Analyze-Me

Software-Tools für die Verarbeitung physiologischer Signale von Patientinnen und Patienten mit einer nonverbalen Form von Autismus

Phase 2

 

Projekttyp: Prototyp

Betroffene Behinderung: Autismus und tiefgreifende Entwicklungsstörungen, , Geistige Behinderung, Mehrfachbehinderung

Thematiken: Selbstbestimmtes Leben, Dienstleistungen und Kommunikation, Gesundheit, Zwischenmenschliche Beziehungen

Status: Abgeschlossen

Unser Projekt zielt darauf ab, eine Software zur Erkennung und Visualisierung von Stressinduktion oder Kommunikationsversuchen zu entwickeln. Durch die Extraktion von Merkmalen aus physiologischen Signalen liefert unser Tool diese als Input für den Deep-Learning-Algorithmus zur Klassifizierung von Kommunikation vs. herausforderndem Verhalten bei nonverbalen autistischen Patientinnen und Patienten.

Patientinnen und Patienten mit nonverbalem Autismus haben oft Schwierigkeiten zu kommunizieren, was zur Entwicklung schwieriger Verhaltensweisen führen kann, die nicht nur für die Patientinnen und Patienten, sondern auch für die Betreuenden eine Gefahr darstellen können. Um dieses Problem zu lösen, haben wir eine grafische Nutzeroberfläche entwickelt, die eine Datenerfassung in Echtzeit vom Empatica-Armband ermöglicht.

Diese Schnittstelle verarbeitet verschiedene physiologische Signale, darunter elektrodermale Aktivität (EDA), Blutvolumenpuls (BVP), Temperatur und 3D-Beschleunigung (ACC), extrahiert über 100 verschiedene Signalmerkmale und ermöglicht die Visualisierung ausgewählter Merkmale.

Die vorläufigen Daten, die bei zwei autistischen Patientinnen und Patienten und acht gesunden Freiwilligen gesammelt wurden – ein Aufwand, der von der Ethikkommission genehmigt wurde – führten zu folgenden Schlussfolgerungen:

  • Die physiologischen Reaktionen von gesunden Freiwilligen und autistischen Patientinnen und Patienten scheinen sich signifikant zu unterscheiden. Die gemischten Daten von gesunden Freiwilligen und autistischen Patientinnen und Patienten erlaubten keine genaue Klassifizierung von stressigen Ereignissen im Vergleich zu ruhigen Perioden.
  • Als wir jedoch die Daten jedes autistischen Patientinnen und Patienten einzeln analysierten, erzielten wir mit einer Genauigkeit von 98 % eine ausgezeichnete Klassifizierung von stressigen Ereignissen im Vergleich zu ruhigen Perioden. Darüber hinaus konnten wir emotionalen Stress und nonverbale Kommunikationsversuche mit einer Genauigkeit von 97 % klassifizieren.
Screenshot der AnalyzeMe-Software, der Gesundheitsdaten zeigt

Kontakt

HES-SO Valais-Wallis

Alena Simalatsar

alena.simalatsar@hevs.ch 

Skip to content