Scriptiebank overzicht

Voortgaande verstedelijking en de wereldwijde overstap naar energiezuinige LED-
verlichting vergroten de blootstelling aan kunstlicht ’s nachts, wat bezorgdheid
wekt over de effecten op gemeenschappen van nachtactieve insecten. De meeste
bestaande veldstudies zijn kort van duur en beperkt in ruimtelijke dekking van-
wege de arbeidsintensieve aard van traditionele bemonstering. Dit proefschrift
pakt deze lacune aan door het ontwerpen, implementeren en valideren van een
goedkope, op camera’s gebaseerde, op afstand werkende monitoringsunit voor
seizoenslange inzet in diverse buitenomgevingen. Het systeem registreert weerpa-
rameters (temperatuur, relatieve vochtigheid), locatie (GPS), verlichtingsparame-
ters (gecorreleerde kleurtemperatuur) en tijdgestempelde beelden van aangetrokken
insecten.
Om classificatiestrategieën te evalueren zonder grootschalige inzet, werd in een
kleinschalige casestudy het gebruik van twee algemene vision–language modellen
getest op zorgvuldig geselecteerde insectenbeelden met gezaghebbende ObsIdentify-
bepalingen. De resultaten positioneren vision–language modellen als effectieve
hulpmiddelen voor voorlopige tagging, triage en kwaliteitscontrole, terwijl geza-
ghebbende labels afkomstig moeten zijn van specialisten of gespecialiseerde soorten-
herkenningsdiensten.
Toekomstig werk dient eerst de minimaal vereiste taxonomische diepte voor ALAN-
impactstudies vast te stellen en vervolgens herkenningstools aan te passen om
aan deze eis te voldoen. Verdere stappen omvatten het uitbreiden van de pij-
plijn naar tellingen en abundantiematen, het ontwikkelen van een robuuste con-
tainergebaseerde implementatie-architectuur, het migreren van de database naar
een beveiligde cloud- of NAS-infrastructuur en het implementeren van sterke
cyberbeveiligingsmaatregelen voor externe units. Deze verbeteringen zullen ge-
standaardiseerde, seizoenslange, multisitecampagnes mogelijk maken die robu-
uste beoordelingen van ALAN-effecten onder door LED gedomineerde lichtom-
standigheden opleveren.

Deze thesis onderzoekt de evoluerende praktijken van audiobeschrijving in dans aan de hand van de dansvideo Isomo als casestudy, een hedendaagse dansvideo gemaakt door choreografe Iris Bouche voor het KMSKA. Traditioneel wordt audiobeschrijving beschouwd als een objectief hulpmiddel voor toegankelijkheid, maar recentelijk zijn alternatieve benaderingen die subjectiviteit en creativiteit omarmen in opkomst (Fryer & Cavallo, 2022). Het doel van dit onderzoek is om de strategieën die in de audiobeschrijving van de dansvideo Isomo worden gebruikt te identificeren en te onderzoeken in hoeverre deze afwijken van de traditionele richtlijnen. Het onderzoek combineert een vertaalanalyse met vijf semigestructureerde interviews met experts. De bevindingen geven aan dat de audiobeschrijving niet strikt kan worden gecategoriseerd als traditioneel of alternatief, maar eerder ergens tussen beide in ligt, aangezien deze elementen van beide bevat. Enerzijds maakt het gebruik van creatieve strategieën, waaronder eerste- en tweepersoonsvertellingen die door de dansers zelf worden ingesproken. Anderzijds bevat het elementen van traditionele AD, zoals het vasthouden aan een traditionele workflow.

