Számítógépes eljárás mozgászavarban megnyilvánuló betegségek kvantitatív állapotkövetésére



Hasonló dokumentumok
Laczkó József Semmelweis Egyetem, TSK Biomechanika Tanszék és Pázmány Péter Katolikus Egyetem, Információs Technológiai Kar

műszaki tudomány doktora 1992 Beosztás: stratégiai tanácsadó, tudományos tanácsadó Munkahelyek: Nokia -Hungary kft Veszprémi Egyetem

Oktatói önéletrajz Dr. Molnár Bálint

Végtagok mozgás-szabályozásának modellezése

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Feleségem Hizsnyik Mária, gyermekeim Gyula (1979) és Júlia (1981), unokáim Lola (2007), Kende (2010) és Márkó (2010)

TÁJÉKOZTATÁS A DOKTORI KÉPZÉSRŐL (a évről) Egyetemünkön működő doktori iskolák tudományágak szerinti felsorolása:

Étkezési javaslat automatizált generálása táplálkozási és életmód-tanácsadó rendszerhez

Gyalogos elütések szimulációs vizsgálata

Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar. Budapesti Műszaki és Gazdaságtudományi Egyetem

Villamosmérnöki és Informatikai Kar. A Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) számokban

Oktatói önéletrajz Dr. Fehér Péter

BUDAPESTI MŰSZAKI és GAZDASÁGTUDOMÁNYI EGYETEM Természettudományi Kar KOGNITÍV TUDOMÁNYI TANSZÉK. SZERVEZETI és MŰKÖDÉSI SZABÁLYZATA

A számítástechnika-oktatás kezdetei Magyarországon ÁTTEKINTÉS

Hazai és MTA-részvétel az Európai Unió 7. keretprogramjában (FP7)

Ízületi mozgások. összehasonlító biomechanikai vizsgálat

Oktatói önéletrajz Csató László

Statisztika oktatása és alkalmazása a mérnöki területen

Mesterszintű operációkutatási szakemberképzés a BME-n

Oktatói önéletrajz Dr. Gallai Sándor

Etológia Emelt A viselkedés mérése. Miklósi Ádám egyetemi tanár ELTE TTK Etológia Tanszék 2018

CURRICULUM VITAE. Dr. BLASKÓ Gábor

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Szakmai önéletrajz. Nyelvvizsga: Angol orvosi szaknyelv középfok (Bizonyítvány száma: D A 794/1997), orosz alapfok.

y ij = µ + α i + e ij

A tanulók oktatási azonosítójára és a két mérési területen elér pontszámukra lesz szükség az elemzéshez.

Publications of Jozsef Laczko ( )

Az Alba Regia Egyetemi Központ bemutatkozása.

alapján Orova Katalin Szűcs Sándor

Oktatói önéletrajz Dr. Csutora Mária

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Szerkesztők és szerzők:

Oktatói önéletrajz Ternai Katalin

ProSeniis projekt. Monos János GE Healthcare

A magyar doktori iskolák nemzetköziesedésének vizsgálata. Dr. Kovács Laura Tempus Közalapítvány június 5.

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán

Mesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek

BEVEZETÉS A SZÁMVITEL RENDSZERÉBE SZEMLÉLET ÉS MÓDSZERTAN

Oktatói önéletrajz Dr. Balázs Zoltán

a01t24 - Összesített hallgatói adatok a félévre

A Széchenyi István Egyetem nemzetközi és regionális kapcsolatai

A programozó matematikus szak kredit alapú szakmai tanterve a 2004/2005. tanévtől, felmenő rendszerben

Számv_00eleje 11/28/05 3:03 PM Page 1 BEVEZETÉS A SZÁMVITEL RENDSZERÉBE SZEMLÉLET ÉS MÓDSZERTAN

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Oktatói önéletrajz Dr. Balázs Zoltán

Oktatói önéletrajz Dr. Hufnagel Levente

Miről lesz szó? Videó tartalom elemzés (VCA) leegyszerűsített működése Kültéri védelem Közúthálózat megfigyelés Emberszámlálás

Oktatói önéletrajz Dr. Pogány Ágnes

SZAKMAI ÖNÉLETRAJZ Nyugat-Magyarországi Egyetem Széchenyi István Doktori Iskola Közgazdaságtudományok Doktora

Oktatói önéletrajz Dr. Békés Csaba János

SZAKMAI ÉLETRAJZ. Felsőfokú tanulmányok és végzettség: Budapesti Műszaki Egyetem, Villamosmérnöki Kar

Országos kompetenciamérés eredményei Kiskulcsosi Általános Iskola Telephelyi jelentés évfolyam szövegértés

AUDI HUNGARIA KARLSRUHE ÖSZTÖNDÍJ (2019/20)

Digitális Tananyag Minősítő Bizottság (DTMB) október december 31.

