Zugl.: Zürich, Techn. Hochsch., Diss., 2009

This paper presents a qualitative study in which an attempt was made to extend the debate surrounding the use of real life contexts to make mathematics more meaningful and real. The study investigated Grade 8 learners’ knowledge of number, understanding of number concepts and the kinds of connections they make between number and the context in which number is used. An important aspect of the study’s methodological approach involved an examination of the comments that learners made about what they said they know about number. A response to the question: “Why is the number in the picture?” provided a framework for establishing how learners saw relationships between number and the context in which numbers are used. A face scenario with four questions was given to learners to elicit these relationships. Results pointed to the usefulness of real life contexts as tools that have a central role in uncovering what learners know about number and how they use that knowledge to understand situations that call for proficiency in mathematics.

Zugl.: Hannover, Univ., Diss., 2008

Thesis (doctoral)--Techn. Universiẗat, Darmstadt, 2003.

Zugl.: Jena, Univ., Diss., 2009

Universiẗat, Diss., 2002--Bremen.

Techn. Hochsch., Diss., 2005--Aachen.

Leuchtdioden (light-emitting diode, LED) werden seit einigen Jahren mit hohen Wachstumsraten in allen Bereichen moderner Lichttechnik eingesetzt. Auch im Straßenverkehr, insbesondere bei Lichtzeichenanlagen wie z. B. Ampeln und in Scheinwerfern, kommen LEDs zum Einsatz. Dies hat verschiedene Vorteile, wie hoher Wirkungsgrad, längere Lebensdauer, kurze Ansprechzeiten und günstiges Defektverhalten. Speziell im Straßenverkehr steht diesen jedoch ein wesentlicher Nachteil entgegen: durch eine gepulste Ansteuerung der LEDs entsteht ein optischer Flicker: ein hochfrequentes Pulsieren der Lichter, das Diskomfort auslösen kann. Der Beitrag steht unter der Forschungsfrage des Diskomforts durch Flicker. Analysiert wird der subjektive Diskomfort im Bezug zu objektiven Flimmerverschmelzungsfrequenzen sowie Unterschiede von zentralen und peripheren Flimmerverschmelzungsfrequenzen. Die erste von zwei durchgeführten Studien hat zum Ergebnis, dass etwa ein Drittel der Probanden den Flicker wahrgenommen haben und davon etwa die Hälfte diesen als (sehr) unangenehm empfinden. Die periphere Flimmerverschmelzungsfrequenz differiert nach der zweiten Studie von der zentralen Flimmerverschmelzungsfrequenz und hat im Bereich zwischen 20° und 30° um den zentralen Sehpunkt um ca. 10 Hz höhere Frequenzen. Die zentrale Flim-merverschmelzungsfrequenz beträgt 47 Hz ± 5 Hz, die peripheren betragen um 25° etwa 54-56 Hz. Die Ergebnisse zeigen sehr deutlich, dass der Flicker seit der Nutzung von LEDs in Verbindung mit gepulster Ansteuerung ein relevantes Phänomen im Straßenverkehr ist. Technische sowie ergonomische Fragestellungen sind offen und bedürfen dringend einer Untersuchung. Insbesondere die Frage, wie es zu dem Diskomfort bei Frequenzen von 100-200 Hz verursacht durch Ampeln und Fahrzeugleuchten kommt, sollte beantwortet und in Vorgaben für die Leuchtenhersteller überführt werden.

