucha M, Esdar M, John SM, Hübner UH. The Expressiveness of SNOMED CT for Wound Care: Mapping a Standardized Item Set for Leg Ulcers onto SNOMED CT. JMIR Med Inform. 2021 Oct 6;9(10):e31980. Epub. doi: 10.2196/31980. PMID: 34428171
- Przysucha M, Hüsers J, Liberman D, Kerster O, Schlüter A, Busch D, Moelleken M, Erfurt-Berge C, Dissemond J, Hübner U. Design and Implementation of an ETL-Process to Transfer Wound-Related Data into a Standardized Common Data Model. Stud Health Technol Inform. 2023 Sep 12;307:258-266. doi: 10.3233/SHTI230723 .
- Hüsers J, Hafer G, Heggemann J, Wiemeyer S, Przysucha M, Dissemond J, Moelleken M, Erfurt-Berge C, Hübner U. Automatic Classification of Diabetic Foot Ulcer Images - A Transfer-Learning Approach to Detect Wound Maceration. Stud Health Technol Inform. 2022 Jan 14;289:301-304. doi: 10.3233/SHTI210919. PMID: 35062152
- Hüsers J, Moelleken M, Richter ML, Przysucha M, Malihi L, Busch D, Götz NA, Heggemann J, Hafer G, Wiemeyer S, Babitsch B, Heidemann G, Dissemond J, Erfurt-Berge C, Hübner U. An Image Based Object Recognition System for Wound Detection and Classification of Diabetic Foot and Venous Leg Ulcers. Stud Health Technol Inform. 2022 May 25;294:63-67. doi: 10.3233/SHTI220397. PMID: 35612017
- Malihi L, Hüsers J, Richter ML, Moelleken M, Przysucha M, Busch D, Heggemann J, Hafer G, Wiemeyer S, Heidemann G, Dissemond J, Erfurt-Berge C, Hübner UH. Automatic Wound Type Classification with Convolutional Neural Networks. Stud Health Technol Inform. 2022 Jun 29;295:281-284. doi: 10.3233/SHTI220717. PMID: 35773863
- Malihi L, Hübner U, Richter ML, Moelleken M, Przysucha M, Busch D, Heggemann J, Hafer G, Wiemeyer S, Heidemann G, Dissemond J, Erfurt-Berge C, Barkhau C, Hendriks A, Hüsers J. Can Synthetic Images Improve CNN Performance in Wound Image Classification? Stud Health Technol Inform. 2023 May 18;302:927-931. doi: 10.3233/SHTI230311. PMID: 37203538.
- Götz N-A, Babitsch B (2021): Medizinsoziologisches Teilvorhaben des ZIEL-Projekts: Versorgungsforschungsrelevante Analysen zur Erhöhung des Vertrauens und der Akzeptanz in datengetriebene Prognosemodelle. Science Pitch. 20. Deutscher Kongress für Versorgungsforschung (DKVF) [digital], 06.-08.10.2021. doi: 10.3205/21dkvf176
- Moelleken M (2022): Prädilektionsstellen des Pyoderma gangraenosum: Retrospektive Analyse von 170 Patienten. 16. Deutscher Wundkongress (DeWu), Bremen, 04.-06.05.2022
- Götz N-A, Hannemann N, Kutza J-O, Babitsch B (2022): Vertrauen in KI-Anwendungen in der Gesundheitsversorgung: Erste Ergebnisse eines Scoping Reviews. 67. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS), 13. Jahreskongress der Technologie- und Methodenplattform für die vernetzte medizinische Forschung e. V. (TMF). Online, 21.-25.08.2022. doi: 10.3205/22gmds016. https://www.egms.de/static/de/meetings/gmds2022/22gmds016.shtml
- Götz N-A, Hannemann N, Babitsch B. Künstliche Intelligenz im Gesundheitswesen aus Sicht von Fachkräften: Expert:inneninterviews. Potsdam, 05.10. - 07.10.2022. 21. Deutscher Kongress für Versorgungsforschung. doi: 10.3205/22dkvf409. https://www.egms.de/static/de/meetings/dkvf2022/22dkvf409.shtml