Sen­sor­in­te­gra­ti­on in Orthe­sen zur Ver­sor­gung des Dia­be­ti­schen Fuß­syn­droms: eine tech­ni­sche Betrachtung

V. Katter1, C. Huperz1, J. Bartsch1, I. Özlü2, M. Regier3, R. I. Amelung2, B. Klemme2, M. Kohlhase1
Herkömmliche Orthesen zur Prävention des Diabetischen Fußsyndroms (DFS) können kritische Belastungen nicht kontinuierlich überwachen. Diese Studie untersucht die Integration von Drucksensorik in einer Orthese. Zuerst wird die optimale Sensorposition evaluiert, wobei sich die prozesstechnisch einfachste Position unter der Weichbettung als messtechnisch anspruchsvoll erweist (starke Dämpfung, Informationsverlust). Eine zweite Studie zeigt mittels einer KI-basierten Anomalieerkennung (LSTM-Autoencoder), dass aus diesen gedämpften Daten dennoch klinisch relevante Abweichungen detektiert werden können, sofern eine hohe Sensordichte und personenspezifische Modelle genutzt werden. Dies belegt die technische Machbarkeit einer smarten Orthese für die Alltagsüberwachung.

V. Kat­ter1, C. Huperz1, J. Bartsch1, I. Özlü2, M. Regier3, R. I. Ame­lung2, B. Klem­me2, M. Kohl­ha­se1
Her­kömm­li­che Orthe­sen zur Prä­ven­ti­on des Dia­be­ti­schen Fuß­syn­droms (DFS) kön­nen kri­ti­sche Belas­tun­gen nicht kon­ti­nu­ier­lich über­wa­chen. Die­se Stu­die unter­sucht die Inte­gra­ti­on von Druck­sen­so­rik in einer Orthe­se. Zuerst wird die opti­ma­le Sen­sor­po­si­ti­on eva­lu­iert, wobei sich die pro­zess­tech­nisch ein­fachs­te Posi­ti­on unter der Weich­bet­tung als mess­tech­nisch anspruchs­voll erweist (star­ke Dämp­fung, Infor­ma­ti­ons­ver­lust). Eine zwei­te Stu­die zeigt mit­tels einer KI-basier­ten Anoma­lie­er­ken­nung (LSTM-Autoen­co­der), dass aus die­sen gedämpf­ten Daten den­noch kli­nisch rele­van­te Abwei­chun­gen detek­tiert wer­den kön­nen, sofern eine hohe Sen­s­or­dich­te und per­so­nen­spe­zi­fi­sche Model­le genutzt wer­den. Dies belegt die tech­ni­sche Mach­bar­keit einer smar­ten Orthe­se für die Alltagsüberwachung.

Alre­a­dy a mem­ber? Hier ein­log­gen
Tei­len Sie die­sen Inhalt
Anzeige