A look inside the human body - gait analysis and simulation - Cheatsheet

Definition und Geschichte der Ganganalyse

Definition:

Messung und Bewertung des menschlichen Gangs zur Diagnose, Überwachung und Optimierung von Bewegungsmustern.

Details:

• Frühe Anfänge bei Aristoteles und Leonardo da Vinci
• Entwicklung moderner Methoden im 20. Jahrhundert
• Einsatz von Kameras, Sensoren und Computersimulation
• Wichtige Begriffe: Gait Cycle, Kinematik, Kinetik

Phasen des Gangs (Standphase, Schwungphase)

Definition:

Phasen des Gangs: Unterteilung des menschlichen Ganges in zwei Hauptphasen: Standphase und Schwungphase.

Details:

• Standphase: Zeitraum, in dem der Fuß Kontakt mit dem Boden hat.
• Schwungphase: Zeitraum, in dem der Fuß keinen Bodenkontakt hat und sich nach vorne bewegt.
• Formeln und Ganganalyse beziehen kinematische und kinetische Daten mit ein.
• Wichtige Parameter: Schrittweite, Schrittlänge, Ganggeschwindigkeit.
• Wird zur Simulation und Analyse von Bewegungsmustern genutzt.

Erstellung von Muskel-Skelett-Modellen

Definition:

Erstellung von Muskel-Skelett-Modellen: Erstellung anatomisch korrekter Modelle zur Analyse menschlicher Bewegungen unter Berücksichtigung von Muskeln und Skelettstrukturen

Details:

• Biomechanische Modelle der menschlichen Anatomie
• Parameter: Muskelkraft, Gelenkwinkel, Knochenlänge
• Gleichungen der Bewegung: \textit{Forward Dynamics} und \textit{Inverse Dynamics}
• Software: OpenSim, AnyBody
• Anwendung: Gait Analysis, Rehabilitation, Sportleistungsanalyse

Diskretisierung und Lösung von Bewegungsgleichungen

Definition:

Methode zur numerischen Lösung kontinuierlicher Bewegungsgleichungen durch Aufteilung in diskrete Intervallabschnitte.

Details:

• Diskretisierung: Umwandlung kontinuierlicher Gleichungen in ein diskretes System.
• Bewegungsgleichungen beschreiben das Verhalten eines Systems in Abhängigkeit von Ort und Zeit.
• Numerische Integration: Häufig verwendete Methoden wie Euler-Verfahren und Runge-Kutta-Verfahren.
• Vereinfachung komplexer Systeme durch diskrete Näherungen.
• Formel (Euler): \[ y_{n+1} = y_n + h f(t_n, y_n) \]
• Formel (Runge-Kutta 4. Ordnung): \[ y_{n+1} = y_n + \frac{h}{6} (k_1 + 2k_2 + 2k_3 + k_4) \]
• Wahl der Schrittweite beeinflusst Genauigkeit und Stabilität.

Erkennung und Klassifikation von Bewegungsmustern

Definition:

Analyse und Erkennung von wiederkehrenden Bewegungsabläufen, Klassifikation mittels Algorithmen.

Details:

• Überwachung und Analyse mittels Sensoren oder Videodaten
• Extraktion von Merkmalen (features) wie Geschwindigkeit, Winkel, Schrittweite
• Verwendung von maschinellen Lernmethoden: KNN, SVM, CNN
• Vorverarbeitung: Rauschentfernung, Normalisierung
• Einfachen Bewegungsmuster (Gehen, Laufen) bis hin zu komplexen Bewegungen (Tanzen, Sportarten)
• Formeln: Winkelberechnung: \[ \theta = \arctan \left( \frac{y_2 - y_1}{x_2 - x_1} \right) \]
• Klassifikationsgenauigkeit abhängig von Datenqualität und Algorithmus
• Praktische Anwendungen: Sportanalyse, medizinische Diagnostik, Sicherheitssysteme

Einsatz von Sensoren und Kamerasystemen

Definition:

Verwendung von Sensoren und Kameras zur Erfassung und Analyse von Bewegungsdaten des menschlichen Körpers.

Details:

• Sensoren ermitteln Daten wie Winkel, Beschleunigung, Geschwindigkeit.
• Kamerasysteme ermöglichen visuelle Erfassung und 3D-Bildgebung.
• Anwendungen in Medizin, Sportwissenschaft, Robotik.
• Integration beider Systeme zur präziseren Ganganalyse.
• Erfassung erfolgt meist in Echtzeit.
• Benötigt spezielle Software zur Datenverarbeitung und -simulation.

Optimierung und Sensitivitätsanalysen

Definition:

Methoden zur Verbesserung und Analyse der Parameter in Simulationen und Modellen.

Details:

• Optimierung: Zielgrößen effizient maximieren oder minimieren.
• Methoden: Gradientenverfahren, genetische Algorithmen.
• Sensitivitätsanalyse: Untersuchung der Auswirkungen von Parameteränderungen auf die Modellantwort.
• Lokale vs. globale Sensitivität.
• Anwendungen: Ganganalyse, Parameter-Tuning.

Verfahren zur Fehleranalyse und Validierung

Definition:

Methoden zur Erkennung und Vermeidung von Fehlern in der Gang- und Simulationsanalyse.

Details:

• Fehlertypen: systematisch, zufällig.
• Techniken: Residualanalyse, Sensitivitätsanalyse, Kreuzvalidierung.
• Korellation und Regression: Identifizierung von Abweichungen und Anomalien.
• Software-Tools: MATLAB, Python (SciPy, NumPy).
• Validierung: Vergleich mit experimentellen Daten.