BrainGait - Ganganalyse und Visualisierung in durch Robotik gestützter Rehabilitation

Abstract

Beeinträchtigungen in der Beweglichkeit von Erwachsenen sind eine der meistverbreiteten Behinderungen in Industriestaaten. Gangtraining und Physiotherapie werden angewandt und können dabei helfen, die Beweglichkeit wiederherzustellen, insbesondere nach einem Schlaganfall. In den letzten Jahren gab es ein reges Interesse an robotergestützter Therapie, sowohl in Rehazentren, als auch in der wissenschaftlichen Forschung. Mit dem Aufkommen von Robotik in der Physiotherapie kommt auch die Notwendigkeit, die Patientenleistung objektiv messen zu können. Therapeuten brauchen kompakt dargestellte Informationen bezüglich des aktuellen Status des Patienten in der Maschine, sowie praktische Vorschläge, wie das Gangbild verbessert werden könnte. Mediziner hingegen verlassen sich auf statistische Messwerte, um den Fortschritt des Patienten im Verlauf der Therapie beurteilen zu können. Im Folgenden beschäftigt sich diese Arbeit mit häufig eingesetzten Visualisierungen, sowie statistischen Kenngrößen in der Ganganalyse. Gleichzeitig werden Verbesserungen und Anpassungen vorgeschlagen, welche im Rahmen von PerPedes, einem neuartigen Gangroboter, umgesetzt wurden. Um die Leistung des Patienten in der Maschine beurteilen zu können, wurde ein neuer Algorithmus zur Ganganalyse entwickelt, basierend auf der Auswertung von Kraftdaten. Die nachfolgende Arbeit demonstriert, dass Standardansätze zur Ganganalyse in PerPedes scheitern, während der entwickelte Vorschlag auch mit stark verzerrten Gangbildern, wie Halbseitenlähmung, Fußhebeschwäche oder Rückwärtsgehen umgehen kann. Die während dieser Arbeit entwickelte Software bietet dem Therapeuten Rückschluss auf die Leistung des Patienten. Die vom System generierten Anweisungen können benutzt werden, um das Gangbild zu verbessern. Zusätzlich werden von jeder Therapiesitzung Kennzahlen ermittelt, welche anschließend für die weitere Analyse und den Vergleich zwischen Patienten genutzt werden können.

Mobility impairment in adults is one of most prevalent types of disabilities in developed countries. Gait rehabilitation can be used to regain some or all motor functions, especially after a stroke. In recent years, robot-assisted gait training attracted increasing interest in rehabilitation facilities and scientific research. With this advent of robotic recovery comes the need to objectively measure the patient's performance. Physiotherapists need essential information about the current status during training and how to improve the patient's gait, presented in an easy to grasp and compact form. On the other hand, physicians rely on statistical measures in order to evaluate the patient's progress throughout the therapy. This thesis discusses commonly used visualizations and statistics while proposing improvements and adaptations in the context of PerPedes, a novel robotic gait rehabilitation device. In order to measure the patient's performance, a new algorithm for gait event detection was developed, based on force data from pressure plates. The following work demonstrates that standard algorithms fail with PerPedes, while the proposed solution can robustly handle highly distorted gait patterns, such as hemiplegic gait, foot drop, or walking backwards. The software application developed during this thesis provides feedback to the therapist and generates suggestions for gait improvement. Furthermore, gait statistics are inferred from each therapy session and collected in order to be used for future analysis and inter-patient comparison.