Entwicklung eines Gleichgewichtsrehabilitationssystems für ältere Erwachsene, basierend auf IMU und KI: Personalisierte Trainings- und Präventionsstrategien

Die Entwicklung eines Gleichgewichtsrehabilitationssystems für ältere Erwachsene, das Inertial Measurement Unit (IMU)-Sensorik und künstliche Intelligenz (KI) integriert. Die wichtigsten technischen Komponenten und Methoden sind wie folgt:

Technologische Grundlage:

IMU-Sensoren werden zur Überwachung und Bewertung menschlicher Bewegungen und Körperhaltung eingesetzt. Diese Sensoren erfassen Bewegungen mithilfe von Beschleunigungsmessern, Gyroskopen und Magnetometern und ermöglichen so eine präzise Ganganalyse.

KI und Generative Adversarial Networks (GAN) werden die Daten verarbeiten, um Trainingsprogramme basierend auf den physiologischen und Bewegungsmerkmalen des Einzelnen anzupassen.

Ein Vicon 3D-Motion-Capture-System wird in Verbindung mit IMUs zur Validierung und Erfassung von Daten während der Entwicklungsphase eingesetzt.

Forschungsphasen:

Jahr 1: Entwicklung eines KI-basierten Gangtrainingssystems mithilfe von IMUs. Dazu gehört die Erstellung einer Gangdatenbank und von Gleichgewichtstrainingsprotokollen unter Verwendung bilateraler und unilateraler Bewegungen.

Jahr 2: Optimierung des Trainingssystems mithilfe von KI und GAN, um die Daten zu diversifizieren und die Trainingseffizienz zu verbessern.

Jahr 3: Klinische Validierung des Systems durch Vergleich der Ergebnisse zwischen Teilnehmern, die ein IMU-basiertes Training absolvieren, mit denen von Standard-Körperübungen.

Trainingsprotokolle:

Exergame-Umgebung: Die Teilnehmer nehmen an Übungen in einer virtuellen Umgebung teil, die reale Bedingungen nachahmt, aber künstliche Elemente enthält, um Gleichgewicht und Koordination herauszufordern.

Gleichgewichtstraining: Das Skateboard-basierte Training konzentriert sich auf einseitige Beinbewegungen, die von IMUs überwacht werden, um Feedback zu geben und den Schwierigkeitsgrad je nach Leistung anzupassen.

Datenanalyse:

Gangdaten: KI und GAN werden verwendet, um personalisierte Gangprofile zu erstellen, die in das Trainingssystem eingespeist werden.

Statistische Analyse: Verschiedene statistische Tests (z. B. ANOVA) bewerten die Wirksamkeit des Systems im Vergleich zu herkömmlichen Rehabilitationsmethoden.

Ziel dieses Systems ist es, älteren Erwachsenen eine personalisierte Rehabilitation zu ermöglichen, das Sturzrisiko zu verringern und ihre Lebensqualität zu verbessern.