Digitale cultuur ontwikkelt zich in een ongekend tempo en wordt gekenmerkt door zowel overvloed als kwetsbaarheid. De vluchtigheid van digitale creaties, van interactieve installaties tot websites, sociale mediaplatformen en andere databestanden, stelt musea en erfgoedinstellingen voor fundamentele vragen. Hoe kan born-digital erfgoed worden geïdentificeerd als cultureel waardevol, duurzaam worden vastgelegd en vervolgens toegankelijk en betekenisvol worden gepresenteerd? Dit onderzoek benadert deze uitdaging vanuit het proces van erfgoedisering, waarbij de vier kernfuncties waarderen, verzamelen, bewaren en presenteren centraal staan. In de digitale context blijken deze functies niet los van elkaar te opereren, maar voortdurend op elkaar in te grijpen. Door middel van beleidsanalyse, theoretische kaders en casestudies van Vlaamse erfgoedinstellingen, waaronder Design Museum Gent, Amsab, de Hendrik Conscience Bibliotheek en KADOC, wordt zichtbaar hoe technische, juridische en beleidsmatige drempels een structurele inbedding van born-digital erfgoed bemoeilijken. Tegelijkertijd tonen innovatieve praktijken aan dat interdisciplinariteit, het gebruik van open standaarden en samenwerking met makers en publiek effectieve strategieën kunnen opleveren. De bevindingen wijzen erop dat een geïntegreerde en structureel verankerde aanpak onontbeerlijk is om digitale cultuur niet alleen te bewaren, maar ook haar betekenis te behouden voor toekomstige generaties.

Sinds de opkomst van krachtige AI- en deep learning-modellen is data uitgegroeid tot een essentiële en vaak beperkende factor in het ontwikkelingsproces. Waar eenvoudige modellen vaak kunnen volstaan met beperkte en eenvoudige datasets, vereisen complexere modellen – zoals die voor objectdetectie – steeds grotere en rijkere hoeveelheden gelabelde data. Dit vormt een belangrijk probleem in domeinen zoals sonarbeeldvorming, waar dergelijke datasets niet beschikbaar zijn als kant-en-klare bronnen en handmatige annotatie buitengewoon tijdsintensief en kostbaar is. Dit onderzoek richt zich daarom op de centrale vraag: hoe kunnen semi-supervised en self-supervised leermethoden het labelproces bij objectdetectie in sonardata versnellen, zonder significant verlies aan nauwkeurigheid?

Om deze vraag te beantwoorden is een experimenteel kader opgezet waarin drie benaderingen zijn onderzocht: een volledig supervised baseline gebaseerd op Faster R-CNN, een semi-supervised model met FixMatch, en een self-supervised strategie waarbij een BYOL-model wordt gepretraind en vervolgens gebruikt als backbone binnen een Faster R-CNN-architectuur. De experimenten zijn uitgevoerd op een publieke sonardataset bestaande uit 7600 gelabelde sonarbeelden. Voor de supervised baseline is het model getraind op verschillende hoeveelheden gelabelde data: 1%, 5%, 10%, 50% en 100%. De bijbehorende mAP-scores tonen een sterke daling in nauwkeurigheid naarmate de hoeveelheid gelabelde data afneemt, met resultaten variërend van 0.7717 (100%) tot slechts 0.2799 bij gebruik van 1% van de data.

In het semi-supervised scenario is FixMatch toegepast met 5% en 10% gelabelde data, terwijl de resterende data werd gebruikt als ongelabelde input. Deze aanpak resulteerde in mAP-scores van respectievelijk 0.6649 en 0.6828, wat duidelijk betere prestaties zijn dan het supervised model op dezelfde labelniveaus. Voor het self-supervised model werd BYOL gepretraind op de volledige dataset zonder labels. De representaties die dit opleverde zijn vervolgens geïntegreerd in Faster R-CNN, waarbij opnieuw 5% en 10% van de data gelabeld werd gebruikt voor training. Deze benadering leverde de hoogste nauwkeurigheid binnen de lage-labelscenario's, met mAP-scores van respectievelijk 0.6452 en 0.7230.

