Personalised Virtual Stroke Rehabilitation

Projektin yksityiskohdat

Tiivistelmä

Tässä projektissa etsitään halvauspotilaiden virtuaaliselle kuntoutusjärjestelmälle sopiva kaupallistamispolku. Kuntoutusjärjestelmän on tarkoitus parantaa kuntoutuksen tehokkuutta käyttämällä puettavia älylaitteita, virtuaalitodellisuutta ja algoritmeihin perustuvaa suunnittelua. Nykyisiin järjestelmiin verrattuna uusi järjestelmä mahdollistaa reaaliaikaisen palautteen suoritettujen liikkeiden tarkan seurannan perusteella. Aalto-yliopiston projektitiimin suunnitelmaan kuuluu prototyyppien valmistaminen, kliinisten tutkimusten suorittaminen yhteistyössä kliinisten kumppaniemme kanssa sekä bisnesmallien ja IPR-salkun luominen markkina-analyysin perusteella.
TilaPäättynyt
Todellinen alku/loppupvm03/08/202031/08/2022

Yhteistyöpartnerit

YK:n kestävän kehityksen tavoitteet

Vuonna 2015 YK:n jäsenvaltiot sopivat 17 maailmanlaajuisesta kestävän kehityksen tavoitteesta (Sustainable Development Goal, SDG) poistamaan köyhyyden, suojelemaan planeettaa ja takaamaan vaurauden kaikille. Tämä projekti edistää seuraavia kestävän kehityksen tavoitteita:

  • SDG 7 – Edullinen ja puhdas energia

Sormenjälki

Tutustu tutkimuksen aiheisiin, joita tämä projekti koskee. Nämä merkinnät luodaan taustalla olevien stipendien/apurahojen perusteella. Yhdessä ne muodostavat ainutlaatuisen sormenjäljen.
  • Vibrotactile Motion Guidance for Stroke Rehabilitation: A Comparative Study

    Moesgen, T., Salovaara, A., Pouta, E., Pyykko, R. & Xiao, Y., 15 toukok. 2022, ICMHI 2022 - 2022 6th International Conference on Medical and Health Informatics. ACM, s. 147-152 6 Sivumäärä (ACM International Conference Proceeding Series).

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

    Open access
    Tiedosto
    58 Lataukset (Pure)
  • Optimal sensor channel selection for resource-efficient deep activity recognition

    Leite, C. F. S. & Xiao, Y., 18 toukok. 2021, Proceedings of the 20th International Conference on Information Processing in Sensor Networks, IPSN 2021. ACM, s. 371-383 13 Sivumäärä 3458278

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

    Open access
    Tiedosto
    3 Sitaatiot (Scopus)
    183 Lataukset (Pure)