Medizininformatik-Initiative Nachwuchsgruppe
"Integration und Analyse von multimodalen Sensorsignalen und klinischen Daten zur Diagnostik und Erforschung von neurologischen Bewegungsstörungen" (MoveGroup)
Die im Rahmen der Medizininformatik-Initiative geförderte Nachwuchsforschungsgruppe erforscht unter Leitung von Professor Dr. habil. Sebastian Fudickar als Teil des HIGHmed Konsortiums körpernahe und ambiente diagnostische Messsysteme zur kombinierten Erfassung motorischer, kognitiver und sensorischer Fähigkeiten. Deren Differenzierung ist bei der Bewertung der Funktionalität älterer Menschen von großer Bedeutung, um Kausalitäten zwischen kognitiven und motorischen Defiziten identifizieren zu können und so spezifische, Ressourcen-orientierte Therapieansätze zu ermöglichen.
Hierfür werden Messverfahren sowie Identifikations- und Fusionsalgorithmen zur Messung funktionaler Fähigkeiten mittels körpernaher und ambienter Sensorik für ein verbessertes Verständnis von normalem Altern bzw. anormalen individuellen Verläufen prototypisch untersucht und evaluiert. Darauf aufbauend werden Interventionen basierend auf individualisierter, physischer Interaktion mit den Nutzern zur Steigerung der motorischen und kognitiven Leistungsfähigkeit konzipiert.
Die Nachwuchsgruppe konzipiert, implementiert und evaluiert neue Verfahren der Integration und Analyse von multimodalen Sensorsignalen und klinischen Daten zur Diagnostik und Erforschung von Bewegungsstörungen. Dabei sind die wissenschaftliche Zielsetzung und die Forschungsarbeiten des Vorhabens entlang der folgenden drei Hauptziele strukturiert:
Ziel 1 – Sensorbasierte Erfassung, Modellierung von Körperbewegungen:
Durch den Aufbau einer multimodalen Sensorplattform zur detaillierten Erfassung von Körperbewegungen und Entwicklung einer algorithmischen Verarbeitungskette zur Sensordatenfusion und Merkmalsextraktion wird eine präzise, quantitative Analyse von Körperbewegungen ermöglicht.
Ziel 2 – HiGHmed-konforme Datenintegration und -nutzbarmachung:
Zur Integration und Nutzbarmachung von relevanten sensorbasierten Bewegungsmodellen und -profilen für Versorgungs- und Forschungsprozesse, sollen Konzepte für eine Datenspeicherung in einem Data Warehouse unter Wahrung datenschutzrechtlicher und ethischer Regularien und Implikationen erarbeitet und evaluiert werden.
Ziel 3 – Entscheidungsunterstützung und Erkenntnisgewinn mit KI-Methoden:
Zur Entwicklung einer KI-basierten Entscheidungsunterstützung für die med. Versorgung von Patienten mit Bewegungsstörungen werden auf Basis der erhobenen multimodalen Bewegungsdaten maschinelle Lernmodelle entwickelt.
Abschlussarbeiten
Mit über 60 betreuten Abschlussarbeiten betreuen wir gerne und regelmäßig Abschlussarbeiten (Bachelor, Master), Praktika und ähnliche Formate. Unsere aktuellen Themen für Abschlussarbeiten findet ihr hier.

- Forschung
- KI und Deep Learning in der Medizin
- Medizinische Bildverarbeitung und VR-Simulation
- Integration und Nutzbarmachung von medizinischen Daten
- Sensordatenanalyse für assistive Gesundheitstechnologien
- AG Medical Image Computing and Artificial Intelligence
- AG Medical Data Science
- AG Medical Deep Learning
- Nachwuchsgruppe Diagnostik und Erforschung von Bewegungsstörungen
- Ehemalige AG Medical Data Engineering
Ansprechpartner
Sebastian Fudickar
Assoziierter Professor
Gebäude MFC9, 2.OG
sebastian.fudickar(at)uni-luebeck.de