De resultaten van dit onderzoek tonen aan dat zowel semi-supervised als self-supervised technieken effectief zijn in het verminderen van de afhankelijkheid van handmatig gelabelde data, terwijl de modelprestaties grotendeels behouden blijven. Met name self-supervised pretraining via BYOL blijkt zeer waardevol in situaties met beperkte gelabelde data. Deze bevindingen bieden praktische aanknopingspunten voor het ontwikkelen van efficiëntere workflows in sonarbeeldanalyse, en zijn relevant voor bredere toepassingen in domeinen waar gelabelde data schaars of moeilijk te verkrijgen is. Hoewel de resultaten veelbelovend zijn, is vervolgonderzoek nodig om de generaliseerbaarheid naar andere types sonardata of real-time toepassingen te evalueren.

Recurrent glioblastoma (rGB) remains to have a 5-year survival of <10%. Current treatments consist of re-resection, re-irradiation and/or immunotherapy, but therapy resistance remains unresolved due to multiple factors, such as the blood-brain-barrier, high tumor heterogeneity and an immunosuppressive tumor microenvironment. In this context, CAR T-cell therapy is emerging as a promising approach. In particular, the use of nanobodies (Nbs) as the antigen binding moiety overcomes limitations such as tonic signaling and immunogenicity, commonly associated with scFv-based CARs. CAR T-cell therapies targeting B7-H3 showed promising results in the treatment of rGB, but in vivo toxicity has been recently described, highlighting the need for improved CAR designs. In this thesis, we developed an mRNA-based platform to identify the most efficient CAR design as an alternative to the laborious and time-consuming methods currently available. Briefly, we developed an mRNA-based approach for the production of mRNA encoding NanoCAR variants and the screening of NanoCAR functionality, comparing it to a plasmid-derived mRNA NanoCAR. We used our optimized workflow, to select previously evaluated NanoCAR T-cells which resulted in the same lead being selected. Therefore, we applied our technology to generate B7-H3 NanoCAR T-cells and selected four candidates for further development. Finally, we tested B7-H3 mRNA NanoCAR T-cells in vivo to evaluate if a transient expression would be sufficient to address the toxicity issue. Overall, we showed that our mRNA platform is a promising alternative to the current methods for CAR screening allowing us to select new B7-H3 NanoCAR T-cells and further proceed with their characterization.

Hepatocellulair carcinoom (HCC) is wereldwijd de derde belangrijkste oorzaak van kankergerelateerde sterfte. Een beschikbare behandeling is transarteriële radio-embolisatie, waarbij radioactieve microsferen rechtstreeks naar de tumor worden geïnjecteerd. Deze techniek maakt gebruik van de unieke arteriële bloedvoorziening van levertumoren om het therapeutisch effect te versterken, terwijl het omliggende gezonde weefsel wordt gespaard. Het succes van deze behandeling wordt sterk beïnvloed door klinische factoren, waaronder de patiëntspecifieke vaatstructuren van de lever, de injectiesnelheid van de deeltjes en het type katheter. Deze elementen zorgen voor aanzienlijke variatie in de behandelingsuitkomsten.

Deze thesis heeft als doel om de toediening van emboliserende deeltjes te optimaliseren met behulp van computationele stromingsdynamica (CFD), zodat de verdeling van de deeltjes beter overeenkomt met de bloedstroompatronen. Hiervoor wordt een zijgatkatheter ontworpen die deze afstemming moet verbeteren en de invloed van klinische variabelen moet verminderen, wat leidt tot meer voorspelbare resultaten en een betere tumortargeting. In het bijzonder onderzoekt dit werk zowel standaard microkatheters met eindopening (SMC) als zijgatkatheters (SHC) met gesloten voorzijde en verschillende zijgatdiameters.

Met Ansys Discovery werden verschillende kathetergeometrieën ontwikkeld en geïntegreerd in een patiëntspecifiek arterieel levermodel om deeltjestrajecten en stromingsdynamica te simuleren. Een roostergevoeligheidsanalyse werd uitgevoerd om de optimale volumemesh te bepalen. De simulaties omvatten zowel stationaire als transiënte analyses en onderzochten hoe het type katheter, de zijgatdiameter en de oriëntatie van de katheter de verdeling van de deeltjes beïnvloeden.

