Virtuele Revalidatie met Microsoft Kinect
Stel je voor: je hebt pas een ongeval gehad, je ruggengraat is gekwetst, en je armen werken niet meer zoals voorheen. Er wacht je nu een lang proces van revalidatie en therapie. Je zal opnieuw moeten leren je tanden poetsen, je haar kammen, drinken, en zoveel meer. Wat eerst vanzelfsprekend was is nu een reusachtige opgave. Nu moet je elke week, of zelfs meerdere keren per week, naar de praktijk van de therapeut, waar je al deze handelingen terug gaat aanleren. Het duurt lang, en het wordt snel saai. De kosten om steeds naar de praktijk te gaan kunnen ook snel oplopen. Je wilt gewoon terug naar het oude leven.
Stel je nu voor dat je slechts eens per week of per twee weken naar de therapeut moet om te zien hoeveel voortgang je boekt, en de andere dagen kan je gewoon thuis oefeningen doen voor een speciale camera. Je kan zelfs spelletjes spelen die stiekem oefeningen zijn. Ondertussen wordt jouw therapeut automatisch op de hoogte gesteld van hoe goed je bezig bent met de oefeningen. Dat is wat Hogeschool PXL in samenwerking met UHasselt en Howest wilt bereiken. Ze hebben samen het project "Open Inteligent Revalidatieframework" (OpenIRF) opgestart. Binnen dit project wordt er onderzocht hoe camerasystemen en bewegingssensoren, zoals de Microsoft Kinect en de Leap Motion, kunnen helpen bij de revalidatie na bijvoorbeeld een ongeval of bij MS.
Binnen deze thesis, dat een onderdeel is van OpenIRF, is er gewerkt met de Microsoft Kinect. Deze maakt een 3D-beeld van de omgeving waarmee het lichaam van de gebruiker nauwkeurig gevolgd kan worden. De bedoeling is dat de therapeut oefeningen opneemt met de Kinect en ze doorstuurt naar de patiënt. De therapeut kan instellen op welke bewegingen de Kinect moet letten, hoeveel herhalingen de patiënt moet doen en hoe nauwkeurig de patiënt de oefening moet uitvoeren. Door de nauwkeurigheid in te stellen kan een oefening gebruikt worden door zowel patiënten die bijna volledig gerevalideerd zijn, als door patiënten die pas aan hun therapie beginnen. De patiënt ontvangt de oefeningen voor die week via een email en voert deze uit op de momenten die de therapeut aangeeft. Er is een voorbeeldoefening op het scherm dat de patiënt kan volgen. Er is ook live feedback op de beweging waardoor de patiënt meteen weet of hij goed bezig of niet.
In een later stadium wordt hier een databank aan gekoppeld waar therapeuten hun oefeningen kunnen uploaden en delen met andere therapeuten. Zo hopen ze in een mum van tijd een groot aanbod aan oefeningen te hebben. Dit gaat therapeuten veel tijd uitsparen, omdat ze niet telkens nieuwe oefeningen moeten opnemen en hier de juiste instellingen voor zoeken. Het zou zelfs mogelijk zijn om gemiddeldes te nemen van de verschillende oefeningen en zo de "perfecte" oefening te maken. Andere onderzoekers hebben gelijkaardig onderzoek gedaan naar onder andere de Leap Motion (deze volgt de handen) en Sensor Tags (kleine apparaten met een aantal sensoren). Er kunnen ook spelletjes bedacht worden die zeker kinderen kunnen helpen met de revalidatie. Door de grote nauwkeurigheid van de systemen is er ook hoop op nog betere revalidatie.
