IntegraMouse AIR

FFG (Land OÖ), 2022 – 2024

Interdisziplinäre Entwicklung eines MultiPurpose-Eingabegeräts für Menschen mit Behinderung

Ausgangssituation

Weltweit leben rund 2,7 Millionen Menschen mit einer Querschnittlähmung, wobei die  durchschnittlichen Welt‐Beschäftigungsraten bei nur 37% liegen, 51% in Europa. In einer  australischen Studie wurden die über die gesamte Lebenszeit anfallenden Kosten für eine  Person mit hoher Querschnittlähmung auf umgerechnet 5,95 Millionen Euro errechnet.  Noch  gravierender  ist  aber  das  Problem  der  schlechten  Atemmuskulatur  bei  den  Patient*innen. Denn bei einer hohen Querschnittslähmung kommt es auch zur Lähmung  wichtiger  Atemmuskeln.

Projektziel

Ziel  des  Projekts ist es, mit IntegraMouse Air ein  intuitiv mit dem Mund zu bedienendes Hilfsmittel für  Menschen  mit  hoher/kompletter  Querschnittlähmung,  beidseitiger Armamputation  oder  mit  fortschreitenden  Erkrankungen  wie  Muskeldystrophie  oder  Amyotropher  Lateralsklerose (ALS) zu entwickeln.   Dieses  Gerät  erlaubt, alltägliche‐,  arbeits‐  und  bildungsbezogene  Aufgaben  am  (mobilen)  Computer auszuführen, sich mühelos und autonom  in sozialen Medien zu engagieren und die Remote‐ Bedienung  des  Smart  Homes  zu  meistern  oder  auch komplexe Video‐Games zu spielen.  Mit  einem  derartigen  Hilfsmittel  ausgestattet,  werden  von Proband*innen  über  das  integrierte  Mikrofon sowie Schalldruck‐Messung Daten zu den  Atemmustern gesammelt.

Das dient dazu um

  • eine  adaptive,  automatische  Kalibrierung  der  IntegraMouse  Air  vornehmen zu können.  
  • eine  prototypische künstlichen  Intelligenz  zu  entwickeln,  die  ein  kontinuierliches,  App‐geführtes  und  effizientes  Trainingsprogramm  für  die  Atem‐Muskulatur ermöglicht.

Projektdauer: 01.03.2022 - 31.08.2024

Projektpartner

  • LIFEtool gemeinnützige GmbH
  • Die Entwickler Elektronik GmbH
  • Haratech GmbH
  • Software Competence Center Hagenberg GmbH

 

Schachner Clara

Research Project Manager Data Science
Research Team Lead Computer Vision and Representation Learning