Gangmessdaten visualisieren und analysieren

St. Pölten (OTS/FHSTP) – Viele Menschen sind von Störungen oder Auffälligkeiten im Gangbild, etwa aufgrund funktioneller Defizite, betroffen. Um die behandelnden Therapeutinnen und Therapeuten während der Therapie zu unterstützen, entwickelt die FH St. Pölten im Rahmen eines Forschungsprojekts Werkzeuge, die die Diagnose von Gangstörungen auf Basis komplexer Messdaten erleichtern: KAVAGait (Knowledge-Assisted Visual Analytics for Clinical Gait Analysis) ermöglicht, die Daten zu speichern, zu durchsuchen, zu visualisieren und mit Kolleginnen und Kollegen zu teilen. Damit sollen Therapeutinnen und Therapeuten künftig effizienter arbeiten und das Wissen rund um Gangstörungen besser vernetzen können.

Ganganalysedaten untereinander teilen

„Das System umfasst innovative und interaktive visuelle Schnittstellen, die auf Basis der Bedürfnisse von Behandelnden entwickelt wurden“, erklärt Wolfgang Aigner, Leiter des Instituts für [CreativeMedia/Technologies]
(https://www.ots.at/redirect/CreativeMediaTechnologies) an der FH St.
Pölten. „Darüber hinaus ermöglicht eine Datenbank die Speicherung von implizitem Wissen der Therapeutinnen und Therapeuten. So können wertvolle Informationen für andere Behandelnde zur Verfügung gestellt und der Prozess der klinischen Entscheidungsfindung maßgeblich unterstützt werden.“

Zusammenspiel Mensch-Maschine

KAVAGait ist eine übergreifende Initiative der beiden Forschungsprojekte „[IntelliGait]
(https://www.fhstp.ac.at/de/forschung/projekte/intelligait):
Intelligent Gait Analysis“ und „[KAVA-Time]
(https://www.fhstp.ac.at/de/forschung/projekte/kava-time):
Knowledge-Assisted Visual Analytics Methods for Time-Oriented Data” der FH St. Pölten. IntelliGait erforscht intelligente Gangmusteranalysen für die Erkennung von Gangstörungen. Im Rahmen von KAVA-Time wurden Methoden zur besseren Analyse und visuellen Aufbereitung von Daten entwickelt, die in verschiedenen Themengebieten angewendet werden.

Wichtig ist dabei die gute Zusammenarbeit zwischen Mensch und Maschine. „Mit Visual Analytics lässt man Computer das tun, was sie am besten können – zum Beispiel Cluster in großen Datenmengen herauszufinden. Doch der Mensch ist besser im Erkennen von visuellen Mustern und im Umgang mit Unsicherheiten und Widersprüchen“, so Aigner.

KAVAGait wird Ende Oktober im Rahmen der Konferenz IEEE VIS in Berlin einem Fachpublikum präsentiert. Der Artikel zu KAVAGait wurde im wissenschaftlichen Journal IEEE Transactions on Visualization and Computer Graphics, einem Top-Journal für Visual Analytics, publiziert und steht als Open-Access-Publikation frei zur Verfügung:
[https://doi.org/10.1109/TVCG.2017.2785271]
(https://doi.org/10.1109/TVCG.2017.2785271)

Video zur Publikation: [https://vimeo.com/266499424crea] (https://vimeo.com/266499424crea)

Informationen zu weiteren interdisziplinären Projekten finden sich auf der Website des Center for Digital Health Innovation der FH St. Pölten: [http://cdhi.fhstp.ac.at] (http://cdhi.fhstp.ac.at/).

Projekt [KAVAGait: Knowledge-Assisted Visual Analytics for
Clinical Gait Analysis]
(https://www.fhstp.ac.at/de/forschung/projekte/kava-time)

Das Projekt ist Teil des Projekts „KAVA-Time: Knowledge-Assisted Visual Analytics Methods for Time-Oriented Data“ und wird vom FWF – Fond zur Förderung der wissenschaftlichen Forschung (P25489-N23) gefördert.

Projekt [IntelliGait]
(https://www.fhstp.ac.at/de/forschung/projekte/intelligait)

Das Projekt wird von der NÖ Forschungs- und Bildungsges.m.b.H. (NFB) über den Life Science Call 2014 gefördert. Partner sind die Abteilung Biomechanik, Bewegungswissenschaft und Sportinformatik des Instituts für Sportwissenschaft der Universität Wien und die Allgemeine Unfallversicherungsanstalt AUVA.