000367997 001__ 367997
000367997 005__ 20260528173124.0
000367997 0247_ $$aG:(GEPRIS)577565027$$d577565027
000367997 035__ $$aG:(GEPRIS)577565027
000367997 040__ $$aGEPRIS$$chttp://gepris.its.kfa-juelich.de
000367997 150__ $$aZuverlässiges nicht-störendes Monitoring im privaten Raum (RUMPS)$$y2026 -
000367997 371__ $$aProfessor Dr.-Ing. Steffen Leonhardt
000367997 450__ $$aDFG project G:(GEPRIS)577565027$$wd$$y2026 -
000367997 5101_ $$0I:(DE-588b)2007744-0$$aDeutsche Forschungsgemeinschaft$$bDFG
000367997 680__ $$aKardiovaskuläre Erkrankungen sind weiterhin eine der häufigsten Ursachen für den vorzeitigen Tod. Daher wäre das kontinuierliche und unmerkliche Monitoring der Vitalsignale, wie Herzfrequenz und Atemfrequenz, im privaten Raum wünschenswert, weil dadurch solche Erkrankungen frühzeitig entdeckt werden können, während die Arbeitslast in Krankenhäusern und Arztpraxen verringert werden kann. Allerdings sind nicht-störende Sensoren anfälliger für Rauschen und Bewegungsartefakte, sodass spezialisiertere Algorithmen notwendig sind, um ein verlässliches Monitoring zu gewährleisten. In diesem Projekt wird grundlegendes Wissen über die intrinsische Kopplung von Herz und Lunge sowie die extrinsische Kopplung des Körper-Sensor-Interfaces mit dem Ziel der Entwicklung von Modellen, die Sensorfusionsalgorithmen unterstützen, erforscht. Im ersten Schritt wird ein datengetriebenes Modell, das die Kopplung des kardiorespiratorischen Systems beschreibt, entwickelt. Dieses wird später einen wichtigen Teil der Sensorfusionsalgorithmen darstellen. Im zweiten Schritt wird das Körper-Sensor-Interface für verschiedene nicht-störende Sensormodalitäten modelliert. Im dritten Schritt wird ein Körperphantom entwickelt, das für die Validierung des zuvor entwickelten Models genutzt wird und das es ermöglicht wiederholbare Messungen mit bekannten Parametern durchzuführen. Im vierten Schritt wird das zuvor erlangte Wissen genutzt, um modellbasierte Sensorfusionsalgorithmen basieren auf klassischen und Machine-Learning Ansätzen zu entwickeln. Zuletzt wird eine Studie mit einer diversen Studienpopulation in Hinsicht auf Geschlecht, Alter, BMI und Hautfarbe durchgeführt und die Daten verwendet, um die Algorithmen in realen Szenarien zu validieren.
000367997 909CO $$ooai:juser.fz-juelich.de:1057539$$pauthority$$pauthority:GRANT
000367997 909CO $$ooai:juser.fz-juelich.de:1057539
000367997 980__ $$aG
000367997 980__ $$aAUTHORITY