
Robuste Individualisierung smarter Sensorik durch transferlernenbasierte Merkmalsauswahl
Ziel
Die zunehmende Verfügbarkeit verschiedener Sensoren, die in Kombination mit einer KI-gestützten Auswertung als smarte Sensoren bezeichnet werden, erlaubt neue Funktionen in innovativen Unterstützungssystemen wie WearablesAls Wearables werden Technologien in Form von Sensoren oder mobilen Applikationen bezeichnet, welche asynchron und abseits bzw. über die Grenzen der medizinischen Versorgung hinaus Gesundheitsdaten sammeln (1). Sie umfassen unter anderem Armbänder, Smartwatches (technologisch optimierte Uhren) und andere mobile Sensoren. Diese messen und sammeln z.…zum Glossar in der Gesundheits- und Medizintechnik.
Hierbei sind zwei typische Herausforderungen anzutreffen. Zum einen sind verschiedene Sensorausstattungen und -anordnungen möglich, von denen diejenige ausgewählt werden muss, die eine robuste und echtzeitfähige Auswertung garantiert. Zum anderen sind die beobachteten Signale von Benutzer zu Benutzer verschieden, so dass Strategien für eine effiziente IndividualisierungIndividualisierung wird besonders durch digitale Transformation und Vernetzung gefördert. Durch sie können Angebote auf die Bedürfnisse einer Zielgruppe personalisiert zugeschnitten werden. Im Kontext der Gesundheitsversorgung kann eine gesteigerte Individualisierung bedeuten, dass Patienten eine stärker auf sie angepasste Behandlung ermöglicht wer…zum Glossar benötigt werden.
Ziel des Projekts ist der Entwurf von Methoden, die die Optimierung von HW- und KI-Komponenten smarter Sensoren unter dem Aspekt einer robusten und effizienten Individualisierbarkeit erlauben. Diese Herausforderungen werden anhand neuer Methoden der Merkmalsselektion für das Transferlernen adressiert. Die entwickelten KI-Verfahren werden anhand einer biometrischen Einlegesohle (Druck- /Inertialsensoren) und einer myoelektrischen Orthesensteuerung auf ihre Praxistauglichkeit getestet.
Hierbei sind zwei typische Herausforderungen anzutreffen. Zum einen sind verschiedene Sensorausstattungen und -anordnungen möglich, von denen diejenige ausgewählt werden muss, die eine robuste und echtzeitfähige Auswertung garantiert. Zum anderen sind die beobachteten Signale von Benutzer zu Benutzer verschieden, so dass Strategien für eine effiziente IndividualisierungIndividualisierung wird besonders durch digitale Transformation und Vernetzung gefördert. Durch sie können Angebote auf die Bedürfnisse einer Zielgruppe personalisiert zugeschnitten werden. Im Kontext der Gesundheitsversorgung kann eine gesteigerte Individualisierung bedeuten, dass Patienten eine stärker auf sie angepasste Behandlung ermöglicht wer…zum Glossar benötigt werden.
Ziel des Projekts ist der Entwurf von Methoden, die die Optimierung von HW- und KI-Komponenten smarter Sensoren unter dem Aspekt einer robusten und effizienten Individualisierbarkeit erlauben. Diese Herausforderungen werden anhand neuer Methoden der Merkmalsselektion für das Transferlernen adressiert. Die entwickelten KI-Verfahren werden anhand einer biometrischen Einlegesohle (Druck- /Inertialsensoren) und einer myoelektrischen Orthesensteuerung auf ihre Praxistauglichkeit getestet.
Beteiligte
Insitut für Systemdynamik und Mechatronik, FH Bielefeld
Universität Bielefeld
Universität Bielefeld
Förderung
Das Projekt wird durch das Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen gefördert.
Laufzeit
01.02.2021 – 30.11.2024
Kontakt
axel.schneider@fh-bielefeld.de
Kontakt
E-Mail:
atlas-itg@uni-wh.deLehrstuhl für Management und
Innovation im Gesundheitswesen
Innovation im Gesundheitswesen
Universität Witten/Herdecke
Alfred-Herrhausen-Straße 50
58448 Witten, Deutschland
Alfred-Herrhausen-Straße 50
58448 Witten, Deutschland

