Entwicklung einer Mobiltelefon‐Applikation zur Erfassung und Visualisierung von biomedizinischen Daten aus einem drahtlosen Überwachungsgerät


Bachelorarbeit, 2010

100 Seiten, Note: 1,0


Leseprobe

Inhaltsverzeichnis

1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Vorgehensweise

2 Grundlagen und Methoden
2.1 Abgrenzung und Relevanz biomedizinischer Daten
2.2 Physiologische Grundlagen
2.2.1 Arten der Energiegewinnung bei Stoffwechselprozessen
2.2.2 Bedeutung der Arten von Energiegewinnung für die Leistungsfähigkeit
2.2.3 Beurteilung der Leistungsfähigkeit anhand der Herzfrequenz
2.2.4 Ansätze zur Definition von Trainingsbereichen
2.2.5 Methoden zur Quantifizierung des Energieumsatzes
2.3 Abgrenzung medizinischer Überwachungsgeräte
2.4 Realisierungspotentiale und Umfang der Java Micro-Edition
2.4.1 Technologiespezifikation der Java Micro-Edition
2.4.2 Midlet-Framework und Applikations-Lebenszyklus
2.4.3 Persistente Datenspeicherung
2.4.4 Benutzeroberflächen und Interaktionsverarbeitung
2.4.5 Erweiterungspotentiale mit dem Lightweight UI Toolkit
2.5 Architektur-Aspekte von Echtzeitsystemen
2.6 Prototyping im Software-Engineering

3 Auswahl und Einsatz von Methoden und Werkzeugen
3.1 Vorgehensmodell und Methoden
3.2 Entwicklungsplattform und Testverfahren
3.3 Auswahl von Parametern und Methoden der Physiologie

4 Entwicklung der Mobiltelefon-Applikation
4.1 Vorbedingungen
4.2 Spezifikation
4.2.1 Begriffsabgrenzungen
4.2.2 Funktionale Anforderungsermittlung
4.2.3 Nicht-Funktionale Anforderungsermittlung
4.2.4 Erkenntnisse aus dem explorativen Prototyp
4.3 Konzipierung
4.3.1 Anwendungsfälle
4.3.2 Datenmodell
4.3.3 Architekturentwurf
4.3.4 Komponenten für den Trainingsbetrieb
4.3.5 Teilergebnisse aus dem experimentellen Prototyp
4.4 Implementierung
4.4.1 Datenpersistenz
4.4.2 Datenexport
4.4.3 Benutzeroberfläche
4.4.4 Erweiterung der Benutzeroberfläche mit dem Lightweight UI Toolkit
4.4.5 Trainingsauswertung und Profile
4.4.6 Applikationssetup und Testfälle
4.4.7 Endergebnisse aus dem evolutionären Prototyp

5 Zusammenfassung und Ausblick

Quellenverzeichnis

Anhang
A.1 Anwendungsfallbeschreibungen

Abbildungsverzeichnis

Abb. 1: Anaerobe Schwelle (Boutellier/Ulmer 2005, S. 934)

Abb. 2: Energiebereitstellung mit Trainingsbereichen (Löllgen/Erdmann/Gitt 2009, S. 219)

Abb. 3: Zusammenhang zwischen Herzfrequenz und Laktat-Konzentrationen (nach Halle 2008, S.32)

Abb. 4: Einteilung der Belastungsintensität nach Ausdauer (nach Weineck 2004, zitiert bei Friedrich 2005, S.76)

Abb. 5: Trainingsbereiche mit unterschiedlichen Bezugsparametern (nach Janssen 2003, S. 55)

Abb. 6: Trainingsbereiche im Amateur-Radsport (nach Schmidt 2001, S. 57ff)

Abb. 7: Herzfrequenz-Zielzonen der Polar-Pulsuhren (nach Polar Deutschland 2009)

Abb. 8: Klassifikation nach ACSM (nach Medicine and Science in Sports and Exercise 1998, S.979)

Abb. 9: Package-Übersicht CLDC 1.1 und MIDP 2.0 (nach Schmatz 2007, S.18ff; Sun JSR118 2006)

Abb. 10: Mobile Service Architecture (Sun Microsystems 2007)

Abb. 11: Schematischer Aufbau eines RecordStore (Breymann/Mosemann 2008, S. 149)

Abb. 12: Klassenhierarchie der UserInterface-API im MIDP-Profil (Gemeinfreie Quelle 2010)

Abb. 13: Darstellungsunterschiede bei Nutzung der High-Level API (nach Sun Microsystems 2009c)

Abb. 14: Klassenhierarchie der UserInterface-API im LWUIT (nach Sun Microsystems 2009c)

Abb. 15: Architekturansatz für Echtzeitsysteme (nach Sommerville 2007, S. 375)

Abb. 16: Phaseneinteilung für ein Prototyping-Vorgehensmodell (nach Pomberger/Pree 2004, S.30)

Abb. 17: Spezifikationsphase

Abb. 18: Konzipierungsphase

Abb. 19: Implementierungsphase

Abb. 20: Modifizierte Anwendungsfallbeschreibung

Abb. 21: Diagnose-Software zur Ermittlung der Ressourcenbelastung

Abb. 22: Medizinischer Brustgurt des Herstellers mobimotion (mobimotion 2009)

Abb. 23: Grundaufbau des mobimotion SDK (mobimotion 2009)

Abb. 24: QRS-Signal (nach Universitätsklinikum Essen 2009)

