Multisensoriel analyse af menneskelig aktivitet til diagnose og tidlig påvisning af funktionelle begrænsninger (EYEFUL)

Fysiske og kognitive ændringer fremkaldt af en patologi forværrer individets funktionsevne, hvilket gør det sværere at udføre Activities of Daily Living (ADL'er) og forårsager afhængighed og/eller handicap. Der findes standardiserede observationstests til den kliniske vurdering af graden af ​​funktionel begrænsning i basale eller instrumentelle ADL'er (f.eks. Assessment Motor and Process Skills - AMPS). På den anden side bærer alle disse tests problemet med evaluatorens subjektivitet i analysen. Evaluatorens tilstedeværelse i testen kan have indflydelse på den måde, en person udfører ADL'er på.

Målet med projektet er at udvikle en metodik til at designe, implementere og validere automatiske kliniske test af funktionsbegrænsning, der: 1) giver objektive vurderinger med klinisk validitet, og 2) fjerner interferensen i testudførelsen forårsaget af den fysiske tilstedeværelse af evaluatoren. Den menneskelige evaluator-subjektivitet vil blive erstattet med et automatisk system, der udtrækker multimodal (dvs. multisensoriel) information fra miljøet under brugerens funktionsvurdering. Specifikt inklusive lyd-, video- og dybdesensorer og information indsamlet fra bærbare sensorer, som forsøgspersonen kan bære. Den objektive vurdering vil også give spor, som givet fagets kliniske historie kan bruges til tidlig påvisning af begrænsninger.

Dette problem er ikke blevet systematisk behandlet i litteraturen. Projektet er således en første løsning af udvikling og klinisk validering af et automatiseret system, der tillader en objektiv evaluering af observationstests. Håndtering af den kliniske vurdering af funktionelle begrænsninger vil derefter blive udført i et tilpasset virkeligt miljø (udstyret med passende elektroniske sensorer) i URJC-faciliteterne.

EYEFUL-URJC delprojektet har en nøglerolle i det metodiske design og kliniske validering af de automatiske evalueringsværktøjer. De vil også udføre de faktiske tests over normale forsøgspersoner og patienter ved at sammenligne outputtet af de nuværende værktøjer, som AMPS, med outputtet fra de vurderingsværktøjer, der er udviklet til projektet. For at udtrække relevante funktioner fra video, dybde, lyd og andre sensorer, udnytter projektet forskningserfaringen om automatisk sansning af menneskelige aktiviteter i intelligente rum af EYEFUL-UPM og EYEFUL-UAH. EYEFUL-UPM-underprojektet koncentrerer sig om analysen af ​​emnets ansigt, hovedstilling, blik og nøjagtig 3D-justering af ansigtets vartegn, som muliggør vurdering af ansigtsegenskaber, der er nyttige til forskellige tests (dvs. fokus på opmærksomhed, tilstedeværelse af smerte, forvirring) , frygt osv.). EYEFUL-UAH-delprojektet koncentrerer analysen om brugerens hele kropsaktivitet og hendes/hans interaktion med objekter, med dybde- og videosensorer, og integrerer også audio- og wearables' data for automatisk at vurdere de evaluerede personers funktionsevne. De tre koordinerede grupper griber projektet an på en tværfaglig måde med stærke feedbackkrav blandt dem undervejs i udviklingen. Dette tætte samspil er grundlæggende for at sikre tilstrækkeligt fokus på den tekniske udvikling givet de strenge kliniske krav til opgaven.