Automatisierte Messung funktionaler Parameter älterer Erwachsener basierend auf Tiefendaten

Abstract

Erhöhtes Alter bringt Herausforderungen, wie Verschlechterung kognitiver und physischer Fähigkeiten, mit sich, die sich in Gebrechlichkeit äußern können. Gebrechlichkeit ist ein Syndrom, welches durch geringere Resistenz gegenüber Stress, Krankheiten und anderen exogenen Einflüssen charakterisiert wird. Durch die Korrelation zwischen Gebrechlichkeit und körperlicher Leistungsfähigkeit, gibt es Tests, um die Mobilität einer Person, und in weiterer Folge das damit verbundene Gebrechlichkeits-Risiko, bewerten zu können. In dieser Arbeit wird das Fitnessniveau automatisch eingeschätzt, basierend auf der Messung von Gang-Parametern und Aufsteh-Leistung. Die erste Messmethode analysiert den Gang bezüglich Geh-Geschwindigkeit, Distanz, und Dauer. Weiters wird zur Bestimmung von Gang-Ereignissen ein Literatur-basierter scale-space Filter-Ansatz mit einem Maschinenlern-Ansatz verglichen. Der Vergleich zeigt bessere Ergebnisse für den Maschinenlern-Ansatz und, dass die Bestimmung von Komponenten des Gang-Zyklus vergleichbar mit State of the Art Messungen mittels tragbaren Sensoren ist. Die zweite Messmethode ist in zwei Probleme unterteilt: die Erkennung einer Aufsteh-Bewegung und die Messung der Aufsteh-Dauer. Die Aufsteh-Erkennung erzielt beste Ergebnisse mit einem Random-Forest-Algorithmus, die Ergebnisse der Zeitmessung sind vergleichbar mit State of the Art Ergebnissen. Für beide Messungen werden durch Tiefensensoren aufgezeichnete Bewegungsverläufe verwendet. Tiefensensoren ermöglichen unaufdringliche, Privatsphäre schützende Erfassung von Bewegungen in habitueller Geschwindigkeit. Für die Evaluierung der vorgeschlagenen Mess-Ansätze wurden zwei Datensets aufgenommen und manuell annotiert. Ein ganzheitliches System wird vorgestellt, welches die Messmethoden kombiniert und in einem 8-wöchigen Feldtest mit 4 älteren Erwachsenen getestet wurde.

With increased age, challenges like cognitive and physical decline are more likely to occur and involve the age-related frailty syndrome, which is characterized by lower resistance against stress, diseases, and other exogenous influences. Frail older adults have an enhanced need of health care utilization, are more likely to fall and be hospitalized due to reduced cognitive and physical capabilities. Due to correlation between frailty and physical fitness, there are physical performance tests, to assess a person's mobility, and the associated risk to become frail. In this thesis, the fitness level is automatically assessed based on measurement of gait parameters and sit-to-stand performance. The first measurement method analyses human gait for walking velocity, distance, and duration. Further, a literature-based scale-space filtering approach is compared to a machine learning approach to determine gait events, which are further used to estimate gait cycle components. The comparison shows better results for the machine-learning approach, and gait cycle component estimation comparable to state-of-the-art measurements using wearable accelerometers. The second measurement method is split into two problems: the detection of sit-to-stand movements and the measurement of sit-to-stand transition durations using curve-sketching. Stand-up detection achieves best results using a random-forest algorithm, the duration measurement achieves results comparable to state-of-the-art methods. For both measurements, person tracking data from depth sensors are utilized, which allows non-intrusive, privacy protecting capturing of motion at habitual speed in the homes of older persons. For evaluation of the proposed measurement approaches, two datasets have been recorded and manually annotated. A holistic system combining the measurement algorithms was tested in an 8-week field trial with 4 older adults.