Regulation Stability Analysis Intelligent Learning - ARTEMIS Experiment SpacePatch. Autarkic Tiny AI Systems for Stability Analysis of cardiovascular Regulatory Mechanisms using intraindividual Time Series Feature Aggregation and longitudinal Machine Learning. (RESIL-ARES 50WB2321)
Third party funded individual grant
Acronym: RESIL-ARES 50WB2321
Start date : 01.12.2023
End date : 31.05.2025
Project details
Scientific Abstract
Das Vorhaben ARES „Artemis Experiment Space Patch“ basiert auf dem „DLR Call for Ideas - KI für Raumfahranwendungen“.
Es verbindet high end wearable Biosensoren - z.B. den Seismokardiographiesensor für ARTEMIS II /ORION - mit Tiny-AI-gestützter Signal- und Zeitreihenverarbeitung für individualisierte Human Machine Communication (HMC) mit dem Ziel, die Mechanismen und Stabilität kardiovaskulärer Regulationsprozesse (RES) tiefer verstehen sowie besser klassifizieren zu können. Im Bereich der integrierten Leistungsphysiologie unter extremen Umgebungs- und Belastungsbedingungen ist die Bewertung und mögliche Vorhersage der individuellen Belastbarkeit essentiell. Die intraindividuelle RES-Analyse möglicher Risiken, die bis zum Missionsabbruch führen könnten, sind Kern des Vorhabens.
Die Anwendung neuer KI-Lernmodelle (IL) zum bekannten, aber hochkomplexen Zusammenspiel der Regulationssysteme verschiedener Ebenen des kardiovaskulären Systems und seiner mechanischen und elektrischen Biosignale sollen zum „safe return“ der Astronauten beitragen. Dies ist der Schwerpunkt des Vorhabens, basierend auf der für ein longitudinales RES-Lernen (RESIL) geeigneten neuartigen Aggregation von Zeitreihenmerkmalen – auch unter Langzeitflugbedingungen, z.B. Tiny AI Lernen ohne Lehrer.
Im Vorhaben werden Komponenten einer Tiny-AI mit Datenbanken und Schnittstellen in einem modularem autarken – Internet- und Cloud unabhängigem - und für „ARTEMIS and beyond“ Missionen geeignetem - Prototypsystem RESIL-ARES entwickelt, adaptiert und zusammengefasst. Daraus werden Applikationen abgeleitet, z.B. das inflight-System für ARTEMIS II und „:envihab“-System für preflight-Lernen / postflight-Analysen. Das an der FAU im Vorhaben aufzubauende autarke, kliniknetzunabhängige System umfasst das Öko-, Entwicklungs- und Testsystem für die neuen Methoden sowie für deren Programmierung, das Auswertesystem und weitere notwendige traditionelle KI-Komponenten für Biomedical Science und Data Science.