Regensburg Center of Health Sciences and Technology - RCHST
Refine
Year of publication
Document Type
- Article (119)
- Part of a Book (54)
- conference proceeding (presentation, abstract) (46)
- conference proceeding (article) (23)
- Book (14)
- Working Paper (9)
- conference talk (8)
- Preprint (8)
- Edited collection (5)
- conference proceeding (volume) (4)
Is part of the Bibliography
- no (299)
Keywords
- Digitalisierung (15)
- Deep Learning (13)
- Künstliche Intelligenz (12)
- Selbsthilfe (11)
- Aphasie (10)
- Lebensqualität (9)
- Schlaganfall (9)
- Diagnose (8)
- Logopädie (8)
- Pflege (8)
Institute
- Regensburg Center of Health Sciences and Technology - RCHST (299)
- Fakultät Sozial- und Gesundheitswissenschaften (193)
- Labor Logopädie (LP) (91)
- Fakultät Informatik und Mathematik (75)
- Regensburg Center of Biomedical Engineering - RCBE (62)
- Fakultät Maschinenbau (48)
- Labor Regensburg Medical Image Computing (ReMIC) (42)
- Labor Physiotherapie (LPh) (40)
- Labor Biomechanik (LBM) (33)
- Institut für Sozialforschung und Technikfolgenabschätzung (IST) (28)
Begutachtungsstatus
- peer-reviewed (90)
- begutachtet (18)
Person-specific evaluation method for occupational exoskeletons - Biomechanical body heat map
(2025)
Human-centred and ergonomic work design is one of the most important drivers for increasing the competitiveness of the European Union. As a flexible, person-specific occupational measure, exoskeletons promise great potential for effectively reducing individual ergonomic stress. Digital human models can provide important insights and offer great potential for systematising the effect and targeted use of exoskeletons, supporting their effective implementation in practice. In this article, digital human models are applied on two levels. Firstly, a realistic industrial logistics scenario in which boxes had to be relocated is designed with the help of a digital human model for workplace and process planning and secondly, a new biomechanical evaluation methodology to analyse intended and unintended effects on internal stress on the human body is demonstrated by applying musculoskeletal exoskeleton human models of four test subjects. Finally, the modelled biomechanical support tendencies of one exoskeleton are preliminary validated using EMG measurement data of the back muscles collected from the four male workers. The preliminary analysis of two back-support exoskeletons to demonstrate the new methodological approach confirms the expected, intended effects in the lower back and reveals unintended effects, such as e.g. changes in knee kinetics when applying a soft or hard-frame exoskeleton. Furthermore, the exemplary results to demonstrate the methodological approach expose notable differences between the test subjects, which underlines the relevance of person-specific evaluation and consideration of exoskeleton support. The preliminary validation shows a correlation between the modelled and the EMG-measured biomechanical exoskeleton support of the considered back muscles.
Das Forschungsprojekt EVEKT beinhaltet ein interdisziplinäres Vorhaben mit technischer, rechts- und sozialwissenschaftlicher Komponente. Inhaltlich geht es um Künstliche Intelligenz und datenbasierte Mehrwertdienste und deren Anwendung am Beispiel von Smart-Metern (intelligenten Messsystemen) in Privathaushalten. Hintergrund ist der verpflichtende Smart-Meter-Rollout in Deutschland bis 2032.
Das Gesamtziel des Projektes EVEKT ist es, Haushalte im Untersuchungsgebiet, einem Rei-henhauskomplex „Herzobase“ in Herzogenaurach bei Nürnberg, mit einem System auszustatten, das zur Messung des Stromverbrauchs dient und zum Stromsparen anregen soll. Die Pilotanwendung soll die Möglichkeiten und Grenzen des Einsatzes intelligenter Algorithmen zeigen, um letztlich das Konsumverhalten der Testhaushalte positiv zu beeinflussen. Die Daten aus den Smart-Metering-System werden hierzu erfasst, aufbereitet und den Verbrauchenden über datenbasierte Mehrwertdienste transparent zur Verfügung gestellt. Intelligente Algorithmen sollen den Bewohnenden nach einer Auswertungsperiode auf Grundlage der Smart-Meter-Daten Hinweise über ihr Energienutzungsverhalten und mögliche Ersparnisse liefern. Durch diese Informationen soll es erleichtert werden, das je eigene Verbrauchsverhalten zu verändern.