Abb. 25: Tabellarische Darstellung der Attribute aus den Datenklassen des SDK

Abb. 26: Use-Case Diagramm der Applikation

Abb. 27: Erlaubte Anwendungsfälle bezüglich der Profile im Applikationsmenü

Abb. 28: Entity-Relationship-Diagramm der Applikation

Abb. 29: Übersicht der Applikations-Komponenten

Abb. 30: Aufbau der Display-Klassen im zweiten Prototyp

Abb. 31: Sequenzdiagramm für Verbindungsaufbau und Start des Trainingsbetriebs

Abb. 32: Zustandsdiagramm der Trainingssteuerung

Abb. 33: Kommunikationsdiagramm der Erzeugung eines Entitätsobjekts im StorageProvider

Abb. 34: Beispiel-Implementierung eines externen Datendiensts

Abb. 35: Fotostrecke für den Anwendungsfall ‚EditSelectedProfile‘ aus dem Java-FX Emulator

Abb. 36: Vergleich der MIDP- und LWUIT-Darstellung des Displays für den Trainingsbetrieb

Abb. 37: Fotostrecke der Tab-basierten Darstellungsweise mit der LWUIT-Benutzeroberfläche

Abb. 38: Trainingsauswertung

Abb. 39: Berechnung der Trainingsbereiche

Abb. 40: Package-Übersicht SmartMotion

1 Einleitung

Mit der steigenden technologischen Leistungsfähigkeit mobiler Endgeräte ergeben sich neue Anwendungsmöglichkeiten für den täglichen Einsatz. Zu dieser Geräteklasse zählen unter anderem Smart-Phones, Personal-Digital-Assistants und Mobiltelefone. Deren Marktdurchdringung schafft die Grundlage für die Substitution technischer Funktionalitäten, die bisher spezialisierten elektronischen Geräten vorbehalten war. „Das Handy ist zum Multifunktionsgerät geworden und hilft als ständiger Begleiter bei alltäglichen Aufgaben“ führt Herbert Merz, Hauptvorstand des Bundesverbandes Informationswirtschaft, Telekommunikation und neue Medien in einer Presse-information zur Marktsituation auf (BITKOM 2010).

Ein weiterer Entwicklungstrend zeichnet sich im Breiten- und Freizeitsport ab. Allein in Deutschland betreiben mehr als 20 Millionen Menschen intensiv Sport und verwenden dafür zunehmend technische Hilfsmittel wie Herzfrequenzmesser, GPS-Navigation und Bewegungssensoren. Mit dem Einsatz der Informationstechnik wird eine weiter-führende Analyse der sportlichen Tätigkeiten ermöglicht, von dessen unmittelbaren Feedback, Sportler und Trainer profitieren können. (Medical Sports Network 02-2007, S.57).

1.1 Problemstellung

Im Umfeld mobiler Fitness-Lösungen existiert eine Vielzahl autonomer Geräte, die je nach Preissegment im Funktionsumfang, in der Bedienbarkeit und der Produktqualität stark variieren. Einsteiger-Produkte sind bereits bei Discountern zu günstigen Preisen erhältlich und ermöglichen die Erfassung der Trainingszeit, das Messen von zurück-gelegten Entfernungen oder Schritten und die Berechnung eines Kalorienverbrauchs (Wirtschaftswoche 10-2006, Nr. 42, S.86).

Produkttests aus Fachzeitschriften zeigen, dass den Gerätelösungen beigelegte Software-Anwendungen von eingesetzten Betriebssystemen abhängig sind, bestimmte Attribute für eine Auswertung nicht zur Verfügung stehen, ein Datenexport an spezielle Formate gebunden ist oder die Auswertungsmöglichkeiten zum Teil beschränkt sind (Magazin für Computertechnik 2007, Nr. 19, S.146ff).

Die Anwender sind somit von dem Funktionsumfang einer proprietären Hersteller-software abhängig und weitere Nutzpotentiale lassen sich nicht unmittelbar erschließen. Erstrebenswert ist eine Lösung, die aufgezeichnete Trainingsdaten in einem nicht proprietären Format für eine freie Verwendung zur Verfügung stellt und damit die Möglichkeit bietet, beliebige auf den Daten basierende Anwendungen zu entwickeln. Ein exemplarischer Mehrwert für Anwender könnte sich durch die Integration und weitere Verwendung der Daten in webbasierten Sport-Portalen oder einer Verknüpfung der Trainingsdaten mit Online-Diensten wie z.B. Google-Maps erschließen.

1.2 Zielsetzung

Die Zielsetzung dieser Arbeit ist der Entwurf und die Implementierung einer Applikation, die einer sportlich affinen Zielgruppe ein kontrolliertes Training ihrer körperlichen Fähigkeiten ermöglicht und die dabei anfallenden Trainingsdaten uneingeschränkt zur Verfügung stellt. Dazu wird das Potential mobiler Endgeräte in Verbindung mit einem medizinischen Überwachungsgerät genutzt. Ein kontrolliertes Training wird durch die Kenntnis bestimmter Parameter, wie z.B. der Belastungs-intensität ermöglicht. Die während eines Trainings generierten Daten werden in dem mobilen Endgerät dauerhaft gespeichert und können anschließend in einem offenen XML-Format über eine Internet-Verbindung exportiert werden. Damit wird die Grundlage für eine beliebige externe Verwertung der Daten geschaffen. Als Ergebnis der Arbeit wird ein Software-Prototyp entstehen, der auf einer Symbian S60 Referenzplattform betriebsfähig sein wird und mit einem medizinischen Brustgurt des Herstellers mobimotion betrieben werden kann. Die Implementierung erfolgt mit der für mobile Applikationen optimierten Java Micro-Edition. Die Anwendungsentwicklung wird durch einen Software-Engineering-Prozess gestützt. Dessen Zielsetzung ist die Ermittlung der fachlichen Anforderungen und die Konzipierung einer tragfähigen Software-Architektur unter Berücksichtigung der technischen Einschränkungen mobiler Endgeräte.

