Sensoren und KI revolutionieren Balancetests: Neue Methoden für Patientenstabilität und Heimüberwachung

BerlinForscher der College of Engineering and Computer Science der Florida Atlantic University haben eine neue Methode entwickelt, um das Gleichgewicht zu messen. Dafür setzen sie tragbare Sensoren und intelligente Computerprogramme ein. Dies kann insbesondere die Überwachung von Gleichgewichtsproblemen zu Hause oder in Pflegeheimen verbessern.

Traditionelle Gleichgewichtstests haben einige Schwächen. Sie erfordern oft teure und spezielle Ausrüstung und die Ergebnisse können je nach Können des Klinikers variieren. Zudem sind diese Tests nicht aus der Ferne durchführbar. Daher braucht es bessere und umfassendere Werkzeuge.

Die neue Methode nutzt tragbare Sensoren, die am Körper befestigt werden. Im Rahmen der Studie wurden die Sensoren an den Knöcheln, am unteren Rücken, an der Brust, am Handgelenk und am Arm der Teilnehmer angebracht. Die Forscher verwendeten den modifizierten klinischen Test der sensorischen Interaktion beim Gleichgewicht (m-CTSIB), um zu messen, wie gut eine Person das Gleichgewicht in verschiedenen sensorischen Situationen halten kann.

• Mit offenen Augen auf festem Untergrund
• Mit geschlossenen Augen auf festem Untergrund
• Mit offenen Augen auf weichem Untergrund
• Mit geschlossenen Augen auf weichem Untergrund

Jeder Test dauerte etwa 11 Sekunden ohne Unterbrechung. Dadurch waren die Balance-Tests durchgehend und der Bewertungsprozess verlief schneller.

Zur Erfassung von Bewegungsdaten benutzten Forscher IMU-Sensoren und ein spezielles System. Danach verarbeiteten sie die Daten und extrahierten zahlreiche Merkmale zur Analyse. Um die m-CTSIB-Werte zu schätzen, setzten sie Multiple Lineare Regression, Support Vector Regression und XGBOOST ein. Die Eingabedaten dieser Maschinenlernmodelle stammten von den tragbaren Sensoren. Die m-CTSIB-Werte aus Falltrak II dienten als wahre Bezeichnung zur Trainings- und Validierungsphase der Modelle.

Anwendungsbereich: Wearable-Technologie zur Bewegungserfassung und Modellvalidierung in der Forschung

Lesen Sie auch:

Heute · 03:00

Patagonien unter Druck: Gletscherschutz durch Emissionsreduktion, um Schnee statt Regen zu sichern

Forscher entwickelten mehrere maschinelle Lernmodelle, um m-CTSIB-Werte mithilfe von Daten aus tragbaren Sensoren vorherzusagen. Zudem untersuchten sie, welche Sensorpositionierungen am besten zur Analyse des Gleichgewichts geeignet sind. Die Ergebnisse zeigten, dass die Modelle äußerst präzise waren und die tatsächlichen Gleichgewichtswerte genau widerspiegelten.

Daten von Sensoren am unteren Rücken und am dominanten Knöchel zeigten die besten Ergebnisse bei der Schätzung von Gleichgewichtspunkten. Dies unterstreicht die Bedeutung der genauen Platzierung von Sensoren, um Balanceanpassungen und Bewegungen präzise zu erfassen.

Dr. Behnaz Ghoraani, Professorin an der FAU, erklärte, dass tragbare Sensoren eine praktische und kostengünstige Methode zur Überwachung von Bewegungen sind. Diese Sensoren, die am unteren Rücken und den Beinen platziert werden, liefern wertvolle Daten über das Bewegungsverhalten von Menschen. Dies ist entscheidend, um das Sturzrisiko in verschiedenen Bevölkerungsgruppen zu bewerten.

Dr. Stella Batalama, Dekanin der FAU Fakultät für Ingenieurwissenschaften und Informatik, erklärte, dass diese Methode benutzerfreundlicher und kostengünstiger sei. Sie kann aus der Ferne gesteuert werden, was bedeutende Auswirkungen auf das Gesundheitswesen, die Rehabilitation und die Sportwissenschaft haben könnte.

Die Ziele der Studie basierten auf dem Bedarf an besseren Werkzeugen zur Messung des Gleichgewichts. Herkömmliche Methoden sind oft nicht präzise genug, was die Diagnose und Behandlung von Gleichgewichtsproblemen erschwert. Tragbare Geräte bieten eine Lösung, da sie Ärzten ermöglichen, das Gleichgewicht der Patienten aus der Ferne zu überwachen.

Forschungsergebnisse wurden in Frontiers in Digital Health veröffentlicht. Sie zeigen, dass diese neue Methode die Messung des Gleichgewichts revolutionieren könnte, besonders an Orten, wo die aktuellen Methoden nicht anwendbar oder schwer zugänglich sind.