Dieser Schlussbericht beinhaltet eine Beschreibung des Teilprojekts der sozialwissenschaftlichen Begleitforschung und Technikfolgenabschätzung, das an der OTH Regensburg bearbeitet wurde.
Einleitung: Mit der geplanten Einführung des elektronischen Rezepts für physiotherapeutische Heilmittelverordnungen ab 2027 wird die Digitalisierung im Gesundheitswesen weiter forciert. Digitale Dokumentationssysteme gelten als zentrale Voraussetzung für eine reibungslose Anbindung an die Telematikinfrastruktur. Ziel der Studie war es, zu untersuchen, wie Physiotherapeut*innen
in ambulanten Physiotherapiepraxen die Effizienz, Akzeptanz und Verständlichkeit digitaler, analoger und hybrider Dokumentationssysteme sowie die erfassten Inhalte unter den gegebenen Rahmenbedingungen bewerten. Material und Methodik: Ein standardisierter Fragebogen wurde über SoSciSurvey entwickelt und zwei Wochen lang deutschlandweit verteilt. Die Fragen basierten auf Literatur und wurden mithilfe von Fünf-Punkte-Likert-Skalen beantwortet; Freitextangaben wurden inhaltsanalytisch ausgewertet. Die Analyse erfolgte deskriptiv und inferenzstatistisch mit SPSS. Für Effizienz, Akzeptanz und Verständlichkeit wurden Mediane und Interquartilsabstände berechnet.
Gruppenunterschiede nach Nutzungsform wurden mittels Kruskal-Wallis-Test mit Bonferroni-korrigierten Post-hoc-Tests geprüft. Zusammenhänge wurden mithilfe von Spearman-Korrelationen untersucht. Zusätzlich wurde die Effektstärke berechnet. Ergebnisse: 173 Physiotherapeut*innen nahmen teil (Alter: M = 32,6 Jahre,SD = 11,1). 50,3 % nutzen digitale, 30,6 % analoge und 19,1 % hybride Systeme. 38,2 % gaben an, keine offizielle Dokumentationszeit zu erhalten. Digitale Systeme wurden signifikant besser bewertet als analoge, insbesondere hinsichtlich Effizienz (p < .001, r = .406), Akzeptanz (p < .001, r = .309) und Gesamtzufriedenheit (p < .001, r = .369); Unterschiede in der Verständlichkeit waren schwächer (p = .038, r = .189). Zwischen Effizienz und Gesamtzufriedenheit bestand ein sehr starker signifikanter Zusammenhang (ρ = .856, p < .001), ebenso zwischen Akzeptanz und Gesamtzufriedenheit (ρ = .729, p < .001) sowie zwischen
Verständlichkeit und Gesamtzufriedenheit (ρ = .631, p < .001). Ein hoher Standardisierungsgrad korrelierte negativ mit allen Konstrukten (z. B. ρ = –.384, p < .001 für Effizienz). Mehr verfügbare Dokumentationszeit war positiv der Effizienz, Verständlichkeit und Gesamtzufriedenheit assoziiert (z. B. ρ = .226, p = .003 für Gesamtzufriedenheit). Mit wachsender Berufserfahrung wurden psychosoziale und kontextbezogene Inhalte häufiger dokumentiert (z. B. Kommunikation: ρ = .270, p < .001). Zusammenfassung: Die Ergebnisse verdeutlichen die Bereitschaft zur digitalen Dokumentation, weisen jedoch auf strukturelle Herausforderungen hin. Für eine erfolgreiche Digitalisierung sind benutzerfreundliche Systeme und praxistaugliche Rahmenbedingungen entscheidend. Digitale Systeme wurden in allen Kategorien signifikant besser bewertet als analoge.
Interessenskonflikt: Es besteht kein Interessenkonflikt.
Einleitung: In vielen Alltagssituationen werden motorische und kognitive Aufgaben als Dual-Task (DT) bewältigt. Studien zeigen im DT Leistungseinbußen gegenüber dem Single-Task (ST). Vor diesem Hintergrund stellt sich die Frage, welche Rolle das Lebensalter spielt. Diese Studie untersuchte Unterschiede von Gleichgewicht und kognitiver Leistung zwischen ST und DT sowie Veränderungen im Alter.
