Health Tech

Das Ziel ist die Entwicklung eines Machine Leaming Modells zur Klassifizierung von IMU Daten, welche an einem Golfschläger aufgenommen werden. Ziel der Klassifizierung ist die Vorhersage und Einteilung des Impact Offsets zwischen Schlägerkopf und Ball in drei Klassen: Außen, Mitte, Innen. Außerdem soll eine Halterung konzipiert und angefertigt werden, welche eine sichere und reproduzierbare Befestigung des IMU Sensors am Schlägerschaft des Golfschlägers ermöglicht.

In dem Projekt Messrodel geht es darum, Wissen über das Verhalten einer Rodel im Eiskanal zu generieren. Dabei soll einerseits durch den Einsatz entsprechender Sensorik das Verhalten der Rodel messbar gemacht werden, andererseits sollen Messergebnisse auch zusammengefasst, verarbeitet, gespeichert und analysiert werden können. Darüber hinaus soll das Verhalten der Rodel über gängige Simulationsmethoden im Maschinenbau simuliert werden. Daraus soll im Idealfall ein Schienenmodell entstehen, welches durch die Messungen auch validiert werden kann.

Ziel des Projekts ist es einerseits eine App und die dahinter liegende Hardware zu entwickeln, andererseits wissenschaftliche Erkenntnisse zu erlangen im Feld der Sportwissenschaft im American Football. Mit den Kernfunktionalitäten der App soll es möglich werden, Trainingsmaschinen aufgrund von evaluierbaren Daten Entscheinungen und Kommandos zu senden.

Technologie spielt eine immer größere Rolle in der Verletzungsprävention im Sport. Moderne Methoden helfen dabei, Risiken frühzeitig zu erkennen, Belastungen zu steuern und individuelles Training zu optimieren. Ein zentraler Bereich ist die Bewegungsanalyse durch Kamerasysteme, Sensoren und Künstliche Intelligenz. Diese Technik ermöglicht es, Fehlbelastungen und ungünstige Bewegungsmuster zu identifizieren, bevor sie zu Verletzungen führen. Wearables wie Smartwatches und Sensoren in Schuhen oder Kleidung erfassen Parameter wie Schrittfrequenz, Belastung und Muskelaktivität in Echtzeit. Zudem spielt Kraft- und Ermüdungsdiagnostik eine entscheidende Rolle. Dynamische Kraftmessplatten, Elektromyografie (EMG) und andere biomechanische Tests helfen, muskuläre Dysbalancen oder Überlastungen zu erkennen und gezielt entgegenzuwirken. Ein weiterer wichtiger Aspekt ist die Datenanalyse durch Künstliche Intelligenz. KI-Systeme werten große Datenmengen aus und helfen dabei, individuelle Risikofaktoren zu bestimmen. So können Trainer und Sportmediziner präzisere Maßnahmen zur Prävention ergreifen. Schließlich trägt auch die Regenerationstechnologie wesentlich zur Verletzungsprävention bei. Methoden wie Kälte- und Wärmebehandlungen, Kompressionssysteme und elektrische Muskelstimulation (EMS) unterstützen die Erholung und reduzieren das Verletzungsrisiko. Durch den Einsatz moderner Technologien lassen sich Verletzungen im Sport gezielt vermeiden, die Leistungsfähigkeit steigern und die Gesundheit langfristig erhalten. Die Zukunft der Verletzungsprävention im Sport führt dabei über neue Materialien, virtuelle Trainingsumgebungen, datengetriebene Produktentwicklung und wissenschaftliche Studien.

Das Ziel dieses Projektes ist es das Ertrinkungsrisiko von Kindern zu minimieren. Dabei geht es vor allem um die Altersgruppe welche sich bereits krabbelnd oder gehend fortbewegen, jedoch noch nicht schwimmen kann. Diese beiden Faktoren machen Ertrinken zu einem Hauptverursacher für Unfälle mit Todesfolge für die erwähnte Gruppe. Um dieses Problem anzugehen, wird in diesem Projekt ein Gerät entwickelt welches die Atmung des Kindes überwacht sobald sich dieses im Wasser aufhält. Dies basiert auf der Bewegung des Brustkorbes welche mit einem Dehnsensor erfasst wird, wobei die benötigte Hardware vollständig in Badekleidung integriert werden kann. Das erfasste Signal wird dann entweder durch einen klassischen Algorithmus basierend auf der Steigungsänderung oder durch einen Deep-Learning Algorithmus verarbeitet. Werden Atemprobleme erkannt, sendet das Gerät eine Nachricht an einen installierten Empfänger via einem kabellosen, auf Ultraschall basierendem Kommunikationssystems. Der Empfänger gibt dann zentral einen akustischen und visuellen Alarm ab um so die Zeit bis zur Rettung zu minimieren.

