„Anthrokinemat,“ eine intelligente Knie-bandage, zur Unterstützung der Arthrose-Patienten in der Bestimmung der richtigen Menge der täglichen übung. Alle relevanten Daten über die Belastungen der Gelenke werden erfasst und übertragen, um den Patienten das Handy. Die Entwicklung des Verbandes basiert auf der Arbeit der Sportwissenschaftler am Karlsruher Institut für Technologie (KIT), welche wurde gefördert durch das Bundesministerium für Wirtschaftliche Angelegenheiten und der Universität Energie (BMWi) über die letzten drei Jahre. Projektpartner sind die Universität Bremen, der Verband der Hersteller Bauerfeind, und die sensor-Technologie der Firma ITP. In einer follow-up-Forschungsprojekt ein Prototyp entwickelt werden.
„In der Vorbeugung und Behandlung von Arthrose, die richtige Menge der übung eine wichtige Rolle spielt neben dem Gewicht des Patienten und Ernährung,“ Sport-Orthopäde Professor Stefan Sell von KIT-Institut für Sport und Sportwissenschaft (IFS) sagt. Das finden der richtigen Ebene der übung ist nicht einfach, fügt er hinzu, und nur ein paar Leute und gut trainierte Sportler in der Lage sind, richtig zu interpretieren die Signale Ihrer Körper ohne Unterstützung von Experten. Die smart-bandage ausgestattet mit einer Reihe von sensoren übertragen ein signal an das Patienten-Handy zu warnen, die ihm/Ihr gegen die überschreitung der Belastung zu begrenzen. „Arthrose-Patienten sollten tun intensive übung für eine bestimmte Menge an Zeit jeden Tag,“ Verkaufen empfiehlt. Übermäßige Belastung, wie z.B. eine Wanderung von mehreren Stunden, allerdings könnte die Belastung der geschädigten Gelenke und verursachen Wochen Schmerzen.
Machine-Learning-Algorithmen Zug mit Bewegung Daten
Die größte Herausforderung in der Entwicklung des Verbandes war bisher die Suche nach einer geeigneten Algorithmus zu quantifizieren, Knie-Stamm, Professor Thorsten Stein sagt. Der Leiter des BioMotion Center des IFS, betont: „die Sensoren Messen nur die Bewegung, aber nicht die richtige Sorte. Im Fall von Arthrose, Gelenke sollten nicht belastet zu viel. Das ist, warum wir haben, zu schätzen möglichst genau die Kräfte, die im inneren des Knies.“ Um dieses problem zu lösen, machine-learning-algorithmen—künstliche neuronale Netzwerke—verwendet werden. Der Algorithmus ausgebildet ist, die mit der Verschiebung von Daten und lernt automatisch die Schätzung der Kräfte im Knie, die aus einer Bewegung. Einige Forschungsergebnisse sind bereits veröffentlicht worden in der Sensoren journal, indem Sie die Gruppen zu Verkaufen und Stein.