1.3 Vorgehensweise

Mit der Erarbeitung theoretischer Kenntnisse im zweiten Kapitel wird die fachliche Grundlage für die Realisierung einer Trainingslösung geschaffen. Die inhaltlichen Schwerpunkte liegen in der Erörterung physiologischer Grundlagen und Zusammen-hänge. Darauf aufbauend werden Indikatoren und Bewertungsmaßstäbe, die ein kontrolliertes Training ermöglichen, ermittelt. Anschließend werden Grundlagen erarbeitet, die für die anstehende Anwendungsentwicklung relevant sind. Für die Entwicklung der Applikation wird ein Vorgehensmodell ausgewählt, das mit Ziel-setzungen und Methoden verknüpft wird. Dieses wird im dritten Kapitel zusammen mit eingesetzten Testverfahren für die Validierung der Applikation erläutert. Anhand dieses Modells wird die Spezifikation, Konzipierung und Implementierung der Applikation vorgenommen sowie der Entwicklungsfortschritt kontrolliert. Die Ergebnisse der Spezifikation und eine Beschreibung der konzeptionellen Lösungs-ansätze sowie der Implementierung werden im vierten Kapitel aufgeführt.

2 Grundlagen und Methoden

Im folgenden Kapitel werden die theoretischen Grundlagen, Methoden und Abgrenzungen erarbeitet und aufgeführt. In der ersten Hälfte des Kapitels soll ein Verständnis für die Bewertung körperlicher Leistungen vermittelt werden. Dieses ist für die Entwicklung der Applikation bedeutsam. Die zweite Hälfte des Kapitels beschäftigt sich eingehender mit der Anwendungsentwicklung mobiler Applikationen und Besonderheiten beim Entwurf von sensorgesteuerten Systemen.

2.1 Abgrenzung und Relevanz biomedizinischer Daten

Der Begriff ‚biomedizinische Daten‘ wird im fachbezogenen Umfeld in verschiedenen Zusammenhängen verwendet. In der englischsprachigen Literatur findet sich häufig eine Tendenz, darunter genetische Daten zu beschreiben. Mit einer strukturellen Abgrenzung der angewandten Informatik in interdisziplinäre Anwendungsfelder assoziiert Lipinski Gensequenzierungen mit dem Anwendungsfeld der Bioinformatik und erläutert den Begriff „biomedizinisch“ mit einem Bezug zur Signalverarbeitung im Kontext der medizintechnischen Informatik (Lipinski 1999, S. 36f).

Der Beschäftigungsgegenstand der biomedizinischen Signalverarbeitung beinhaltet, gestützt auf die folgende Aussage, die Gewinnung und Verarbeitung von Signalen lebender Organismen zur Ergründung physiologischer Sachverhalte: „BIOMEDICAL SIGNAL ANALYSIS CENTERS on the acquisition and processing of information-bearing signals that emanate from living systems. These vital signals permit us to probe the state of the underlying biologic and physiologic structures and dynamics. Therefore, their interpretation has significant diagnostic value for clinicians and researchers.“ (Bronzio 2006, S. I-2).

Eine weitere inhaltliche Eingrenzung biomedizinischer Signale und daraus gewonnener Daten zur humanbezogenen Arbeits- und Sport-Physiologie hin, führt zu dem für die vorliegende Arbeit relevanten Themenkreis. Die Physiologie beschäftigt sich unter anderem mit der Erfassung, Untersuchung und Beurteilung spezifischer Faktoren menschlicher Arbeitsleistung und deren Grenzen (Thews/Vaupel 2005, S. 305).

Hauptsächlich sollen unter biomedizinischen Daten also die Parameter verstanden werden, die unmittelbar den Zustand und das Leistungsvermögen eines Menschen unter sportlicher Belastung, wie z.B. einem gezielten Ausdauertraining beschreiben, sowie mittelbar in einem kausalen Zusammenhang mit diesen Parametern stehen.

Ein gezieltes Training kann als „[…] Summe aller Maßnahmen, die zur Erhaltung oder planmäßigen Steigerung der Leistungsfähigkeit dienen.“ definiert werden (Thews/ Vaupel 2005, S. 318).

Messbare biomedizinische Parameter für die Leistungsfähigkeit unter einem Trainingseinfluss sind insbesondere die Herzfrequenz, die Aufnahmefähigkeit von Sauerstoff in den Blutkreislauf, bei Stoffwechselprozessen entstehende Laktat-Konzentrationen im Blutkreislauf, sowie physikalische Kenngrößen zur Angabe des Leistungsvermögens. Die Erhebung dieser Parameter erfolgt mit standardisierten Methoden der Ergometrie (Silbernagel/Despopoulos 2007, S. 76).

Mit einer leistungsdiagnostischen Auswertung können die Zusammenhänge der verschiedenen biomedizinischen Parameter analysiert werden, wodurch genaue Erkenntnisse über den Trainingszustand und die körperliche Belastbarkeit gewonnen werden. Von Bedeutung ist die Bestimmung von Stoffwechselbereichen, aus denen eine Klassifizierung der Belastbarkeit vorgenommen werden kann. Die Kenntnis der individuellen Belastbarkeit in Form von Trainingsbereichen ermöglicht einem Sportler die Steuerung der Trainingsintensität und über einen längeren Zeitraum hinweg die Kontrolle des persönlichen Trainingsfortschritts (Petracic et.al. 2007, S. 118ff).

