Jeder Atemzug wird erkannt

Bei modernen Verfahren der Bildgebung in medizinischen Anwendungen wie MRT und CT wird die Bildqualität noch immer durch Artefakte gemindert. Beispielsweise kommt es zu Unschärfen im Bild, wenn sich der Patient während der Bildaufnahme im MRT bewegt. Gängige Verfahren zur Bewegungsanalyse, wie beispielsweise Brustgurte, haben den Nachteil, dass sie dem Patienten aufwendig angelegt werden müssen und zudem fehleranfällig sind. Die Gestigon GmbH, Lübeck, hat ein System entwickelt, dass mit Hilfe einer neuen Tiefenschärfe-Kamera die präzise Messung der Brust- und Bauatmung eines Patienten in MRT und CT ermöglicht. Damit lassen sich Bewegungsartefakte berührungslos in Echtzeit ermitteln und die betroffenen Bilder kennzeichnen.

Nach einfachen Schaltern, der Tastatur, der Maus, dem Touchscreen und der Stimme („Voice-Control“) ist die berührungslose Steuerung von Infrastruktur auf Basis von Gesten und Bewegungen der nächste Meilenstein des Human-Machine-Interfaces. „Es wird nicht mehr notwendig sein, das anzusprechende Gerät selbst anzufassen“, erklärt Moritz von Grotthuss, Geschäftsführer von Gestigon. „Man kann dieses – ergänzend zu den bisherigen Möglichkeiten – durch einfache Gesten steuern“. Gestigon entwickelt zukunftsfähige, stabile Lösungen für die Gestenerkennung und -steuerung auf der Basis von 3D-Kameras. „Kern unserer Software ist dabei ein Embedded System, welches sowohl einen geringen Platz- als auch Stromverbrauch hat“, erläutert von Grotthuss. „Damit eignet sich unsere Lösung besonders gut für alle mobilen Anwendungen, wie Mobiltelefone, Tablets, Fernbedienungen, Navigationssysteme, aber auch Automotive, PCs, Gaming, Digital Signage oder Medizintechnik.“

Gestigon arbeitet mit einer echten Skeletterkennung, sowohl Körper als auch Hand und/oder Finger werden dabei problemlos erkannt. Das Skelett wird in eine Netzstruktur im 3D-Raum mit Knotenpunkten übersetzt. Die Bewegungen der Knotenpunkte können frei als auslösende Gesten definiert werden. Für die Atemerkennung wird die Tiefenkamera im MRT angebracht. Dort überwacht sie kontinuierlich die Patientenbewegung während der Bildaufnahme. Je nach Position und Größe des Patienten kann das Aufnahmefeld ausgewählt werden. Die Kamera liefert eine Punktwolke im dreidimensionalen Raum. Basierend auf dieser Punktwolke können Posen und Gesten des aufgenommenen Körpers erkannt werden.

Der Ansatz von Gestigon beruht dabei auf den sogenannten „selbstorganisierenden Karten“. Ausgangspunkt dieser Karten ist eine definierte Körpertopologie, bestehend aus Gelenken und Knochen. Diese wird in eine Punktwolke gelegt, so dass der mittlere Abstand zwischen den Punkten im Raum und Knochen im Körper-Modell minimal wird. Die von Gestigon entwickelte Softwarelösung wandelt anschließend alle Bilddaten um und macht sie auf dem Computer sichtbar.

Die Lösung der Lübecker läuft auf allen gebräuchlichen Plattformen/Betriebssystemen (Windows 7, Linus, OS-X, Pandaboard) und ist in der Lage jede Kamera einzubinden, die 3D-Daten ausgibt. „Damit kann die Lösung flexibel in die bestehende oder präferierte Hard- und Softwareumgebung unserer Kunden integriert werden“, so Moritz von Grotthuss. In einem nächsten Schritt will das Unternehmen einen Prototyp erstellen, um diese Erkenntnisse zu validieren und zu erweitern.

Die Vorteile des berührungslosen Atemüberwachungssystems:

Weitere Informationen Vorstellung von Gestigon und der Gestenerkennungs-Technologie: http://youtu.be/y29XZQCypmk Hand Skeleton Tracking mit der Kinect – Grundsätzlich wird die Kinect auf Grund ihres Fokusbereiches von 2 bis 5 m aber nur für „einfache Ganzkörpergesten“ eingesetzt. Gestigon konnte aus den Daten der Kinect auch ein Hand-/Fingertracking extrahieren. Mit spezifischeren Kameras, welche in der Regel auch einen kleineren Fokusbereich haben, können deutlich stabilere Körperskelette berechnet werden: http://youtu.be/AlsKmSYcb3U Virtual Touchscreen: http://youtu.be/5q0zhJdNZvM Digital signage in der Wiener U-Bahn: http://youtu.be/b8zE0mNXkV8 Anwendung im Bereich Medizintechnik: http://youtu.be/Ts2_QvYdUS4