Analyze-Me
Analyze-Me: Software-Tools für die Verarbeitung physiologischer Signale von Patientinnen und Patienten mit einer nicht-verbalen Form von Autismus
Phase 3
Projekttyp: Machbarkeitsstudie
Betroffene Behinderungen: Autismus und tiefgreifende Entwicklungsstörungen, Geistige Behinderung, Mehrfachbehinderung
Thematiken: Selbstbestimmtes Leben, Gesundheit, Zwischenmenschliche Beziehungen
Status: Laufend
Entwicklung einer Software zur Erkennung und Visualisierung von physiologischen Signalen im Zusammenhang mit Stressfaktoren bei Patientinnen und Patienten mit einer nonverbalen Form von Autismus.
Patientinnen und Patienten mit einer nonverbalen Form von Autismus sind nicht in der Lage, mit anderen zu kommunizieren, und laufen Gefahr, schwierige Verhaltensweisen zu entwickeln (Autoaggressivität, Heteroaggressivität, Schreien, Zerstörung, motorische Instabilität). Einige Verhaltensweisen können nicht nur für die Patientinnen und Patienten, sondern auch für die Unterstützungspersonen gefährlich sein. Wenn Anfälle auftreten, ist ihre Erkennung von grundlegender Bedeutung, um die Umweltbedingungen angemessen zu beeinflussen und so die Folgen abzumildern. Da man weiß, dass die verbale Kommunikation sehr eingeschränkt oder in manchen Fällen sogar unmöglich ist, ist es schwierig, die Gründe für solche Anfälle zu verstehen. Es ist schwer zu entscheiden, ob sie eine alternative Art und Weise darstellen,
Ziel ist es, die Bedürfnisse der Person auszudrücken, oder ob sie einen Bewusstseinszustand oder eine somatische Erfahrung, Stress oder Schmerz widerspiegeln. Wir wurden bereits vom Innovation Booster für eine explorative Forschung und einen Prototypen unterstützt. Ziel unseres Projekts ist die Entwicklung einer Software zur Erkennung und Visualisierung der SNS-Aktivierung, die anerkanntermaßen mit akutem Schmerz/Stress oder alternativer Kommunikation korreliert, durch die Analyse der physiologischen Signale, die mit dem Empatica E4 Armband gesammelt wurden. Diese Signale umfassen Messungen wie elektrodermale Aktivität (EDA), Blutvolumenpuls (BVP), Temperatur und 3D-Beschleunigung (ACC).
Durch unser vorheriges Projekt haben wir eine umfassende grafische Benutzeroberfläche Schnittstelle für die Verarbeitung physiologischer Signale entwickelt, mit der wir über 100 verschiedene Signalmerkmale aus BVP- und EDA-Signalen extrahieren können. Wir haben auch die Genehmigung der Ethikkommission für die Datenerhebung erhalten und haben bereits mit der Datenerhebung begonnen. Auf der Grundlage der ersten Daten konnten wir mit einer Genauigkeit von 98% stressige Ereignisse von ruhigen Perioden klassifizieren und mit einer Genauigkeit von 97% stressige Ereignisse von nonverbalen Kommunikationsversuchen unterscheiden (was für ungeschultes Personal schwierig zu bewerkstelligen ist).
