Ambulante Bewegungs- und Aktivitätsanalyse für Patienten mit neurologischen Erkrankungen mit Hilfe von Inertialsensoren

• Antragsteller: Professor Dr. Nassir Navab; Professor Dr. Soheyl Noachtar
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2013 bis 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 227750053

Die Analyse menschlicher Bewegung ist ein zentraler Bestandteil der Diagnose und Behandlung von neurologischen Erkrankungen. Ein Verständnis der Bewegungsmuster jedes einzelnen Patienten ist von großer Bedeutung für Ärzte, um Erkrankungen korrekt diagnostizieren zu können und um die Wirkung von Medikamenten einzuschätzen. Eine rein visuelle Bewegungsanalyse, wie sie aktuell praktiziert wird, hat nur eine begrenzte Genauigkeit. Sie hängt stark von der Erfahrung des Arztes und der Fähigkeit des Pflegepersonals und der Patienten ab, ihre Beobachtungen zu beschreiben. Paroxysmale Symptome, wie epileptische Anfälle, werden häufig von niemandem bemerkt, und die Patienten haben oft keine Erinnerung daran. Kamerabasierte Systeme für die Bewegungsanalyse helfen, möglichst viel Information aus einem epileptischen Anfall abzuleiten. Solche Systeme müssen jedoch stationär im Klinikum aufgebaut werden. Somit sind sie nicht dafür geeignet, über längere Zeiträume hinweg Bewegungen von Patienten im Alltag zu analysieren. Wichtige Information zu möglichen Anfällen bleibt für Ärzte unzugänglich und Symptome werden nicht beurteilt.Ziel dieses Projekts ist es, ein System für die Bewegungsanalyse bei neurologischen Erkrankungen zu entwickeln, das kontinuierlich Bewegungsdaten von Patienten aufzeichnen und auswerten kann. Ein Schwerpunkt wird sein, patientenspezifische Bewegungsmuster anhand der Messungen von am Körper getragenen Inertialsensoren zu erkennen. Hierzu werden Methoden zum Lernen von Bewegungsmodellen entwickelt, die eine automatische Erkennung von wichtigen Ereignissen, z. B. Anfällen, ermöglichen und die Haltungen des Patienten für eine spätere Begutachtung durch den Arzt rekonstruieren können.Im Vergleich zur kamerabasierten Analyse von Körperbewegungen sind die Messungen von Inertialsensoren beschränkt. Deshalb werden die Inertialsensoren mit gelerntem Vorwissen zu menschlichen Bewegungen kombiniert. Zu diesem Zweck wird ein Trainingssystem aufgebaut, das für jeden einzelnen Patienten genaue Bewegungsdaten mithilfe von Kameras und den Inertialsensoren aufzeichnet. Diese Bewegungsdaten werden dazu verwendet, um die Beziehung zwischen den Sensordaten und den Bewegungen des Patienten in 3D zu lernen. Die Eignung von Inertialsensoren zur Erkennung von menschlichen Aktivitäten und Haltungen, unterstützt durch gelernte Bewegungsmodelle, wurde in eigenen Vorarbeiten gezeigt. Drei neurologische Erkrankungen werden im Mittelpunkt stehen: Epilepsie, Parkinson (PD) und Multiple Sklerose (MS). Im Fall der Epilepsie werden motorische Anfälle in einer bewährten klinischen Einrichtung zur präoperativen Epilepsie-Überwachung aufgezeichnet. Bei PD wird das System dazu verwendet, patienten-spezifische Bewegungsstörungen (z.B. Tremor, Hyperkinesie) zu erkennen, die von suboptimaler Medikamentengabe herrühren können. Bei MS-Patienten wird das System Bewegungen bei diagnostischen Sequenzen lernen, um die Bewegungsfähigkeit über längere Zeiträume zu beurteilen.

• DFG-Verfahren: Sachbeihilfen