Tragbare Messtechnik (Gerontopsychiatrische Anwendungen)

Seit 2006 besteht eine Zusammenarbeit mit der Klinik für Psychiatrie (Prof. Förstl) am Klinikum rechts der Isar für die Entwicklung von Diagnose- und Therapiesystemen auf der Basis moderner Messtechnik. Begleitend zu dem Forschungsprojekt der Fit4Life der Bayerischen Forschungsstiftung (BFS) wurde in 2009 der Messpullover und 2010 die Messhose entwickelt. Die Technologie gehört in die Gruppe der "Wearable Technologies."

Mess-Pullover mit 8 Beschleunigungssensoren

Der Pullover der TUM hat integrierte Beschleunigungssensoren: Handgelenke, Bizeps. Lende, Bauch und Hals. Der Pullover ist mit Elektronik voll waschbar und enthält eine wasserdichte Halterung für eine SD-Karte. Die Batterie kann über ein USB-Kabel geladen werden. Die Batterie ist leicht zu wechseln.

Mess-Hose mit 5 Beschleunigungssensoren

Die Hose der TUM hat integrierte Beschleunigungssensoren: Bauchnabel, Fussgelenk, Oberschenkel. Die Hose ist mit Elektronik voll waschbar und enthält eine wasserdichte Halterung für eine SD-Karte. Die Batterie kann über ein USB-Kabel geladen werden. Die Batterie ist leicht zu wechseln.

Rohdatenerfassung und -analyse mit EXCEL (Ingenieurwissenschaftler /Informatiker)

Für Wissenschaftler mit Interesse an der Analyse von Bewegungen erlaubt die Softwareversion 1.0 (Atmel 644 SW-Release 1.0) Die Analyse der Rohdaten mit EXCEL / MATLAB. 20 mal (10Hz, 5Hz, 1Hz, 0,1Hz usw.) pro Sekunde werden alle Messwerte der Beschleunigungssensoren mit 10 Bit Auflösung zwischen 0,004 G und 2 G erfasst. Datum und Uhrzeit können vorkonfiguriert werden. Die Daten werden als Textdatei (EXCEL) auf die Mikro-SD Karte geschrieben. Die Aufnahmedauer beträgt bis 20h bei voller Batterie. 

Rohdatenerfassung und -analyse mit EXCEL (Arbeitswissenschaftler)

Für Personengruppen, die nicht direkt an den Messdaten sondern bereits an einer einfachen Auswertung interessiert sind, bietet sich die Softwareversion 1.1 (Atmel 644 SW-Release 1.1) an. Hierbei wird über 5 Minuten jeweils die Aktivität integriert. Es lassen sich so keine Bewegungen erfassen, sondern die Aktivität des Rumpfes oder der Arme werden deutlicher erkennbar. Die Aufnahmedauer beträgt bis 20h bei voller Batterie.

Echtzeituhr dess Messpulovers

Damit der Nutzer die Messreihen nicht initial manuell mit Datum und Uhrzeit versorgen muss, besitzt die Messelektronik eine Echtzeituhr mit 10 jähriger Laufzeit. Die Uhrzeit kann über die SD-Karte gestellt werden.

Updates per SD-Karte

Damit die beteiligte Ärzte, Familien sowie die Träger der Messpullover auf einfachem Wege sich bestimmte Messfunktionen zuschicken lassen können, wird an dem Software-Update per SD-Karte gearbeitet.

Publications

Niazmand, K., Jehle, C., D’Angelo, L.T., Lueth, T.C., 2010. A new washable low-cost garment for everyday fall detection, in: 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Presented at the 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), pp. 6377 –6380. Link

Niazmand, K., Kalaras, A., Dai, H., Lueth, T.C., 2011. Comparison of methods for tremor frequency analysis for patients with Parkinson’s disease, in: 2011 4th International Conference on Biomedical Engineering and Informatics (BMEI). Presented at the 2011 4th International Conference on Biomedical Engineering and Informatics (BMEI), pp. 693–697. Link

Niazmand, K., Somlai, I., Louizi, S., Lueth, T.C., 2011. Proof of the accuracy of measuring pants to evaluate the activity of the hip and legs in everyday life. Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering 55 235. Link

Niazmand, K., Tonn, K., Kalaras, A., Kammermeier, S., Boetzel, K., Mehrkens, J.H., Lueth, T.C., 2011. A measurement device for motion analysis of patients with Parkinson’s disease using sensor based smart clothes, in: 2011 5th International Conference on Pervasive Computing Technologies for Healthcare (PervasiveHealth). Presented at the 2011 5th International Conference on Pervasive Computing Technologies for Healthcare (PervasiveHealth), pp. 9–16. Link

Niazmand, K., Tonn, K., Zhao, Y., Fietzek, U.M., Schroeteler, F., Ziegler, K., Ceballos-Baumann, A.O., Lueth, T.C., 2011. Freezing of Gait detection in Parkinson’s disease using accelerometer based smart clothes, in: 2011 IEEE Biomedical Circuits and Systems Conference (BioCAS). Presented at the 2011 IEEE Biomedical Circuits and Systems Conference (BioCAS), pp. 201–204. Link

Zhao, Y., Tonn, K., Niazmand, K., Fietzek, U.M., D’Angelo, L.T., Ceballos-Baumann, A., Lueth, T.C., 2012. Online FOG Identification in Parkinson’s disease with a time-frequency combined Algorithm, in: 2012 IEEE-EMBS International Conference on Biomedical and Health Informatics (BHI). Presented at the 2012 IEEE-EMBS International Conference on Biomedical and Health Informatics (BHI), pp. 192 –195. Link

Niazmand, K., Neuhaeuser, J., Lueth, T.C., 2012. A Washable Smart Shirt for the Measurement of Activity in Every-Day life, in: Wichert, R., Eberhardt, B. (Eds.), Ambient Assisted Living. Springer Berlin Heidelberg, Berlin, Heidelberg, pp. 333–345. Link