2025 & 2026
Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026
Genehmigende Fakultät
Fak06
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2025-11-12
Online
DOI: 10.18154/RWTH-2025-09911
URL: https://publications.rwth-aachen.de/record/1022140/files/1022140.pdf
Einrichtungen
Projekte
Inhaltliche Beschreibung (Schlagwörter)
deep learning (frei) ; neonate (frei) ; segmentation (frei) ; temperature control (frei) ; thermography (frei)
Thematische Einordnung (Klassifikation)
DDC: 621.3
Kurzfassung
Die Aufrechterhaltung einer stabilen Hauttemperatur ist für das Überleben und die gesunde Entwicklung von Frühgeborenen von entscheidender Bedeutung. Herkömmliche Methoden, die auf kabelgebundenen Hautsensoren basieren, bergen das Risiko von Hautschäden, Infektionen und einer Beeinträchtigung der Eltern-Kind-Interaktion. Diese Arbeit stellt einen neuartigen, kontaktlosen Ansatz mittels Infrarot-Thermografie vor, um diese Herausforderungen zu bewältigen und eine kontinuierliche und genaue Temperaturüberwachung ohne physischen Kontakt zu ermöglichen. Zu diesem Zweck wurde ein automatisierter Algorithmus zur Körperteilsegmentierung als kritischer erster Schritt für die genaue Temperaturextraktion aus Infrarotbildern entwickelt. Es wurde ein Datensatz multimodaler RGB- und Langwellen-Infrarotbildern erstellt und annotiert. Deep-Learning-Modelle, insbesondere U-Net-Architekturen, wurden trainiert und evaluiert. Es zeigte sich, dass multimodale Fusionsansätze, die Informationen aus RGB- und LWIR-Bildern kombinieren, bessere Segmentierungsergebnisse liefern als Modelle mit nur einer Bildmodalität. Eine genaue IRT-basierte Temperaturmessung in einem Inkubator erfordert die sorgfältige Berücksichtigung von Umgebungseinflüssen wie Störungen durch das IR-Fenster und Reflexionen. Diese Arbeit stellt einen neuartigen Temperaturkorrekturalgorithmus vor, der diese Herausforderungen adressiert und mithilfe eines Schwarzkörpers kalibriert wurde. Dieser Algorithmus reduzierte den Messfehler signifikant und erreichte einen mittleren absoluten Fehler (Mean Absolute Error) von 0.17 °C im Vergleich zum Schwarzkörper. Eine klinische Studie an Frühgeborenen validierte die Kombination aus Segmentierungs- und Temperaturkorrektur-Pipeline und demonstrierte deren Genauigkeit und Robustheit in einer realen Umgebung. Im klinischen Umfeld erreichte das System einen mittleren absoluten Fehler von 0.41 °C im Vergleich zu klebenden Hautsensoren. Darüber hinaus erwiesen sich der Torso und die Arme aufgrund ihrer geringeren Schwankungen und höheren Detektierbarkeit als die zuverlässigsten Regionen für die kontaktlose Temperaturmessung. Ein neuartiges neonatales thermisches Phantom wurde entwickelt, um die Entwicklung und Validierung von Algorithmen zur kontaktlosen Hauttemperaturregelung zu ermöglichen. Dieses Phantom, das eine 3D-gedruckte anatomische Struktur mit unabhängig steuerbaren Heizzonen und eingebetteten Temperatursensoren umfasst, simuliert das thermische Verhalten eines Frühgeborenen präzise und ermöglicht realistische Tests verschiedener physiologischer und pathologischer Szenarien. Schließlich wurde ein Hardware-in-the-Loop (HIL) Prüfstand konzipiert, der das IRT-System, die Segmentierungsmodelle und das thermische Phantom integriert. PI-basierte Regelungsstrategien wurden implementiert und evaluiert. Sie zeigten eine erfolgreiche Regelung (Closed-Loop-Control) der Hauttemperatur des Säuglings durch die Regulierung der Inkubator-Lufttemperatur, wobei Schwankungen minimiert und effektiv auf simulierte Störungen sowie eine beeinträchtigte Thermoregulation reagiert wurde. Diese Forschung legt den Grundstein für die zukünftige Entwicklung vollständig kontaktloser, geschlossener Regelungssysteme für die Hauttemperatur, die eine verbesserte Sicherheit und einen höheren Komfort für Frühgeborene versprechen.Maintaining stable skin temperature is critical for the survival and healthy development of premature infants. Traditional methods that rely on wired skin sensors carry the risk of skin damage, infection and interference with parent-infant interaction. This thesis presents a novel, non-contact approach using Infrared Thermography to address these challenges, enabling continuous and accurate temperature monitoring without physical contact. For this purpose, an automated body part segmentation algorithm has been developed as a critical first step for accurate temperature extraction from infrared images. A dataset of multimodal RGB and long-wave infrared data was created and annotated. Deep learning models, specifically U-Net architectures, were trained and evaluated, demonstrating that multi-modal fusion approaches combining information from both RGB and LWIR images significantly outperform single-modality methods in segmenting body regions such as the head, torso, arms and legs. Accurate IRT-based temperature measurement within an incubator requires careful consideration of environmental influences such as IR window transmission and reflections. This work introduces a novel temperature correction algorithm that addresses these challenges and has been calibrated using a black body. This algorithm significantly reduced measurement errors, achieving a mean absolute error of 0.17 °C compared to the black body. A clinical study of premature infants validated the performance of the combined segmentation and temperature correction pipeline, demonstrating its accuracy and robustness in a real-world environment. In the clinical setting, the system achieved a mean absolute error of 0.41 °C compared to adhesive skin sensors. Furthermore, the torso and arms were found to be the most reliable regions for contactless temperature measurement due to their lower fluctuations and higher detectability. A novel neonatal thermal phantom was created to enable the development and validation of non-contact skin temperature control algorithms. This phantom, which incorporates a 3D-printed anatomical structure with independently controllable heating zones and embedded temperature sensors, accurately simulates the thermal behavior of a premature infant, allowing realistic testing of various physiological and pathological scenarios. Finally, a hardware-in-the-loop (HIL) test bed was designed, integrating the IRT system, segmentation models and the thermal phantom. PI-based control strategies were implemented and evaluated, demonstrating successful closed-loop control of infant skin temperature by regulating the incubator air temperature, while minimizing fluctuations and responding effectively to simulated perturbations and impaired thermoregulation. This research provides a foundation for the future development of fully contactless closed-loop skin temperature control systems, promising improved safety and comfort for premature infants.
OpenAccess:
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT031382533
Interne Identnummern
RWTH-2025-09911
Datensatz-ID: 1022140
Beteiligte Länder
Germany
|
The record appears in these collections: |