Biosignalerfassung

Die herkömmliche Biosensorik beruht häufig auf der Erfassung einiger weniger Messgrößen, die technisch leicht vom menschlichen Körper abzuleiten sind. Aus diesen Messsignalen werden anschließend die aus medizinischer Sicht interessanten Parameter entweder direkt vom medizinischen Personal erschlossen oder aber mit Hilfe von Signalverarbeitung bestimmt. Dies hat zur Folge, dass die für die Diagnostik oder Therapieplanung zur Verfügung stehenden Informationen eingeschränkt sind.

Die intelligente Biosignalerfassung hat zum Ziel, herkömmliche Messverfahren patient:innenindividuell hinsichtlich der Informationserfassung zu optimieren, ohne den/die Patienten/Patientin oder das medizinische Personal einzuschränken. Dazu müssen die Messprobleme zunächst detailliert analysiert und neue Konzepte zur Signalerfassung entwickelt werden. Diese Konzepte umfassen sowohl die physikalische Ableitung von Signalen als auch die elektronische Weiterverarbeitung und die anschließende digitale Signalverarbeitung.

Ein hohes klinisches Potential bieten beispielweise Mehrkanalsysteme, da diese redundant gegen den Ausfall einzelner Kanäle sind und in der Klinik ein umfassendes Bild des Patienten liefern können. Neben hiermit auftretenden technischen Schwierigkeiten stellt auch die Verarbeitung von hochdimensionalen multivariaten/multimodalen Zeitsignalen eine Herausforderung dar.

An der Fraunhofer IMTE werden derartige Messverfahren und -systeme mit Schwerpunkt auf bioelektrischen Ansätzen, wie der Elektromyographie oder der Bioimpedanzanalyse, entwickelt. Umgesetzt werden diese durch Entwicklung von individuellen Sensoren und elektronischen Messschaltungen unter Berücksichtigung der jeweiligen Normenlagen. Damit kombiniert werden innovative Methoden der Signalverarbeitung und Sensorfusion basierend auf modernen Methoden des Maschinellen Lernens. Dazu gehören probabilistische Modelle, u.a. spatio-temporale Gaußprozesse und tiefe Faltungsnetzwerke (CNN). Ein besonderer Fokus stellt dabei die effiziente Ausführung der Inferenz auf Edge-Geräten dar, welche durch Strukturierung und Hardware-Beschleunigung erreicht wird.