| 1. |
|
|
| 2. |
- Lösch, Christiane, et al.
(author)
-
Visuelle Bewegungskontrolle geführter Kraftübungen bei jungen Erwachsenen und Senioren
- 2018
-
In: German Journal of Exercise and Sport Research. - : Springer Science and Business Media LLC. - 2509-3142 .- 2509-3150. ; 48:3, s. 428-437
-
Journal article (peer-reviewed)abstract
- Visuelle Bewegungskontrolle (Feedback) kann im Rahmen des rehabilitativen Krafttrainings unterstützend wirken, um eine korrekte Bewegungsausführung zu gewährleisten. Allerdings liegen speziell zum Krafttraining kaum Studien zur Effektivität visueller Bewegungskontrolle vor. Um den Effekt eines visuellen Feedbacks während einer geführten Kraftübung (Schulterdrücken) zu untersuchen, wurden 18 junge Probanden (28,8± 5,5 Jahre) und 12 Senioren (67,9± 4,1 Jahre) getestet. Die Probanden führten am Kraftgerät die Übung Schulterdrücken (3 Sätze, 15 Wiederholungen) randomisiert mit und ohne visuelle Bewegungskontrolle durch. Am Messtag 1 trainierten die Probanden ohne Trainingsgewicht, am Messtag 2 mit 50% des Ein-Wiederholungsmaximums (1RM). Die Gelenkwinkelverläufe von Ellenbogenextension und -flexion wurden erfasst. Anschließend erfolgtemittels Autokorrelation die Bestimmung der Reproduzierbarkeit des Bewegungsablaufes.Mit Feedback erzielten die Probanden eine signifikant bessere Reproduzierbarkeit der Bewegung als ohne (χ2= 19,73; p< 0,001). Die Gewichtsbelastung zeigte keinen Effekt auf die Bewegungsgenauigkeit (p> 0,05). Die Altersgruppe der Probanden zeigte einen signifikanten Effekt (χ2= 6,00; p= 0,014), welcher eine höhere Bewegungsgenauigkeit der jüngeren Probandengruppe abbildet. Es konnte gezeigt werden, dass die visuelle Bewegungskontrolle bei geführten Kraftbelastungen geeignet ist, die Bewegungsausführung zu kontrollieren. In klinischen Settings kann dies eine Möglichkeit darstellen, die Bewegungsausführung bei geführten Kräftigungsübungen zu steuern und eine gezielte Muskelarbeit sicherzustellen. Zukünftige Untersuchungen sollen klären, ob ein visuelles Feedback bei freien Übungen Auswirkungen auf die Bewegungsqualität hat.
|
|
| 3. |
- Wagner, Nils, et al.
(author)
-
Deep learning-enhanced light-field imaging with continuous validation
- 2020
-
Other publication (other academic/artistic)abstract
- Light field microscopy (LFM) has emerged as a powerful tool for fast volumetric image acquisition in biology, but its effective throughput and widespread use has been hampered by a computationally demanding and artefact-prone image reconstruction process. Here, we present a novel framework consisting of a hybrid light-field light-sheet microscope and deep learning-based volume reconstruction, where single light-sheet acquisitions continuously serve as training data and validation for the convolutional neural network reconstructing the LFM volume. Our network delivers high-quality reconstructions at video-rate throughput and we demonstrate the capabilities of our approach by imaging medaka heart dynamics and zebrafish neural activity.
|
|
| 4. |
- Wagner, Nils, et al.
(author)
-
Deep learning-enhanced light-field imaging with continuous validation
- 2021
-
In: Nature Methods. - : Springer Science and Business Media LLC. - 1548-7105 .- 1548-7091. ; 18:5, s. 557-563
-
Journal article (peer-reviewed)abstract
- Visualizing dynamic processes over large, three-dimensional fields of view at high speed is essential for many applications in the life sciences. Light-field microscopy (LFM) has emerged as a tool for fast volumetric image acquisition, but its effective throughput and widespread use in biology has been hampered by a computationally demanding and artifact-prone image reconstruction process. Here, we present a framework for artificial intelligence-enhanced microscopy, integrating a hybrid light-field light-sheet microscope and deep learning-based volume reconstruction. In our approach, concomitantly acquired, high-resolution two-dimensional light-sheet images continuously serve as training data and validation for the convolutional neural network reconstructing the raw LFM data during extended volumetric time-lapse imaging experiments. Our network delivers high-quality three-dimensional reconstructions at video-rate throughput, which can be further refined based on the high-resolution light-sheet images. We demonstrate the capabilities of our approach by imaging medaka heart dynamics and zebrafish neural activity with volumetric imaging rates up to 100 Hz.
|
|