De resultaten van de in Ansys Discovery ontwikkelde katheters kwamen overeen met de verwachtingen wat betreft deeltjesverspreiding en verdeling. De Discovery-gebaseerde workflow behield de oorspronkelijke anatomie met een oppervlakteafwijking van slechts 0,0003% ten opzichte van het gesegmenteerde model. Belangrijke prestatie-indices zoals de Matching Deviation Index (MDI) en Targeting Deviation Index (TDI) bleken echter afhankelijk van de oriëntatie van de zijgaten. De MDI, die de overeenkomst tussen deeltjesverdeling en bloedstroom weergeeft, toonde aan dat de SHC beter presteerde dan de SMC. SHC’s met kleinere zijgaten (0,2 mm) vertoonden een hogere variabiliteit tussen oriëntaties (2,53%) door de vorming van geconcentreerde injectiestralen dicht bij de arteriewanden. De TDI, die de medische relevantie weerspiegelt door deeltjesverdeling te vergelijken met tumorperfusie, gaf consequent de voorkeur aan SHC’s met grotere zijgaten (0,4 mm). Deze vertoonden minder afhankelijkheid van de oriëntatie (0,89% variabiliteit t.o.v. 2,84%).
Deze bevindingen werden bevestigd in transiënte simulaties, die een twaalfvoudige toename in deeltjesverspreiding lieten zien. Transiënte simulaties leverden over het algemeen lagere MDI- en TDI-waarden op. SHC 0.2 behaalde de beste MDI dankzij de meest uniforme verdeling van de deeltjes, maar dit ging ten koste van de doelgerichtheid, wat resulteerde in de laagste TDI.

Deze thesis toont aan dat het zijgatkatheterontwerp het potentieel heeft om de gevoeligheid voor klinische parameters te verminderen en de behandeling beter te laten aansluiten bij de geplande therapie.

Cerebrale arterioveneuze malformaties (AVM’s) zijn afwijkingen in de hersenvaten waarbij slagaders en aders rechtstreeks met elkaar verbonden zijn, zonder tussenliggende haarvaten. Dit veroorzaakt een complex netwerk van bloedvaten dat risico’s op bloedingen, epileptische aanvallen en neurologische aandoeningen met zich meebrengt. Een veelgebruikte behandeling is endovasculaire embolisatie, waarbij een vloeibaar embolisch middel – vaak Onyx – via een microkatheter wordt ingespoten om de AVM te blokkeren. Het succes van deze procedure hangt af van de ervaring van de behandelede arts, onder andere bij het bepalen van de katheterpositie en injectiesnelheid. Hierdoor groeit de interesse naar kwantificatie van deze parameters.
Hoewel de FDA (Food and Drug Administration) een aanbevolen injectiesnelheid van 0.16 ml/min en een bovengrens van 0.30 ml/min voorschrijft, wordt dit in de praktijk zelden actief gemonitord. In deze thesis wordt met behulp van computationele vloeistofdynamica (CFD) onderzocht hoe de injectiesnelheid de verdeling en stroming van Onyx beïnvloedt. Hiervoor worden de bloed- en Onyx-stromingen gemodelleerd in een patiënt-specifieke AVM-geometrie, gebaseerd op medische beeldvorming.
De resultaten tonen aan dat de injectiesnelheid een duidelijk effect heeft: hogere snelheden versnellen de verspreiding van Onyx, beïnvloeden de verdeling binnen de AVM en veroorzaken hogere lokale drukverschillen. Dit benadrukt dat de injectiesnelheid een kritische parameter is die in de klinische praktijk meer aandacht verdient. Verdere studies met uitgebreidere patiënten data en experimentele validatie zijn nodig om deze bevindingen te bevestigen en te vertalen naar de kliniek.

