Bitte wählen Sie den gewünschten Projektzeitraum:
- Juli 2026
- Januar 2026
- Juli 2025
- Januar 2025
- Juli 2024
- Januar 2024
- Juli 2023
- Januar 2023
- Juli 2022
- Januar 2022
- Juli 2021
- Januar 2021
- Juli 2020
- Januar 2020
- Juli 2019
- Januar 2019
- Juli 2018
- Januar 2018
- Juli 2017
- Januar 2017
- Juli 2016
- Januar 2016
- Juli 2015
- Januar 2015
- Juli 2014
- Januar 2014
- Juli 2013
- Januar 2013
- Juli 2012
- Januar 2012
- Juli 2011
- Januar 2011
- Juli 2010
- Januar 2010
- Juli 2009
- Januar 2009
- Juli 2008
- Januar 2008
- Juli 2007
- Januar 2007
- Juli 2006
- Januar 2006
- Juli 2005
- Januar 2005
- Juli 2004
- Januar 2004
- Juli 2003
- Januar 2003
- Juli 2002
- Januar 2002
- Juli 2001
- Januar 2001
Förderbeginn 01.07.2015
Steigerung gesundheitsbezogener Aspekte durch die Verwendung von Mustererkennungsalgorithmen im Gesundheitswesen
Prof. Dr. Björn Eskofier
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Informatik 5 (Mustererkennung)
Heike Leutheuser
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Informatik 5 (Mustererkennung)
Prof. Dr. Abby C. King
Stanford University
School of Medicine - Dept. of Health Research & Policy
Jeder Einzelne kennt Faktoren, die zu einem gesunden Lebensstil gehören.
Ausreichend Bewegung ist so ein Merkmal. Obwohl diese Faktoren den meisten
bekannt sind, existieren dennoch Übergewicht und chronische Krankheiten oder die
Thematik Rauchen. Das Stanford Prevention Research Center (SPRC) untersucht,
wie Krankheiten vermieden und für eine gesunde Lebensweise geworben werden
kann kann. Die Digital Sports (DS) Gruppe des Lehrstuhls für Mustererkennung der
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) hat beträchtliches
Fachwissen im Bereich eingebetteter Systeme mit den Anwendungsgebieten Sport
und Medizin. In diesem gemeinsamen Projekt ist ein Ziel das Wissen in den beiden
Forschungsgruppen zu bündeln. Außerdem ist ein Fokus das Anwenden von
Mustererkennungsalgorithmen (z.B. überwachte und unüberwachte Klassifikation,
Data-Mining, statistisches Lernen, etc.) auf bestehende Datensätze anzuwenden
(Re-Analyse) um neue Erkenntnisse für das Werben und Aufrechterhalten eines
gesunden Lebensstil zu gewinnen.
Abschlussbericht
Das Mobilize Center vereint Wissenschaftler unterschiedlicher Fachrichtungen unter einem Dach um Forschung im Bereich Bewegung zu revolutionieren. Die beiden Stanford-Forschungseinrichtungen, das Mobilize Center und das Department für Orthopädische Chirurgie, kooperierten mit dem Lehrstuhl für Maschinelles Lernen und Datenanalytik der Friedrich-Alexander-Universität Erlangen-Nürnberg, Deutschland.
Das Projekt beinhaltete die Studienplanung, -durchführung und Auswertung der Studie mit Titel “Osteoarthritis (OA) and Lumbar Spinal Stenosis (LSS) Physical Performance Measurement using Body Worn Sensors”. Die Studienkonzeption beinhaltete die Festlegung der sechs verschiedenen Gangtests sowie die Festlegung der sieben Fragebögen. Anschließend wurde die Datenaufnahme, wie Auswahl der Sensoren oder Festlegung der Hardware-Konfigurationen, vorbereitet. Bei den Studienteilnehmern handelte es sich um OA oder LSS Patienten oder gesunde Kontrollen. Die Datenaufnahme von insgesamt 30 Teilnehmern ist abgeschlossen. Erste Auswertungen der Daten liegen bereits vor. Die finalen Auswertungen liegen aktuell noch nicht vor.