ZiMT Journal Club Dezember 2021: Prof. Dr.-Ing. Thomas Seel / Das Unmessbare aufspüren und das Unmögliche erreichen – Dynamische Inferenz und Lernen in Plug-and-Play-Sensornetzwerken, kontinuierliche Blutdruckmessung und intelligente Neuroprothesen

Symbolbild zum Artikel. Der Link öffnet das Bild in einer großen Anzeige.

Prof. Dr.-Ing. Thomas Seel, Lehrstuhl für Daten, Sensoren und Geräte, Department Artificial Intelligence in Biomedical Engineering (AIBE), FAU

am Dienstag den 7.12.2021 um 11:00 Uhr via Zoom:
https://fau.zoom.us/j/66687305079

 
Selbst wenn etwas nicht direkt gemessen werden kann, kann es dennoch genau bestimmt und verfolgt werden, indem Informationen, die in den gemessenen Daten verborgen sind, mit nicht einschränkendem Vorwissen kombiniert werden. Ebenso kann eine bestimmte Aufgabe zunächst nicht durchführbar sein, aber durch das Lernen aus wiederholten Versuchen erreichbar werden. In diesem Vortrag geht es um neuartige Methoden zur Sensorfusion und zum dynamischen Lernen und um die Diagnose- und Behandlungslösungen, die durch diese Methoden ermöglicht werden. Die Gründe für jede Methode werden erläutert und drei Anwendungsbeispiele werden diskutiert. (1) Algorithmen zur autonomen Kalibrierung und Driftkompensation werden verwendet, um langjährige Einschränkungen der Trägheitsbewegungsverfolgung zu überwinden und dadurch eine allgegenwärtige Erfassung und unbeaufsichtigte Verwendung von Plug-and-Play-IMU-Netzwerken zu ermöglichen. (2) Nichtinvasive, aber kontinuierliche Messungen des arteriellen Blutdrucks werden durch schnelle Anpassungen eines dynamischen Manschettendruckmusters basierend auf Ultraschallflussmessungen durchgeführt. (3) Fortgeschrittene Lernkontrollmethoden erleichtern die Musteranpassung in Echtzeit für die künstliche Muskelrekrutierung nach Schlaganfall oder Rückenmarksverletzung, was zum Design intelligenter Neuroprothesen mit biomimetischen motorischen Lernfähigkeiten geführt hat.

References

D. Laidig, A. J. Jocham, B. Guggenberger, K. Adamer, M. Fischer, T. Seel. Calibration-Free Gait Assessment by Foot-Worn Inertial Sensors. Frontiers in Digital Health, 3 pages 1–21, 2021.

C. Wiesener, L. Spieker, J. Axelgaard, R. Horton, A. Niedeggen, N. Wenger, T. Seel, T. Schauer. Supporting Front Crawl Swimming in Paraplegics Using Electrical Stimulation: A Feasibility Study. Journal of NeuroEngineering and Rehabilitation, 17 (51):1–14, 2020.

D. Weber, C. Guehmann, T. Seel. RIANN–A Robust Neural Network Outperforms Attitude Estimation Filters. Artificial Intelligence, 2 pages 444–463, 2021.

A. Passon, T. Schauer, T. Seel. Inertial-Robotic Motion Tracking in End-Effector-Based Rehabilitation Robots. Frontiers in Robotics and AI, 7 pages 167, 2020.

F. Olsson, M. Kok, T. Seel, K. Halvorsen. Robust Plug-and-Play Joint Axis Estimation Using Inertial Sensors. Sensors, 20 (12):1–30, 2020.

T. Seel, C. Werner, T. Schauer. The Adaptive Drop Foot Stimulator – Multivariable Learning Control of Foot Pitch and Roll Motion in Paretic Gait. Medical Engineering Physics, 38 (11):1205–1213, 2016.