This master’s thesis explores how artificial intelligence (AI) can help address economic
and operational barriers to radiotherapy in low and middle income countries (LMICs),
where access is limited despite a rising cancer burden. A major obstacle in these regions is the shortage of trained professionals and the high cost of treatment planning
and delivery.
The study evaluates whether the Radiotherapy Planning Assistant (RPA), an AI based
tool, can improve efficiency and reduce costs in LMIC radiotherapy departments. Data
from four centres in the ARCHERY study,covering cervical, head and neck, and prostate
cancers, were analysed using the ESTRO HERO Time Driven Activity Based Costing
(TDABC) model. Simulations modelled planning time reductions of 70 percent, 80 percent, and 90 percent for eligible tumour types.
Baseline results showed equipment as the dominant cost driver, limiting overall cost
reductions. However, time savings from AI integration improved treatment planning
system availability and reduced staff workload. These gains suggest enhanced efficiency and capacity, especially in high volume settings. While AI may not yield large
financial savings alone, it alleviates key bottlenecks and supports workforce optimisation, provided infrastructure and system capacity are strengthened.

Ik onderzocht hoe artificiële intelligentie longontsteking sneller en betrouwbaarder kan opsporen op borstkas-röntgenbeelden, en wat er nodig is om zo een systeem veilig, ethisch en juridisch verantwoord richting een ziekenhuis te ontwikkelen. De vraag kwam vanuit het AZ Sint-Maarten: er is nood aan ondersteuning bij triage van pneumoniedetectie.

Technisch bouwde ik een ResNet152-model en trainde dat op publieke Kaggle-datasets. De reality check volgde met geanonimiseerde pediatrische beelden uit AZ Sint-Maarten: door domain shift miste het eerste model te veel echte longontstekingen . Dat heb ik aangepakt met hertraining op pediatrische data, gericht croppen van het longveld en afstemming van helderheid/contrast. In de tweede evaluatie pikte het model alle echte positieve gevallen op.

Naast de prestaties besteed ik veel aandacht aan ethiek en regelgeving. Alle beelden zijn geanonimiseerd en lokaal verwerkt (GDPR). Met Grad-CAM-heatmaps maak ik beslissingen uitlegbaar. Het systeem ondersteunt artsen zij blijven eindverantwoordelijk. Qua regulering positioneer ik het als potentiële MDR-klasse IIa-software en situeer ik het project rond TRL 3→4: van labprototype naar testen in een relevante klinische omgeving. Ik bouwde ook een lokale Streamlit-interface die beelden uploadt, een voorspelling geeft en de heatmap toont. Conclusie: AI kan echt helpen bij triage en vroege detectie, maar robuuste praktijkinzet vraagt representatieve data, uitlegbaarheid, klinische validatie en moet ethisch verantwoord ontwikkeld worden.

Hitte-extremen zijn moeilijk te onderzoeken door hun zeldzaamheid. Hoewel observaties en klimaatsimulaties essentiële inzichten bieden in toekomstige klimaatextremen, resoneren ruwe statistieken alleen vaak niet met het bredere publiek.

Storylines of Tales of Future Weather kunnen de kloof overbruggen tussen abstracte wetenschap en door mensen beleefde extreme weersomstandigheden, waardoor klimaatverandering tastbaar, herkenbaar en concreet wordt. Een storyline is een zelf-consistente beschrijving van een plausibel klimaatextreem - zoals een hittegolf - in een gegeven klimaat, gebaseerd grondige data-analyse, statistiek en impactmodellen. Zulke wetenschappelijk onderbouwde narratieven werpen licht op vragen als: "Hoe erg zouden de 2024 Balkanhittegolven geweest zijn in een warmer klimaat?" of "Waren ze mogelijk in een pre-industrieel klimaat?" Dergelijke informatie kan belangrijk zijn voor stakeholders en onze samenleving, maar het is niet a priori duidelijk wat de karakteristieken zijn van plausibele extremen in een gegeven, toekomstig klimaat. In mijn thesis introduceer ik een efficiënte methodologie om hittegolven te karakteriseren in een toekomstig Belgisch klimaat, die gebruik maakt van zowel geobserveerde temperatuursreeksen als gesimuleerde klimaatprojecties. Deze techniek kreeg de naam Global Warming Scaling of kortweg GWS.

