Bei Erkrankungen wie entzündlichen rheumatischen Erkrankungen (z.B. axiale Spondyloarthritis), Spondylolisthesis, Skoliose, Morbus Bechterew, Morbus Scheuermann oder Bandscheibenvorfällen sind chronische Rückenschmerzen ein häufiges Symptom. Meist ist eine Physiotherapie indiziert, alleine oder ergänzend zu Medikamenten. Die Physiotherapie soll eine Stärkung der Muskeln des unteren Rückens fördern, die unter normalen Umständen nicht bewusst kontrahiert werden. Deshalb wird das Training als schwierig empfunden. Aus diesem Grund wird im Rahmen des Vorhabens ein tragbares Ultraschall-System entwickeln, das ein Biofeedback über die Genauigkeit des Trainingsaufwandes in der Physiotherapie liefert, basierend auf der Analyse der Muskelkontraktion. Die Signale werden an ein Elektronikmodul übertragen, wo Deep-Learning-Ansätze sie analysieren und ein Biofeedback generieren.

Bei Erkrankungen wie entzündlichen rheumatischen Erkrankungen (z.B. axiale Spondylarthritis), sind chronische Rückenschmerzen ein häufiges Symptom. Meist ist eine Physiotherapie indiziert, alleine oder ergänzend zu Medikamenten. Die Physiotherapie soll eine Stärkung der Muskeln des unteren Rückens fördern, die unter normalen Umständen nicht bewusst kontrahiert werden. Deshalb wird das Training als schwierig empfunden. Aus diesem Grund wird im Rahmen des Vorhabens ein tragbares Ultraschall-System entwickelt, das ein Biofeedback über die Genauigkeit des Hierzu sollen mit Hilfe von künstlicher Intelligenz bei der Auswertung von Ultraschall-Signalen, die Patienten bei der korrekten Durchführung der Bewegungsabläufe unterstützt werden. Die Ultraschallsignale werden von einem tragbaren Elektronikmodul digitalisiert und zur Analyse an eine Recheneinheit weitergeleitet, um dann in ein intuitiv verständliches Nutzerfeedback verwandelt zu werden. In dem Teilvorhaben werden die von den anderen Verbundpartnern entwickelten Komponenten zusammengeführt und getestet.

Bei verschiedenen Erkrankungen wie rheumatischen Entzündungskrankheiten (insbesondere axiale Spondyloarthritis), Spondylolisthesis, Skoliose, Morbus Bechterew, Scheuermann oder Bandscheibenvorfällen sind chronische Rückenschmerzen ein häufiges Symptom. In den meisten Fällen ist Physiotherapie indiziert, entweder allein oder als Ergänzung zur Medikation. Da die Physiotherapie jedoch eine Stärkung der Muskeln des unteren Rückens erfordert, die unter normalen Umständen nicht bewusst kontrahiert werden, wird das Training als herausfordernd empfunden. Aus diesem Grund wird im Rahmen des Gesamtvorhabens ein ultraschallbasiertes Wearable entwickelt, das ein Biofeedback über die Genauigkeit des Trainingsaufwandes in der Physiotherapie liefert, welches auf der Analyse und Klassifizierung der Muskelkontraktion basiert. Im Rahmen des Teilprojekts sollen zunächst die Anforderungen an das zu entwickelnde Wearable identifiziert werden. Dazu werden sowohl Physiotherapeuten als auch Patienten mit chronischen Rückenschmerzen in die Anforderungserhebung einbezogen. Eine weitere Kernaufgabe ist die Validierung des entwickelten Systems im Rahmen einer klinischen Studie am Ende des Vorhabens.

Zur Unterstützung der Physiotherapie bei Rückenschmerz soll im Rahmen des Verbundvorhabens ULTRAWEAR ein tragbares Ultraschall- System entwickeln werden, das durch die Auswertung von Ultraschall-Signalen mit Methoden der Künstlichen Intelligenz ein Biofeedback liefert, mit dem Patienten bei der korrekten Durchführung von physiotherapeutischen Übungen unterstützt werden können. Dazu werden Ultraschallsignale von einem tragbaren Elektronikmodul aufgenommen und nach der Digitalisierung an ein "mobile device" zur Analyse mit Deep-Learning-Ansätzen weitergeleitet. Die Algorithmen sollen dazu aus den für den Laien schwer zu interpretierenden Ultraschalldaten ein einfach zu verstehendes Nutzerfeedback generieren. Das Ziel dieses Teilvorhabens ist es, die Analyse der Bilddaten mit Deep-Learning-Ansätzen in Echtzeit auf einem mobilen Gerät durchzuführen. Dadurch kann dann dem Patienten oder Anwender ein direktes Feedback über die Qualität der Muskelkontraktion und somit der korrekten Durchführung der Physiotherapie gegeben werden.

Bei Erkrankungen wie entzündlichen rheumatischen Erkrankungen (z. B. axiale Spondylarthritis), sind chronische Rückenschmerzen ein häufiges Symptom. Meist ist eine Physiotherapie indiziert, alleine oder ergänzend zu Medikamenten. Die Physiotherapie soll eine Stärkung der Muskeln des unteren Rückens fördern, die unter normalen Umständen nicht bewusst kontrahiert werden. Deshalb wird das Training als schwierig empfunden. Aus diesem Grund wird im Rahmen des Vorhabens ein tragbares Ultraschall-System entwickelt, das ein Biofeedback über die Genauigkeit des Trainingsaufwandes in der Physiotherapie liefert. Dazu werden Ultraschallsignale von einem tragbaren Elektronikmodul aufgenommen und nach der Digitalisierung an ein "mobile device" zur Analyse mit Deep-Learning-Ansätze weitergeleitet werden. Dazu soll eine an die Anforderungen des Systems angepasste Elektronik entwickelt werden. Hierzu werden im Rahmen des Vorhabens ein Multiplexer als anwendungsspezifische integrierte analoge Schaltung (ASIC) entwickelt und gefertigt. Dieses ASIC wird in das Gesamtsystem aus Hardware und Software/Algorithmen integriert und evaluiert. Dazu werden die Anforderungen an das ASIC spezifiziert und entsprechende Muster gefertigt. Der ASIC-Entwurf wird danach auf seine Eignung hin untersucht und in das Gesamtsystem integriert. Die Funktionsfähigkeit wird anschließend untersucht. Als Grundlagenarbeit damit verbunden ist die Untersuchung und Optimierung der für den ASIC erforderlichen Komponenten, um die geforderten Leistungsdaten zu erfüllen.

Zur Unterstützung der Physiotherapie bei Rückenschmerz soll in ULTRAWEAR ein tragbares Ultraschall- System entwickeln werden, das durch die Auswertung von Ultraschall-Signalen mit Methoden der künstlichen Intelligenz ein Biofeedback liefert, mit dem Patienten bei der korrekten Durchführung von physiotherapeutischen Übungen unterstützt werden können. Dazu werden Ultraschallsignale von einem tragbaren Elektronikmodul aufgenommen und nach der Digitalisierung an ein "mobile device" zur Analyse mit Deep-Learning-Ansätze weitergeleitet. Die Algorithmen sollen dazu aus den für den Laien schwer zu interpretierenden Ultraschalldaten ein einfach zu verstehendes Nutzerfeedback generieren. Das Ziel dieses Teilvorhabens ist es, eine entsprechende Nutzeroberfläche für das System zu entwickeln.