Direkt zum Inhalt
eGaIT
Bewegungsanalyse

Sensorbasierte Ganganalyse

Gemeinsam mit Partnern aus Medizin, Wissenschaft und Industrie arbeiten wir an verschiedenen Forschungsprojekten, um einen wesentlichen Beitrag zur Zukunft der Gesundheit zu leisten.

eGaIT

Automatisierte, sensorbasierte Ganganalyse zur Frühdiagnose des Parkinson Syndroms

Abgeschlossenes Projekt. Gemeinsam mit der Abteilung Molekulare Neurologie des Universitätsklinikums Erlangen  (Spezialambulanz für Bewegungserkrankungen) und dem Lehrstuhl für Mustererkennung der Friedrich-Alexander Universität Erlangen-Nürnberg entwickelten wir ein mobiles sensorbasiertes Komplettsystem zur automatisierten Bewegungsanalyse. Das System dient sowohl der Unterstützung von Frühdiagnosen neurodegenerativer Erkrankungen als auch einem kontinuierlichen Therapiemonitoring des Patienten in seiner Alltagsumgebung.

Ziel des mobilen Sensorsystems war es, dem Therapeuten objektive Sensordaten zur Verfügung zu stellen, die er als Grundlage für seine Diagnose  und Therapie heranziehen kann, um so die Versorgung eines Patienten in allen Krankheitsstadien zu verbessern.  

Sensoren Bewegungsmuster

miLife – Sensorplattform für den Sport- und Gesundheitsbereich

Abgeschlossenes Projekt. Mit unserem Forschungsprojekt "miLife" entwickelten wir unter der Projektleitung des Lehrstuhls für Mustererkennung gemeinsam mit der adidas AG eine zentrale Wearable Computing Plattform für den Einsatz im Gesundheits- und im Sportbereich.

Körpernahe Sensoren spielen eine immer größer werdende Rolle, um Sportler bei der Durchführung ihres Trainings  oder ältere bzw. erkrankte Menschen in ihrem Alltagsumfeld zu unterstützen. Ziel und Herausforderung des Forschungsprojekts miLife war es, unterschiedliche Sensoren in Kleidung zu integrieren und deren Signale in einer einheitlichen Plattform zur Datenaufzeichnung und komfortablen Auswertung zusammen zu fassen.

Diese neu entwickelte Kommunikationsplattform zeichnete sich durch flexible Lösungen zur Sensoranbindung, Datenanalyse und sozialen Vernetzung aus. Das System ist zudem für Anwendungen wie Gesundheits-Monitoring, Bewegungsmotivation aber auch Team- und Individualsport geeignet. Weiterhin wurden mobile Anwendungen für Menschen verschiedener Alters- und Aktivitätsgruppen konzeptioniert, um deren Lebensqualität und Gesundheit nachhaltig zu verbessern. 

Sponsor

Bayerischen Forschungsstiftung

Project partners

Molekulare Neurologie der Universitätsklinik Erlangen
Malteser Waldkrankenhaus St. Marien
Praxisklinik für Neurologie, Psychiatrie, Psychosomatische Medizin und Psychotherapie
Pattern Recognition Lab

Publikationen