Personalisiertes System zur Patientenüberwachung in der roboterassistierten Neurorehabilitation

Hennes, Michael; Dißelhorst-Klug, Catherine; Abel, Dirk

doi:urn:nbn:de:hbz:82-rwth-2016-038785

Personalisiertes System zur Patientenüberwachung in der roboterassistierten Neurorehabilitation = Personalized system for patient supervision in robot assisted neurorehabilitation

Hennes, Michael

2015 & 2016

Verantwortlichkeitsangabevorgelegt von Michael Hennes

ImpressumAachen 2015

Umfang1 Online-Ressource (VIII, 137 Seiten) : Illustrationen, Diagramme

Dissertation, RWTH Aachen, 2015

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2016

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Abel, Dirk (Thesis advisor)^RWTH* ; Dißelhorst-Klug, Catherine (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2015-12-09

Online
URN: urn:nbn:de:hbz:82-rwth-2016-038785
URL: https://publications.rwth-aachen.de/record/657471/files/657471.pdf
URL: https://publications.rwth-aachen.de/record/657471/files/657471.pdf?subformat=pdfa

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Neurorehabilitation (frei) ; Assistenzsysteme (frei) ; Roboter (frei) ; Patientenüberwachung (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
In der Neurorehabilitation ist eine hohe Zahl an Wiederholungen von Alltagsbewegungen ein wesentlicher Faktor bei der Wiedererlangung von verlorengegangener Bewegungsfähigkeit. Daher werden zunehmend robotische Assistenzsysteme eingesetzt, die es Patienten ermöglichen, auch ohne Anwesenheit eines Physiotherapeuten geführt Alltagsbewegungen zu trainieren. In der vorliegenden Arbeit wird ein besonders kleines und leichtes System vorgestellt, welches die Bewegungen des Patienten während der Übungen mit dem Assistenzsystem quantitativ erfasst und bewertet, ohne den Patienten dabei zu behindern. Es werden hier inertiale Messeinheiten und ein Minimum-Varianz Schätzer verwendet, um die Bewegung zu erfassen und anschließend mit Hilfe von Fuzzy-Logik verarbeitet, um die Bewegungsleistungen der Patienten unter Nutzung von physiotherapeutischem Fachwissen quantitativ zu bewerten. Diese Bewertungsinformationen können dann von dem robotischen Assistenzsystem genutzt werden, um die Führung des Patienten maßgeschneidert an dessen Rehabilitationsfortschritt anzupassen. Es wurde durch Vergleich mit einem im Bereich der Bewegungsanalyse etablierten optischem Tracking-System nachgewiesen, dass die Genauigkeit des hier vorgestellten Systems für die Anwendung in der roboterassistierten Neurorehabilitation ausreichend ist.

In neurorehabilitation a high number of repetitions of activities of daily living is an essential factor for the regaining of lost movement abilities. Thus more and more robotic assistance systems are used which allow the patients to train such activities with guidance even without the presence of a physiotherapist. In this work an especially small and light system is presented, which measures and evaluates the movement of the patient quantitatively without hindering him. Inertial measurement units in combination with a minimum variance estimator are being used to measure the movement and afterwards the movement data is evaluated by fuzzy logic using physiotherapeutic expertise. This evaluation can be used by the robotic assistance system to tailor the guidance of the patient to his or her rehabilitation progress. It was shown by comparison with a motion tracking system already established in the field of movement analysis that the accuracy of the system presented here is sufficient for the usage in robotic assisted neurorehabilitation.

OpenAccess:
PDF PDF (PDFA)
(additional files)