• Deutsch
Login

Open Access

  • Home
  • Search
  • Browse
  • Publish
  • FAQ

Refine

Author

  • Bild, Christine (1)
  • Gaiduk, Maksym (4)
  • Haarmann, Jens (1)
  • Hannich, Frank (1)
  • Hüttermann, Marcel (1)
  • Martínez Madrid, Natividad (1)
  • Ortega, Juan Antonio (1)
  • Penzel, Thomas (3)
  • Scherz, Wilhelm Daniel (1)
  • Seepold, Ralf (4)
+ more

Year of publication

  • 2019 (2)
  • 2018 (1)
  • 2017 (1)

Document Type

  • Article (2)
  • Conference Proceeding (1)
  • Other Publications (1)

Language

  • German (4) (remove)

Keywords

  • Atmung (2)
  • Bewegung (1)
  • Herzfrequenz (1)
  • Schlafanalyse (3)
  • Schlafphasenerkennung (1)
  • Sleep study (1)

4 search hits

  • 1 to 4
  • BibTeX
  • CSV
  • RIS
  • 10
  • 20
  • 50
  • 100

Sort by

  • Year
  • Year
  • Title
  • Title
  • Author
  • Author
Non-invasives System für die kontinuierliche Schlafanalyse (2019)
Gaiduk, Maksym ; Seepold, Ralf ; Martínez Madrid, Natividad ; Ortega, Juan Antonio ; Penzel, Thomas
Die Erholung unseres Körpers und Gehirns von Müdigkeit ist direkt abhängig von der Qualität des Schlafes, die aus den Ergebnissen einer Schlafstudie ermittelt werden kann. Die Klassifizierung der Schlafstadien ist der erste Schritt dieser Studie und beinhaltet die Messung von Biovitaldaten und deren weitere Verarbeitung. Das non-invasive Schlafanalyse-System basiert auf einem Hardware-Sensornetz aus 24 Drucksensoren, das die Schlafphasenerkennung ermöglicht. Die Drucksensoren sind mit einem energieeffizienten Mikrocontroller über einen systemweiten Bus mit Adressarbitrierung verbunden. Ein wesentlicher Unterschied dieses Systems im Vergleich zu anderen Ansätzen ist die innovative Art, die Sensoren unter der Matratze zu platzieren. Diese Eigenschaft erleichtert die kontinuierliche Nutzung des Systems ohne fühlbaren Einfluss auf das gewohnte Bett. Das System wurde getestet, indem Experimente durchgeführt wurden, die den Schlaf verschiedener gesunder junger Personen aufzeichneten. Die ersten Ergebnisse weisen auf das Potenzial hin, nicht nur Atemfrequenz und Körperbewegung, sondern auch Herzfrequenz zu erfassen.
PredTour - predicting tourism movements (2017)
Thimm, Tatjana ; Bild, Christine ; Gaiduk, Maksym ; Scherz, Wilhelm Daniel ; Seepold, Ralf ; Hüttermann, Marcel ; Hannich, Frank ; Haarmann, Jens
Peer reviewed abstract, 10.11.2017
Softwaresystem zur Erkennung von Schlaf- und Wachzuständen basierend auf der Analyse von Herzfrequenz-, Atem- und Bewegungssignalen (2019)
Gaiduk, Maksym ; Seepold, Ralf ; Penzel, Thomas
Abstract der 27. Jahrestagung der Deutschen Gesellschaft für Schlafforschung und Schlafmedizin e. V., „Die innere Uhr“, 07.–09. November 2019, Hamburg
Sensor-Netz-basiertes System für die langfristige Schlafanalyse im häuslichen Umfeld (2018)
Gaiduk, Maksym ; Seepold, Ralf ; Penzel, Thomas
Das häusliche Umfeld kann vor allem für langfristiges Schlafmonitoring verwendet werden. Gute Patientenakzeptanz erfordert niedrige Nutzer- und Installationsbarrieren. Für die Installation zu Hause sind klassische PSG-Systeme aufgrund von ihrer Komplexität wenig passend. Ziel der Entwicklung ist die qualifizierte Erhebung von Parametern, die einerseits eine hinreichend gute Klassifikation von Schlafphasen erlauben und die andererseits durch nicht-invasive Methoden erfasst werden können. Basierend auf einer Literaturstudie und der Maßgabe nicht-invasive Methoden zu nutzen, wurden folgende Parameter ausgewählt: Körperbewegung, Atmung und Herzschlag. Diese Parameter können nicht-invasiv durch Matratzendrucksensoren erfasst werden. Die Sensorknoten sind als ein Netz von Drucksensoren implementiert, die mit einem leistungsarmen und performanten Mikrocontroller verbunden sind. Alle Knoten sind über einen systemweiten Bus mit Adressarbitrierung verbunden. Der eingebettete Prozessor ist der Mesh-Netzwerk-Endpunkt, der die Netzwerkkonfiguration, Speicherung und Vorverarbeitung der Daten, externen Datenzugriff und Visualisierung ermöglicht. Das System wurde getestet, indem Experimente durchgeführt wurden, die den Schlaf verschiedener gesunder junger Personen aufzeichneten. Die erhaltenen Ergebnisse bestätigen die Fähigkeit des Systems, Atemfrequenz und Körperbewegung zu erfassen. Ein wesentlicher Unterschied dieses Systems im Vergleich zu anderen Ansätzen ist die innovative Art, die Sensoren unter der Matratze zu platzieren. Diese Eigenschaft erleichtert die kontinuierliche Nutzung des Systems ohne Einfluss auf den gemeinsamen Schlafprozess. Um Schlafverhalten langfristig zu untersuchen, wird ein Hardwaresystem mit niedrigen Installationsbarrieren für den Einsatz im häuslichen Umfeld. Erste Ergebnisse weisen auf das Potenzial hin, außer Körperbewegung und Atemfrequenz, auch Herzfrequenz erfassen zu können. Die Werte können weiter verbessert werden, wenn die Sensorabfragefrequenz erhöht wird. Nach der Weiterentwicklung des Systems, soll es mit dem Softwarealgorithmus für die Schlafphasenerkennung verbunden werden.
  • 1 to 4

OPUS4 Logo

  • Contact
  • Imprint
  • Datenschutz
  • Sitelinks