Refine
Year of publication
Institute
- Fachbereich Gestaltung (166)
- FH Aachen (150)
- Fachbereich Medizintechnik und Technomathematik (146)
- Fachbereich Maschinenbau und Mechatronik (67)
- IfB - Institut für Bioengineering (63)
- Fachbereich Energietechnik (49)
- Fachbereich Bauingenieurwesen (47)
- Fachbereich Wirtschaftswissenschaften (39)
- Fachbereich Elektrotechnik und Informationstechnik (34)
- INB - Institut für Nano- und Biotechnologien (30)
Has Fulltext
- yes (770) (remove)
Language
- German (539)
- English (223)
- Portuguese (6)
- Multiple languages (1)
- Spanish (1)
Document Type
- Conference Proceeding (226)
- Bachelor Thesis (158)
- Article (128)
- Administrative publication (76)
- Part of a Periodical (61)
- Lecture (30)
- Book (22)
- Report (19)
- Diploma Thesis (12)
- Course Material (9)
Keywords
- Amtliche Mitteilung (71)
- Bachelor (33)
- Aachen University of Applied Sciences (31)
- Master (31)
- Prüfungsordnung (31)
- Bauingenieurwesen (30)
- Lesbare Fassung (28)
- Biosensor (25)
- Fachhochschule Aachen (23)
- Studien- und Prüfungsordnung (21)
Zugriffsart
- weltweit (238)
- campus (73)
- fachbereichsweit (FB4) (34)
- bezahl (3)
„Gynaika“ – ist griechisch und bedeutet Frau, Frausein. Das Frausein stellt besonders in der Medizin und der Forschung ein Problem dar. Ihre Gesundheit leidet unter der Gleichbehandlung in der Medizin, da die Beschwerden von Frauen zu häufig nicht beachtet werden und undiagnostiziert bleiben. Das medizinisch fundierte Magazin ""Gynaika"" soll über Erkrankungen bei Frauen aufklären, die Leser:innen zu einer Diagnose und guten Behandlung verhelfen. Beschreibung der Erkrankung, Erklärungen zum Ablauf im Körper und Behandlungsmöglichkeiten stehen neben neusten Studien und Erfahrungen von Betroffenen an erster Stelle. Die Informationen werden durch erklärende Einschübe sowie anschauliche Illustrationen und Grafiken begleitet. Ziel ist es, mehr Aufmerksamkeit auf die Notwendigkeit einer Ungleichbehandlung der Geschlechter in der Medizin zu ziehen.
Aufgrund von weltweit verhängten Reisebeschränkungen und der Angst vor Ansteckung mit Covid-19 entschieden sich viele Touristen, ihren Urlaub 2020 ausfallen zu lassen. Die weltweite Corona-Pandemie hat insbesondere die italienische Tourismusbranche schwer getroffen und die Übernachtungszahlen innerhalb kürzester Zeit zu einem erheblichen Einbruch gebracht – so auch auf der beliebten Mittelmeerinsel Sardinien. Um weiteren schwerwiegenden wirtschaftlichen Schäden frühestmöglich entgegenzuwirken, soll ein klar kommunizierendes Gestaltungskonzept, das in all seinen Facetten von Sardinien und dessen zahlreichen Vorzügen inspiriert ist, einen erfolgreichen Neustart nach der Corona-Krise für die Insel einleiten. Das neue Erscheinungsbild der Tourismusmarke basiert unter anderem grundlegend auf typografischen Gestaltungselementen wie der eigens entwickelten Corporate Font „Sardegna Hybrid“.
Diese Studie beschäftigte sich mit der Dämpfungswirkung von Schienbeinschonern, wie sie beim Fußball zum Einsatz kommen. Sie wurde mit Hilfe eines Pendelhammers durchgeführt, der verschiedene Aufschlagkräfte auf die Schoner ermöglichte. Dabei wurde deutlich, dass Schienbeinschoner die beste Wirkung bei Maximalkräften unterhalb von 5kN erreichen können, dass bei größerer Belastung allerdings Verbesserungsbedarf besteht. Hierfür konnte, u.a. durch den Einsatz neuer Materialien, ein guter Ansatzpunkt im „adäquaten Zusammenspiel von Schale und Polsterung“ der Schoner gefunden werden. Die Untersuchung hat weiterhin gezeigt, dass zumindest teilweise eine deutliche Verbesserung der Dämpfungswirkung der Schienbeinschoner in den letzten Jahren erreicht werden konnte.
A method for detecting and approximating fault lines or surfaces, respectively, or decision curves in two and three dimensions with guaranteed accuracy is presented. Reformulated as a classification problem, our method starts from a set of scattered points along with the corresponding classification algorithm to construct a representation of a decision curve by points with prescribed maximal distance to the true decision curve. Hereby, our algorithm ensures that the representing point set covers the decision curve in its entire extent and features local refinement based on the geometric properties of the decision curve. We demonstrate applications of our method to problems related to the detection of faults, to multi-criteria decision aid and, in combination with Kirsch’s factorization method, to solving an inverse acoustic scattering problem. In all applications we considered in this work, our method requires significantly less pointwise classifications than previously employed algorithms.
Reliable automation of the labor-intensive manual task of scoring animal sleep can facilitate the analysis of long-term sleep studies. In recent years, deep-learning-based systems, which learn optimal features from the data, increased scoring accuracies for the classical sleep stages of Wake, REM, and Non-REM. Meanwhile, it has been recognized that the statistics of transitional stages such as pre-REM, found between Non-REM and REM, may hold additional insight into the physiology of sleep and are now under vivid investigation. We propose a classification system based on a simple neural network architecture that scores the classical stages as well as pre-REM sleep in mice. When restricted to the classical stages, the optimized network showed state-of-the-art classification performance with an out-of-sample F1 score of 0.95 in male C57BL/6J mice. When unrestricted, the network showed lower F1 scores on pre-REM (0.5) compared to the classical stages. The result is comparable to previous attempts to score transitional stages in other species such as transition sleep in rats or N1 sleep in humans. Nevertheless, we observed that the sequence of predictions including pre-REM typically transitioned from Non-REM to REM reflecting sleep dynamics observed by human scorers. Our findings provide further evidence for the difficulty of scoring transitional sleep stages, likely because such stages of sleep are under-represented in typical data sets or show large inter-scorer variability. We further provide our source code and an online platform to run predictions with our trained network.