Oktatói önéletrajz Dr. Gábor András

A légkördinamikai modellek klimatológiai adatigénye Szentimrey Tamás

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

Oktatói önéletrajz Bozóki Sándor

A számítástechnika oktatásának kezdete az Óbudai Egyetem előd-intézményében a KKVMF-en II. (1976-) Sima Dezső március 11.

A szociális szféra kapcsolathálózati megközelítésben

alap közép felső angol német francia orosz

Oktatói önéletrajz Bozóki Sándor

CRT monitoros világosságészlelet egyeztető módszerek alkalmazása a színtévesztés diagnosztizálásában

Regresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program

Mérések és adatok a kézilabdázók teljesítményének prognosztizálásában és növelésében

Közalkalmazotti önéletrajz

8.3. Az Információs és Kommunikációs Technológia és az olvasás-szövegértési készség

A II. kategória Fizika OKTV mérési feladatainak megoldása

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

AKTUÁTOR MODELLEK KIVÁLASZTÁSA ÉS OBJEKTÍV ÖSSZEHASONLÍTÁSA

Szakmai önéletrajz. Tanulmányok: Tudományos minısítés:

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

4. óra: Egyenlőtlen tér a hazai jövedelemegyenlőtlenségi folyamatok vizsgálata

Kutatócsoportok értékelése a WFK-ban, tervezet (5. változat, )

MATEMATIKA - STATISZTIKA TANSZÉK

Szakmai önéletrajz Prof. Dr. Terdik György

Eötvös Loránd Tudományegyetem

AZ EGÉSZSÉGESEN ÉS A FOGYATÉKOSSÁG NÉLKÜL LEÉLT ÉVEK VÁRHATÓ SZÁMA MAGYARORSZÁGON

címe: 1117 Budapest, Magyar tudósok krt. 2. Legmagasabb iskolai végzettsége/egyetem,kar,szak,kelte/: BME VIK 1995.

Pető András Főiskola

Mozgáselemzés MEMS alapúgyorsulás mérőadatai alapján

SZERZŐINK (2015/5/3)

4. Lecke. Körök és szabályos sokszögek rajzolása. 4.Lecke / 1.

Végzettségek szintje szakonként. Mely szakokra képesített (tantárgyanként) középiskolai tanár egyetem történelem történelem. egyetem biológia biológia

Biomatika Intézet Neumann János Informatikai Kar Óbudai Egyetem. Dr. Kozlovszky Miklós egyetemi docens, intézetigazgató, OE NIK

CV - Dr. Nagy Enikõ. Informatika tanár, Eötvös Loránd Tudományegyetem Informatikai Kar, 2005.

Mobil Gamma-log berendezés hajtásláncának modellezése LOLIMOT használatával

KÖNYVTÁR-INFORMATIKAI KÉPZÉS A KLTE-N

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Programozási nyelvek 2. előadás

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

DR. KÁRPÁTI ISTVÁN. (Debrecen, ) SZAKMAI ÖNÉLETRAJZ

CAD-ART Kft Budapest, Fehérvári út 35.

Átírás:

