English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Mit der Instrumentellen Ganganalyse werden Gelenkwinkel und -momente beim Gehen messtechnisch erfasst. Die klinische Auswertung dieser Daten (Diagnose von Bewegungsstorungen, Therapieplanung und -validierung) erfolgt empirisch durch erfahrene Experten. Schwierigkeiten bei der Analyse sind stark heterogene Datensatze und sehr komplexe Zusammenhange in Bewegungsdaten. Eine objektive, standardisierte Basis zur Datenauswertung und -interpretation konnte bisher nicht etabliert werden.  In der vorliegenden Arbeit wird durch den Einsatz von modularen rechnergestutzten Data Mining Verfahren ein Beitrag zur automatisierten, nachvollziehbaren Suche nach Gangpathologien bzw. zur quantitativen Bewertung der Gangqualitat verschiedener Patientengruppen geleistet. Diese Arbeit soll zur Unterstutzung der empirischen Analyse eingesetzt werden. Die empirische Vorgehensweise wird dabei in einem verallgemeinerten Merkmalsraum abgebildet, um somit interpretierbare Ergebnisse zu erzielen. Zur Datenauswertung kommen verschiedene uberwachte und unuberwachte Lernverfahren zum Einsatz. Die Leistungsfahigkeit der Verfahren wird anhand zweier Patientengruppen (infantile Cerebralparese bzw. inkomplette Querschnittlahmung) und Referenzkollektiven demonstriert.

Konzept für eine modellgestützte Diagnostik mittels Data Mining am Beispiel der Bewegungsanalyse