Deep learning enables enormous progress in many computer vision-related tasks. Artificial Intel- ligence (AI) steadily yields new state-of-the-art results in the field of detection and classification. Thereby AI performance equals or exceeds human performance. Those achievements impacted many domains, including medical applications. One particular field of medical applications is gastroenterology. In gastroenterology, machine learning algorithms are used to assist examiners during interventions. One of the most critical concerns for gastroenterologists is the development of Colorectal Cancer (CRC), which is one of the leading causes of cancer-related deaths worldwide. Detecting polyps in screening colonoscopies is the essential procedure to prevent CRC. Thereby, the gastroenterologist uses an endoscope to screen the whole colon to find polyps during a colonoscopy. Polyps are mucosal growths that can vary in severity. This thesis supports gastroenterologists in their examinations with automated detection and clas- sification systems for polyps. The main contribution is a real-time polyp detection system. This system is ready to be installed in any gastroenterology practice worldwide using open-source soft- ware. The system achieves state-of-the-art detection results and is currently evaluated in a clinical trial in four different centers in Germany. The thesis presents two additional key contributions: One is a polyp detection system with ex- tended vision tested in an animal trial. Polyps often hide behind folds or in uninvestigated areas. Therefore, the polyp detection system with extended vision uses an endoscope assisted by two additional cameras to see behind those folds. If a polyp is detected, the endoscopist receives a vi- sual signal. While the detection system handles the additional two camera inputs, the endoscopist focuses on the main camera as usual. The second one are two polyp classification models, one for the classification based on shape (Paris) and the other on surface and texture (NBI International Colorectal Endoscopic (NICE) classification). Both classifications help the endoscopist with the treatment of and the decisions about the detected polyp. The key algorithms of the thesis achieve state-of-the-art performance. Outstandingly, the polyp detection system tested on a highly demanding video data set shows an F1 score of 90.25 % while working in real-time. The results exceed all real-time systems in the literature. Furthermore, the first preliminary results of the clinical trial of the polyp detection system suggest a high Adenoma Detection Rate (ADR). In the preliminary study, all polyps were detected by the polyp detection system, and the system achieved a high usability score of 96.3 (max 100). The Paris classification model achieved an F1 score of 89.35 % which is state-of-the-art. The NICE classification model achieved an F1 score of 81.13 %. Furthermore, a large data set for polyp detection and classification was created during this thesis. Therefore a fast and robust annotation system called Fast Colonoscopy Annotation Tool (FastCAT) was developed. The system simplifies the annotation process for gastroenterologists. Thereby the i gastroenterologists only annotate key parts of the endoscopic video. Afterward, those video parts are pre-labeled by a polyp detection AI to speed up the process. After the AI has pre-labeled the frames, non-experts correct and finish the annotation. This annotation process is fast and ensures high quality. FastCAT reduces the overall workload of the gastroenterologist on average by a factor of 20 compared to an open-source state-of-art annotation tool. / Deep Learning ermöglicht enorme Fortschritte bei vielen Aufgaben im Bereich der Computer Vision. Künstliche Intelligenz (KI) liefert ständig neue Spitzenergebnisse im Bereich der Erkennung und Klassifizierung. Dabei erreicht oder übertrifft die Leistung von KI teilweise die menschliche Leistung. Diese Errungenschaften wirken sich auf viele Bereiche aus, darunter auch auf medizinische Anwendungen. Ein besonderer Bereich der medizinischen Anwendungen ist die Gastroenterologie. In der Gastroenterologie werden Algorithmen des maschinellen Lernens eingesetzt, um den Untersucher bei medizinischen Eingriffen zu unterstützen. Eines der größten Probleme für Gastroenterologen ist die Entwicklung von Darmkrebs, die weltweit eine der häufigsten krebsbedingten Todesursachen ist. Die Erkennung von Polypen bei Darmspiegelungen ist das wichtigste Verfahren zur Vorbeugung von Darmkrebs. Dabei untersucht der Gastroenterologe den Dickdarm im Rahmen einer Koloskopie, um z.B. Polypen zu finden. Polypen sind Schleimhautwucherungen, die unterschiedlich stark ausgeprägt sein können. Diese Arbeit unterstützt Gastroenterologen bei ihren Untersuchungen mit automatischen Erkennungssystemen und Klassifizierungssystemen für Polypen. Der Hauptbeitrag ist ein Echtzeitpolypenerkennungssystem. Dieses System kann in jeder gastroenterologischen Praxis weltweit mit Open- Source-Software installiert werden. Das System erzielt Erkennungsergebnisse auf dem neusten Stand der Technik und wird derzeit in einer klinischen Studie in vier verschiedenen Praxen in Deutschland evaluiert. In dieser Arbeit werden zwei weitere wichtige Beiträge vorgestellt: Zum einen ein Polypenerkennungssystem mit erweiterter Sicht, das in einem Tierversuch getestet wurde. Polypen verstecken sich oft hinter Falten oder in nicht untersuchten Bereichen. Daher verwendet das Polypenerkennungssystem mit erweiterter Sicht ein Endoskop, das von zwei zusätzlichen Kameras unterstützt wird, um hinter diese Falten zu sehen. Wenn ein Polyp entdeckt wird, erhält der Endoskopiker ein visuelles Signal. Während das Erkennungssystem die beiden zusätzlichen Kameraeingaben verarbeitet, konzentriert sich der Endoskopiker wie gewohnt auf die Hauptkamera. Das zweite sind zwei Polypenklassifizierungsmodelle, eines für die Klassifizierung anhand der Form (Paris) und das andere anhand der Oberfläche und Textur (NICE-Klassifizierung). Beide Klassifizierungen helfen dem Endoskopiker bei der Behandlung und Entscheidung über den erkannten Polypen. Die Schlüsselalgorithmen der Dissertation erreichen eine Leistung, die dem neuesten Stand der Technik entspricht. Herausragend ist, dass das auf einem anspruchsvollen Videodatensatz getestete Polypenerkennungssystem einen F1-Wert von 90,25 % aufweist, während es in Echtzeit arbeitet. Die Ergebnisse übertreffen alle Echtzeitsysteme für Polypenerkennung in der Literatur. Darüber hinaus deuten die ersten vorläufigen Ergebnisse einer klinischen Studie des Polypenerkennungssystems auf eine hohe Adenomdetektionsrate ADR hin. In dieser Studie wurden alle Polypen durch das Polypenerkennungssystem erkannt, und das System erreichte einen hohe Nutzerfreundlichkeit von 96,3 (maximal 100). Bei der automatischen Klassifikation von Polypen basierend auf der Paris Klassifikations erreichte das in dieser Arbeit entwickelte System einen F1-Wert von 89,35 %, was dem neuesten Stand der Technik entspricht. Das NICE-Klassifikationsmodell erreichte eine F1- Wert von 81,13 %. Darüber hinaus wurde im Rahmen dieser Arbeit ein großer Datensatz zur Polypenerkennung und -klassifizierung erstellt. Dafür wurde ein schnelles und robustes Annotationssystem namens FastCAT entwickelt. Das System vereinfacht den Annotationsprozess für Gastroenterologen. Die Gastroenterologen annotieren dabei nur die wichtigsten Teile des endoskopischen Videos. Anschließend werden diese Videoteile von einer Polypenerkennungs-KI vorverarbeitet, um den Prozess zu beschleunigen. Nachdem die KI die Bilder vorbeschriftet hat, korrigieren und vervollständigen Nicht-Experten die Annotationen. Dieser Annotationsprozess ist schnell und gewährleistet eine hohe Qualität. FastCAT reduziert die Gesamtarbeitsbelastung des Gastroenterologen im Durchschnitt um den Faktor 20 im Vergleich zu einem Open-Source-Annotationstool auf dem neuesten Stand der Technik.

Dissertation--Ruhr-Universität, Bochum, 2004. / Includes bibliographical references (p. 179-187).