Publikationen

Automatische Methoden zur Erkennung von FOG unter Verwendung des Freeze-Index (FI) wurden vielfach vorgeschlagen, um FOG systematisch im realen Leben zu überwachen und Therapieoptimierungen zu steuern. Die Methoden zur Schätzung des FI stützten sich jedoch auf ein breites Spektrum von Messtechnologien und Berechnungsmethoden, denen es oft an mathematischer Strenge mangelte. Dieser Mangel an Standardisierung hat die Akzeptanz des FI durch Zulassungsbehörden als reproduzierbares, robustes, wirksames und sicheres Maß, auf dem weitere Entwicklungen basieren können, erheblich behindert. In dieser Studie formalisieren wir die Definition des FI und schlagen einen rigorosen, expliziten Schätzalgorithmus vor, der als Standard für zukünftige Anwendungen dienen kann. Diese Standardisierung bietet einen konsistenten und zuverlässigen Maßstab.

Die Verschlechterung des Gangs kann als Biomarker für Alterung und neurologische Erkrankungen verwendet werden. Kontinuierliche Gangüberwachung und -analyse sind für die Früherkennung von Defiziten und personalisierte Reha- bilitation unerlässlich. Der Einsatz mobiler und tragbarer Trägheitssensorsysteme zur Gangüberwachung und -analyse wurde in der Literatur umfassend untersucht und zeigte vielversprechende Ergebnisse. In dieser Arbeit haben wir ein auf Trägheitssensoren basierendes In-Schuh-Ganganalysesystem für die Echtzeit-Gangüberwachung entwickelt und die optimale Abtastfrequenz untersucht, um alle Informationen über Gangmuster zu erfassen. Eine explorative Validie- rungsstudie wurde unter Verwendung eines optischen Motion-Capture-Systems an vier gesunden erwachsenen Probanden durchgeführt.

Motion-Capture-Systeme werden weithin als Goldstandard für die Ganganalyse akzeptiert und zur Validierung anderer Ganganalysesysteme verwendet. Bis heute wurden ihre Zuverlässigkeit und Einschränkungen bei der manuellen Kennzeichnung von Gangereignissen nicht untersucht. Zielsetzungen: Bewertung der Unsicherheit bei der manuellen Kennzeichnung und Einführung eines hybriden Modells zur Schritterkennung und Gangereignisschätzung für autonome, langfristige und Fernüberwachung. Methoden: Schätzung der Inkonsistenzen zwischen Kennzeichnern durch Berechnung der Übereinstimmungsgrenzen. Entwicklung eines hybriden Modells basierend auf Dynamic Time Warping und Convolutional Neural Network zur Identifizierung gültiger Schritte und Eliminierung von Nicht-Schritt-Daten in Trägheitsdaten (Gehen), die von einem tragbaren Gerät erfasst wurden. Abschließend Erkennung von Gangereignissen innerhalb eines gültigen Schrittbereichs.