David Carneros, PhD in Computertechnik
Letzten Freitag, 21. Februar, David Carneros Prado, Doktorand an der Hochschule für Informatik der Universität Kastilien-La Mancha (UCLM)verteidigte er seine Doktorarbeit mit dem Titel «Analyse und automatische Beurteilung von Gang und Haltung bei Aktivitäten des täglichen Lebens mittels künstlicher Intelligenz». Die von Dr. Ramón Hervás Lucas und Dr. Jesús Fontecha Diezma betreute Dissertation wurde im Rahmen eines Forschungspersonal-Ausbildungsvertrags (FPI) des UCLM-eigenen Plans durchgeführt und findet internationale Erwähnung. Vorsitzende der Jury war Dr. Carmen Lacave von der Universität Kastilien-La Mancha, und zur Jury gehörten Dr. Joaquín Ballesteros von der Universität Málaga und Dr. Matias García-Constantino von der Universität Ulster. Nach seiner Verteidigung verlieh das Gericht David Carneros die höchste Bewertung und würdigte damit die Exzellenz und Wirkung seiner Forschung.
David Carneros, Mitglied der Forschungsgruppe MAmI (Mobile Anwendungsmodelle und Ambient Intelligence), kombiniert seine Forschungstätigkeit mit der Lehre im Fach Intelligente Systeme. Der Schwerpunkt ihrer Doktorarbeit liegt auf der Analyse menschlicher Bewegungen, einem Bereich von großer Relevanz für die Beurteilung des Gesundheitszustands und der funktionellen Fähigkeiten von Menschen.
Eine bahnbrechende These zur Integration von künstlicher Intelligenz und Biomechanik
Die Analyse menschlicher Bewegungen, insbesondere die Beurteilung des Gangs und der Körperhaltung, spielt eine entscheidende Rolle bei der Beurteilung des individuellen Gesundheitszustands und der funktionellen Fähigkeiten. Allerdings sind bei der herkömmlichen Bewegungsanalyse hinsichtlich Objektivität und Zugänglichkeit häufig erhebliche Einschränkungen zu beachten, da sie in hohem Maße auf subjektive Beobachtungen oder teure Speziallaborgeräte angewiesen ist. Diese Einschränkungen werden besonders dann zu einer Herausforderung, wenn subtile Gangänderungen im Zusammenhang mit kognitivem Abbau beurteilt oder langfristige Haltungsmuster bei Alltagsaktivitäten überwacht werden.
Diese Arbeit leistet einen Beitrag auf dem Gebiet der Analyse menschlicher Körperhaltung und Bewegungen, indem sie Techniken der künstlichen Intelligenz mit biomechanischen Ansätzen integriert und vier miteinander verbundene Studien vorstellt, die in im JCR-Index aufgeführten Fachzeitschriften veröffentlicht wurden. Diese Forschung befasst sich mit kritischen Herausforderungen bei der Beurteilung von Haltung und Bewegung, indem sie traditionelle biomechanische Methoden mit modernen rechnergestützten Ansätzen kombiniert, um sowohl die Beurteilungsgenauigkeit als auch die praktische Anwendbarkeit in realen Umgebungen zu verbessern. Die Forschung umfasst vier Hauptbereiche: den Zusammenhang zwischen kognitiver Belastung und Gangparametern bei der Smartphone-Nutzung, die Generierung synthetischer Bewegungsdaten mittels Deep-Learning-Architekturen, die Entwicklung effizienter Haltungserkennungssysteme und die Automatisierung der klinischen Gangbeurteilung. Durch diesen umfassenden Forschungsansatz zeigt diese Arbeit, wie KI-basierte Tools die Genauigkeit und Objektivität der Beurteilung menschlicher Bewegungen verbessern und sie gleichzeitig für alltägliche Anwendungen zugänglicher machen können.
Zu den wichtigsten Erkenntnissen zählen die Identifizierung unterschiedlicher Gangmuster beim Dual-Tasking mit einem Mobiltelefon, wobei fünf von zehn Gangparametern signifikante Änderungen aufwiesen (p < 0.001), die erfolgreiche Entwicklung einer Dual-Network-Architektur zur Generierung synthetischer Bewegungsdaten mit hoher biomechanischer Genauigkeit, die Implementierung leichtgewichtiger Kolmogorov-Arnold-Netzwerke mit einer Genauigkeit von 97.03 % bei der Haltungserkennung und die Schaffung eines automatisierten Gangbewertungssystems mit einer Genauigkeit von 97.56 % bei der klinischen Bewegungsbewertung.
Diese Beiträge bilden einen robusten Rahmen für die Integration von KI-Techniken in die Haltungs- und Bewegungsanalyse und bieten praktische Lösungen für die Gesundheitsversorgung und ergonomische Beurteilung bei gleichzeitiger Wahrung von Effizienz und Interpretierbarkeit. Diese Forschung zeigt, dass künstliche Intelligenz die traditionelle biomechanische Analyse wirksam ergänzen kann und letztendlich zu einer zuverlässigeren und effizienteren Beurteilung menschlicher Bewegungen sowohl im klinischen Umfeld als auch im täglichen Leben beiträgt. Diese Studie bietet eine Grundlage für zukünftige Entwicklungen in der automatisierten Bewegungsanalyse, insbesondere in der Früherkennung kognitiver Beeinträchtigung, der ergonomischen Überwachung und der klinischen Gangbeurteilung. Gleichzeitig werden aktuelle Einschränkungen der Methoden zur Bewegungsbeurteilung in Bezug auf Objektivität und Zugänglichkeit berücksichtigt.
Impact-Artikel in JCR-Zeitschriften
Die Dissertation von David Carneros ist eine Sammlung von Artikeln, die auf vier Veröffentlichungen in einflussreichen, im JCR-Index aufgeführten Fachzeitschriften basieren:
- Analyse der Auswirkungen von Dualtasking auf die Gangvariabilität bei der Nutzung mobiler Geräte
Mathematik, 2022. Quartal. WENN: 1.
DOI: 10.3390/math11010202 - Generieren synthetischer 3D-Skelettbewegungsdaten aus 2D-Trajektorien mithilfe rekurrierender neuronaler Netzwerke
Computer in Biologie und Medizin, 2024. Quartal. WENN: 1.
DOI: 10.1016/j.compbiomed.2024.108943 - Vergleich zwischen mehrschichtigen Perceptronen und Kolmogorov-Arnold-Netzen zur Erkennung von Sitzhaltungen
IEEE-Zugriff, 2024. Quartal. WENN: 2.
DOI: 10.1109/ACCESS.2024.3510034 - Automatisierung der Gangbildbeurteilung durch Beobachtung mithilfe eines 3D-optischen Systems und Transformatoren
Angewandte Intelligenz, 2025. Quartal. WENN: 2.
DOI: 10.1007/s10489-024--06163-w
