Dein Job

Arthrose zählt zu den häufigsten degenerativen Gelenkerkrankungen. Eine präzise Schätzung von Kniekräften kann helfen, Belastungen besser zu verstehen und individualisierte Handlungsempfehlungen abzuleiten.

Für Laufbewegungen existiert bereits ein Deep-Learning-Modell (Temporal Convolutional Network), das Kniekräfte aus Beschleunigungssignalen schätzt. Die zugrunde liegenden Daten wurden biomechanisch mit OpenSim validiert. Bei anderen Fortbewegungsformen (z. B. Radfahren) ist die Modellgüte jedoch eingeschränkt.

Ziel der Arbeit ist die Entwicklung einer Locomotion Mode Classification, um belastungsspezifisch geeignete Regressionsmodelle auszuwählen bzw. das bestehende Modell gezielt zu erweitern

Definition kniebelastungsrelevanter Lokomotionsmodi
Entwicklung und Implementierung eines ML-Modells zur Klassifikation von Zeitreihendaten
Integration der Klassifikation in die bestehende TCN-basierte Regressionspipeline
Quantitative Evaluation hinsichtlich Genauigkeit, Robustheit und Echtzeitfähigkeit

Dein Profil

Studium der Kybernetik, Mechatronik, Medizintechnik, Informatik oder eines vergleichbaren Studiengangs
Du hast Programmierkenntnisse in Python, z. B. mit TensorFlow oder PyTorch
Erfahrung mit Machine Learning, idealerweise Deep Learning für Zeitreihendaten
Du bist motiviert, theoretische Ansätze in der Praxis zu implementieren

Stellenmerkmale

Dein Beschäftigungsumfang

Vollzeit (befristet)

Dein Gehalt

Nach Vereinbarung

Dein Arbeitsplatz

z.T. im Homeoffice

Dein Büro

Raum Stuttgart

Ansprechpartner:in

Bei Fragen

Herr Thomas Dobosz

E-Mail: thomas.dobosz@ipa.fraunhofer.de

Abschlussarbeit: Locomotion Mode Classification zur Prädiktion von Kniekräften mit Machine Learning