2.2 Physiologische Grundlagen

2.2.1 Arten der Energiegewinnung bei Stoffwechselprozessen

Körperliche Beanspruchungen erfordern einen Aufwand an Energie, die in Stoff-wechselprozessen durch die Oxidation von Fetten und der Synthese von Glykogen erzeugt wird. Diese notwendigen Grundstoffe stehen in unterschiedlichen Mengen zur Verfügung und deren Verwertung zur Deckung des Energiebedarfs ist neben weiteren Faktoren von einem Sauerstoffangebot abhängig. Das Angebot an Sauerstoff steht unmittelbar mit dem körperlichen Leistungsvermögen bzw. dem Trainingszustand in Zusammenhang (Boutellier/Ulmer 2005, S. 930ff).

Besteht ein Überangebot oder annäherndes Gleichgewicht der Sauerstoffversorgung, verwendet der Körper in einem aeroben Stoffwechselprozess vorwiegend die vorhandenen Fettreserven und darüber hinaus die Glykogen-Reserven zur Energiegewinnung. Aus einer Unterdeckung mit Sauerstoff resultiert eine anaerobe Synthese der im geringeren Umfang vorhandenen Glykogen-Vorräte zur Energie-gewinnung, bei der als Nebenprodukt Laktat entsteht (Diem 2002, S.49ff).

2.2.2 Bedeutung der Arten von Energiegewinnung für die Leistungsfähigkeit

Die maximale körperliche Leistungsfähigkeit wird neben der Intensität einer körperlichen Leistung und der Belastungsdauer auch maßgeblich von der Verfügbarkeit einer Energie-Bereitstellung begrenzt. So führt eine aus dem anaeroben Stoffwechsel resultierende erhöhte Laktat-Konzentration zu einer zunehmenden Ermüdung der Muskulatur sowie zu einer Verminderung der Leistungsfähigkeit (Thews/Vaupel 2005, S. 315ff).

Die Abbildung 1 zeigt die durch ein Sauerstoff-Defizit bedingte Entstehung und stetige Zunahme der Laktat-Konzentration durch einen anaeroben Stoffwechsel in Zusammenhang mit einer körperlichen Leistung (X-Achse: Leistung gemessen in Watt, Y-Achse: Sauerstoffaufnahme in Liter pro Minute).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Anaerobe Schwelle (Boutellier/Ulmer 2005, S. 934)

Die eingezeichnete anaerobe Schwelle ist dabei als das Maximum an Leistungsvermögen zu interpretieren, bei dem der Körper die Fähigkeit besitzt, der Laktat-Erzeugung durch einen gezielten Abbau entgegenzu-wirken (Boutellier/Ulmer 2005, S. 933f).

Anzumerken ist, dass die anaerobe Energiebereitstellung nicht die völlige Abwesenheit von Sauerstoff impliziert, sondern nur die Art der Energiegewinnung beschreibt, die bei einem Sauerstoffdefizit zusätzlich zur Bewältigung des Bedarfs eingesetzt wird (Tomasits/Haber 2008, S.6).

Muster und Zielinski verwenden neben weiteren Kriterien unter anderem die Art der Energiebereitstellung als ein grobes Einteilungskriterium für die generelle Beurteilung von Ausdauerleistungen (Muster/Zielinski 2006, S. 122).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Energiebereitstellung mit Trainingsbereichen (Löllgen/Erdmann/Gitt 2009, S. 219)

Löllgen, Erdmann und Gitt schließen anhand spezifischer Laktat-Konzentration auf die Art der Energiebereitstellung und setzen diese in einen Zusammenhang mit der Intensität eines Trainings. Eine entsprechende Klassifizierung der Energiebereitstellung mit dabei entstehenden Laktat-Konzentrationen führt zu einer Ableitung allgemeiner Trainingsbereiche, die der folgenden Abbildung 2 entnommen werden können (Löllgen/Erdmann/Gitt 2010, S. 218ff).

Die gezielte Beanspruchung einer bestimmten Art der Energiebereitstellung führt zu unterschiedlichen Effekten. So fördert ein Training im aeroben Bereich die allgemeine Ausdauerfähigkeit, erhöht das Vermögen der Sauerstoffaufnahme und steigert die Effizienz der Energiegewinnung unter aeroben Bedingungen. Im anaeroben Trainingsbereich kann zumindest kurzfristig die maximale Ausdauerfähigkeit intensiviert, sowie die Fähigkeit der Energiegewinnung unter anaeroben Bedingungen gesteigert werden (Wilmore/Costill/Kenney 2008, S. 222).

2.2.3 Beurteilung der Leistungsfähigkeit anhand der Herzfrequenz

Die Beurteilung der körperlichen Leistungsfähigkeit anhand einer Laktat-Bestimmung eignet sich in der Praxis nur zur längerfristigen Evaluierung. Insbesondere setzt eine valide Auswertung konstante Belastungen über vorgegebene Zeiträume voraus, die unter variablen Praxisbedingungen kaum möglich sind. Als Bezugsmaß unter realen Umgebungsbedingungen wird die kontinuierliche Messung der Herzfrequenz als deutlich praktikabler angesehen (Dickhuth/Mayer/Röcker 2007, S. 70ff).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Zusammenhang zwischen Herzfrequenz und Laktat-Konzentrationen (nach Halle 2008, S.32)

Ein standardisiertes Verfahren zur Bestimmung von Herzfrequenzbereichen für eine Trainingssteuerung ermöglicht die Analyse von Korrelationen zwischen Herz-frequenzen und Laktat-Konzentrationen im Rahmen eines Stufen-Belastungstests. Die Ermittlung der individuellen anaeroben Schwelle (Abk. IAAS) wird hierbei als Bezugspunkt für die Ableitung von Herzfrequenzbereichen herangezogen. Die Abbildung 3 zeigt die Ermittlung der IAAS im Bereich von ca. 4 mmol/l Laktat. Als Obergrenze für ein Ausdauertraining im aeroben Stoffwechselbereich wird die Herzfrequenz bei einer Belastungsintensität von 85% der IAAS ermittelt. Ausgehend von diesem Grenzwert können weitere mit den Herzfrequenzbereichen korrelierende Trainingsbereiche abgeleitet werden (Halle 2008, S. 29ff).

