Refine
Document Type
- Article (35) (remove)
Has Fulltext
- yes (35) (remove)
Keywords
- Altenpflege (2)
- Kalman-Filter (2)
- Lernstrategien (2)
- Neuronales Netz (2)
- Pflege (2)
- model car (2)
- nursing (2)
- Ableitung Solltrajektorie (1)
- Alter (1)
- Ambient Assisted Living (1)
Diese Arbeit stellt einen Lösungsansatz
für das Erstellen einer Karte für autonome Systeme auf Grundlage von Objekten mit Lebenspunkten vor. Dafür werden von
den Sensoren erfasste Punkte mit einem DBSCAN verarbeitet,
um zusammenhängende Cluster zu finden. Diese Cluster werden
mit Lebenspunkten versehen, welche die Existenzplausibilität
widerspiegeln.
Mobilitätshilfen sind allgegenwärtig und existenziell für Menschen, die aufgrund von Krankheit und Pflegebedürftigkeit in ihren Alltagsbewegungen und -fortbewegungen eingeschränkt sind. Mobilität steht in einem direkten Zusammenhang zur Selbstständig-keit und Selbstbestimmung im Alltag. Für viele pflegebedürftige Menschen sind Mobili-tätshilfen entscheiden dafür, ob sie ihren Alltag (wieder) selbst gestalten können. Dabei müssen sie sich innerhalb und außerhalb von Räumen ganz unterschiedlichen Heraus-forderungen stellen. Teilhabe am sozialen, möglicherweise auch am beruflichen Leben wird für viele Betroffene erst dann möglich, wenn die unterschiedlichen Mobilitätshilfen aufeinander und auf die jeweiligen Aktivitäten abgestimmt sind. Für Angehörige und für Pflegefachpersonen stellt sich täglich die Frage, mit welchen Mobilitätshilfen eine siche-re und angemessene Unterstützung möglich ist. Dabei gilt es, die Ausstattung mit Hilfen dem aktuellen Mobilitätsprofil der Betroffenen anzupassen; die Folgen von Über- oder Unterversorgung mit Mobilitätshilfen kann für die Betroffenen gravierende negative Folgen haben!
Augmented Reality (AR) und Mixed Reality (MR) bieten das Potential für zahlreiche Anwendungen im Industrial Internet of Things (IIoT). In diesem Beitrag wird ein Ansatz zur cloudbasierten (endgeräte- und standortunabhängigen) Erstellung und 3D-Visualisierung von realdatengetriebenen Augmented und Mixed Reality Szenen sowie deren Anwendung im Maschinen- und Anlagenbau vorgestellt.
Diese Arbeit befasst sich mit der Entwicklung eines robusten Positionsschätzers. Die Positionsschätzung findet für einen mobilen Roboter statt, welcher autonom einen Rundkurs abfährt.
Mithilfe des von Thrun et al. entwickelte FastSLAM Ansatz wird ein Konzept zur Filterung der Position entwickelt. Geeignete Umweltinformationen werden für die kontinuierliche Korrektur ermittelt und beschrieben. Für die Korrektur wird die Charakteristik der Rennstrecke genutzt.
Durch eine Validierung des Konzepts wird die Funktionalität gezeigt und ein Einblick in die erforderliche Rechenleistung gegeben.
Für das autonome Fahren ist es notwendig, Verfahren zu entwickeln, die in der Lage sind, die Position und die Orientierung von Objekten zu ermitteln. Eine große Herausforderung ist die Zuordnung der durch Sensoren erfassten Messpunkten zu Objekten und die notwendige Validierung dieser Daten. In diesem Beitrag wird die Datenassoziation von Messpunkten zu einem Objekt mittels Künstlicher Intelligenz (KI) untersucht. Hierbei wird ein Neuronales Netz verwendet, welches die Zuordnung der Messpunkte zu einem bestimmten Objekt übernimmt oder diese als Rauschen deklariert. Es wird untersucht wie sich die Performance von Long Short-Term Memory (LSTM)-Layern gegenüber Dense-Layern für diesen Einsatz-Zweck verhält. Die verwendeten Daten werden mittels einer 2D-Simulation erzeugt. Der Output des Neuronalen Netzes wird verwendet, um die Trajektorien mehrerer Objekte zu erfassen und deren zukünftige Bewegung durch einen Kalman-Filter vorherzusagen.
Hintergrund
Die Prävalenz von Mangelernährung im Krankenhaus ist hoch und wird in der Praxis noch häufig unterschätzt. Im Rahmen eines vom BMBF finanzierten Projektes soll diesem Problem mithilfe von Praxiskonzepten mit präventiven und kurativen Maßnahmen für die Zielgruppe geriatrischer Patient*innen begegnet werden.
Methodik
Zur Bestimmung der Ausgangslage hinsichtlich des Ernährungsmanagements und Feststellung der aktuellen Prävalenz von Mangelernährung in zwei Stuttgarter Kliniken wurden im Rahmen des nutritionDays® spezifische Daten erhoben und mit dem Schwerpunkt auf die Zielgruppe ältere Patient*innen ausgewertet.
Ergebnisse
Von 99 eingeschlossenen Patient*innen weisen 39,4% (n=39) ein Risiko für eine Mangelernährung auf, 41 Patient*innen (41,1 %) berichten von einem ungewollten Gewichtsverlust. Der Gewichtsverlust beträgt im Mittel 6,1 kg (SD 3,8) oder 9,7% (SD 5,1) des Körpergewichtes. Nur 19,4% (n=7) der Mangelernährten erhalten eine ernährungsmedizinische Intervention. Es zeigt sich für die Gruppe mit einem hohen Mangelernährungsrisiko ein verlängerter Klinikaufenthalt von 2,1 Tagen (nicht signifikant), ein signifikant geringerer BMI (-4,3 kg/m²; p=0,001), größerer Gewichtsverlust (-12,5% vs. -3,7%; p=0,001) sowie Gewichtsveränderungen in den letzten 5 Jahren (-7,6% vs.+1,2%; p=0,004). Der ungewollte Gewichtsverlust korreliert signifikant mit der Anzahl unterschiedlicher Medikamente (rs=0,397; p=0,029) und einer verringerten Nahrungsaufnahme in der Woche vor Klinikeinweisung (rs=-0,533; p=0,003).
Schlussfolgerung
Die hohe Prävalenz von Mangelernährung unter den älteren Patient*innen bei gleichzeitig ausbleibender Identifikation der Betroffenen führt zu einer unzureichenden Behandlung der Mangelernährung. Diese Defizite lassen sich mithilfe von nutritionDay® Erhebungen deutlich aufzeigen.
Diese Arbeit beschreibt die Aufstellung einer Trajektorie für ein autonomes Fahrzeug. Als Basis dient eine Vorarbeit, bei der ein neuronales Netz das Bild einer Frontkamera eines Autos in Fahrspur und Nicht-Fahrspur segmentiert. Darauf aufbauend wird das Bild zunächst in die Vogelperspektive transformiert. Anschließend folgen eine Detektion der Fahrspurkanten sowie ein Clustering-Verfahren, um linke und rechte Kantenabschnitte zu separieren. Weiter wird die Trajektorie diskret in Form von Parametern des Kreisbogenmodells aufgenommen. Die Prädiktion dieser Parameter erfolgt mittels eines Extended Kalman-Filters. Die abschließende Validierung der Algorithmen erfolgt durch eine synthetisch generierte Fahrspur.