Please choose your delivery country and your customer group
Die steigende Lebenserwartung und Fehlbelastungen in Beruf und Freizeit führen häufig zu schmerzhaften muskuloskelettalen Erkrankungen und verminderter Lebensqualität. Die Physiotherapie leistet einen wichtigen Beitrag zur Erhaltung und Wiedererlangung der Bewegungsfähigkeit. Begrenzte Ressourcen in therapeutischen Einrichtungen machen es zunehmend schwieriger, allen Patienten eine intensive und individuelle Rehabilitation zu ermöglichen. Eine Lösungsmöglichkeit bietet eine eigenverantwortliche Bewegungsrehabilitation im häuslichen Umfeld. Die vorliegende Arbeit beschreibt die Entwicklung eines kostengünstigen, intuitiv zu bedienenden Feedback-Trainingssystems, welches dem Patienten Anleitungs- und Kontrollmöglichkeiten bietet. Dabei sollen Maßnahmen in therapeutischen Einrichtungen durch häusliches Training sinnvoll ergänzt werden. Es wurde eine geeignete Messtechnik zur Erfassung der Bewegungen entwickelt. Als Trainingsform wurde das resistive Training gewählt. Geeignete Trainingsgeräte sind u.a. elastische Bänder, deren Rückstellkraft mit der Elongation korreliert. Die Bewegungsausführung wird mit Hilfe eines speziell ausgelegten Kraftsensors erfasst. Das Kraft-Dehnungs-Verhalten der resistiven Elemente wurde experimentell bestimmt sowie mathematisch modelliert. Es wird gezeigt, wie aus der gemessenen Kraft auf die durchgeführte Bewegung und damit letztlich auf die korrekte Durchführung der Übung geschlossen werden kann. Ein weiteres Element ist die Rückmeldung der Übungsausführung an den Übenden mit Hilfe eines geeigneten Feed-Back-Verfahrens. Die Kraftsensordaten werden aufbereitet und dem Übenden über ein optisches Feedback rückgekoppelt. Unterschiedliche Feedback-Darstellungen wurden entwickelt und auf ihre Eignung getestet. Die Bewegungen des Endeffektors werden zusätzlich mit einem Beschleunigungssensor erfasst. Mittels eines Hidden Markov Modells wird der am wahrscheinlichsten ausgeführte Bewegungsablauf detektiert. Durch Vergleich der vom Therapeuten vorgegebenen und der tatsächlich durchgeführten Bewegung wird ein linguistisches Feedback generiert, das dem Patienten weitere Hinweise zur Kontrolle seines Trainings gibt. In einer Probandenstudie konnten die positiven Effekte auf die Reproduzierbarkeit von Bewegungen bestätigt werden, womit der praktische Wert des Feedback-Trainingssystems entsprechend der gestellten Zielsetzung belegt wird.
Increasing life expectancy and improper strain on the human body in day to day life often leads to painful muscularsceletal diseases with a decrease in quality of life. Ultimately, inability to work follows as well as requirement for rehabilitation. Here, physiotherapy provides an important contribution to regain full mobility. Resources are limited and so difficulty arises to provide intensive and individual care. Self controlled biofeedback physiotherapy in the patient's home environment is a possible solution. This study describes the development of a cost-effective, intuitive Feedback Training System providing adequate guidance and control for the patient at home. It is designed to complement institutional, professional therapeutic measures by allowing additional individual training. Therefore, an eligible measurement technique to detect and assess the human body movements was developed. It was decided to utilise resistive training using elastic bands. In elastic bands, force correlates well to elongation. Movements are measured using a specially designed sensor to detect force. The correlation between force and elongation of the resistive elements was experimentally derived and mathematically modeled. It was demonstrated that quality of a performed exercise can be derived by measuring the applied force. Biofeedback is an essential element of the system. The force data is conditioned and fed back to the patient using an optical display. Several feedback user interfaces were developed and compared regarding practicability and best performance results. End effector movements, i.e. of the hand, were additionally measured with an 3D accelerometer. The most likely performed movement was detected by a Hidden Markov Model. By comparison of the movements defined by a physiotherapist to the actual performed movement, a linguistic feedback also becomes possible providing additional valuable information for the patient. This study clearly demonstrated the positive effects of the introduced system on the reproducibility of prior instructed movements. Further, this study prove the usability and practicability of this Biofeedback Training System in the possible setting of the patient's home environment.