Das vordere Kreuzband (ACL) ist maßgeblich an der Stabilisierung des Knies beteiligt. Zu diesem Zweck verhindert es ein Vorwärtsgleiten des Unterschenkels, sowie eine unverhältnismäßig hohe Rotation des Unterschenkels gegenüber dem Oberschenkel. Somit wird durch eine Kreuzbandverletzung der korrekte Bewegungsablauf beeinträchtigt. Ein Riss des vorderen Kreuzbandes stellt eine sehr häufige Bandverletzung am Kniegelenk dar. Um die Stabilität wiederherzustellen, wird in den meisten Fällen eine Kreuzbandrekonstruktion durchgeführt. Allerdings erleiden 25% der Patienten eine Wiederverletzung (Vavken et al., 2012). Mithilfe eines zusätzlichen operativen Eingriffes, der lateralen Tenodese, lässt sich das Wiederverletzungsrisiko verringern (Chen et al., 2021, Getgood et al., 2020), indem die Belastung zwischen Transplantat und umgelagerter Sehne verteilt wird (Marom et al., 2020). Auf der anderen Seite ist dieser Eingriff mit zusätzlicher OP-Zeit, Implantatkosten und Morbidität (zusätzlicher Zugang, vermehrte Schmerzen) verbunden. Dieses Projekt hat zum Ziel, die Entscheidungsprozesse bei Kreuzbandoperationen durch moderne AI-basierte Algorithmen zu verbessern und gleichzeitig zu automatisieren. Das System zielt maßgeblich auf die Optimierung der Entscheidung ab, ob eine Tenodese notwendig ist oder nicht. Konkret soll also aus eingegebenen Patientendaten eine verbesserte Version des Tendodese-Scores ermittelt werden. Hierzu wird auf der Basis künstlicher Neuronaler Netzwerke ein Programm trainiert, welches in der Folge bei Bereitstellung der Daten neuer Patienten die Risikofaktoren auswertet und gewichtet, und in der Folge zu einer besseren Einschätzung gelangt.

Ziel des Projekts BeSENSHome ist es, die Implementierung und Entwicklung innovativer Systeme und intelligenter Sensornetzwerke zu untersuchen und umzusetzen, um den Umweltkomfort in Wohnheimen, Tagesstätten, Arbeitsplätzen und Einrichtungen für neurodiverse Menschen zu gewährleisten. Um dieses innovative Ziel zu erreichen, müssen solche Systeme (i) eine genaue Anpassung an die Bedürfnisse der Bewohner :innen ermöglichen, indem sie eine Strategie definieren, die den Menschen in den Mittelpunkt stellt, und (ii) eine Kontrolle der gebauten Umwelt ermöglichen. Dank künstlicher Intelligenz (KI), die mit dem Sensornetz gekoppelt ist, wird die Umwelt in der Lage sein, die Vorlieben oder Anforderungen de r Bewohner:innen zu erlernen, stressige Bedingungen zu erkennen, die Umweltbedingungen anzupassen und Betreuer :innen zu alarmieren, falls ihr Eingreifen erforderlich ist, bevor potenziell gefährliche Bedingungen auftreten können. Die Integration eines solchen Sensornetzes in die Einrichtung der Räume wird architektonisch detailliert sein, um die Einbindung in bestehende Umgebungen zu gewährleisten. Um diese Ziele zu erreichen und das System so nützlich und benutzerfreundlich wie möglich zu gestalten, wird während des gesamten Projekts ein partizipativer Forschungsanzatz verfolgt. https://besenshome.units.it/ Das Projekt BeSENSHome wird im Rahmen des Kooperationsprogramms Interreg VI-A Italien-Österreich 2021-2027 aus dem Europäischen Fond für regionale Entwicklung kofinanziert.

Ein Open-Science-Projekt zur Erstellung einer Bibliothek von High-Fidelity-Modellen der menschlichen Anatomie für das Schläfenbein als Grundlage für Forschung und Entwicklung in der bildgeführten Chirurgie, der chirurgischen Ausbildung in virtueller Realität und vielem mehr. Die Modelle basieren auf multimodaler 3D-rekonstruierter Fusionsbildgebung, einschließlich Farbbildern aus Mikroschnitten sowie Digitaler Volumentomographie und den resultierenden segmentierten voxelbasierten sowie triangulierten Modellen.

