Vitalparameter wie Puls und Atmung sind wichtige Indikatoren für diverse Erkrankungen und den allgemeinen Gesundheitszustand des Menschen. Die Goldstandardmethoden, wie Elektrokardiographie zur Überwachung des Herzens, setzen zumeist Kontakt zum Patienten voraus, z.B. in Form von Klebeelektroden. Wir forschen an Möglichkeiten diese, wo möglich, durch Kameras zu ersetzen.

Mögliche Themenfelder zur Bearbeitung sind:

• Machine Learning & Interpretability
• Multiphysics Simulationen und Rendering synthetischer Videodaten
• Methoden zur Sensorfusion (Kameras, Wearables, …)
• Photoplethymography Imaging
• Robuste Schätzung der Herzratenvariabilität

Empfohlen werden Kenntnisse in Python (oder alternativ Matlab) und Signalverarbeitung. Kenntnisse in Blender oder Unreal Engine können bei einigen Themen von Vorteil sein.

Maurice Rohr (Kontakt)

Stress ist eine häufige Ursache für Schlafprobleme, Konzentrationsstörungen, Depressionen oder sogar kardiovaskuläre Erkrankungen. Während Stress oft rein subjektiv beurteilt wird, arbeiten wir daran, Vitalparameter zu erfassen, um eine quantitative Aussage über das Wohlbefinden der Person zu treffen. Die Vitalparameter sollen primär nicht-invasiv erfasst werden, um einen möglichst angenehmen Umgang für den Endnutzer zu ermöglichen. Darüber hinaus kann so auch Stress bei Menschen erfasst werden, die nicht in der Lage sind, dies selbstständig zu artikulieren, wie zum Beispiel Neugeborene oder Menschen mit Behinderungen.

Während sich die Forschung hauptsächlich auf die Stressentwicklung durch akustische Stimuli, wie Lärm, konzentriert, ist sie nicht darauf beschränkt. Mögliche Anwendungsgebiete sind die kontaktlose Parametererfassung am Arbeitsplatz, im Auto oder im Bett. Die Auswertung der Parameter soll vorwiegend mithilfe von Machine Learning Algorithmen erfolgen.

Mögliche Themen:

• Nicht-invasive Vitalparameterschätzung basierend auf cECG, Thermographiekamera und PPGI
• Sensor Fusion für robuste Parameterschätzung
• Quantitative Analyse von Stress
• Anwendung von Machine Learning mit Fokus auf Computer Vision und Signalverarbeitung
• Implementierung von Virtual Reality Umgebungen für Testaufbauten

Empfohlen werden Programmierkenntnisse in Python oder Matlab. Falls ein Thema im Bereich VR gesucht wird, empfiehlt es sich, Kenntnisse in C# und Unity Programmierung mitzubringen.

Tizian Dege (Kontakt)

Physiotherapie ist ein wichtiger Bestandteil in der Behandlung vieler Verletzungen und Krankheiten. Im Idealfall wird die Physiotherapie unter Aufsicht einer medizinischen Fachkraft durchgeführt, die individuelles und unmittelbares Feedback geben kann. Aber auch ohne direkte Aufsicht können Übungen zu Hause dem Heilungsprozess förderlich sein. Gleichzeitig können falsche Ausführungen, Fehleinschätzungen des eigenen Fitnessniveaus und Überanstrengung auch zu einem ineffizienten Training oder schlimmer noch zu schweren Verletzungen führen.

Um diese Probleme zu entschärfen, kann ein automatisiertes Bewertungssystem eingesetzt werden, um die Qualität der Übungsausführung zu beurteilen und den Bedarf an menschlicher Aufsicht zu verringern. Aufbauend auf den Fortschritten im Bereich der Computer Vision forschen wir daran, mithilfe von videobasierter Schätzung der menschlichen Körperhaltung solche Unterstützungssysteme zu entwickeln.

Mögliche Themenfelder zur Bearbeitung sind:

• Natural Language Processing zur automatisierten Generierung von Trainingsdaten aus Videos mit Untertiteln
• Analyse von Sensordaten (EMG, Kraftmessplatten, IMUs) und Relation zu Kameraaufnahmen
• Erarbeitung Biomechanischer Modelle menschlicher Bewegung
• Erarbeitung von Methoden zur quantitativen Bewertung menschlicher Bewegung
• Machine Learning & Computer Visison
• Transfer Learning & Domain Adaption (Übertragung auf Infrarotkameras)

Empfohlen werden Kenntnisse in Python (oder alternativ Matlab) und Signalverarbeitung. Kenntnisse in Blender können bei einigen Themen von Vorteil sein.

Sebastian Dill (Kontakt)

Video-based Human State Analysis refers to the use of video footage to assess and interpret the physical, emotional, or psychological states of individuals. This involves analyzing visual data captured by cameras to derive insights about a person's behavior, emotions, actions, or overall well-being.

Possible topics:

• Methods for detecting/tracking human limb movements to correlate with the individual's current state
• Methods for human reflex analyses
• Quantitative analysis of human emotional state
• Machine learning and computer vision

Using tools such as Python, Matlab, classical signal, and image processing

Gökhan Güney (Contact, English Only)