Gangmessdaten visualisieren und analysieren

KAVAGait in der praktischen Anwendung

Die FH St. Pölten entwickelt Methoden zur wissensgestützten Visualisierung und Analyse von klinischen Gangmessdaten

Viele Menschen sind von Störungen oder Auffälligkeiten im Gangbild, etwa aufgrund funktioneller Defizite, betroffen. Um die behandelnden Therapeutinnen und Therapeuten während der Therapie zu unterstützen, entwickelt die FH St. Pölten im Rahmen eines Forschungsprojekts Werkzeuge, die die Diagnose von Gangstörungen auf Basis komplexer Messdaten erleichtern. Ein System ermöglicht, die Daten zu speichern, zu durchsuchen, zu visualisieren und mit Kolleginnen und Kollegen zu teilen. Damit sollen Therapeutinnen und Therapeuten künftig effizienter arbeiten und das Wissen rund um Gangstörungen besser vernetzen können.

Interdisziplinäres Projekt zur Therapie-Unterstützung

Die Quantifizierung der menschlichen Fortbewegung, also die Bewertung in Zahlen, ermöglicht es Therapeutinnen und Therapeuten, das Gangbild einer Patientin bzw. eines Patienten im Detail zu beschreiben, zu analysieren sowie klinische Entscheidungen auf objektive Daten zu stützen. Dadurch entstehen jedoch große Mengen komplexer Daten, die es möglichst zeiteffizient zu interpretieren und analysieren gilt.

Die beiden Institute für Gesundheitswissenschaften und Creative\Media/Technologies der FH St. Pölten haben in einem interdisziplinären Projekt in Zusammenarbeit mit klinischen Ganganalyse-Expertinnen und -Experten ein neuartiges Visual-Analytics-System entwickelt: KAVAGait (Knowledge-Assisted Visual Analytics for Clinical Gait Analysis). Mit KAVAGait können Therapeutinnen und Therapeuten komplexe Daten aus der klinischen Ganganalyse speichern, visualisieren, überprüfen und mit anderen Daten vergleichen.

Ganganalysedaten untereinander teilen

„Das System umfasst innovative und interaktive visuelle Schnittstellen, die auf Basis der Bedürfnisse von Behandelnden entwickelt wurden“, erklärt Wolfgang Aigner, Leiter des Instituts für Creative\Media/Technologies an der FH St. Pölten. „Darüber hinaus ermöglicht eine Datenbank die Speicherung von implizitem Wissen der Therapeutinnen und Therapeuten. So können wertvolle Informationen für andere Behandelnde zur Verfügung gestellt und der Prozess der klinischen Entscheidungsfindung maßgeblich unterstützt werden.“

Zusammenspiel Mensch-Maschine

KAVAGait ist eine übergreifende Initiative der beiden Forschungsprojekte „IntelliGait: Intelligent Gait Analysis“ und „KAVA-Time: Knowledge-Assisted Visual Analytics Methods for Time-Oriented Data” der FH St. Pölten. IntelliGait erforscht intelligente Gangmusteranalysen für die Erkennung von Gangstörungen. Im Rahmen von KAVA-Time wurden Methoden zur besseren Analyse und visuellen Aufbereitung von Daten entwickelt, die in verschiedenen Themengebieten angewendet werden.

Wichtig ist dabei die gute Zusammenarbeit zwischen Mensch und Maschine. „Mit Visual Analytics lässt man Computer das tun, was sie am besten können – zum Beispiel Cluster in großen Datenmengen herauszufinden. Doch der Mensch ist besser im Erkennen von visuellen Mustern und im Umgang mit Unsicherheiten und Widersprüchen“, so Aigner. Werden die Daten von Computern entsprechend aufbereitet, lässt sich aus den dargestellten optischen Mustern Information herausziehen, die in der unübersichtlichen Sammlung der Daten nur schwer zu entdecken sind und übersehen werden könnten.

„Wir haben unser System durch Expertenbewertungen, eine Benutzerstudie und eine Fallstudie validiert. Die Ergebnisse deuten darauf hin, dass KAVAGait in der Lage ist, Therapeutinnen und Therapeuten in der klinischen Praxis zu unterstützen, indem es komplexe Gangdaten visualisiert und Wissen anderer Therapeutinnen und Therapeuten bereitstellt“, so Aigner.

KAVAGait wird Ende Oktober im Rahmen der Konferenz IEEE VIS in Berlin einem Fachpublikum präsentiert. Der Artikel zu KAVAGait wurde im wissenschaftlichen Journal IEEE Transactions on Visualization and Computer Graphics, einem Top-Journal für Visual Analytics, publiziert und steht als Open-Access-Publikation frei zur Verfügung: https://doi.org/10.1109/TVCG.2017.2785271

Projekt KAVAGait: Knowledge-Assisted Visual Analytics for Clinical Gait Analysis

Das Projekt ist Teil des Projekts „KAVA-Time: Knowledge-Assisted Visual Analytics Methods for Time-Oriented Data“ und wird vom FWF – Fond zur Förderung der wissenschaftlichen Forschung (P25489-N23) gefördert. Projektseite ansehen

Projekt IntelliGait

Das Projekt wird von der NÖ Forschungs- und Bildungsges.m.b.H. (NFB) über den Life Science Call 2014 gefördert. Partner sind die Abteilung Biomechanik, Bewegungswissenschaft und Sportinformatik des Instituts für Sportwissenschaft der Universität Wien und die Allgemeine Unfallversicherungsanstalt AUVA. Projektseite ansehen

 

Jetzt teilen: