David Pilz
Software und Datenverarbeitung
david.pilz@htl-klu.at
Deutsch Die (ROM) Range of Motion Messung des Kniegelenks wird im Bereich der Sportmedizin und Rehabilitation verwendet, um Verletzungen vorzubeugen oder bestehende Läsionen und Pathologien zu diagnostizieren und den Therapieerfolg zu überwachen. Derzeit gibt es jedoch keine benutzerfreundliche und gleichzeitig kostengünstige Möglichkeit, um eine verlässliche Range of Motion Messung durchzuführen.
English The (ROM) Range of Motion measurement of the knee joint is used in the field of sports medicine and rehabilitation to prevent injuries or diagnose existing lesions and pathologies, as well as to monitor the success of therapy. However, currently there is no user-friendly and cost-effective method available to conduct a reliable Range of Motion measurement.
Die Systemstruktur zeigt die Zusammenarbeit verschiedener Komponenten in dieser Arbeit. Bewegungsdaten, erfasst durch den MPU9250 Sensor, werden via Bluetooth (ESP32) an einen PC übertragen und in Matlab verarbeitet.
Dort entstehen eine zeitliche Visualisierung und ein detailliertes 3D-Modell der Bewegung. Zusätzlich werden Vitalparameter wie maximale Flexion, Extension und Neutralposition berechnet.
Diese Informationen dienen der Prävention von Verletzungen, der Diagnose bestehender Zustände und der umfassenden Überwachung des Therapieerfolgs.
Unser Projekt nutzt den bewährten MPU9250-Sensor, der Bewegungen in drei Richtungen (x, y, z) misst. Am Knie angebracht, erfasst der Sensor die Streckung und Beugung des Beins,
um den Winkel präzise zu messen. Über den ESP32 sendet er die Daten an eine WebApp, die eine zentrale Rolle in der Datenverarbeitung spielt.
Die WebApp visualisiert die aufgezeichneten Beinbewegungen als 3D-Modell und zeigt die Range of Motion (ROM) an.
Gleichzeitig berechnet und präsentiert sie wichtige Vitalparameter wie maximale Streckung, maximale Beugung und die Neutralposition des Knies.
Dieses effektive System soll eine möglichst genaue Analyse von Kniebewegungen ermöglichen, wodurch Verletzungen diagnostiziert oder die Kniegelenktherapie begleitet und überwacht werden kann.
Die präzise Verfolgung des Rehabilitationsfortschritts ermöglicht medizinischen Fachkräften gezielte Empfehlungen, um die Effektivität der Therapie zu optimieren.
Für die Realisierung dieses Projekts wird MatLab und Visual Studio Code verwendet.
Für die Programmierung des Sensors und des ESP32 greifen wir auf Visual Studio Code zurück. Diese leistungsstarke
Entwicklungsplattform ermöglicht eine effiziente und flexible Gestaltung unserer Codebasis. Währenddessen nutzen wir MatLab
für die spezialisierte Bildverarbeitung, wobei die integrierten Funktionen und Tools auf die Anforderungen der Bilderfassung,
-analyse, -visualisierung und Algorithmenentwicklung abgestimmt sind.