Studienprojekt

Projektbeschreibung: Im Rahmen eines Studienprojekts an der Ruhr-Universität Bochum habe ich zusammen mit zwei weiteren Studierenden ein System entwickelt, das Elektromyographie-Signale (EMG) in Echtzeit erfassen, verarbeiten und visualisieren sollte. Ziel war es, die Grundlage für eine gamifizierte Anwendung zu schaffen, die die Rehabilitation von Schlaganfallpatient:innen durch motivierende Spielelemente unterstützen könnte. Uns wurde eine kostengünstige Oberflächen-EMG-Elektrode zur Verfügung gestellt, die wir mit elektrisch leitfähigem Gel auf dem Unterarm platzierten und mit einem Gummigürtel fixierten. Die Elektrode war an einen Arduino angeschlossen, der die analogen Signale der Muskelaktivität erfasste und über die serielle Schnittstelle an einen PC weiterleitete. Zunächst implementierten wir das Auslese- und Visualisierungsprogramm in Python. Die Signale wurden live eingelesen, gefiltert und in einem dynamischen Graphen dargestellt. Schnell stellten wir jedoch fest, dass Python aufgrund der Verarbeitungsgeschwindigkeit und der seriellen Kommunikation nicht ausreichend performant war, um eine wirklich flüssige Echtzeitdarstellung zu gewährleisten. Daraufhin schrieb ein Teammitglied eine äquivalente Version in C, die deutlich schneller und stabiler lief und eine zuverlässige Live-Visualisierung der EMG-Signale ermöglichte. Parallel dazu entwickelten wir Ideen für den Gamification-Aspekt: Wir planten rhythmus- oder musikbasierte Spiele, bei denen Patient:innen ihre Muskeln gezielt in unterschiedlicher Stärke anspannen mussten, sowie ein Konzept ähnlich wie Flappy Bird, bei dem die Höhe des Vogels durch die Stärke der Muskelanspannung gesteuert wird. Solche spielerischen Elemente sollten die Motivation und Therapietreue in der Rehabilitation steigern. Leider konnte der Gamification-Teil nicht umgesetzt werden. Durch umfangreiche Tests – zunächst an gesunden Proband:innen – wurde deutlich, dass die verwendete Elektrode aufgrund ihrer geringen Qualität und der reinen Oberflächenmessung keine zuverlässigen und differenzierten Signale lieferte. Selbst einfache Anspannungsunterschiede waren nur schwer reproduzierbar erfassbar, was die Elektrode für den angestrebten rehabilitativen Einsatz ungeeignet machte. Trotz dieser Einschränkungen lieferte das Projekt wertvolle Erkenntnisse über die Herausforderungen bei der Verwendung günstiger Hardware in medizinischen Anwendungen sowie über Echtzeit-Signalverarbeitung mit Arduino und unterschiedlichen Programmiersprachen. Das funktionierende Live-Monitoring-System demonstrierte erfolgreich die technischen Grundlagen, auch wenn der ursprüngliche Forschungszweck nicht vollständig erreicht werden konnte. Hauptfunktionen: - Echtzeit Daten: Erfassung und visualisierung von Echtzeit Messdaten der EMG Elektrode am Unterarm - Microcontroller: Verarbeitung der Analogen Signale über einen Arduino Microcontroller - Optimierung: zunächst Python, dann optimiert in C Technische Herausforderungen: - Optimierung der seriellen Kommunikation zwischen Arduino und PC für Echtzeit-Anforderungen - Zuverlässige Detektion unterschiedlicher Muskelanspannungsstärken - Rauschunterdrückung und sinnvolle Filterung der EMG-Signale in Echtzeit - Zeitliche Begrenzung des Projekts Ergebnis: - Funktionierendes Echtzeit-Monitoring-System - Wertvolle Erfahrungen in Echtzeit-Signalverarbeitung, Vergleich von Programmiersprachen und Grenzen medizinischer Low-Cost-Hardware gesammelt - Erfolgreiche Zusammenarbeit im Team