iCaptur
Samen met het bedrijfsleven wordt een applicatie ontwikkeld die revaliderende en beginnende sporters moet ondersteunen tijdens het uitvoeren van spierversterkende oefeningen. De applicatie meet de activiteit van de gebruiker tijdens een sportsessie via de sensoren in een smartphone en beoordeelt de uitvoering van specifieke oefeningen.
Projectnieuws
Presentatie digitale beweegmeter voor dialysepatiënten
Docent-onderzoeker Ruud Bongers presenteerde tijdens de Nederlandse Nefrologie Dagen – samen met Charles Andre van het Laurentius Ziekenhuis Roermond – een digitaal beweegprogramma specifiek voor dialysepatiënten. Door het beweegprogramma – in combinatie met...
Over het project
Doel
Tot nu toe werden de oefeningen beoordeeld op basis van Matlab algoritmes. Het huidige beoordelingsproces is inefficiënt en op lange termijn arbeidsintensief.
Doel (uitgebreid)
Tot nu toe werd de oefeningen beoordeeld via Matlab algoritmes. Dat beoordelingsproces is inefficiënt en op lange termijn arbeidsintensief. Vandaar dat iCaptur zoekt naar optimalisatiemogelijkheden. Deze optimalisatie is een subproject waarin wordt gekeken of een systeem op basis van kunstmatige intelligentie (AI) de kwaliteit van de oefeningen net zo goed kan beoordelen op basis van sensordata als een fysiotherapeut of een sporttrainer.
Deze studentenopdracht is uitgevoerd in het kader van het onderzoek iCaptur van Ruud Bongers. ICaptur streeft er naar om de impact en tijdsduur van sportblessures tot een minimum te beperken door sporters advies en begeleiding te geven in hun preventie als revalidatieproces. Hiervoor ontwikkelen we in het project iCaptur algoritmes die gebruik maken van smartphone sensortechnologie.
Partners
Behalve het lectoraat Data Intelligence van Zuyd Hogeschool werken LIME, Maastricht UMC+ en ilionix samen aan het project.
Status
%