Auch Muster und Zielinski beurteilen die Messung der Herzfrequenz als anerkanntes Verfahren, mit der sich ausgehend von einem maximalen Belastungswert als Maßstab individuelle Trainingsbereiche zur Steuerung der Belastungsintensität ableiten lassen (Muster/Zielinski 2006, S. 124). Sind die Informationen zum maximalen Belastungswert für den Parameter Herzfrequenz oder die Einteilung der Leistungsfähigkeit in Herzfrequenzbereiche nicht bekannt, können diese mit alternativen Verfahren ermittelt bzw. abgeleitet werden.

Bestimmung der maximalen Herzfrequenz

Ist der maximale Belastungswert nicht bekannt, kann dieser am genauesten durch einen selbst durchgeführten Belastungstest mit einem Herzfrequenzmesser bestimmt werden. Alternativ kann die maximale Herzfrequenz mit Berechnungsformeln bestimmt werden. Als Abschätzung kann auf der Grundlage des Lebensalters die folgende Formel verwendet werden: Abbildung in dieser Leseprobe nicht enthalten (Janssen 2003, S. 49; Muster/Zielinski 2006, S. 124).

Möglichkeiten zur Bestimmung von Herzfrequenzbereichen

Basierend auf der maximalen Herzfrequenz existieren verschiedene Ansätze zur Approximation optimaler Herzfrequenzbereiche. Nach der Methode der maximalen Herzfrequenz wird eine Klassifizierung durch die Berechnung von repräsentativen Trainingsherzfrequenzen mit prozentualen Abstufungen vorgenommen (Janssen 2003, S. 54).

Die Methode der Herzfrequenz-Reserve nach Karvonen zieht die Differenz zwischen maximaler Herzfrequenz und einer Herzfrequenz im körperlich ruhenden Zustand zur Bestimmung einer Spannbreite des gesamten Leistungsvermögens heran.

Abbildung in dieser Leseprobe nicht enthalten

Die Bestimmung optimaler Herzfrequenzbereiche basiert ebenfalls auf prozentualen Einteilungskriterien, mit denen die gesamte Spannbreite in Klassen eingeteilt wird. Die entsprechenden Klassengrenzen werden ausgehend von der Bestimmung einer Trainingsherzfrequenz vorgenommen: Abbildung in dieser Leseprobe nicht enthalten

Analog erfolgt die Bestimmung eines Belastungswertes bei einer gegebenen Herzfrequenz mit: Abbildung in dieser Leseprobe nicht enthalten (Friedrich 2005, S. 98f).

Im Rahmen einer leistungsdiagnostischen Felduntersuchung kommt Hottenrott zu dem Schluss, dass die Berechnung einer bestimmten Trainingsherzfrequenz von mehreren Variablen abhängt. Dabei berücksichtigt Hottenrott bei der Berechnung der Trainings-herzfrequenz insbesondere geschlechtsspezifische Unterschiede, die durch die Analyse von Herzfrequenz-Laktatkurven festgestellt wurden. Die Erkenntnisse flossen in die Entwicklung einer neuen Berechnungsformel ein, in der zusätzlich zum Geschlechts-faktorAbbildung in dieser Leseprobe nicht enthalten ein LeistungsfaktorAbbildung in dieser Leseprobe nicht enthalten, TrainingszieleAbbildung in dieser Leseprobe nicht enthalten und SportartenAbbildung in dieser Leseprobe nicht enthalten als Berechnungskriterien berücksichtigt wurden. Die Ergebnisse der Untersuchung beschränkten sich hierbei auf die Sportart Laufen:

Abbildung in dieser Leseprobe nicht enthalten (Medical Sports Network 04-2007, S.14ff).

2.2.4 Ansätze zur Definition von Trainingsbereichen

In der sportmedizinischen Literatur finden sich zahlreiche Möglichkeiten zur Einteilung und Bezeichnung von Trainingsbereichen, die verschiedene Belastungsintensitäten beschreiben.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4: Einteilung der Belastungsintensität nach Ausdauer (nach Weineck 2004, zitiert bei Friedrich 2005, S.76)

Mit dem Ziel übergreifende Ansätze für die Steuerung eines Trainings zu finden, existieren generelle Einteilungen von Ausdauerleistungen, die zwischen Kurzzeit-, Mittelzeit- und Langzeitausdauer sowie Kraft- und Schnelligkeitsaus-dauer unterscheiden. Diese Einteilungen orientieren sich mit weiteren Abstufungen am zeit-lichen Belastungsumfang und allen Arten der Energiebereitstellung. Unter dem Begriff ‚allgemeine Grundlagenausdauer‘ wird hingegen die Belastungsintensität mit einer dominanten Zielorientierung am aeroben Stoffwechselbereich verstanden. Abbildung 4 zeigt eine Einteilung, die zwischen sieben verschiedenen Intensitätsbereichen unterscheidet (Friedrich 2005, S. 76ff).

