Ortopédiai előszűrő eszköz tervezése
Minél később vesszük észre a gyerekek járásszervi elváltozásait vagy sérülést elszenvedett emberek nem megfelelő rehabilitációs folyamatait, annál nagyobb eséllyel alakulnak ki újabb és sok esetben súlyosabb rendellenességek. Jelenleg ezek szűrésére és megelőzésére a MoCap technológia [1] nyújtott lehetőséget. Azonban ez laboratóriumi helyhez kötöttsége és a vizsgálatok lassúsága miatt önmagában nem alkalmazható nagy létszámban, amely különösen a gyerekek szűrésekor lehet probléma. Valamint a laborban mindenki törekszik a megfelelő járásképre, így nem valós adatokat kapunk. A laboratóriumoknak nemcsak a kapacitása véges, de a vizsgált mozgásforma is redukált: csak néhány méteres síkon történő járást, esetleg futópadon történő futást tudunk elemezni. Erre jelenthet megoldást az az eszköz, melynek fejlesztésén dolgozunk, amellyel a térbeli és időbeli korlátokat is jelentősen kitágíthatók.
A mi eszközünk egyszerűen felhelyezhető a testre, így független a laboratóriumi körülményektől. Ennek köszönhető, hogy az alanyról a mindennapi környezetében szerzünk járásképet, valamint annyi alanyon végezhetünk mérést egy időben, amennyi eszköz a rendelkezésünkre áll, így nagy létszámban hasznosítható. Az eszköz jelenleg gyorsulásmérőből, giroszkópból és magnetométerből áll, mely a későbbi fejlesztések során redukálódhat aszerint, hogy melyik ad nekünk hasznos információkat az elváltozásokról. Ezeket egy központi számítógép kiértékeli és diagnózist állít fel. Fontos, hogy nem a MoCap felváltása a célunk, hanem a kiegészítése, hogy szűrhetőek lehessenek azok az alanyok, akiknél további szűrés szükséges laboratóriumi körülmények közt.
A mért adatokat egy kiértékelő program megfelelő módon, grafikonok segítségével szemlélteti a járás karakterisztikáját, majd gépi tanulással képes diagnózist felállítani korábbi, szakorvosok által besorolt eredmények alapján. A gépi tanulást már sikerrel alkalmazták például járáskép alapján történő ASD detekcióra [2], így jó eséllyel a mi megoldásunkban is megfelelő pontosságot adhat. Nem az abszolút elmozdulás mérése a cél, ugyanis azt olyan pontatlansággal lehetne meghatározni, hogy az a pontos diagnózis és a minták hitelességének a rovására menne. A gyorsulások, szögsebességek értéke is elégséges az osztályozáshoz minimális szűrést követően.
[1] MÜNDERMANN, Lars; CORAZZA, Stefano; ANDRIACCHI, Thomas P. The evolution of methods for the capture of human movement leading to markerless motion capture for biomechanical applications. Journal of neuroengineering and rehabilitation, 2006, 3.1: 1-11.
[2] HASAN, C. Z. C.; JAILANI, ROZITA; TAHIR, N. M. Automated classification of gait abnormalities in children with autism spectrum disorders based on kinematic data. Int. J. Psychiatry Psychother, 2017, 2: 10-15.
szerzők
-
Kreinicker Gábor
Mechatronikai mérnöki alapszak (BSc)
alapképzés (BA/BSc) -
Sipos Bence
Mechatronikai mérnöki mesterképzési szak
mesterképzés (MA/MSc)
konzulens
-
Dr. Szilágyi Brigitta
egyetemi docens, Geometria Tanszék
