@phdthesis{Kurscheidt, type = {Bachelor Thesis}, author = {Maximilian Kurscheidt}, title = {Open Source Applikation f{\"u}r die Extraktion der Atemfrequenz aus dreidimensionalen Brustbewegungsdatens{\"a}tzen f{\"u}r telemedizinische Anwendungen}, url = {https://nbn-resolving.org/urn:nbn:de:bsz:840-opus4-1144}, abstract = {Die Atemfrequenz ist neben anderen ein wichtiger Vitalparameter f{\"u}r die Erkennung von verschiedenen Erkrankungen des Atemsystems. Dennoch gibt es wenige L{\"o}sungen daf{\"u}r, die Atemfrequenz aus der Ferne zu {\"u}berwachen. Im Rahmen dieser Arbeit soll deshalb ein dreidimensionaler Beschleunigungssensor f{\"u}r die Aufnahme der Brustkorbbewegung verwendet werden. Aus diesen Bewegungsdaten soll daraufhin mit Hilfe von digitalen Signalverarbeitungsmethoden die Atemfrequenz ermittelt werden. Der Beschleunigungssensor ermittelt die rustkorbbewegung mit einer Abtastrate von 50 Punkten pro Sekunde f{\"u}r jede Achse. Die Rohsignale werden achsenweise mit einem Butterworth-Bandpassfilter gefiltert und daraufhin mit Hilfe der Fast Fourier Transformation in die jeweiligen Frequenzspektren umgerechnet. Die einzelnen Achsen-Spektren werden zusammenaddiert und bilden so die Frequenzen des gesamten Signals ab. In dem Gesamtspektrum wird das absolute Maximum gesucht, das die dominante Frequenz des Signals angibt, aus welcher die Atemfrequenz berechnet werden kann. Das Hauptziel dieser Arbeit ist es, einen Open-Source Python-Prototypen zu entwickeln, der aus den Sensor-Rohdaten die Atemfrequenz ermitteln kann. Dieser soll nach Fertigstellung ver{\"o}ffentlicht werden. Die Ergebnisse des Prototypen sollen gegen die des „EarlySense VitalsGer{\"a}tes evaluiert werden. Dabei sind f{\"u}r die Ergebnis-Datens{\"a}tze die Korrelation berechnet sowie die statistische Signifikanz ermittelt worden. Die Evaluation hat gezeigt, dass der Prototyp gute Ergebnisse liefert, welche in den meisten F{\"a}llen eine statistisch signifikante Korrelation aufweisen.}, language = {de} }