Unsere Projekte umfassen sowohl grundlagenorientierte als auch angewandte Forschung an der Schnittstelle zwischen Gesundheit, Sozialem und digitalen Technologien.
Projekte
IMPROVE
Leitlinien, um patientengenerierte Gesundheitsdaten für wertorientierte Gesundheitsversorgung zu nutzen.
ADAL
KI-Server für datengestützte Forschung in großem Maßstab
PROGRESS
Validierung eines kostengünstigen und auf Smartphones basierenden 3D-Gang- und Bewegungsanalysesystems zur Erfassung der Bewegungskinematik bei Kindern mit Zerebralparese.
ACCESS
Bewertung klinisch relevanter biomechanischer Biomarker im Feld zur Vorhersage der körperlichen Funktion und Gesundheit bei Patient*innen mit Kniegelenksarthrose: Eine bundesweite Citizen Science Stu...
E³UDRES² 2.0
E³UDRES² steht für “Engaged and Entrepreneurial European University as Driver for European Smart and Sustainable Regions” und ist ein neun Universitäten und Fachhochschulen umspannendes Hochsc...
- Carl Ritter von Ghega Institut für integrierte Mobilitätsforschung
- Center for Digital Health and Social Innovation
- Ilse Arlt Institut für Soziale Inklusionsforschung
- Institut für Creative\Media/Technologies
- Institut für Gesundheitswissenschaften
- Institut für IT Sicherheitsforschung
- Institute for Innovation Systems
VReeze
Entwicklung einer Open-Source-Virtual-Reality-Lösung, um das "Einfrieren" von Bewegungen bei Parkinson Patient*innen besser behandeln zu können.
EyeQTrack – Quantitative Blickerfassunganalytik für adaptives XR-Training und Rehabilitation im Gesundheitswesen
Eine adaptive eXtended-Reality-Umgebung für Trainings- und Therapiezwecke.
Angewandte Biomechanik in der Rehabilitationsforschung
Stiftungsprofessur des Landes Niederösterreich zur Stärkung und Ausbau des Forschungsschwerpunkts Motor Rehabilitation
ULTRASKEL3D
Ultraschallgestützte Skelett-3D-Scans für personalisierte Muskuloskelettale Modellierungen.
3WinPA
Sozio-technische Lösung für ein gesundes und klimakompetentes Leben pflegender Angehöriger in Caring
Communities.
deepForce - Zeiteffiziente Bestimmung der Kniekontaktkräfte in der klinischen Ganganalyse mit Hilfe von Machine und Deep Learning
Nutzt Deep Learning, um komplexe muskuloskelettale Simulationen in der Ganganalyse Kliniker*innen auf einfache und schnelle Art und Weise zugänglich zu machen?
Smart Companion 2
Alltagsgeräte als nützliche Helfer und Assistenzsysteme in Notsituationen.