Abbildung 5 zeigt eine Klasseneinteilung mit einer Orientierung am gesamten Stoffwechselbereich, jeweils mit den Bezugsparametern maximale Herzfrequenz und Herzfrequenz-Reserve nach der Methode von Karvonen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 5: Trainingsbereiche mit unterschiedlichen Bezugsparametern (nach Janssen 2003, S. 55)

Eine Zusammenfassung einer sportartspezifischen Klassifizierung aus dem Umfeld des Amateur-Radsports mit exemplarischen Herzfrequenzbereichen führt die Abbildung 6 auf.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 6: Trainingsbereiche im Amateur-Radsport (nach Schmidt 2001, S. 57ff)

Abbildung in dieser Leseprobe nicht enthalten

Abb. 7: Herzfrequenz-Zielzonen der Polar-Pulsuhren (nach Polar Deutschland 2009)

Der Hersteller Polar verwendet bei seinen vertriebenen Pulsuhren ein dreistufiges System ausgehend von der maximalen Herzfrequenz zur Beurteilung der Belastungsintensität. Die leichte Intensitätszone wird mit 60 bis 70% der HFMAX angesetzt und mit einer Verbesserung der aeroben Ausdauer gleich gesetzt. Leistungssteigerungen werden mit einer ‚moderaten Zone‘ im Bereich von 70 bis 80% der HFMAX assoziiert. Die maximale Leistungsfähigkeit wird im Bereich 80 bis 90% angesetzt und nur für ambitionierte Sporttreibende empfohlen. Polar gibt hierbei an, dass die entsprechenden Definitionen aus wissenschaftlichen Trainingsempfehlungen abgeleitet sind (Polar Deutschland 2009).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 8: Klassifikation nach ACSM (nach Medicine and Science in Sports and Exercise 1998, S.979)

Das American College of Sports Medicine publizierte in einer wissenschaftlichen Stellung-nahme die in Abbildung 8 aufgeführten Empfehl-ungen. Die prozentualen Angaben basieren dabei auf der Herzfrequenz-Reserve nach Karvonen mit einer Abstufung in sechs Bereiche und werden unter anderem mit dem maximalen Sauerstoff-aufnahmevermögen eines Menschen in Relation gesetzt (Medicine and Science in Sports and Exercise 1998, Nr. 6, S.975ff).

Zusammenfassend betrachtet konnte auch in der weiteren trainingsbezogenen Sportliteratur kein eindeutiger Konsens zur exakten Klassifikation und Bezeichnung von Belastungsintensitäten und Trainingsbereichen ermittelt werden. Entsprechende Systematiken bedürfen somit einer individuellen Interpretation durch den Anwender. Die gemeinsame Schnittmenge der meisten Klassifikationen liegt aber stets in der Orientierung an den verschiedenen Stoffwechselbereichen bzw. Arten der Energie-bereitstellung.

2.2.5 Methoden zur Quantifizierung des Energieumsatzes

Mit der Zielsetzung den Kalorienverbrauch unter einer sportlichen Belastung zu ermitteln, sollen im Folgenden verschiedene Ansätze und Methoden untersucht werden.

Nach Lang und Lang wird der Energieumsatz als eine Funktion der Leistungen des menschlichen Körpers aufgefasst und steht somit in Abhängigkeit mit der erbrachten Leistung. Der Energieumsatz kann mit den Methoden der indirekten Kalorimetrie durch eine Messung des vom Körper verbrauchten Sauerstoffs abgeschätzt werden. Der Ansatz beruht auf der Kenntnis der einzelnen physikalischen Brennwerte aller zur Energiegewinnung eingesetzten Grundstoffe. Mit der Bezugsgröße von einem Liter verbrauchten Sauerstoff können die Brennwerte der Grundstoffe als kalorisches Äquivalent ausgedrückt werden. Aufgrund der annähernden Vergleichbarkeit der Werte, kann der Energieumsatz mit dem gemittelten kalorischen Äquivalent von 20 Kilo-Joule durch die Multiplikation des gesamten Sauerstoffverbrauchs berechnet werden: Abbildung in dieser Leseprobe nicht enthalten (Lang/Lang 2007, S.183f).

Die Methode der Kalorimetrie setzt die Kenntnis des Sauerstoffverbrauchs voraus. Unter definierten Belastungen ist für die Analyse der Einsatz einer Messkammer oder einer Atemhaube notwendig. Mit dem Ansatz des metabolischen Äquivalents (Abk. MET) ist ein Rückschluss auf den Sauerstoffverbrauch durch eine Klassifizierung körperlicher Aktivitäten unter Einbezug des Körpergewichts möglich. Ein MET entspricht dem Energieumsatz bei ruhender Aktivität, der mit einem Sauerstoff-verbrauch von 3,5 ml pro Kilogramm Körpergewicht angesetzt wird. Darauf aufbauend kann der Energieumsatz mit der Formel der Kalorimetrie berechnet werden (Deetjen/ Speckmann/Hescheler 2005, S. 642f).

Eine Veröffentlichung der University of South Carolina unter dem Titel „The Compendium of Physical Activities“ ermöglicht die Bestimmung der MET-Werte für unterschiedliche Aktivitäten mit einer Berücksichtigung der Intensität und weiteren Nebenbedingungen. In einer Anmerkung wird jedoch aufgeführt, dass die Klassifiz-ierungen keine individuellen körperlichen Merkmale berücksichtigen, so dass eine exakte Ermittlung des Energieumsatzes nur beschränkt möglich ist (Ainsworth 2009).

Unter Berücksichtigung der individuellen körperlichen Merkmale Gewicht, Größe, Alter und Geschlecht ermöglicht ein weiterer Ansatz die Berechnung eines aktivitäts-abhängigen Energieumsatzes. Dies erfolgt mit einer formelbasierte Abschätzung des Energieumsatzes im ruhenden Zustand über einen Zeitraum von 24 Stunden. Unterschiedliche körperliche Aktivitäten werden durch einen Physical-Activity-Level-Faktor (Abk. PAL) bewertet, dessen Multiplikation mit dem Energieumsatz im ruhenden Zustand eine Angabe zum Energieverbrauch ermöglicht. Der Ruheumsatz kann mit der Formel von Harris und Benedict geschlechterspezifisch berechnet werden:

Abbildung in dieser Leseprobe nicht enthalten Abbildung in dieser Leseprobe nicht enthalten

Mit w=Körpergewicht in Kilogramm, h=Körpergröße in Zentimeter, a=Alter in Jahren

(Deetjen/Speckmann/Hescheler 2005, S. 640f).

