Forschungsprojekt

Die Kombination aus der ständig wachsenden Menge an Gesundheitsdaten, deren Digitalisierung sowie Technologien wie Künstliche Intelligenz besitzt ein beachtliches Entwicklungspotential für zahlreiche Themengebiete der Medizin und des klinischen Alltags. Auf dieser Basis können Anwendungen in den Bereichen der Diagnostik und Behandlung sowie der medizinischen Früherkennung und Nachsorge intelligent und individuell realisiert und weiterentwickelt werden.

Das Projekt „SmartHospital.NRW“ beschäftigt sich neben der Implementierung und Umsetzung gezielter medizinischer Anwendungsbeispiele auch mit deren exemplarischer Erprobung für reale Einsatzszenarien.

Beispielsweise werden

die intelligente Erstellung und Verarbeitung medizinischer Dokumente,
der Einsatz von Sprachtechnologien im Patienten*innenzimmer und bei der sterilen Bedienung von Computern am Arbeitsplatz sowie
die KI-gestützte Gesundheitsdatenanalyse zur Diagnostikunterstützung

eine zentrale Rolle einnehmen.

Das Ziel des Projektes ist es, die entwickelten Anwendungen zu nutzen, um die Behandlung von Patientinnen und Patienten zu verbessern, das medizinische Personal zu entlasten sowie Prozesse innerhalb des Krankenhaus in Zukunft zu optimieren.

In einem Showroom an der Universitätsmedizin Essen werden die von den Projektpartnern entwickelten Anwendungen und Prototypen interessierten Bürgerinnen und Bürgern sowie einer Fachöffentlichkeit präsentiert. Auf der Projektseite finden Sie neben weiteren spannenden Informationen auch zahlreiche Bilder und Videos zum Projekt sowie Informationen zum Showroom.

Auf der Projektinternetseite finden Sie neben weiteren spannenden Informationen zum Projekt auch zahlreiche Bilder und Videos.

Zur Projektinternetseite SmartHospital.NRW

Arbeitsgebiet Datentechnik

Das Arbeitsgebiet Datentechnik ist an der KI-gestützten Gesundheitsdatenanalyse zur Diagnostikunterstützung beteiligt und arbeitet im Konsortium an verschiedenen Anwendungen für die klinische Praxis.

Im Fokus steht hierbei das Monitoring von Schlaf-, Aktivitäts- und Vitalparametern zur Erkennung und Überwachung spezifischer Erkrankungen.

Innerhalb des Forschungsprojektes bieten wir regelmäßig Abschlussarbeiten an.
Durch die enge Zusammenarbeit mit einem klinischen Partner beschäftigen sich die Themen der Abschlussarbeiten mit aktuellen Forschungsfragen und sind anwendungsorientiert.

Abgeschlossene Abschlussarbeiten zu diesem Themengebiet

Classification of Rapid Eye Movement in Human Sleep Using a Minimal-Contact Single-Channel Sensor (D. Rau, 2020)

Im Rahmen dieser Masterarbeit wurde die automatische Klassifizierung von menschlichen Rapid Eye Movement (REM) Schlaf untersucht.
Das Ziel war es zum einen die REM Schlaf Zyklen innerhalb einer Nacht (in vereinfachter Darstellung siehe obere Abbildung recht) zu detektieren, zum anderen sollte die Entwicklung des REM Schlafanteils über zwei Nächte betrachtet werden. Zur Klassifizierung wurde statt der üblicherweise verwendeten Polysomnographie (Untersuchung im Schlaflabor) das Signal eines einkanaligen Minimalkontaktsensors verwendet.
Zur Berwertung wurden die Ergebnisse mit denen der Polysomnographie verglichen (siehe untere Abbildung rechts).
Bei der Erstellung der Abschlussarbeit wurden sowohl Methoden der Signalverarbeitung also auch des Machine Learnings verwendet.

Vereinfachtes Schlafprofil eines Menschens. Innerhalb des achtstündigen Schlafs wechseln sich REM- und NREM-Schlafphasen beginnend mit einer NREM-Phase ab. Insgesamt werden vier Zyklen gezeigt.

Bland-Altman-Diagramm zum Vergleich der Messergebnisse des Minimalkontaktsensors mit Standardmethode PSG. Gezeigt wird der ermittelte REM-Schlafanteil für beide Messmethoden. Ein großer Teil der Messpunkte liegt innerhalb des 95%-Konfidenzintervalls

Untersuchung eines Klassifikators zur Erkennung von Rapid Eye Movement Schlaf mittels eines einkanaligen Minimalkontaktsensors (C. Wicik, 2021)

Die anwendungsorentierte Bachelorarbeit beschäftigte sich mit der Untersuchung eines Klassifikator zur Erkennung des menschlichen Rapid Eye Movement Schlafs (REM-Schlaf).
Dazu wurde der Schlaf einer Probandin mit Hilfe eines einkanaligen Minimalkontaktsensors (Positionierung siehe obere Abbildung rechts) überwacht.
Anschließend teilte der Klassifikator die Zuhause aufgenommene Signale des Sensors in die zwei Schlafphasen REM und NREM (Non Rapid Eye Movement) ein. Zur besseren Auswertung wurden die Ergebnisse, in Abhängigkeit von der Zeit, in Form von Schlafprofilen (siehe untere Abbildung rechts) dargestellt.
Die abschließende Analyse und Bewertung der Ergebnisse erfolgte mittel verschiedener Parameter, die zuvor erarbeitet und definiert wurden.
Durch die Bachelorarbeit konnte erste Erkenntnisse gewonnen werden, ob und wie weit das Schlafprofil mit Hilfe des Minimalkontaktsensors und somit ohne stationären Aufenthalt in einem Schlaflabor überwacht werden kann.