Számítógépes eljárás mozgászavarban megnyilvánuló betegségek kvantitatív állapotkövetésére Fazekas Csaba 1,3, Vörös Tibor 3, Keresztényi Zoltán 2,3, Dr. Kozmann György 1,3, Laczkó József 1,2,3 1 Veszprémi Egyetem, 2 Semmelweis Egyetem (TF), 3 MTA Mûszaki Fizikai és Anyagtudományi Kutatóintézet Egy a mozgás zavarokban is megnyilvánuló betegségek objektív diagnosztikájára, az ebben szenvedô páciensek állapotkövetésére alkalmas idô- és költséghatékony rendszert fejlesztünk. Rendszerünk kettô számítógépes programból és egy interneten keresztül elérhetô adatbázisból áll. Az egyik programot a páciensek futtatják az otthoni számítógépükön. Ennek segítségével végzik el a mozgásteszteket. A program automatikusan kiszámítja a mozgások jellemzésére szolgáló paramétereket, majd továbbítja ezeket és a pácienseknek a tesztek elvégzésével kapcsolatos megjegyzéseit, az elektronikus páciens rekord részét képezô, központi adatbázisba. A másik program segítségével az orvos az interneten keresztül letöltheti a beteg adatbázisban lévô adatait és ezek alapján, a beépített szakértôi rendszer segítségével, felállíthatja a diagnózist. BEVEZETÔ Az egészséges és beteg emberek mozgásának kvantitatív jellemzése az utóbbi idôkben vált elérhetôvé Magyarországon [1,6-8]. Ezen vizsgálatokhoz használt berendezések azonban általában drágák, így csak az ezzel foglalkozó centrumokban érhetôk el. Ezzel szemben egy olyan rendszert fejlesztünk, amellyel az otthon végrehajtott, számítógép segítségével végzett mozgások jellemzésébôl diagnosztikai célú információk nyerhetôk, így ezek felhasználásával, a mozgászavarral járó betegségek (kutatás jelenlegi szakaszában elsôsorban a Parkinson-kór) távdiagnosztikája segíthetô, a páciens állapotkövetése megvalósítható idô- és költséghatékony módon. Ahhoz, hogy az emberi mozgást jellemezzük, elôször is definiálnunk kell azokat a mozgásokat és teszteket, amelyek alapján a mozgást jellemezni akarjuk. Mivel a kéz és kar mozgása precízen, jól koordinált, ezért elsôsorban a kéz és a kar mozgására definiálunk kvantitatív teszteket. Azonban tervezzük a láb mozgásának analízisét is. Három fajta tesztet terveztünk meg: Statikus teszt: a képernyôn megjelenô állandó alakzatot (egyhelyben álló kör, négyzet, háromszög) kell az egér segítségével körberajzolni. Dinamikus teszt: a képernyôn megjelenô mozgó labdát kell a számítógépes egér segítségével követni. Ennél a tesztnél mind a labda pályája, mind a sebessége változhat. Kötetlen pályájú teszt: a képernyôn megjelenik egy kiindulási hely, egy cél és egy vagy több akadály. A feladat az, hogy a páciens a kezdeti helyzetrôl a célba mozgassa az egér mutatóját úgy, hogy egyetlen akadályba se ütközzön bele. A tesztek során a program rögzíti az egérmutató koordinátáit. A fejlesztés jelenlegi szakaszáig még a statikus teszt lett megvalósítva, így az ezzel kapott eredményeket fogjuk bemutatni. MÓDSZEREK Ahhoz, hogy a mozgást jellemezni tudjuk, megfelelô paramétereket kell definiálni. Azon paramétereket tekinthetjük megfelelôknek, amelyekkel objektíven lehet a mozgást jellemezni, illetve alkalmasak arra, hogy segítségükkel a pácienseket különbözô egészségügyi kategóriákba soroljuk, függetlenül a használt számítógép konfigurációjától és beállításától. Paraméterek keresésére modellezési [2, 3] és statisztikai módszereket [4, 5] használunk. Lehetséges megfelelô paraméterek a variancia jellegû mennyiségek, amelyeket változatosságoknak hívunk. Ezek a kívánt és a rajzolt alakzatok közötti négyzetes hibával kapcsolatosak. A változatosságokat a normalizált idô függvényeiként számoljuk ki. Ennek oka az, hogy a páciensek egymás után többször végzik el ugyanazokat a teszteket, és az egyes végrehajtások ideje még ugyanannál a páciensnél is különbözô lehet. Ahhoz, hogy mégis összehasonlíthatóvá váljanak a tesztek, a felvett adatokat azonos hosszúságúra normáljuk (széthúzzuk, vagy összetoljuk) úgy, hogy minden teszt a 0. normalizált idôpontban kezdôdjön és a 99. normalizált idôpontban végzôdjön. A normalizáció után minden egyes normalizált idôpontban kiszámoljuk az egymás után felvett mozgáspályák változatosságait. Jelenleg kétféleképpen jellemezzük a mozgások változatosságát, melyek abban különböznek, hogy mihez viszonyítva számoljuk a rajzolt alakzatok eltérését. A kétféleképpen számolt változatosság a következô: 32