Das MCI ist Teil einer Allianz von etwa 40 Institutionen weltweit, die Zugriff auf das daVinci Research Kit (dVRK) haben, welches die Arbeit mit einer der spannendsten und komplexesten Plattformen für chirurgische Robotik ermöglicht. Das System unterstützt chirurgisches Fachpersonal, welches an einer Bedienkonsole sitzend den Eingriff durch ein endoskopisches 3D-Panorama-Betrachtungssystem verfolgt, während es die präzisen Roboterarme des Systems in komplexen mikrochirurgischen Operationen durch Handbewegungen steuert. dVRK eröffnet ein breites Forschungsspektrum, von innovativen Verfahren zur Durchführung informations- und bildgeführter Operationen bis hin zur Entwicklung neuartiger chirurgischer Instrumente, innovativer Benutzerschnittstellen und futuristischer Methoden zur Automatisierung chirurgischer Aufgaben sowie deren potenziellen Auswirkungen.

SPOT ist ein fortschrittliches und hochgradig anpassbares Robotersystem, das basierend auf stereoskopischen und Näherungskameras, Trägheitsmesseinheiten und anderen Sensoren autonom arbeiten kann. Mit einer breiten Palette von Möglichkeiten, die Fähigkeiten des System durch definierte Schnittstellen zu erweitern, zielt das MCI darauf ab, die Verwendung von SPOT als persönlicher Roboter in der Medizintechnik zu erforschen. Die Python-API des Systems bietet Zugriff auf die High-Level-Funktionalitäten wie die Steuerung der Bewegung von SPOT und den Zugriff auf die Kameras und Sensoren des Roboters. Über verschiedene Kommunikationsschnittstellen des Roboters können kundenspezifisch entwickelte Hardware-Anbaugeräte, Nutzlasten genannt, angeschlossen werden. Dadurch können Studenten ihre eigenen Software- und Hardwareprojekte für eine der aufregendsten Roboterplattformen auf dem Markt erstellen. SPOT wurde bereits für Anwendungen wie als Roboter Blindenhund, für autonome "Follow-me"-Anwendungen angepasst und hatte auch schon Spaß beim Skifahren auf der Nordkette - Innsbrucks anspruchsvollstem Skigebiet. Darüber hinaus ist unsere SPOT User Group eine Studentengruppe, die von Studenten für Studenten betrieben wird. Die Studierenden selbst können ihre Ideen, Interessen und Anwendungsfälle in die Gruppe einbringen und schaffen so eine Lernumgebung frei von universitären Vorgaben und Verpflichtungen. Das Projekt zielt darauf ab, Wissen in einer interdisziplinären Gruppe von Studierenden zu generieren und darüber hinaus langfristig Kompetenzen im Bereich Medical Robotics, Personal Robots und Assisted Living weiter auszubauen.

Ziel dieses Kooperationsprojektes ist es, einen beheizbaren Handschuh für Einsatzorganisationen zu entwickeln, der die Anwendungseigenschaften eines Arbeitshandschuhes mit den Wärmeeigenschaften eines beheizbaren Handschuhes kombiniert. Damit sollen alpine Einsatzkräfte ihre Aufgaben (von der Versorgung von Verletzten bis hin zu Unfallerhebungen durch die Alpinpolizei) besser durchführen können. In der Kooperation mit Zanier und Aberjung kann hier ein neuartiges Produkt für den Markt entwickelt werden, welches optimal auf die Bedürfnisse der Kunden abgestimmt ist.

Ziel dieses Kooperationsprojektes ist es, einen Performance Tracker für den Funsportbereich zu entwickeln. Damit soll die Grundlage geschaffen werden um Plattformen nach dem Vorbild von Runtastic oder Strava für viele verschiedene Funsportarten aufbauen zu können. Der Schlüssel zu dieser Basistechnologie ist dabei die Kombination von Motion-Sensoren mit einem neuronalen Netz. Im Zuge des Projekts sollen Daten von Skatern und Skaterinnen verschiedenen Alters, Niveaus und Geschlechts auf vielen verschiednenen Orten aufgenommen werden. Daraus soll das neuronale Netz zur Auswertung eines Tricks entwickelt werden. Durch die Kooperation mit xdouble und Stefan Ebner ist das Projekt sehr stark in der Breite aufgestellt und kann dadurch sowohl unternehmenerische, wissenschaftlich aber auch schulungsbezogene Herausforderungen optimal meistern.

