Wissenschaftlich fundiert

Der AIMO™ Bewegungsscan ist eine durch künstliche Intelligenz gestützte objektive Analyse menschlicher Bewegungsfertigkeiten.

Scan

Der AIMO™ Bewegungsscan ist ein funktioneller Bewegungstest, der Bewegungsmuster analysiert, um Abweichungen zu identifizieren. Intelligente Algorithmen erkennen dabei kleinste Ausweichbewegungen, welche auf ein Ungleichgewicht im Körper hinweisen. Die Analyse wird dabei anhand wissenschaftlicher Daten, Erkenntnisse und Informationen ausgewertet.

„Wir verwenden eine Kombination von Computer Vision und überwachten und feedback–gestützten Techniken des maschinellen Lernens, um die funktionelle Qualität von Bewegungen zu analysieren und Schwachstellen im Bewegungsapparat zu erkennen. Vor allem das Feedback der Nutzer und Experten lässt die dafür genutzte künstliche Intelligenz immer präziser werden.“

welf-loewe

Prof. Dr. Welf Löwe
Chief Research Officer

Score

Mache deine Bewegungsfertigkeiten in einem einfachen Score sichtbar und überprüfe regelmäßig deine Fortschritte.

Der AIMO™ Bewegungsscore bewertet deine aktuellen Bewegungsfertigkeiten. Je höher dein Score, desto unauffälliger sind die Ausweichbewegungen, die du automatisch machst und desto besser sind deine Bewegungsfertigkeiten.

Analyse

Die größte Ausweichbewegung ist nicht zwingend die Stelle, an der du Schmerzen oder Probleme hast, sondern diejenige, an der sich ein körperliches Ungleichgewicht zeigt.

Ausweichbewegung können durch eine ungleiche Ansprache bestimmter Muskelgruppen verursacht werden. Dabei geht es nicht darum, dass du eine stärkere und eine schwächere Körperseite hast. Es geht um eine ungleiche Ansprache zwischen denjenigen Muskelgruppen, die bei einer Bewegung zusammenarbeiten.

Ein Ungleichgewicht entsteht dann, wenn eine Muskelgruppe übermäßig aktiviert wird, während die andere unteraktiv bleibt.

Ideal

Idealer Score
Erreichst du einen Score von 100%, weicht deine Bewegung nicht von dem goldenen Bewegungsstandard ab, der für eine ideale Ausführung steht.

Average

Durchschnitt
Die durchschnittliche Bewertung zeigt den Vergleich zwischen dir und allen anderen AIMO Nutzern.

Low

Niedriger Score
Ein niedriger Score bedeutet, dass deine Bewegungsausführung stark vom goldenen Bewegungsstandard abweicht.

Forschungspartner

Publikationen

[1] Grundlagen für die automatisierten Bewertung von Insuffizienzen Muskel-Skelett-Apparates
Dressler D., Liapota P, Löwe W. Towards an Automated Assessment of Musculoskeletal Insufficiencies. In: Czarnowski I., Howlett R., Jain L. (eds) Intelligent Decision Technologies 2019. Smart Innovation, Systems and Technologies, 2019. Singapore. Springer; 2019 vol. 142 p. 251-61. Doi: 10.1007/978-981-13-8311-3_22

[2] Datengestützte automatisierten Bewertung von Insuffizienzen Muskel-Skelett-Apparates
Dressler D, Liapota P, Löwe W. Data Driven Human Movement Assessment. In: Czarnowski I, Howlett R, Jain L (eds.). Proceedings of the 11th KES International Conference on Intelligent Decision Technologies (IDT): Smart Innovation, Systems and Technologies Series. Singapore. Springer: 2019 vol. 143. doi: 10.1007/978-981-13-8303- 8_29

[3] Der Effekt der Wahl unterschiedlicher Ansätze des maschinellen Lernens auf die Beurteilung menschlicher Bewegungen
Hagelbäck J, Liapota P, Lincke A, Löwe W. The Performance of some Machine Learning Approaches in Human Movement Assessment. In: Macedo M, Rodrigues L (eds.). Proceedings of the 13th Multi Conference on Computer Science and Information systems (MCCSIS). Porto, Portugal. IADIS Press; 2019 p. 35-42. ISBN: 978-989-8533-89-0