Material und Methodik: An der experimentellen Querschnittsstudie nahmen
32 gesunde Erwachsene (je 16 im Alter von 18–30 und 55–67 Jahren) teil. Konditionen und Pathologien, die das Gleichgewicht maßgeblich beeinträchtigen, galten als Ausschlusskriterien. Es wurden drei Testungen mit einer Dauer von jeweils 30 Sekunden mit je zwei Minuten Pause durchgeführt. Die ST-Aufgaben bestanden aus standardisiertem Einbeinstand (offene Augen) sowie Serial-Seven-Rechnungen. Die dritte Testung kombinierte beide Aufträge zu einer DT-Aufgabe. Als Outcome des kognitiven Tasks diente die Anzahl korrekt gelöster Rechenaufgaben. Das Moticon-OpenGo-Sensorsohlen-System erfasste während der motorischen Aufgabe das Gleichgewicht mittels Centre-of-Pressure-Pfadlänge (PL) und -Schwankgeschwindigkeit (SV). Die Prüfung der
Normalverteilungsannahme der Daten erfolgte mittels Shapiro-Wilk-Test. In Abhängigkeit der Verteilung wurden Effektstärken und deren Signifikanz mit Hilfe des t-Tests – bei Nichterfüllung der Normalverteilung – des Mann-Whitney-U- oder Wilcoxon-Tests berechnet. Ergebnisse: Eine Analyse der Gesamtstichprobe ergab keinen signifikanten Unterschied bei kleiner Effektstärke zwischen ST und DT in PL (3,44 ± 1,06m zu 3,55 ± 0,94m; p = 0,161; d = 0,25) und SV (119,37 ± 33,96m/s zu 122,54 ± 36,12m/s; p = 0,117; r = 0,277). Die Veränderungen (DT minus ST) von jüngeren und älteren Erwachsenen zeigten in PL (0,07 ± 0,35m zu 0,16 ± 0,53m; p = 0,836; r = 0,037) und SV (2,34 ± 11,49m/s zu 4,01 ± 30,54m/s; p = 0,865; r = 0,030) keine signifikanten Abweichungen. Es ergaben sich weder in der Gesamtstichprobe noch altersgruppenspezifisch signifikante Unterschiede in der kognitiven Rechenleistung. Zusammenfassung: Klinisch betrachtet stellte die Kombination aus Einbeinstand und der kognitiven Aufgabenschwierigkeit in der vorliegenden Studie – analog zu den Ergebnissen vergleichbarer Studien – eine mäßige Anforderung dar, die bei gesunden Erwachsenen unterschiedlichen Alters keine signifikante kognitiv-motorische Interferenz hervorrief.
Interessenskonflikt: Es besteht kein Interessenkonflikt.
Intra-abdominal pressure is a significant physiological parameter influencing spinal stability and pelvic floor health. This study investigates the potential of a transformer encoder model to predict IAP using motion capture data and musculoskeletal modeling. Data from 211 subjects performing walking, fast walking, and running were used to train a transformer encoder. The model showed promising results with an overall Mean Absolute Percentage Error of 13.5% and a Pearson correlation coefficient of 0.85. Predictions for fast walking and running proved to be more challenging compared to walking, which was attributed to the greater variability and complexity of faster movements.
Background: Group treatments and interdisciplinary collaboration are recommended in evidence-based guidelines for neurorehabilitation, including physical and speech-language therapy. Evidence suggests that activating overlapping neural networks for upper extremity motor control and speechlanguage processing produces synergistic effects during therapy. This systematic
review aims to overview and appraise the efficacy of group treatments in traditional rehabilitation and telerehabilitation. In addition to summarizing evidence on monodisciplinary approaches in physical and speech-language therapy, it seeks data on integrative approaches involving one or both disciplines to inform further interdisciplinary collaboration.
Methods: The review was registered with PROSPERO (CRD42021288012) and followed the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. Systematic searches were conducted in PubMed, CINAHL, and the Cochrane Library. Two reviewers independently screened studies, extracted data, and assessed quality using AMSTAR 2, the Physiotherapy Evidence Database (PEDro) scale, or the Joanna Briggs Institute (JBI) Checklist, as appropriate. The evidence was summarized in a systematic narrative synthesis and its certainty rated based on the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) approach.