Fundiert auf vorherigen Erkenntnissen verschiedener Studien beschreibt Ralston in einer Veröffentlichung einen linearen Zusammenhang zwischen dem Energieumsatz und der Bewegungsgeschwindigkeit unter Berücksichtigung des Körpergewichts. Als Bezugsgröße wird der Energieumsatz in Kalorien pro Minute Aktivität und pro Kilogramm Körpergewicht verwendet. Im Rahmen einer Felduntersuchung kommt Ralston durch eine statistische Analyse zu dem Ergebnis, dass der Energieverbrauch beim Wandern durch folgende Funktion ausgedrückt werden kann:

Abbildung in dieser Leseprobe nicht enthalten mit: Abbildung in dieser Leseprobe nicht enthalten[1]

(European Journal of Applied Physiology and Occupational Physiology 10-1958, S. 277ff).

2.3 Abgrenzung medizinischer Überwachungsgeräte

Im intensivmedizinischen Umfeld wird unter einem Patientenüberwachungssystem ein technisches Gerät aufgefasst, das u.a. Vitalwerte kontinuierlich oder in einem Intervall durch direkte Messungen überwacht, analysiert und in geeigneter Weise visuell darstellt. Überwachungsgeräte können nach funktionalem Umfang sowie in der Methode der Überwachung, invasiv und nicht-invasiv, klassifiziert werden. Im Bereich des kardiovaskulären Monitoring ermöglicht das Elektrokardiogram (Abk. EKG) spezifische Signalanalysen der Erregungszustände des Herzens mittels nicht-invasiver Elektroden (Kramme 2002, S. 456ff).

Ein funktionales Pendant zu medizinischen Überwachungsgeräten, die eine einfache EGK-Ableitung vorweisen, ist im semiprofessionellen Sportbereich in Form von Pulsuhren und tragbaren Brustgurten anzutreffen. Diese Geräte verwenden ebenfalls das nicht-invasive Verfahren zur Ermittlung der Herzfrequenz und bieten darüber hinaus weitere spezifische Möglichkeiten zur Überwachung und Bewertung der körperlichen Leistung unter sportlicher Belastung (Neumann 2007, S. 41f).

Unter einem Überwachungsgerät mit einer anwendungsbezogenen Eingrenzung auf den Freizeit- und Breitensport sollen daher alle medizintechnischen Geräte aufgefasst werden, die mindestens eine nicht-invasive Messung der Herzfrequenz ermöglichen.

2.4 Realisierungspotentiale und Umfang der Java Micro-Edition

Mit weltweit mehr als 2,6 Milliarden kompatiblen Mobiltelefonen und einer Gemeinde von 6,5 Millionen Softwareentwicklern repräsentiert die Java-Plattform laut Unternehmensangaben eine der stärksten Plattformen im Mobiltelefon-Markt (Sun Microsystems 2009).

Mobiltelefone verfügen bedingt durch ihre kompakte Bauweise nur über begrenzte Hardware-Ressourcen und unterliegen daher gewissen Einschränkungen, die Software-orientierte Realisierungspotentiale begrenzen. Die limitierenden Faktoren sind insbesondere die im geringeren Umfang verfügbaren Speicherressourcen, die Prozessorleistung sowie die reduzierten Bildschirmauflösungen und eingeschränkten Interaktionsmöglichkeiten. Die Java Micro-Edition (Abk. JME) ist an diese speziellen Anforderungen angepasst und beinhaltet daher nur eine minimalistische Teilmenge der Java Standard-Edition-Bibliotheken (Abk. JSE-API). Der Grundumfang wird durch einen Konfigurationsstandard festgelegt, der durch ein Profil und optionale Pakete mit spezifischen Erweiterungen ergänzt werden kann (Breymann/Moseman 2008, S. 19ff).

2.4.1 Technologiespezifikation der Java Micro-Edition

Speziell für Mobiltelefone wurde die Connected Limited Device Configuration (Abk. CLDC) konzipiert, die neben der Spezifikation von Mindestanforderungen an die Hardware, eine optimierte Java-Virtual-Machine enthält. Die zugrunde liegende JSE-API ist neben einer Beschränkung des Gesamtumfangs auf elementare Pakete auch innerhalb der Pakete im Funktionsumfang reduziert. Somit stehen zahlreiche für JSE-Entwickler selbstverständliche Interfaces, Klassen, Datentypen und Methoden nicht für Implementierungsaufgaben zur Verfügung. Das Mobile-Information-Device-Profile (Abk. MIDP) ergänzt komplementär die CLDC-Konfiguration um eine Reihe spezifischer Pakete, die ein konzeptionelles Framework für die Anwendungsentwicklung mobiler Applikationen enthalten. Die zusätzlichen profilgebundenen Pakete ermöglichen durch einen hohen Abstraktionsgrad einen vereinfachen und standardisierten Zugriff auf die Ein- und Ausgabegeräte des Mobiltelefons, sowie dessen technische Möglichkeiten zur Datenübertragung. Für die persistente Datenspeicherung steht eine satzorientierte Datenbank zur Verfügung (Schmatz 2007, S. 13ff).