[4] Varianten der dynamischen Zeitphasenanpassung (Time Warping) und ihr Effekt auf die Beurteilung menschlicher Bewegungen
Hagelbäck, J., P. Liapota, A. Lincke and W. Löwe (2019b). Variants of Dynamic Time Warping and their Performance in Human Movement Assessment. The 21st Int’l Conf on Artificial Intelligence co-located with The 2019 World Congress in Computer Science, Computer Engineering, and Applied Computing (CSCE’19). Las Vegas, Nevada, USA.

[5] Einführung von Qualitätsmodellen auf Basis von mehrdimensionalen Wahrscheinlichkeiten; mathematische Grundlagen für den Aimo™–Score
Ulan, M., W. Löwe, M. Ericsson and A. Wingkvist (2018a). Introducing quality models based on joint probabilities. 40th International Conference on Software Engineering: Companion Proceedings, ICSE 2018, Gothenburg, Sweden: pp 216-217.

[6] Interaktive Visualisierung von Score-Berechnungsmodellen basierend auf mehrdimensionaler Wahrscheinlichkeitsverteilung; mathematische Grundlagen für den Aimo™–Score
Ulan, M., S. Hönel, R. M. Martins, M. Ericsson, W. Löwe, A. Wingkvist and A. Kerren (2018b). Quality Models Inside Out: Interactive Visualization of Software Metrics by Means of Joint Probabilities. 2018 IEEE Working Conference on Software Visualization (VISSOFT): pp 65-75.

[7] Zur Kompatibilität unterschiedlicher 3D–Kameratechnologien
Hagelbäck, J., A. Lincke, W. Löwe and E. Rall (2019c). On the Agreement of Commodity 3D Cameras. The 23rd Int’l Conference on Image Processing, Computer Vision, and Pattern Recognition co-located with The 2019 World Congress in Computer Science, Computer Engineering, and Applied Computing (CSCE’19). Las Vegas, Nevada, USA.

[8] Anwendung des Aimo™–Scores in der Altenpflege
Backåberg, Sofia, Amanda Hellström, Cecilia Fagerström, Anders Halling, Alisa Lincke, Welf Löwe and Mirjam Ekstedt (2020). Evaluation of the skeleton avatar technique for easy assessment of mobility and balance among older adults. Frontiers in Computer Science, section Digital Public Health; 12/2020

[9] Weiterentwickelte Qualitätsmodelle basierend auf mehrdimensionalen Wahrscheinlichkeiten; mathematische Grundlagen für den Aimo™–Score
Ulan, M., W. Löwe, M. Ericsson and A. Wingkvist (2021). Copula-based Software Metrics Aggregation. Software Quality Journal (Springer), 8/2021

[10] Vorverarbeitung von Bewegungsaufnahmen für Visualisierung und Aimo™–Scoring
Gauss, Joela, Ch. Brandin, A. Heberle and W. Löwe (2021). Smoothing Skeleton Avatar Videos using Signal Processing Technology. Springer Nature Computer Science, 2(429)

[11] Gewichtete Qualitätsmodelle basierend auf mehrdimensionalen Wahrscheinlichkeiten; mathematische Grundlagen für den Aimo™–Score
Ulan, M., W. Löwe, M. Ericsson and A. Wingkvist (2021). Weighted Software Quality Scoring and its Application to Defect Prediction. Empirical Software Engineering (Springer), 26(86)

[12] Anwendung des Aimo™–Scores als Messinstrument für Physische Aktivität älterer Menschen
Alisa Lincke, Cecilia Fagerström, Mirjam Ekstedt, Welf Löwe, and Sofia Backåerg (2021). Skeleton avatar technology as a way to measure physical activity in healthy older adults, Informatics in Medicine Unlocked (Elsevier), 24(100609)