Standard variancia: definíció szerint képezzük a középértéket, azaz kiszámoljuk a rajzolt alakzatok számtani közepét, majd minden egyes rajzolt alakzatnak ettôl való eltérését tekintjük az összetartozó normalizált idôpontokban. Pozíció változatosság: Az egyes mozgáspályák pontjainak a kívánt alakzat azon pontjától való eltérését tekintjük, amely a felvett mozgáspályának az adott normalizált idôpontbeli értékéhez a legközelebb esik. Ezeknek az értékeknek a négyzetösszegét számítjuk. A mozgás jellemzésének szempontjából a kétféle változatosság között az a különbség, hogy a standard varianciát befolyásolja az egymás után elvégzett tesztek közötti mozgási sebesség is, míg a pozíció változatosságot csak a kívánt alakzattól való eltérés határozza meg. Azaz, ha pontosan körberajzoljuk a kívánt alakzatot, akkor a pozíció változatosság értéke minden normalizált idôpontban nulla lesz, míg a standard variancia értéke ugyanebben az esetben lehet pozitív is, ha az azonos normalizált idôpontban a különbözô végrehajtások során más és más sebességgel mozgott az egérmutató. A diagnózis felállításában a fent említett paraméterek úgy segíthetnek, hogy összehasonlítjuk az újonnan számolt változatosság függvényeket a korábbiakkal, valamint más páciensek változatosság függvényeivel. A változatosság függvényeket számokkal is jellemezhetjük, pl.: az adott függvény középértékével és a szórásával. Ezekkel további elemzések végezhetôk a diagnózis felállításához. A teszteket jelenleg 13 fiatal (22-27) és egészséges, 7 idôs (55-70) és egészséges, illetve 3 idôs (60-62) és Parkinson-kórban szenvedô ember végezte el. Mindannyian jobb kezesek és gyakorlott számítógépes egér használók voltak, kivéve az egyik Parkinson-kóros beteget, aki nem használt rendszeresen számítógépet. A három Parkinson-kóros beteg közül kettônél a bal kéz, míg a számítógépet ritkábban használó beteg esetén a jobb kéz mozgásán mutatkozott erôsebben a mozgászavar. Mindhárom Parkinson-kórban szenvedô betegnél öt évvel ezelôtt diagnosztizálták elôször a kórt. Mindannyian egymás után többször végezték el a teszteket, mind bal mind jobb kézzel. A vizsgálati protokollban azt adtuk meg, hogy kényelmesen helyezkedjenek el a számítógép elôtt, az egérmutató mozgási sebessége természetes legyen, és az alakzatokat mindig az óramutató járásával megegyezô irányba rajzolják körbe. Mindenki ugyanolyan konfigurációjú számítógépet használt. EREDMÉNYEK Elôször is a statikus teszt szemléltetésének kedvéért bemutatjuk az 1. ábrán a kör rajzolás eredményét egy Parkinson-kórban szenvedô és egy idôs, egészséges páciens esetén. Az itt szereplô Parkinson-kóros páciensnél a bal kar mozgását befolyásolta jobban a kór. A folytonos, vastag vonal mutatja a körberajzolandó alakzatot, míg a szaggatott, vékony vonalak a körberajzolási teszt eredményei. 1. ábra Bal és jobb kézzel történt kör rajzolás eredménye egy egészséges és egy Parkinson-kórban szenvedô páciens esetében. A vastag, folytonos vonal a körberajzolandó kört, míg a vékony, szaggatott vonalak a körbe rajzolásokat mutatják. Látható, hogy a kívánt alakzattól való legnagyobb eltérés a Parkinson-kórban szenvedô páciens bal kézzel történô körberajzolásakor van, de a jobb kézzel történô rajzolás esetén is nagyobb a Parkinson-kóros beteg rajzolásának eltérése a körtôl, mint az egészséges páciens rajzolásának az eltérése. Ezen szemléltetés után hasonlítsuk össze az idôs, Parkinson-kórban szenvedô páciensek normalizált idôben vett változatosság függvényeinek az átlagát, az idôs és egészséges páciensek normalizált idôben vett változatosság függvényeinek átlagával. Ez a vizsgálat alkalmas arra, hogy kimutassa az egészséges és a Parkinson-kórban szenvedô páciensek mozgásában lévô különbséget. Azonban meg kell jegyeznünk, hogy jelen pillanatban ebbôl az összehasonlításból csak hipotézist állíthatunk fel a mintában szereplô kis esetszám miatt. A hipotézis megerôsítéséhez vagy elvetéséhez további pácienseknek kell a teszteket elvégezni. Továbbá, mivel a változatosság értékek jelentôsen eltérnek egymástól, ezért a jobban láthatóság kedvéért a függôleges tengely beosztása ábráról-ábrára változik. A 2., illetve a 3. ábrán láthatóak a két csoport mozgásának változatosság függvényei kör, illetve négyzet rajzolás esetén. Megfigyelhetjük, hogy a Parkinson-kórban szenvedô páciensek átlagos változatossága nagyobb, mint az egészségeseké mindkét változatosság számítás és mindkét teszt esetén. Kör rajzolás esetén, mindkét csoportnál a változatosság általában a mozgás közepénél a legnagyobb, azaz akkor, amikor kb. kör felénél tartottak a rajzolásban. A mozgás elején és végén azért kicsi a változatosság, mert a kiindulási hely és a cél is egy kijelölt, kis négyzet, így ezek fix pontként szolgálnak. 33