In GWS wordt een observationele temperatuursreeks geschaald naar een toekomstig klimaat, bijvoorbeeld een opwarming van 2°C boven pre-industriële gemiddelden. In deze getransformeerde reeks zoeken we naar de recordwaarden voor bepaalde jaarlijkse klimaatindices die volgens ons jaren van extreme hitte aanduiden. Een voorbeeld hiervan is de jaarlijkse piektemperatuur. Deze geschaalde recordwaarden worden vervolgens gezien als drempelwaarden die in het toekomstige klimaat overschreden moeten worden vooraleer we van een extreem jaar spreken.

Deze GWS drempelwaarden kunnen gebruikt worden in een zogenaamde data-miningprocedure, waar we in een groot ensemble van gesimuleerde klimaatvoorspellingen dergelijke jaren van extreme hitte gaan identificeren. Eens we zo’n event gevonden hebben, beschikken we over een set meteorologische velden die volgens onze methode geloofwaardig zijn voor een bovengemiddeld warm jaar in het bestudeerde toekomstige klimaat.

We kunnen deze meteorologische data met andere woorden gebruiken als input voor impactmodellen. Dit zijn wiskundige modellen die de impact van extreme temperatuur op de samenleving inschatten. Ik modelleerde in mijn thesis onder andere het aantal werkdagen dat verloren zou gaan door een toename in hittestress, stijgingen in riviertemperaturen, bosbrandgevaar onder aanhoudende droogte, potentiële toename van invasieve insectensoorten en meer. De resultaten van soortgelijke impactstudies kunnen gebruikt worden als referentiemateriaal in het construeren van een storyline met betrekking tot extreme hitte. Op die manier kunnen stakeholders aan de hand van zulke verhaallijnen de zwakke plekken in hun respectievelijke sectoren blootleggen, en kunnen beleidsmakers een beeld vormen van waarop ze zich moeten voorbereiden.

In mijn bachelorproef onderzocht ik hoe puntenwolken efficiënter kunnen worden ingezet in de bouwsector. Deze technologie levert uiterst nauwkeurige gegevens op, maar de bestanden zijn groot en zonder gespecialiseerde software moeilijk te gebruiken.

Het onderzoek bestond uit drie pijlers. Ten eerste werd nagegaan hoe puntenwolken automatisch kunnen worden vergeleken met digitale bouwmodellen om afwijkingen vroegtijdig te detecteren. Ten tweede onderzocht ik hoe objecten zoals muren, vloeren en leidingen automatisch herkend en verwerkt kunnen worden. Ten derde werkte ik een methode uit om betrouwbare volumeberekeningen te maken op basis van puntenwolkdata.

Na een grondige vergelijking van twaalf softwarepakketten bleek Leica Cyclone 3DR het meest geschikt om deze drie toepassingen te combineren. Ik automatiseerde de workflow met een zelfgeschreven script en maakte instructievideo’s zodat collega’s de software zelfstandig konden aanleren.

Lower limb muscle weakness is a common symptom in many
neuromuscular conditions and traumatic injuries, often leading to
abnormal gait, instability, and reduced mobility. Ankle-foot orthoses
(AFOs) are widely prescribed to support functional walking, yet current
production methods remain labor-intensive, poorly adjustable, and limited
in their ability to accommodate evolving user needs. This thesis explores
the design and development of a modular, patient-specific AFO using
additive manufacturing (AM), in collaboration with Materialise and
Materialise Motion.
The project follows an adapted Stanford Biodesign methodology,
incorporating clinical research, user feedback, and iterative engineering
across three phases: Identify, Invent, and Develop. By reframing the
design process to account for technical, clinical, and experiential
demands, the resulting AFO aims to better align with the real-world needs
of orthotists and patients. The core innovation lies in a three-part modular
architecture: ankle-cuff, strut, and footplate, each optimized for digital
fabrication and individualized stiffness tuning.
To support this modularity, a parametric CAD workflow and Finite Element
Analysis (FEA) were used to iteratively tune the geometry and stiffness of
individual components. Physical testing under physiological loads
confirmed the reliability of the design, while patient and expert input
reinforced the importance of comfort, fit, and ease of use.
This thesis demonstrates the potential of AM to move beyond cosmetic
customization and deliver functional, adaptable orthoses. While further
clinical validation is required, the proposed system offers a promising step
toward more personalized and efficient orthotic care.