Die Abbildung 9 zeigt basierend auf der CLDC-Konfiguration 1.1 und dem MIDP-Profil 2.0 eine Zusammenfassung der zur Verfügung stehenden Möglichkeiten.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 9: Package-Übersicht CLDC 1.1 und MIDP 2.0 (nach Schmatz 2007, S.18ff; Sun JSR118 2006)

Abbildung in dieser Leseprobe nicht enthalten

Abb. 10: Mobile Service Architecture (Sun Microsystems 2007)

Die Realisierungspotentiale aus der Kombination von CLDC und MIDP ermöglichen die Entwicklung einfacher Applikationen. Die Nutzung zusätzlicher Funktionalitäten und spezieller Technologien wie Bluetooth oder Lokalisierung wird durch weitere optionale Pakete ermöglicht, die zu einem Industriestandard zusammengefasst werden. Die gegenwärtig aktuelle Mobile Service Architec-ture Plattform (Abk. MSA) definiert eine Menge optionaler Pakete mit der Zielsetzung die Kompati-bilität einer Applikation über Herstellergrenzen hinweg zu gewährleisten (Sun Microsystems 2007).

2.4.2 Midlet-Framework und Applikations-Lebenszyklus

Auf dem MIDP-Profil basierende JME-Applikationen werden durch ein oder mehrere MIDlet-Klassen repräsentiert, die über standardisierte Methoden zur Steuerung der Applikation verfügen. Die Kommunikation zwischen der Applikation und dem Mobiltelefon wird durch eine Application Management Software (Abk. AMS) realisiert. Die AMS ist für die ordnungsgemäße Installation, De-Installation, Ausführung sowie Fehlerbehandlung der JME-Applikationen verantwortlich und delegiert Benutzer-interaktionen aus Eingabegeräten an das in Ausführung befindliche MIDlet. MIDlets verfügen über einen Lebenszyklus mit fest definierten Zuständen, für die explizite Behandlungsmethoden vorgeschrieben sind. Die Methodenaufrufe können sowohl durch die Applikation selbst und bedingt durch externe Einflüsse über die AMS initiiert werden. Damit kann der Programmablauf einer JME-Applikation bei eingehenden Telefonanrufen oder sonstigen wichtigen Ereignissen unterbrochen und in einen kontrollierten Zustand überführt werden (Breymann/Moseman 2008, S. 41ff).

2.4.3 Persistente Datenspeicherung

Abbildung in dieser Leseprobe nicht enthalten

Abb. 11: Schematischer Aufbau eines RecordStore (Breymann/Mosemann 2008, S. 149)

Das MIDP-Profil spezifiziert mit dem Konzept der RecordStores, eine in Hinsicht auf den notwendigen Speicherverbrauch, effiziente Möglichkeit zur dauerhaften Speicherung und Verwaltung von beliebigen Daten. Die konkrete Realisierung wird durch das MIDP-Profil abstrahiert und obliegt dem Gerätehersteller. Mit einem einfachen Rechtekonzept wird der Zugriff auf die Record-Stores geregelt, womit die Möglichkeit zum Datenaus-tausch zwischen mehreren JME-Applikationen besteht. Abbildung 11 zeigt den schematischen Aufbau eines RecordStores. Dieser organ-isiert die Records genannten Datensätze mit eindeutigen Primärschlüsseln und speichert die Nutzinhalte als Byte-Arrays. Sowohl eine Filterung, als auch die Sortierung der Records, setzen eine konkrete Implementierung entsprechender Klassen voraus, mit der vorhandene Methoden zur Enumeration eines RecordStores parametrisiert werden können (Li/Knudsen 2005, S. 103ff).

2.4.4 Benutzeroberflächen und Interaktionsverarbeitung

Für die Realisierung von Benutzeroberflächen mit der JME stehen zwei verschiedene Konzepte[2] zur Verfügung. Die Canvas-Klasse ermöglicht den direkten Zugriff auf eine Bildschirm-Repräsentierung und erlaubt die pixelgenaue Erzeugung grafischer Elemente. Benutzerinteraktionen die über die Mobiltelefontastatur erfolgen, werden auf ganzzahlige Konstanten abgebildet. Dieser Ansatz ist mehrheitlich auf die Entwicklung von Spielen fokussiert und wird dementsprechend durch weitere spezielle Klassen wie GameCanvas für diesen Anwendungszweck unterstützt (Sun JSR118 2006).

[...]


[1] Basierend auf Sekundärliteratur finden sich weitere Berechnungsformeln für verschiedene sportliche Betätigungsfelder auf den Internetseiten des International Arctic Research Center, die denselben Grundansatz wie Ralston verfolgen: http://www.frontier.iarc.uaf.edu/~cswingle/misc/exercise.phtml

[2] Hinweis: Die Begriffe High-Level API, Screen-Klasse und LCDUI sowie Low-Level API und Canvas werden in der Literatur synonym verwendet.

Ende der Leseprobe aus 100 Seiten

Details

Titel
Entwicklung einer Mobiltelefon‐Applikation zur Erfassung und Visualisierung von biomedizinischen Daten aus einem drahtlosen Überwachungsgerät
Hochschule
Fachhochschule Bonn-Rhein-Sieg  (Informatik)
Note
1,0
Autor
Jahr
2010
Seiten
100
Katalognummer
V208954
ISBN (eBook)
9783656367253
ISBN (Buch)
9783656368328
Dateigröße
3521 KB
Sprache
Deutsch
Schlagworte
entwicklung, mobiltelefon‐applikation, erfassung, visualisierung, daten, überwachungsgerät
Arbeit zitieren
B.Sc. Michael Ajwani (Autor:in), 2010, Entwicklung einer Mobiltelefon‐Applikation zur Erfassung und Visualisierung von biomedizinischen Daten aus einem drahtlosen Überwachungsgerät, München, GRIN Verlag, https://www.grin.com/document/208954

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Entwicklung einer Mobiltelefon‐Applikation zur Erfassung und Visualisierung von biomedizinischen Daten aus einem drahtlosen Überwachungsgerät



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden