2020-02 | E-BRAiN - Newsletter  -  Digitale Bewegungsmessung

Sehr geehrte Damen und Herren,

mit unserem zweiten Newsletter, wollen wir Sie über einige der aktuellen Forschungsarbeiten am Institut für Visual and Analytic Computing (VAC) (Leitung Prof. Thomas Kirste) im Bereich Informatik der Universität Rostock informieren.

Im Rahmen des Projektes E-BRAiN soll ein mobiler Roboter mit der Fähigkeit ausgestattet werden, die Übungen im Rahmen einer neurorehabilitativen Therapie selbstständig zu bewerten und dem Patienten automatisch Hilfestellungen zu geben. Dazu muss der Roboter in die Lage versetzt werden, den aktuellen Übungsverlauf auf Basis seiner Sensoren zu erkennen.

Beim Arm-Basis-Training wird der Patient beispielsweise durch eine Reihe Übungen geleitet, die die basale Kompetenz der aktiven Bewegungsfähigkeit in den einzelnen Gelenken wiederherstellen soll. Dazu gehören unter anderem die Flexion und Extension der einzelnen Arm- und Handgelenke, d.h., das wiederholte möglichst vollständige aktive Beugen und Strecken in den einzelnen Gelenken. Durch diese Übungen soll sich der aktive Bewegungsumfang (Range of Motion) der Gelenke wieder erhöhen. Um diesen Bewegungsumfang zu messen, entwickeln wir aktuell ein angepasstes Kamera-basiertes System. Dieses erkennt Farbmarkierungen, die auf dem Arm angebracht werden (siehe Abb. 1). Darauf aufbauend kann das System die erkannten Punkte zueinander in Beziehung setzen und so den aktuell erreichbaren aktiven Bewegungsumfang ermitteln. Die gemessenen Winkel (siehe Abb.2: 87° zwischen Ober- und Unterarm) und die über die Zeit erzielten Verbesserungen werden dann dem/r Patient*in als verstärkendes Feedback rückgemeldet und stehen auch der/m behandelnden Therapeut*in und Ärzt*in zur Verfügung. 

Gleichzeitig ist das System auch in der Lage, die Korrektheit der Übungsdurchführung zu bewerten und dem/r Patient*in ein entsprechendes Feedback zu geben (siehe Abb. 3). Die Übung wurde als inkorrekt erkannt, da der Oberarm bei der dargestellten Übung senkrecht nach unten zeigen soll.

Aktuell sind wir in der Lage, sowohl die Korrektheit der Übungsdurchführung zu beobachten, als auch den aktuellen aktiven Bewegungsumfang in einer Laborumgebung zu messen. Als nächstes wird das entwickelte Erkennungssystem in einem realen Umfeld hinsichtlich der erreichbaren Genauigkeit und Robustheit evaluiert.

Die besondere Herausforderung ist es, eine digitale Lösung zu entwickeln, die mit möglichst wenig „Instrumentierung“ der Patient*innen dennoch verlässlich klinisch valide Daten für die Therapie generieren soll. Dadurch wird die Digitalisierung der Therapiesituation unter Nutzung eines humanoiden Roboters inhaltlich unterstützt. An der Entwicklung des Systems sind der Doktorand Syed Ali Zafar und Dr. Sebastian Bader beteiligt.