Results: A total of 29 studies were included: 16 on speech-language therapy (861 participants) and 13 on physical therapy (1757 participants). No studies addressed interdisciplinary group interventions, and only two evaluated group telerehabilitation. Outcome domains and measures varied across studies and the certainty of evidence was predominantly low. However, moderate-certainty evidence supports that group speech-language therapy improves quality of life,
communication, and language in stroke survivors, especially when interventions emphasize verbal production in communicative settings with multimodal materials and cueing. In physical therapy, circuit class training may be more effective than other group approaches for enhancing quality of life and mobility.
Conclusion: Group treatments in neurorehabilitation show some benefits, but further research is needed – especially regarding interdisciplinary approaches and telerehabilitation.
Medizin
(2025)
Medizinisches Handeln wird durch Digitalisierung verändert, weil sich der Fokus von Patient*innen hin zu Daten über Patient*innen verlagert. Dieser Prozess ist als Entmaterialisierung des Gegenstands der Medizin zu verstehen, da nicht mehr die Körper von Patient*innen selbst, sondern deren digitaler Zwilling im Zentrum des medizinischen Handelns stehen. Anhand von Beispielen aus dem Dreischritt von Anamnese und Diagnose, Behandlung und Therapie sowie Nachsorge und Pflege soll der Prozess von Digitalisierung und Entmaterialisierung der Medizin aufgezeigt werden.
DIY challenge blueprint: from organization to technical realization in biomedical image analysis
(2025)
Biomedical image analysis challenges have become the de facto standard for publishing new datasets and benchmarking different state-of-the-art algorithms. Most challenges use commercial cloud-based platforms, which can limit custom options and involve disadvantages such as reduced data control and increased costs for extended functionalities. In contrast, Do-It-Yourself (DIY) approaches have the capability to emphasize reliability, compliance, and custom features, providing a solid basis for low-cost, custom designs in self-hosted systems. Our approach emphasizes cost efficiency, improved data sovereignty, and strong compliance with regulatory frameworks, such as the GDPR. This paper presents a blueprint for DIY biomedical imaging challenges, designed to provide institutions with greater autonomy over their challenge infrastructure. Our approach comprehensively addresses both organizational and technical dimensions, including key user roles, data management strategies, and secure, efficient workflows. Key technical contributions include a modular, containerized infrastructure based on Docker, integration of open-source identity management, and automated solution evaluation workflows. Practical deployment guidelines are provided to facilitate implementation and operational stability. The feasibility and adaptability of the proposed framework are demonstrated through the MICCAI 2024 PhaKIR challenge with multiple international teams submitting and validating their solutions through our self-hosted platform. This work can be used as a baseline for future self-hosted DIY implementations and our results encourage further studies in the area of biomedical image analysis challenges.
Purpose
Recognizing previously unseen classes with neural networks is a significant challenge due to their limited generalization capabilities. This issue is particularly critical in safety-critical domains such as medical applications, where accurate classification is essential for reliability and patient safety. Zero-shot learning methods address this challenge by utilizing additional semantic data, with their performance relying heavily on the quality of the generated embeddings.
Methods
This work investigates the use of full descriptive sentences, generated by a Sentence-BERT model, as class representations, compared to simpler category-based word embeddings derived from a BERT model. Additionally, the impact of z-score normalization as a post-processing step on these embeddings is explored. The proposed approach is evaluated on a multi-label generalized zero-shot learning task, focusing on the recognition of surgical instruments in endoscopic images from minimally invasive cholecystectomies.
Results
The results demonstrate that combining sentence embeddings and z-score normalization significantly improves model performance. For unseen classes, the AUROC improves from 43.9% to 64.9%, and the multi-label accuracy from 26.1% to 79.5%. Overall performance measured across both seen and unseen classes improves from 49.3% to 64.9% in AUROC and from 37.3% to 65.1% in multi-label accuracy, highlighting the effectiveness of our approach.
Conclusion
These findings demonstrate that sentence embeddings and z-score normalization can substantially enhance the generalization performance of zero-shot learning models. However, as the study is based on a single dataset, future work should validate the method across diverse datasets and application domains to establish its robustness and broader applicability.