60 https://www.uni-bremen.de/dmlab/forschung/ki-sigs-ki-space-fuer-intelligente-gesundheitssysteme-bmwk-2020-2023 Scalable Pervasive Health Environments de Universität Bremen Sun, 16 Aug 2026 09:47:03 +0200 Sun, 16 Aug 2026 09:47:03 +0200 Universität Bremen content-340845 Fri, 06 Mar 2026 00:12:57 +0100 https://www.uni-bremen.de/dmlab/forschung/ki-sigs-ki-space-fuer-intelligente-gesundheitssysteme-bmwk-2020-2023#c340845 <p>Bundesministerium für Wirtschaft und Klimaschutz (BMWK), Teilvorhaben</p> <p><strong>Webseite</strong>: <a class="externalLink" href="https://ki-sigs.de/" target="_blank" title="Öffnet externen Link in neuem Fenster">https://ki-sigs.de/</a></p> <p><strong>Laufzeit:</strong> 2020 - 2023</p> <p><strong>Ansprechpartner:</strong> <a class="internalLink" href="t3://page?uid=28625" target="_blank">Rainer Malaka</a>, <a class="internalLink" href="t3://page?uid=30458" title="Öffnet internen Link in aktuellem Fenster">Robert Porzel</a>, <a class="internalLink" href="t3://page?uid=29230" target="_blank">Georg Volkmar</a>, <a class="internalLink" href="t3://page?uid=45630" title="Öffnet internen Link in aktuellem Fenster">Bastian Dänekas</a></p> Content content-340846 Fri, 06 Mar 2026 00:12:57 +0100 https://www.uni-bremen.de/dmlab/forschung/ki-sigs-ki-space-fuer-intelligente-gesundheitssysteme-bmwk-2020-2023#c340846 <p>Intelligente Assistenzsysteme spielen in der heutigen physiotherapeutischen Behandlung eine zunehmend wichtige Rolle. Als unterstützendes Element in des medizinischen Fachpersonals haben sich computergestützte Systeme bewährt und finden immer häufiger Anwendung. In der Physiotherapie ist hierbei vor allem die korrekte Erkennung von Rehabilitationsübungen von Bedeutung. Diese basiert oftmals auf der heuristischen Auswertung von Bilddaten, die über eine stereoskopische Kamera aufgenommen werden. Für eindeutige Übungen und Gesten ist die Erkennung durch vorher definierte Regeln (z.B. in welchem Winkel das rechte Bein bei einem Einbeinstand angehoben werden muss) zufriedenstellend, da die zugehörigen Bilddaten einfach ausgewertet und mit den Regeln abgeglichen werden können. Bei komplexeren Bewegungsabläufen oder Übungen, in denen es häufig zu Verdeckungen einzelner Körperteile kommt (z.B. bei Übungen in der Hocke oder Liegeposition) liefern heuristische Verfahren jedoch keine zufriedenstellenden Lösungen zur Gestenerkennung. KI-basierte Systeme sollten hierbei als mögliche Problemlösung in Betracht gezogen werden. Genau an dieser Stelle setzt das Projekt an. In Zusammenarbeit mit Patienten und Therapeuten werden assistierende Bewegungsprogramme entwickelt. Die Bewegungen werden mittels (Tiefen-)sensoren analysiert und multimodale Instruktionen (z.B. über Sprache und Gesten) durch Agenten/Roboter gegeben. Falls Bewegungen unzureichend erkannt werden, instruieren menschliche Experten und verbessern mittels Supervised Learning das zu entwickelnde CNN kontinuierlich.</p> Content