Lichtgetriebene Sensoren ermöglichen mobilitätseingeschränkten Patienten fortschrittliches Wearable-Reha

Pohang University of Science & Technology, Pohang, Südkorea: Detektion dreiachsiger Schultereinrotationsbewegung via multiaxialer Dehnungsmapping.

Hintergrund: Wearable Roboter in Reha

Koreanisches Unternehmen spendete Wearable-Roboter für Patienten mit eingeschränkter Mobilität zur Reha an Krankenhaus. Patienten tragen Roboter für Muskel-/Gelenkübungen bei Gehen/Sitzen. Wearables (Smartwatches, Eyewear) haben Potenzial, Lebensqualität zu verbessern – Hoffnung wie diese robotische Innovation.

Limitationen konventioneller Dehnungssensoren

Dehnungssensoren in Reha-Robotern analysieren Daten durch Übersetzung physischer Änderungen in elektrische Signale. Flexibel, biegsam, erfassen subtilste Körperänderungen (leichte Materialien für Hauthaftung). Aber: unzureichende Haltbarkeit durch Anfälligkeit für Temperatur/Feuchtigkeit. Komplizierter Fertigungsprozess erschwert breite Kommerzialisierung.

Lösung: Computer Vision-based Optical Strain (CVOS) Sensoren

Forschungsteam um Prof. Sung-Min Park (Dept. Convergence IT Engineering, Dept. Mechanical Engineering) und PhD Sunguk Hong (Dept. Mechanical Engineering) überwand Limitierungen durch Integration Computer Vision in optische Sensoren. Veröffentlicht in Flexible Electronics.

CVOS-Sensortechnologie: Im Gegensatz zu konventionellen Sensoren (elektrische Signale) nutzen CVOS Computer Vision und optische Sensoren zur Analyse mikroskopischer optischer Muster, Extraktion von Änderungsdaten. Inhärent erhöhte Haltbarkeit durch Eliminierung funktionsbeeinträchtigender Elemente und Straffung Fertigungsprozesse → erleichtert Kommerzialisierung.

Überlegene Fähigkeit: 3-Achs-Drehbewegungserkennung

Konventionelle Sensoren detektieren nur biaxiale Dehnung. CVOS-Sensoren: außergewöhnliche Fähigkeit, dreiachsige Rotationsbewegungen via Echtzeit-Multiaxial-Dehnungsmapping zu detektieren. Einzelfazit: präzise Erkennung komplexer, vielfältiger Körperbewegungen durch einzelnen Sensor. Substantiiert durch Experimente an Assistenzgeräten in Reha-Behandlungen.

KI-basierte Fehlerkorrektur

Integration KI-basiertem Response-Korrekturalgorithmus (korrigiert diverse Fehlerfaktoren bei Signaldetektion) → Experimentergebnisse zeigten hohes Konfidenzniveau. Selbst nach >10.000 Iterationen behielten Sensoren außergewöhnliche Performance.

Park: „CVOS-Sensoren excel in Unterscheidung Körperbewegungen über diverse Richtungen/Winkel → optimieren effektive Reha-Interventionen. Durch Anpassung Designindikatoren und Algorithmen an spezifische Ziele: CVOS-Sensoren haben grenzenloses Potenzial für branchenübergreifende Anwendungen.“

Weitere Informationen: Jinyoung Huh, E-Mail-Adresse durch Spamschutz geschützt (JavaScript erforderlich), Tel.: +82-54-279-2415.