Muster im menschlichen Gang erkennen

Utl.: Methoden und Werkzeuge für effiziente Physiotherapie =

St. Pölten (OTS/FHSTP) - Therapeutische Einrichtungen und
Rehabilitationszentren müssen meist eine große Anzahl an Patientinnen
und Patienten in möglichst kurzer Zeit kosteneffizient behandeln. Die
FH St. Pölten entwickelt im Projekt „IntelliGait“ Werkzeuge zum
automatisierten Erkennen von Mustern in Ganganalyse-Daten, um
Physiotherapeutinnen und -therapeuten die Arbeit zu erleichtern und
die Therapien zu unterstützen.

„In den letzten Jahren wurden immer wieder neue Ansätze für die
automatische Analyse und Klassifizierung von Ganganalysedaten
vorgestellt. Doch sie basieren zumeist nur auf kleinen oder künstlich
geschaffenen Datensätzen oder schließen nur eine geringe Anzahl an
möglichen funktionellen Defiziten ein. Das schränkt die
Zuverlässigkeit solcher Methoden stark ein“, sagt
Sportwissenschaftler Brian Horsak, FH-Dozent am Department Gesundheit
der FH St. Pölten und Leiter des Projekts IntelliGait.

Das Projekt IntelliGait kann die Datenbank des niederösterreichischen
Rehabilitationszentrums Weißer Hof der AUVA (Allgemeine
Unfallversicherungsanstalt) nutzen, die Ganganalysedaten und
zugehörige Diagnosen von Patientinnen und Patienten aus 20 Jahren
klinischer Praxis beinhaltet. Mit dieser Datensammlung wird ein
allgemeines Modell des Normalgangverhaltens generiert, das
unterschiedliche Parameter wie Gehgeschwindigkeit, Alter und
Geschlecht berücksichtigt. Darauf basierend werden eine automatische
Klassifizierung unterschiedlicher Funktionsdefizite sowie Methoden
entwickelt, die beim Abweichen vom Normgangmodell Daten der gesamten
Datenbank abgleichen, um ähnliche Fälle und deren zugeordnete
Diagnosen zu finden. Dies soll die Therapeutinnen und Therapeuten im
klinischen Alltag unterstützen, um so effizientere Diagnosen und
Entscheidungen treffen zu können.

Das Projekt wird in enger Kooperation mit der AUVA durchgeführt. Die
Universität Wien ist wissenschaftlicher Partner im Bereich
Biomechanik. Der Studiengang Physiotherapie der FH St. Pölten bringt
die klinische Expertise ein.

Für die Analyse der Daten sollen Verfahren der Mustererkennung und
des maschinellen Lernens entwickelt werden: „Die Datenmengen, die uns
im Projekt IntelliGait zur Verfügung stehen, erlauben es,
selbstlernende Methoden wie neuronale Netze zu nutzen, um einerseits
Gangdaten automatisiert klassifizieren zu können, als auch typische
Bewegungsmuster für unterschiedliche Pathologien aus den Daten zu
lernen. So können unsere Methoden den Expertinnen und Experten
helfen, neue Einblicke in die Daten zu gewinnen“, sagt Matthias
Zeppelzauer vom Institut für Creative\Media/Technologies der FH St.
Pölten (IC\M/T), der im Projekt die Forschung im Bereich
Mustererkennung leitet.

Neben der Erkennung von Mustern und Auffälligkeiten ist die
Visualisierung dieser Daten von großer Bedeutung. „Bei großen
Datenmengen fällt die Analyse und Interpretation der Daten oft
schwer. Doch mit den richtigen Ansätzen lassen sich Informationen
entdecken, die darin versteckt sind. Entscheidend dafür ist das
Zusammenspiel zwischen automatischer Datenanalyse durch Computer und
Interpretation durch Expertinnen und Experten mittels interaktiver
Visualisierung“, sagt Wolfgang Aigner, Leiter des Instituts für
Creative\Media/Technologies.

Aigner entwickelt mit Mitarbeitern im Projekt „KAVA-Time:
Knowledge-Assisted Visual Analytics Methods for Time-Oriented Data”
Methoden zur besseren Analyse und visuellen Aufbereitung von Daten,
die in verschiedenen Themengebieten angewendet werden. Wichtig ist
dabei die gute Zusammenarbeit zwischen Mensch und Maschine. „Mit
Visual Analytics lässt man Computer das tun, was sie am besten können
– zum Beispiel Cluster in großen Datenmengen herauszufinden. Doch der
Mensch ist besser im Erkennen von visuellen Mustern und im Umgang mit
Unsicherheiten und Widersprüchen“, so Aigner.

Werden die Daten von Computern entsprechend aufbereitet, lässt sich
aus den dargestellten optischen Mustern Information herausziehen, die
in der unübersichtlichen Sammlung der Daten nur schwer zu entdecken
sind und übersehen werden könnten.

In den letzten drei Jahren hat die FH St. Pölten ein Zentrum für
angewandte Forschung für medienunterstützte Gesundheitsvorsorge mit
Fokus auf die Bereiche Bewegung und Aktivität eingerichtet: CARMA
(Center for Applied Research in Media Assisted Healthcare for Motion
and Activity).

Mit dem Projekt CARMA wurden interdisziplinäre Forschungsgruppen mit
Know-how im Bereich Gesundheit und Technik aufgebaut. Im Zuge des
Vorhabens entstanden neben dem Projekt IntelliGait weitere innovative
Lösungen im Gesundheitsbereich mit Fokus auf die physiotherapeutische
Ganganalyse. carma.fhstp.ac.at

OTS-ORIGINALTEXT PRESSEAUSSENDUNG UNTER AUSSCHLIESSLICHER INHALTLICHER VERANTWORTUNG DES AUSSENDERS - WWW.OTS.AT | FSP

print