2. ábra Körrajzolásból számolt változatosság függvények. A folytonos vonal mutatja a Parkinson-kórban szenvedôk, míg a szaggatott az idôs, egészséges páciensek mozgásának átlagos változatosság 4. ábra Parkinson-kórban szenvedôk és idôs, egészséges paciensek átlagos változatosság függvényének középértéke és szórása. Ezután hasonlítsuk össze az egészséges fiatalok és az egészséges idôsek mozgásának változatosság függvényeit. Ennek az összehasonlításnak az a célja, hogy megtudjuk, befolyásolja-e az életkor a mozgás változatosságát. A változatosság függvények az 5. és a 6. ábrán láthatóak. 3. ábra Négyzetrajzolásból számolt változatosság függvények. A folytonos vonal mutatja a Parkinson-kórban szenvedôk, míg a szaggatott az idôs, egészséges páciensek mozgásának átlagos változatosság Négyzet rajzolás esetén a standard varianciában általában megfigyelhetünk négy lokális minimumot. Ezek a négyzet négy csúcsának felelnek meg. Ugyanis, valószínûleg valamilyen pszichológiai okból, az alakzatok csúcsait az összes páciens lassan, így relatíve pontosan, a mozgásának ugyanazon fázisában rajzolta meg, így ezek az induló és cél helyhez hasonlóan fix pontként viselkednek. Jellemezzük mindegyik normalizált idôbeli változatosság függvényt két számmal: a középértékével és a szórásával. Ezeket is hasonlítsuk össze. Ez az összehasonlítás látható a 4. ábrán. Észre vehetjük, hogy mind az átlagos változatosság függvény középértéke, mind a szórása nagyobb a Parkinson-kórban szenvedô páciensek esetén. 5. ábra Körrajzolásból számolt átlagos változatosság függvények. A folytonos vonal mutatja az idôs, egészséges, míg a szaggatott a fiatal, egészséges páciensek mozgásának átlagos változatosság függvényét. A felsô sorban a standard variancia, míg az alsóban a pozíció változatosság látható. A variancia tengely beosztása igazodik a változatosság függvény értékeihez. 6. ábra Négyzetrajzolásból számolt átlagos változatosság függvények. A folytonos vonal mutatja az idôs, egészséges, míg a szaggatott a fiatal, egészséges páciensek mozgásának átlagos változatosság 34