Die Videoweitenmessung im Skispringen wird über die direkte Messung der Landestelle bzw. digital durch einen Operator durchgeführt. Dabei ist es die Aufgabe des Operators, welcher mit bis zu vier Kameras die Landezone der Skispringer überwacht, den Touchdown eines jeden Sprunges manuell zu bestätigen. Danach sucht der Operator die für diese Landung relevante Kamera aus und betrachtet weitergehend die Videosequenz der Landung Bild für Bild. Das Ziel ist es, das Bild in der Videosequenz auszuwählen, bei dem der Skispringer mit beiden Ski vollständig den Boden berührt, um die Sprungweite zu bestimmen. Dafür wählt der Operator die Stelle zwischen Ferse des vorderen Schuhs und Fußspitze des hinteren Fußes aus, um über eine Software die gesprungene Weite zu berechnen. Diese Weite ist aufgrund der Kameraaufnahme mit 50 fps bis auf 0.5 Meter genau bestimmbar. Eine Automatisierung der beschriebenen Schritte zur Videoweitenmessung soll dazu dienen, den Operator bei seiner Arbeit zu unterstützen und somit die Reliabilität des Systems zu verbessern. Durch die Entwicklung eines solchen Systems können noch weitere Vorteile für den Skisprung-Sport gewonnen werden. Diese wurden vor allem durch den fachlichen Input des ehemaligen Skispringers Thomas Hofer initialisiert, welcher eine automatisierte Videoweitenmessung in Trainingssituationen als enormen Fortschritt sieht für Sportler und Trainer sieht. Die bisherige Messmethode in Trainingseinheiten ist eine rein visuelle Messung der Weite durch den Trainer. Eine Automatisierung und Digitalisierung kann den Sportlern hier ein deutlich genaueres Feedback und somit eine größere Möglichkeit auf eine Verbesserung ihrer Sprünge helfen. Somit kann durch eine Softwarelösung nicht nur der Profisport, sondern auch der Nachwuchs- und Jugendsport profitieren. Neben der Weitenmessung gilt es die Haltungsnoten der Sportler objektiv bestimmen zu können. Dies bestätigen unter anderem die Unterstützungserklärungen des ÖSV Nationalteams, des ÖSV und des Schigymnasiums Stams. Diese objektive Analyse der Haltungsnoten wird dabei als besonders relevant und als ein effektives Trainingstool zur Verbesserung der Haltungsnoten beschrieben. In Kombination mit der automatisierten Weitenmessung wird somit eine genauere Beurteilung der Gesamtleistung der Sportler möglich.

Das Ziel des Projekts Optimal Start ist es einen Prototyp eines Trainingstools für den Start beim Rodeln zu entwickeln. Dabei soll das Tool Daten eines bestehenden Motion Capturing Systems mit einem Video synchronisieren und gemeinsam darstellen. Dadurch sollen einzelne Fehler des Athleten beim Starten nicht nur im Signal sichtbar sein, sondern auch visuell dem Athleten seine betreffende Körperpose zeigen. Durch das Tool erhofft man sich ein wesentlich direkteres Feedback an die Athleten, welches auch besser für die Entwicklung der Athleten ist.

Die effiziente Beatmung von Neugeborenen in einer Reanimationssituation stellt für das Krankenhauspersonal nach wie vor eine Herausforderung dar. Der Stand der Technik ist ein manuelles Schlauchsystem mit einem Dosierventil, bei dem eine Person die permanente Beatmung übernehmen muss. Außerdem erfordert die Beschaffenheit des Lungengewebes von Neugeborenen eine Abflachung der Druckkurve während der Beatmung, um ein Zerreißen zu verhindern. EANB setzt sich mit der Automatisierung des gesamten Beatmungsprozesses auseinander, um qualitativ hochwertige und an den Patienten angepasste Beatmung zu ermöglichen.

Rodeln steigt in seiner Popularität schon über mehrere Jahre hinweg stetig. Dies hat auch dazu geführt, dass wesentlich mehr Unfälle beim Rodeln geschehen, z.T. mit tödlichem Ausgang. Deshalb wurde das Projekt VRodel ins Leben gerufen um die grundlegenden Rodeltechniken in einer virtuellen Welt zu erlernen um das Rodeln in der realen dadurch sicherer zu machen.