AI-Motion Labs - Bewegungsanalyse

Bewegung neu verstanden – mit KI zur besseren Rehabilitation

In den AI-Motion Labs wird Bewegung durch modernste Sensorik und Künstliche Intelligenz erfasst, analysiert und therapieorientiert aufbereitet. Ziel ist eine individualisierte, technologiegestützte Rehabilitation mit übertragbarer Alltagsrelevanz.

Die AI-Motion Labs am Fraunhofer IMTE stellen eine hochspezialisierte Forschungsumgebung für die Erfassung, Analyse und Interpretation menschlicher Bewegungen dar – mit Fokus auf medizinische Rehabilitation und therapiegestützte Technologien. In enger Kooperation mit der Universität zu Lübeck wurden zwei Labore eingerichtet, die mit einem Perturbationslaufband und einem 3D-Seilroboter zur Körpergewichtsentlastung ausgestattet sind.

Die Systeme interagieren in einer virtuellen Realität und ermöglichen eine automatisierte Bewegungsanalyse mithilfe spezieller Kameratechnologie. Die erfassten Sensordaten werden in digitale Figurenmodelle überführt, die mit Verfahren der Künstlichen Intelligenz ausgewertet werden – zur Identifikation von Mustern, Abweichungen und Therapieerfolgen.

Ein zentrales Ziel ist der Transfer robotergestützter Assistenzsysteme in den Rehabilitationsalltag. Während in der klinischen Forschung bereits viele datengetriebene Systeme existieren, fehlen häufig robuste Ansätze zur Interpretation der gewonnenen Daten. Hier setzen die AI-Motion Labs an: Durch die Kombination analytischer Biomechanikmodelle und datengetriebener KI-Systeme kann die Therapieeffizienz gesteigert und individualisiert werden.

Forschungsfelder

Datengetriebene Assistenzsysteme in der Reha-Robotik

Die meisten robotergestützten Assistenzsysteme erfassen eine Vielzahl an unterschiedlichen Daten, die für die Funktionalität und Sicherheit der Geräte erforderlich sind. Diese Informationen können oft nur unter sehr speziellen Annahmen und Vereinfachungen auf physiologische Gegebenheiten Rückschlüsse zulassen. Jedoch lassen sich oft bestimmte Muster in diesen Informationen erkennen. Diese können meist nicht mit analytischen oder numerischen Ansätzen beschrieben werden. Mit Hilfe von datengetriebenen Ansätzen können diese Zusammenhänge erfasst und ausgewertet werden. Schwerpunkt des Forschungsfelds ist die Beschreibung der Zusammenhänge zwischen Messgrößen der Geräte und physiologischen Größen. Weiterhin wird eine Prädiktion des Rehabilitationserfolgs aus Metadaten oder aus Assessmentdaten angestrebt.

Modellgetriebene Assistenzsysteme in der Reha-Robotik

Die Annahme die Bewegungsabläufe des Menschen auf das Zusammenspiel zwischen Segment, Gelenk und Aktuator reduzieren zu können, erlaubt eine modellgetriebene Betrachtung. Ziel der Forschung ist die Abbildung patientenindividueller Bewegungsstörungen in ein generisches Bewegungsmodell. Mit Hilfe der darauffolgenden Vorwärtssimulation können mögliche Interventionen beurteilt und therapiespezifische Meilensteine bestimmt werden. Diese analytische Betrachtungsweise erlaubt tiefgreifende Einblicke in die Zusammenhänge zwischen Bewegungsstörungen und physiologischen Größen.

Erkenntnistransfer in den Rehabilitationsalltag

Präzise und individualisierte Bewegungsanalysen und -therapien, sowie eine automatisierte Trainingsauswertung bieten die Möglichkeit im Rehabilitationsalltag Ressourcen einzusparen und medizinisches Personal zu entlasten. So könnten beispielsweise robotische Assistenzsysteme bei der Neuentwicklung und Durchführung von standardisierten Assessments unterstützen, oder patientenindividuelle Korrekturen während der Rehabilitation für einen optimalen Rehabilitationsverlauf vornehmen.

Leistungen

  • Entwicklung datengetriebener Modelle zur Rückführung von Geräteinformationen auf Bewegungsparameter
  • Entwicklung von patientenindividuellen Bewegungsmodelle
  • Planung und Durchführung von klinischen Studien in den AI Motion Labs
  • Planung und Durchführung von Studien zur Produktvalidierung von Assistenzsystemen in der Rehabilitation