Medicatiefouten in ziekenhuizen zijn een regelmatig voorkomend probleem en kunnen de patiënt schaden. Als preventieve maatregel tegen medicatiefouten kan barcode-medicatietoedieningstechnologie ingezet worden. Onderzoeken tonen aan dat bedside scannen van medicatie (BSS) de fouten aanzienlijk vermindert. Verpleegkundigen besteden veel tijd aan medicatiegerelateerde activiteiten, dus hun acceptatie van een BSS- systeem is essentieel voor de patiëntveiligheid. Deze studie richt zich op het verwerven van inzicht in de noden, verwachtingen en percepties van verpleegkundigen over de BSS-implementatie. Daarnaast worden barrières en facilitatoren geanalyseerd om het implementatieproces te optimaliseren en de acceptatie van deze technologie te verhogen.
Dit kwalitatief descriptief onderzoek bestond uit focusgroepen met een doelgerichte steekproef van verpleegkundigen, waarbij variatie werd nagestreefd in ziekenhuisdiensten en het aantal jaren werkervaring in het Jessa Ziekenhuis. Voor de focusgroepen werd er gewerkt met een topiclijst gebaseerd op het Technology Acceptance Model. Data-analyse verliep aan de hand van een thematische analyse.
Er zijn zes thema’s bekomen uit vijf focusgroepen, namelijk (1) veiligheid, (2) workflow, (3) impact van BSS op de patiënt, (4) perceptie van de verpleegkundige op het gebruik van BSS, (5) workload en (6) opleiding en ondersteuning als inzichten over de implementatie van BSS. Nadien werden barrières en facilitatoren voor de BSS-implementatie geïdentificeerd uit de verkregen thema’s.
Verpleegkundigen ervaren uiteenlopende behoeften en percepties over de BSS-implementatie. Veiligheid staat centraal, waarbij betrouwbare technologie belangrijk is ten aanzien van patiëntveiligheid. Om de BSS-workflow op verpleegafdelingen efficiënter te laten verlopen, moeten procedures geoptimaliseerd worden, rekening houdend met aspecten zoals workload, gebruiksgemak en benodigde apparatuur. Verpleegkundigen vermoeden dat patiënten het BSS-systeem 's nachts patiëntonvriendelijk vinden, waarbij patiëntinformatie kan helpen. Bezorgdheid over verhoogde workload en de organisatiecultuur beïnvloeden de BSS-acceptatie, waarbij opleiding en voortdurende ondersteuning belangrijk zijn. De geïdentificeerde facilitatoren en barrières bieden waardevolle inzichten voor optimalisatie en het vergroten van de acceptatie van BSS.

Clostridium botulinum (C. botulinum) is een Gram-positieve, sporenvormende bacterie die een van de krachtigste neurotoxinen, het botulineneurotoxine (BoNT), produceert. Deze bacterie vormt een ernstig risico voor de volksgezondheid vanwege de mogelijke aanwezigheid in voedingsmiddelen met een lage zuurgraad, zoals ingeblikte producten en gerookt vlees. Dit onderzoek richt zich op de isolatie en karakterisering van C. botulinum, met als doel de ontwikkeling en optimalisatie van isolatiemethoden en moleculaire technieken voor nauwkeurige detectie en identificatie. Het onderzoek bestaat uit twee delen: het eerste deel richt zich op het optimaliseren van isolatieprotocollen van C. botulinum uit verschillende voedingsmiddelen door het evalueren van diverse methoden en parameters. Het tweede deel ontwikkelt een protocol voor het verkrijgen van hoogwaardige DNA-extracten, geschikt voor whole genome sequencing (WGS). Het onderzoek beoogt de verbetering van isolatie- en DNA-extractiemethoden, wat kan bijdragen aan verbeterde detectie- en preventiestrategieën tegen C. botulinum.

