SeHF 2013 | SmartCoping - eine mobile Lösung für frühzeitige Stresserkennung und -warnung auf der Basis von Biofeedback (Edith Maier)
Upcoming SlideShare
Loading in...5
×
 

SeHF 2013 | SmartCoping - eine mobile Lösung für frühzeitige Stresserkennung und -warnung auf der Basis von Biofeedback (Edith Maier)

on

  • 522 views

Swiss eHealth Forum | 8. März 2013 | Referat Prof. Dr. Edith Maier ...

Swiss eHealth Forum | 8. März 2013 | Referat Prof. Dr. Edith Maier

Das Projekt SmartCoping entwickelt eine auf Smartphones und Sensoren basierende Lösung zur Stresserkennung. Anwender werden bei Vorliegen von Stress gewarnt und können Entspannungsübungen anwenden, deren Effekt unmittelbar visualisiert wird. Das so entstehende Biofeedback unterstützt die Entspannung und hilft, die Selbstwahrnehmung zu verbessern. SmartCoping erfasst Vitalparameter wie Herzratenvariabilität sowie Standort und Bewegungsdaten. Daraus werden Muster identifiziert, die als Frühwarnindikatoren für das Vorliegen von Stress dienen.

Statistics

Views

Total Views
522
Views on SlideShare
522
Embed Views
0

Actions

Likes
1
Downloads
18
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

SeHF 2013 | SmartCoping - eine mobile Lösung für frühzeitige Stresserkennung und -warnung auf der Basis von Biofeedback (Edith Maier) SeHF 2013 | SmartCoping - eine mobile Lösung für frühzeitige Stresserkennung und -warnung auf der Basis von Biofeedback (Edith Maier) Presentation Transcript

  • Mobile Gesundheitsapplikation zur frühzeitigen Stresserkennung
  • Einführung• Lösung basierend auf Smartphones und Sensoren mit Erfassung von Vitaldaten, Umgebungsfaktoren und Kommunikationsdaten• Automatisches Erkennen von Stress-Mustern mittels Monitoring von Umgebungs-, Bewegungs- und Kommunikationsdaten• Stressreduktion durch frühzeitiges Erkennen von Stresssymptomen• Automatisches BioFeedback via Smartphone• Testen eines medizinisch-therapeutischen Wirkungs-Prototyps
  • Erfahrungen & Rollen der Partner Förderagentur für Innovation des Bundes, Unterstützung der anwendungs- orientierten Forschung und Entwicklung (aF&E) und Förderung des Unternehmertums.  Kofinanzierung des Projektes Semantic Web sowie Human Computer Interaction, Usability, Software- Entwicklung und Software-Architektur, Internet-Technologien und Java- Programmierung  Projektleitung, Forschung, Koordination Kompetenzschwerpunkte Entrepreneurship, Nachhaltiges Management und Gesundheit  Relationship Management, Marketing, Durchführung der Evaluation Hochspezialisierte Klink für die Behandlung von Alkohol-, Medikamenten- und Tabakabhängigkeit  Fachlicher Input, Rekrutierung der Testpersonen, Durchführung und fachliche Auswertung Feldtest Expertise in den Bereichen semantische Datenanalyse, Mustererkennung, Textlinguistik, Applikationsentwicklung  Mustererkennung, Intelligente Datenanalysen Erfahrung im Bereich Ambient Assisted Living, Sensoren und Vitaldatenerfassung  Projektleitung, Sensoren-Know-how, Technische Integration
  • Frühzeitige Erkennung vonStresssituationen und -ursachenDatenerfassung Muster erkennen Visualisierung Daten nutzen• Direkte Erfassung und • Verschiedene Muster • Stresswarnungen • Betreuung durch Fachpersonen Übermittlung von und Signale vergleichen • Real-time Feedback • Lernen des Patienten verschiedenen Daten • Trends erkennen • Historie, Trends, Muster • BiofeedbackVitaldaten • Situationen analysieren Coach • Sensoren: Herzraten- • Trenderkennung Therapeut variabilität, Bewegung • Beratung Arzt und weitere Daten • Emotional Tagging:Umgebungsdaten Patient gibt Feedback • Ort • Wetter Patient KlientKommunikationsdaten • Lernen: Patient • Telefon erhält Informationen • SMS
  • Prinzip - Übersicht Stressvisualisierung: Coach Historie, Muster Therapeut Arzt Backend: • Lernen von Stresserkennungsmustern • Erkennen von Mustern in Eingabedaten • Analyse der aufgezeichneten Stressdaten Vitalparameter Smartphone Patient Stressvisualisierung: App Klient Biofeedback, Historie, Muster Bewegungsdaten Patient Standort Klient Stresswarnung: Vibration, akustisch, optisch
  • Prinzip - Workflow Sensoren Datenerfassung (HRV, Aktivität, Haut)Smartphone App Stress Level Mustererkennung Stress Level (vereinfacht) Berechnung HistorieServer Datenmanagement Kommunikation Vollständige mit Coach Mustererkennung Lernen
  • Patienten - App • Login • Stress Alert • Feedback • Mood Selection • Entspannungsübungen • Tagging • Stress Status & Auswertungen
  • Darstellung der Resultate • Stressanzeige mit Zusatzkommentaren • Verlauf Stress-Level • Tag • Monat • Längere Periode • Weitere Auswertungen geplant
  • MilestoneplanProjektplan KTI: Feldtest Meilensteine: • Juli 2013: Start mit ersten Datenerfassungen mit Freiwilligen • Beginn 2014: Start mit klinischen Tests
  • Ausblick: Business Plan • Für den KTI-Antrag wurde ein Businessplan erstellt • Ziel ist es, das Angebot kommerziell im Markt zu etablieren • Bedürfnisse sind abgeklärt • Kontakte zu verschiedenen potentiellen Zielkunden etabliert