Zum Inhalt

Tele-Assessment

Nutzung von Deep Learning zur Beurteilung der Kinematik der oberen Gliedmassen nach Schlaganfall mit handelsüblichen Webcams

Projektstatus

geschlossen

Projektbeginn

Oktober 2021

Förderlaufzeit

33 Monate

Beteiligte Hochschulen

ZHAW, UZH

Praxispartner

Cereneo

Förderbetrag DIZH

CHF 204'600

Anhand der beschrifteten Videodaten wurde ein auf Deep Learning basierendes KI-Modell trainiert. Dieses Modell nutzt visuell extrahierte Körpergelenkkoordinaten, um vorherzusagen, ob eine Person bei der Ausführung der Trinkaufgabe Ausgleichsbewegungen zeigt. Das Ergebnis ist eine Abfolge von computergestützten Verarbeitungsschritten, die Bewegungsmuster auf der Grundlage von Aufnahmen handelsüblicher Kameras erkennen.
Um diesen Ansatz zu einem für den therapeutischen Alltag geeigneten Messinstrument zu entwickeln, sind weitere Forschungs- und Entwicklungsarbeiten erforderlich. Eine Folgestudie müsste sich z. B. auf die Quantifizierung der Kompensationsbewegungen und die Schaffung einer benutzerfreundlichen Schnittstelle sowohl für Kliniker:innen als auch für Patient:innen konzentrieren.

Das Projekt wurde auf mehreren Konferenzen vorgestellt und führte zur Veröffentlichung mehrerer von Fachleuten begutachteter Artikel:

  • T. Unger, B. Kühnis, L. Sauerzopf, M.R Spiess, A. de Spindler,
    R.Gassert, O. Lambercy, A. Luft, C. Awai Easthope , J.G. Schönhammer,
    E. Gavagnin, in preparation. A Deep Learning Approach to Detect Upper
    Limb Compensation in Individuals Post-Stroke Using Consumer-Grade
    Webcams; to be submitted to Frontiers in 2025
  • Sauerzopf, Lena; Chavez Panduro, Celina G.; Luft, Andreas; Kühnis,
    Benjamin; Gavagnin, Elena; Unger, Tim; Easthope Awai, Christopher;
    Schönhammer, Josef G.; Degenfellner, Jürgen; Spiess, Martina, 2024.
    Evaluating inter- and intra-rater reliability in assessing upper limb
    compensatory movements post-stroke : creating a ground truth through
    video analysis?. Journal of NeuroEngineering and Rehabilitation.
    21(217). Available from: https://doi.org/10.1186/s12984-024-01506-7
  • Unger, Tim; Weikert, Thomas; Mokni, Marwen; Luft, Andreas; Gassert,
    Roger; Lambercy, Olivier; Sauerzopf, Lena; Gavagnin, Elena; Kühnis,
    Benjamin; Spiess, Martina; Schönhammer, Josef; Awai Easthope, Chris,
    2024. Quantifying upper limb movement quality after stroke with a
    webcam [Poster]. In: 13th World Congress for Neurorehabilitation,
    Vancouver, Canada, 22-25 May 2024.
  • Unger, T.; de Sousa Ribeiro, R.; Mokni, M.; Weikert, T.; Pohl, J.;
    Schwarz, A.; Held, J.P.O.; Sauerzopf, L.; Kühnis, B.; Gavagnin, E.; Luft,
    A.R.; Gassert, R.; Lambercy, O.; Awai Easthope, C.; Schönhammer,
    J.G., 2024. Upper limb movement quality measures : comparing IMUs
    and optical motion capture in stroke patients performing a drinking task.
    Frontiers in Digital Health. 6(1359776). Verfügbar unter:
    https://doi.org/10.3389/fdgth.2024.1359776
  • Sauerzopf, Lena, 2022. Promoting telerehabilitation after stroke :
    applications of assessments and intervention in occupational therapy. In:
    26th European Network of Occupational Therapy in Higher Education
    Annual Meeting (ENOTHE), Tbilisi, Georgia,14-16 October 2022.
  • Sauerzopf, Lena; Luft, Andreas; Spiess, Martina, 2022. Implementation
    of tools for technology-based teleassessment of sensorimotor recovery
    after stroke. In: 19th International Medical Ph.D. Conference, Hradec
    Králové, Czech Republic, 24-25 November 2022.

Team

Dr. Martina Spiess, ZHAW Gesundheit, Institut für Ergotherapie

Lena Sauerzopf, ZHAW Gesundheit, Institut für Ergotherapie

Prof. Dr. med. Andreas Luft, UniversitätsSpital Zürich, Klinik für Neurologie

Dr. Elena Gavagnin, ZHAW School of Management and Law, Institut für Wirtschaftsinformatik

Praxispartner

Dr. Josef Schönhammer, Lake Lucerne Institute & UniversitätsSpital Zürich, Klinik für Neurologie