Kontakt

Hauptsitz Freiburg:

  • info@hornecker.de
  • Leo-Wohleb-Straße 6, 79098 Freiburg

Zweitniederlassung Berlin:

  • info@hornecker.de
  • Prenzlauer Allee 53, 10405 Berlin

Kontakt

Hauptsitz Freiburg:

  • +49 (0) 761 - 20 55 10 - 20
  • Leo-Wohleb-Straße 6, 79098 Freiburg

Zweitniederlassung Berlin:

  • +49 (0) 30 - 95 999 20 - 60
  • Prenzlauer Allee 53, 10405 Berlin
slider background

ZIM Bundesministerium für Wirtschaft und Energie

AESKULAP


Alltagstaugliche Multisensor-Lösung zur Früherkennung von Migräneschüben

Migräne steht an sechster Stelle der schwersten Erkrankungen. Gegenstand des Kooperationsvorhabens ist die Entwicklung eines Multisensor-Handschuhs, der Vitaldaten, Lageinformationen sowie Umgebungsparameter erfasst und zur Voraussage von Migräneschüben auswertet. Ziel ist es, die gängige Behandlung rechtzeitig einzusetzen und auf diese Weise die Schmerzsymptomatik zu lindern. Als migränerelevante Parameter werden u.a. die Herzratenvariabilität, Hautleitwert auf der Handinnenfläche, Beschleunigung sowie Luftdruck- und Feuchtigkeit detektiert. Der konstruktive Ansatz geht von einem verkapselten Sensor-patch mit offenen Zugängen aus, der in einem textilen Träger integriert ist. Die Messwerte werden auf dem Sensorpatch vorverarbeitet, über eine Bluetooth-Schnittstelle an Mobilgeräte und zur weiteren Auswertung an eine Cloud übertragen. Das Feedback erfolgt über einen visuellen/akustischen Alarm, der die Medikamenteneinnahme indiziert. Zur Personalisierung werden die kontinuierlich erfassten Sensordaten zusammen mit den Patientenbasisdaten einem laufenden Lernprozess unterzogen. Die Systemlösung trägt zur Linderung des Leidensdrucks und Kosteneinsparung im Gesundheitswesen bei.

Teilprojekt von Dr. Hornecker: Intelligente Prädiktionsalgorithmen

Die Vielzahl der im Projekt gemessenen Daten werden zunächst mit Verfahren der Signalverarbeitung aufbereitet und um Artefakte bereinigt. Aus den Einzelsignalen werden individuelle Merkmale extrahiert, die zusammen mit den manuell erfassten Daten eines Schmerztagebuchs als Input für das Training von maschinellen Lernverfahren dienen. Die aus den Rohdaten extrahierten Informationen werden den Projektpartnern zur Weiterverarbeitung über Schnittstellen zur Verfügung gestellt.