Het onderzoek naar AMobile ontstond uit de toenemende vraag naar grootschalige additieve manufacturing (LSAM) en de daarmee gepaard gaande uitdagingen. AMobile is opgezet met als doel bedrijven en scholen kennis te laten maken met grootschalig 3D-printen door middel van demonstraties en workshops op locatie.

Deze bachelorproef richt zich op de verbetering van de functionaliteit, efficiëntie en het gebruiksgemak van AMobile. Dit wordt bereikt door een literatuurstudie naar thermoplasten en een praktijkonderzoek naar de printparameters van verschillende materialen. De literatuurstudie geeft inzicht in de meest geschikte thermoplasten voor gebruik met de Pulsar-extruder. Het praktijkonderzoek richt zich op de optimalisatie van printparameters voor materialen zoals PLA en PETG. Het doel hiervan is om de geschiktheid van deze materialen voor de schroef extruder te bepalen en de bijbehorende extrusie parameters te optimaliseren.

Daarnaast omvat het project handleidingen om de gebruiksvriendelijkheid van AMobile te vergroten. Deze handleidingen dekken verschillende aspecten zoals de opstelling van de KUKA-robot, de bediening ervan en de CAM-setup. Het uiteindelijke doel is om de workflow te optimaliseren, van 3D-ontwerp tot het geprinte object.

Door deze aanpak is AMobile toegankelijker geworden voor een breder publiek en zijn er grote stappen gemaakt om het gebruiksgemak te vergroten.

Vergelijking tussen commerciele en gratis software voor het voorbereiden van een onderkaakreconstructie met het kuitbeen.

In deze scriptie wordt onderzocht welke mannelijke en vrouwelijke kenmerken een goede accountmanager maken of zijn prestaties verbeteren. Het doel is om een ​​lezer een idee te geven van welke eigenschappen hij het beste naar voren brengt bij het werken als accountmanager. Het kan ook helpen bij het aanwerven van een geschikte accountmanager.

Deze scriptie 'Architectural Intelligence' bestaat uit vier hoofdonderdelen, namelijk 'Pattern(languages)', 'Parametricism', 'Artificial Intelligence' en ten slotte een casestudy van mijn eigen Masterproject waarin geëxperimenteerd wordt hiermee. De belangrijkste onderzoeksvraag die in de verschillende thema's aan bod komt is: Op welke manieren kunnen systematische aanpakken, zoals patronen(talen), parametrische ontwerpmethoden of artificiële intelligentie, met (of zonder) het gebruik van technologie, de architect ondersteunen tijdens het ontwerpproces?

Het doel van de stage is het helpen en ondersteunen van een mobile start-up die van A tot Z mobile cross-platform apps gaat ontwikkelen. We zoeken naar de best mogelijke ondersteuning voor het projectteam om de kwaliteit steeds te verbeteren. Met mijn onderzoek wordt een antwoord gegeven op de vraag “Welke cross-platform testing tool biedt het meeste voordelen voor een projectteam?”. Het resultaat is een vergelijkingsmatrix waarmee het projectteam de meest geschikte testing tool kan selecteren.

 Workflow en lifehacking in het secundair onderwijs
Werken in het onderwijs wordt al snel geassocieerd met hopen papierwerk. De administratie die met het lesgeven gepaard gaat, heeft al heel wat enthousiaste leerkrachten het leven zuur gemaakt. De ene leerkracht doet het echter veel vlotter en met meer schwung dan de andere. Dat verschil, dat is het eigenlijke onderwerp van mijn eindwerk. 
 
Dat onderwerp heb ik niet lukraak gekozen. Toen ik besloot om voor leerkracht te studeren deed ik dat vooral uit idealisme.

 
Onderwerp eindwerk:            Communicatieproblematiek tussen administratie en prepress via JDF
 
 
Iedereen zal het magische woordje JDF wel eens gehoord hebben. Het Job Definition Format. Deze industriële norm voor communicatie tussen verschillende afdelingen in een grafisch bedrijf, is nog lang niet op zijn hoogtepunt.