Az összehasonlítás alapján felállíthatjuk azt a hipotézist, hogy az életkor és a mozgás változatossága között összefüggés van, mégpedig korral nô a változatosság. Szintén hasonlítsuk össze az átlagos változatosság függvények középértékét és szórását. Ezt mutatja a 7. ábra, amirôl leolvashatjuk, hogy az átlagos változatosság függvény középértéke és szórása is nagyobb idôsebb páciensek esetén. Mivel mindegyik páciens jobbkezes volt, így ez az utolsó összehasonlítás megfelel a domináns kéz, nem domináns kéz összehasonlításának. Azaz láthatjuk, hogy a domináns kéz mozgásának változatossága kisebb, mint a nem domináns kéz mozgásának változatossága. 7. ábra Az idôs, egészséges, illetve a fiatal, egészséges paciensek átlagos változatosság függvényének középértéke és szórása. ÖSSZEFOGLALÁS Az eddigi tesztek a páciens mentális, viselkedési, hangulati és mozgási állapotát igyekeztek feltárni. Mivel ezek kérdés-válasz jellegû tesztek, így az eredményük nem objektív, hanem szubjektív. Ezzel szemben a bemutatott rendszer képes objektíven jellemezni a páciens mozgási állapotát, így kiegészíti az eddigi teszt eredményeket. Az elôzetes eredmények alapján tehát megállapíthatjuk, hogy a különbözô változatosságokkal az emberi mozgás jellemezhetô. Megmutattuk, hogy az egészséges és a Parkinson-kórban szenvedô páciensek mozgásai között a paraméterekben jól tükrözôdô különbség van. A különbség szignifikanciájának kimutatásához azonban, további pácienseknek kell a teszteket elvégezni. Reményeink szerint a fejlesztés alatt álló rendszer segíti az orvost a Parkinson-kór korai felismerésében, a páciens állapotának, ill. a gyógyszerek hatásának idô- és költséghatékony nyomon követésében. Tekintettel arra, hogy a páciens otthonában naponta többször elvégezheti a teszteket és ezek eredményeit, ill. a teszt elvégzésének körülményeit elküldi az orvosnak, az állapotingadozás részletesen is vizsgálhatóvá válik. Az új diagnózis felállítása után az orvos választ küldhet a betegnek és megadhatja a kezeléshez szükséges újabb információkat. Jelenleg egy három éves kutatói munka elején tartunk. Reményeink szerint a munka befejeztével egy hasznos diagnosztikai eszközt adhatunk át az orvos társadalomnak. KÖSZÖNETNYILVÁNÍTÁS Munkánkat sokat segítette Dr. Arató Péter, akinek segítségét ezúton szeretnénk megköszönni. A projectet az NKFP (2/052/2001), az OTKA T-29391 és az OTKA T-34548 támogatta. IRODALOMJEGYZÉK [1] Herczegfalvi A, Laczko J, Tihanyi J: Joint rotations and muscle activities during healthy and dystonic arm movements. In: Progress in Motor Control II. p.88. Publ. The Pennsylvania State University, 1999 [2] Laczko J: Modeling of multi-joint movements. Kalokagathia, 2001, Special. Issue, pp.91-96., 2001 [3.] Turvey, M.T.: Coordination. American Psychologist 45, 938-953., 1990 [4] Domkin D., Laczko J., Jaric S., Johansson H., Latash ML.: Structure of Joint Variability in Bimanual Pointing Task. Exp. Brain Research. V.143. pp: 11-23,, 2002 [5] Latash ML., Zatsiorsky VM: Classics in Movement Science, pp. 409-435. Publ. Human Kinetics. ISBN 0-7360-0028-3, 2001 [6] Kocsis L, Szilágyi T: Járás, futásvizsgálatok hazai lehetôségei a Magyar Testnevelési Egyetem és a BME keretein belül, XXI. Neumann Kollokvium, 1998. november 12-14, Veszprém, pp:43-48., 1998. [7] Laczkó J, Fazekas Cs, Kozmann Gy: Emberi karmozgások jellemzése az izületi elfordulások közötti kapcsolat stabilitásával, XXII. Neumann Kollokvium, 2000. november 9-10, Veszprém, pp:13-15 [8] Kocsis L, Jurák M: Karmozgások jellemzésére használatos kinematikai paraméterek áttekintése, XXII Neumann Kollokvium, 2000 November 9-10, Veszprém, pp:28-31 (folytatás a következô oldalon.) 35

