ProjectBiohymed-KiRun – Sportwissenschaftlicher Wissenstransfer zur Entwicklung der KI-basierten Laufsportanalytik
Basic data
Acronym:
Biohymed-KiRun
Title:
Sportwissenschaftlicher Wissenstransfer zur Entwicklung der KI-basierten Laufsportanalytik
Duration:
01/09/2019 to 31/08/2021
Abstract / short description:
Der innovative Kern des Kooperationsprojektes besteht in der Entwicklung eines autonomen Messverfahren zur Datenerfassung, mit dem das Wohlbefinden und die Anstrengung objektiviert und zeitsynchron zum Laufen erfasst und in eine Trainingssteuerung eingebunden werden kann. Die Ermittlung des Wohlbefindens und der Anstrengung erfolgt auf der Basis von objektiven Messdaten: Audiosignale (z.B. Atemgeräusche) werden in Kombination mit biomechanischen und physiologischen Messdaten permanent erfasst, um daraus mittels eines selbstlernenden Algorithmus Rückschlüsse auf das Wohlbefinden/die Anstrengung zu ziehen.
HB Technologies entwickelt dazu ein mobiles Sensorsystem gekoppelt mit einer Smartphone App für Läufer, welches zur Generierung der Referenzdaten und zur Datenerhebung genutzt wird. Die Abteilung Sportmedizin vom UKT beteiligt sich mit der Korrelation von biomechanischen und physiologischen zur automatischen Erkennung des Parameters „Wohlbefinden“ und „Anstrengung“ per Audioanalyse. Die Fakultät für angewandte Informatik der Universität Augsburg ist mit der Extraktion von Merkmalen aus akustischen und physiologischen Signalen zur Entwicklung des selbstlernenden Algorithmus betraut.
HB Technologies entwickelt dazu ein mobiles Sensorsystem gekoppelt mit einer Smartphone App für Läufer, welches zur Generierung der Referenzdaten und zur Datenerhebung genutzt wird. Die Abteilung Sportmedizin vom UKT beteiligt sich mit der Korrelation von biomechanischen und physiologischen zur automatischen Erkennung des Parameters „Wohlbefinden“ und „Anstrengung“ per Audioanalyse. Die Fakultät für angewandte Informatik der Universität Augsburg ist mit der Extraktion von Merkmalen aus akustischen und physiologischen Signalen zur Entwicklung des selbstlernenden Algorithmus betraut.
Involved staff
Managers
Faculty of Medicine
University of Tübingen
University of Tübingen
Other staff
Faculty of Medicine
University of Tübingen
University of Tübingen
Institute for Clinical Epidemiology and Applied Biometry
Hospitals and clinical institutes, Faculty of Medicine
Hospitals and clinical institutes, Faculty of Medicine
Local organizational units
Department V, Sports Medicine
Department of Internal Medicine
Hospitals and clinical institutes, Faculty of Medicine
Hospitals and clinical institutes, Faculty of Medicine
Funders
Berlin, Germany