Evidenzbasierte Sturzerkennung mit Hilfe von Vision- und Beschleunigungssensorik

Größe: px

Ab Seite anzeigen:

Download "Evidenzbasierte Sturzerkennung mit Hilfe von Vision- und Beschleunigungssensorik"

Sofia Adler
vor 8 Jahren
Abrufe

1 Evidenzbasierte Sturzerkennung mit Hilfe von Vision- und Beschleunigungssensorik Matthias Gietzelt 1, Jens Spehr 2, Michael Marschollek 1, Mehmet Gövercin 3, Yvonne Költzsch 3, Klaus-Hendrik Wolf 1, Bianying Song 1, Reinhold Haux 1, Elisabeth Steinhagen-Thiessen 3 1 Peter L. Reichertz Institut für Medizinische Informatik 1 der TU Braunschweig und der MH Hannover 2 Institut für Robotik und Prozessinformatik der TU Braunschweig 3 Forschergruppe Geriatrie, Charité Berlin GMDS, Motivation jedes Jahr stürzen 30% der über 65-Jährigen Stürze haben teils schwere Folgen können zur Immobilisierung führen verursachen hohe Kosten Sturzerkennungssysteme verständigen im Notfall Hilfspersonen bieten Sicherheit müssen verlässlich sein ältere Menschen können länger sicher, selbstständig und selbstbestimmt in ihrer gewohnten Umgebung leben 2 1

Reichertz Institut für Medizinische Informatik 1 der TU Braunschweig und der MH Hannover 2 Institut für Robotik und Prozessinformatik der TU Braunschweig 3 Forschergruppe Geriatrie, Charité Berlin

2 Methode Fusion Ziel: Zuverlässigkeit durch Fusion zu erhöhen Anforderungen Modularität (Hinzufügen neuer Systeme) Robustheit (Ausfall eines oder mehrerer Systeme) Erhöhung der Zuverlässigkeit der Sturzerkennung Methode: Dempster-Shafer-Evidenztheorie [1] fusioniert auf höchster (abstraktester) Ebene Klassifikation der Einzelsysteme als Eingangsgröße benötigt zusätzlich Angabe über die Zuverlässigkeit [1] Shafer G. A Mathematical Theory of Evidence. Princeton University Press; Methode Sturzerkennung Vision-Sensor sequentielle Verarbeitungsschritte Vordergrund-Hintergrundsegmentierung Personenerkennung (Blobs) Einflussfaktoren Sturzerkennung Aufenthaltsdauer Geschwindigkeit des Blobs Ausrichtung Körperachse Fusion durch Naive Bayes Zuverlässigkeit bestimmt durch schlechte oder sich ändernde Beleuchtung [2] J. Spehr, M. Gövercin, S. Winkelbach, E. Steinhagen-Thiessen, and F. Wahl (2009): Long-Term Evaluation of a Visual Fall Detection System in a Real Home Environment, Kongress der DGG / ÖGGG und der DGGG / SGG, Potsdam, Germany Dezember

Zuverlässigkeit [1] Shafer G. A Mathematical Theory of Evidence.

3 Methode Sturzerkennung Beschleunigungssensor Erweitertes Verfahren nach [2] Zuverlässigkeitsparameter r Peakerkennung [ja] [nein] t 0 +10s: Überprüfung Aktivitätsniveau [a = 0] [niedrig] [medium] [hoch] r = niedrig Aktivitätsklassifikation r = medium [Stehen] [Sitzen] Sturz r = medium [Liegen] Sturz [3] Doughty K, Lewis R, McIntosh A. The design of a practical and reliable fall detector for community and institutional telecare. J Telemed Telecare 2000; 6 Suppl 1: Evaluation im AGT-Labor prospektive Evaluation im Rahmen einer Vorlesung 7 junge, gesunde Probanden Jahre vorgegebener Ablauf Aktivitäten: Gehen, Sitzen, Lesen pro Proband 15 Stürze und ca. 30 Minuten Aufzeichnungsdauer herbeiführen von schwer erkennbaren Situationen Vision-Sensor: Änderung der Beleuchtungssituationen Ablegen des Gürtels mit Beschleunigungssensor 6 3

The design of a practical and reliable fall detector for community and institutional telecare.

4 Ergebnisse Beschleunigungssensor (n = 7) Sensitivität: 83,7% Spezifität: 97,2% Vision-Sensor (n = 5) Sensitivität: 85,3% Spezifität: 93,3% Fusioniertes Gesamtsystem (n = 7) Sensitivität: 91,4% Spezifität: 95,0% 7 Diskussion Einzelsysteme erkannten Stürze relativ zuverlässig Vision-Systems funktionierte bei zwei Probanden nicht Erkennung Gesamtsystem besser als Einzelsysteme Störungen des Vision-Sensors wurden kompensiert Stabilitätsgewinn durch teilweise Redundanz Gesamtsystem selbst in schwierigen Situationen zuverlässig 8 4

zuverlässig Vision-Systems funktionierte bei zwei Probanden nicht Erkennung Gesamtsystem besser als Einzelsysteme Störungen des

5 Diskussion Vergleich mit der Literatur Unterscheidung Sturz und ADL Bourke et al. [4] 240 Stürze bei 10 Probanden (Alter: 21-29Jahre) ADL: 10 Probanden (Alter: Jahre) Aktivitäten: hinsetzen, aufstehen aus verschiedenen Stühlen, hinlegen, gehen Klassifikationsrate: 100% Kangas et al. [5] 120 Stürze bei 20 gesunden Probanden (Alter: Jahre) ADL: zusätzlich 21 gebrechliche Probanden (Alter: Jahre) Aktivitäten: hinsetzen, aufstehen, hinlegen, gehen, Treppe steigen Dauer ca. 2 Minuten für gesunde, 4 Minuten für gebrechliche Probanden Spezifität: 100%, Sensitivität: 97,5% [4] Bourke AK, O'Brien JV, Lyons GM. Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm. Gait Posture 2007; 26(2): [5] Kangas M, Vikman I, Wiklander J, Lindgren P, Nyberg L, Jämsä T. Sensitivity and specificity of fall detection in people aged 40 years and over. Gait Posture 2009; 29(4): Zusammenfassung und Ausblick Einsatz von Fusion bessere Erkennungsraten ressourcenschonend Integration weiterer Sensoren ist einfach Mikrofone (z.b. Keyword-Spotting) Drucksensoren intelligente Teppiche Lichtschalter modulares System zur Sturzerkennung Sensorauswahl kann individuell getroffen werden insbesondere wichtig für sensible Räume 10 5

Hannover Mühlenpfordtstr. 23 38106 Braunschweig Klaus-Hendrik.Wolf@plri.

6 Vielen Dank für Ihre Aufmerksamkeit! Kontakt Dr.-Ing. Dipl.-Inform. Klaus-Hendrik Wolf PLRI für Medizinische Informatik Technische Universität Braunschweig Medizinische Hochschule Hannover Mühlenpfordtstr Braunschweig Niedersächsischer Forschungsverbund Gestaltung altersgerechter Lebenswelten gefördert durch das Niedersächsische Ministerium für Wissenschaft und Kultur, Niedersächsisches Vorab 11 6

Ähnliche Dokumente

Xesar. Die vielfältige Sicherheitslösung

Xesar. Die vielfältige Sicherheitslösung Xesar Die vielfältige Sicherheitslösung Xesar Die professionelle Lösung für Ihr Unternehmen Xesar Sicher und flexibel Xesar ist das vielseitige elektronische Schließsystem aus dem Hause EVVA. Komplexe