A SZERZÔK BEMUTATÁSA Fazekas Csaba Mérnök-informatikus (Summa cum laude), Veszprémi Egyetem 2002. Jelenleg a Veszprémi Egyetem Informatikai Doktori Iskolájának elsô éves hallgatója. Kutatási területe: mozgás analízis, szimuláció, valamint a mozgásnak és vezérlésének a modellezése. Keresztényi Zoltán Humánkineziológus (Semmelweis Egyetem, TF 2001). Jelenleg másodéves Ph.D hallgató a Semmelweis Egyetemen (TF). Kutatási témája: a mozgás idegi vezérlésének modellezése. Az MTA MFA munkatársa. Vörös Tibor Végzettség: ELTE TTK matematika-fizika-számítástechnika (angol nyelvû) (1995), BME PhD Informatikai Tudományok Doktori Iskola, Automatizálás Tanszék: Neural Networks in Movement Coordination (1997-2000, folyamatban) Egyéb végzettség, eredmény: 1993 Az évfolyam kiváló hallgatója, 1994 Cambridge Advanced English Grade A, 2000 Német alapfokú vizsga, 2001 M é r - legképes könyvelô Gyakorlat: 1994 IT Oktató: Hereford Cathedral School (HCS), Great Britain, Hereford, 1995 Fordítási Manager: Exact Hungary Ltd, 1996 IT Vezetô Oktató: Quaternio Kft., 1996 Könyvelô & rendszerszervezô: lízing/pénzügyi cégek, 1996 IT Vezetô Oktató: University of Hertfordshire (Számalk Rt, Hungary, Budapest), 1999 2002 Rendszerfejlesztô/Programozó : University of Stockholm, Department of Finnish, 2000 2001 IT Oktató: Open Business School, 2001 2002 IT Oktató: Synergon Rt., 2001 2002 IT Oktató: Central European University/IMC (Case Western Weatherhead) Kutatási terület: Mesterséges intelligencia, neurális hálózatok, mozgásmodellezés. Laczkó József (Ph.D., ELTE matematikus). A KFKI Mérés és Számítástechnikai Kutató Intézetében kezdett dolgozni. 1984-ben az angliai Hatfield Polytechnic School of Information Sciencesnél töltött fél évet. 1985-ben kezdett az emberi mozgás modellezésével foglalkozni. Ekkor kapott meghívást a New York University Medical Center-be, amelynek Fiziológia és Idegtudományi Osztályával azóta is aktív kutatásokat végez ezen a tudomány területen. 1991-ben a Francia Oktatási Minisztérium ösztöndíjasaként egy évet Párizsban, majd 1993-ben az Európai ûrkutatási ügynökség ösztöndíjasaként egy évet a müncheni Ludwig Maximilians Egyetemen dolgozott. 1996 óta Magyar Testnevelési Egyetemen dolgozik. Jelenleg a Semmelweis Egyetem Testnevelési és Sporttudományi Karának Biomechanika Tanszékének egyetemi docense és az MTA MFA, valamint a Veszprémi Egyetem tudományos fômunkatársa. Számos nemzetközi és hazai kutatási projekt résztvevôje. Dr. Kozmann György Az MTA doktora. Villamosmérnöki oklevelet 1964-ben szerzett a Budapesti Mûszaki Egyetemen. Ezt követôen az MTA KFKI kutatója lett. Kezdetben szilárdtestfizikai és reaktorfizikai mérésekkel foglalkozott, 1972-73-ban az Institut Laue-Langevin (Grenoble) vendégkutatója. Biomérnöki kutatásokkal foglalkozik 1973-tól, az erre a feladatra létrehozott osztály vezetôjeként. 1986 és 1989 között a Nora Eccles Harrison Research and Training Institute, University of Utah vendégprofesszora. A KFKI átalakulását követôen az MTA MFA Biomérnöki Osztályának vezetôje lett. A felsôoktatásba intenzíven 1993-ban kapcsolódott be, a Veszprémi Egyetemen. 1998-óta fôállásban a Veszprémi Egyetem Információs Rendszerek Tanszékének a vezetôje. Vezetése alatt indult meg az országban elsôként az egyetemi szintû graduális egészségügyi informatika képzés szakirány szinten, a Mûszaki informatika szak keretében. Vezetôje volt az egészségügyi informatika témakörében futó Ph.D. alprogramnak, jelenleg a Veszprémi Egyetem Informatikai Tudományok Doktori iskolájának alapító tagja. A NJSZT Orvosbiológiai Szakosztály elnöke, az MTA Orvosi Informatika Munkabizottság tagja, a VEAB Egészségügyi Informatika Munkabizottság elnöke, a MIE 2002 Európai Orvosi Informatikai Kongresszus Helyi Szervezô Bizottságának elnöke, az Információ és Menedzsment az Egészségügyben címû lap fôszerkesztôje, az NKFP 2/052 Költséghatékony egészségmegôrzés és gyógyítás információtechnológiai módszerekkel c. projekt konzorciumvezetôje. Szakmai érdeklôdése elsôsorban az elektrokardiológiai mérések és modellezések terére, valamint a távdiagnosztikára terjed ki. 36