Global ETD Search

101	Towards Navigational Aids using Augmented Reality for People with Alzheimer’s Disease in Outdoor Environments : A user study using HoloLens 2 around a University campus Prémont, Léa January 2023 (has links) This paper investigates the potential of augmented reality (AR) as a navigational aid for individuals with Alzheimer’s disease (AD), offering innovative solutions to the evolving challenges of AD care. As the disease progresses, patients often require more assistance and may transition to care centers, resulting in reduced independence. Prior to this, home-based care aims to stimulate cognitive functions and preserve autonomy. To enhance their freedom and mobility, it is proposed to leverage AR technology to create a first-person navigational aid addressing the unique needs of AD patients. The research confronts two primary challenges: firstly, exploring the design of AR navigational aids customized for individuals with Alzheimer’s disease adapted to outdoor use. Then, it aims to develop an outdoor localization system for the HoloLens 2 and evaluate its performance. Despite limitations induced by the approximate positioning, various types of aids compatible with the technical constraints faced have been envisioned. A set of features was implemented using the optical see-through AR headset HoloLens 2. These features included two distinct types of holograms (Arrow and Wind) and the ability to catch user attention prior to turns, allowing us to explore the effectiveness of these design choices. They were evaluated through a user study involving 15 healthy participants. Usability and task load were measured with Nasa-TLX and SUS questionnaires. An approximate positioning for outdoor use of the HoloLens 2 was elaborated using a smartphone as a GPS receiver, and a Kalman filter for filtering and fusion with IMU data. This enables to reach positioning accuracy at the meter level. This research demonstrates the promising utility of AR in assisting navigation in outdoor environments. Despite few significant results, the Arrow hologram appears to be a better fit for usability and users’ personal preferences. Further research is needed to get significant results on the impact of adaptive aids. The outdoor use of AR navigational aids is still limited by the poor visibility of holograms outdoors and low positioning accuracy. / Denna artikel utforskar potentialen hos förstärkt verklighet (AR) som navigationshjälpmedel för personer med Alzheimers sjukdom (AD) och erbjuder innovativa lösningar inom AD-vård. När sjukdomen fortskrider behöver patienterna mer hjälp och kan övergå till vårdcentraler, vilket minskar deras självständighet. Hemvård strävar efter att stimulera kognitiva funktioner och bevara autonomi. Vi föreslår utnyttja AR-teknologi för en skräddarsydd navigeringshjälp i första person för AD-patienters behov. Forskningen möter två utmaningar: att utforska AR-navigeringshjälpmedel för personer med Alzheimers sjukdom och anpassade för utomhusanvändning. Vi strävar efter att utveckla utomhuslokaliseringssystem för HoloLens 2 och utvärdera prestanda. Trots begränsningar på grund av ungefärlig positionering kan vi föreställa oss hjälpmedel som är kompatibla med tekniska begränsningar. Vi använde HoloLens 2 med funktioner som två hologramtyper och användaruppmärksamhetsfångst före svängar, utvärderat med 15 deltagare. Vi skapade ungefärlig positionering för HoloLens 2 utomhus med en smartphone som GPS-mottagare, med Kalman-filtrering och IMU-fusion för meter-noggrannhet. Forskningen visar AR:s lovande nytta i utomhusnavigering. Trots få signifikanta resultat verkar pilhologrammet passa användbarhet och preferenser bättre. Mer forskning behövs för att bedöma adaptiva hjälpmedels effekter. Användningen av AR-navigeringshjälpmedel utomhus begränsas av dålig synlighet och låg positionsnoggrannhet. / Cet article explore le potentiel de la réalité augmentée (RA) comme aide à la navigation pour les personnes atteintes de la maladie d’Alzheimer (MA), offrant une solution novatrice aux défis en constante évolution des soins liés à la MA. À mesure que la maladie progresse, les patients ont souvent besoin d’une assistance accrue et sont transférés dans des centres de soins, ce qui diminue leur indépendance. Avant cela, les soins à domicile visent à stimuler leurs fonctions cognitives et à préserver leur autonomie. Dans cette optique, nous proposons d’utiliser la RA pour créer une aide à la navigation à la première personne adaptée aux besoins spécifiques des patients atteints de la MA. La recherche aborde deux défis principaux : la conception d’aides à la navigation en RA pour les personnes atteintes de la MA, adaptées à une utilisation en extérieur, et le développement d’un système de localisation en extérieur pour HoloLens 2, suivi de son évaluation. Malgré les limitations liées au positionnement approximatif, nous avons envisagé différents types d’aides compatibles avec ces contraintes techniques. Nous avons mis en place un ensemble de fonctionnalités en utilisant le casque de RA HoloLens 2. Ces fonctionnalités incluent deux types d’hologrammes (Flèche et Vent) et la capacité à attirer l’attention de l’utilisateur avant les virages, nous permettant d’explorer l’efficacité de ces choix de conception. Ils ont été évalués lors d’une étude avec 15 participants en bonne santé. Nous avons élaboré une méthode de positionnement approximatif pour une utilisation en extérieur de l’HoloLens 2 en utilisant un smartphone comme récepteur GPS, avec un filtre de Kalman pour le filtrage et la fusion avec des données inertielles, permettant d’atteindre une précision de positionnement au mètre. Cette recherche démontre l’utilité prometteuse de la RA dans l’assistance à la navigation en extérieur, bien que des recherches supplémentaires soient nécessaires pour obtenir des résultats significatifs sur l’impact des aides adaptatives. L’utilisation des aides à la navigation en RA en extérieur est encore limitée par la visibilité réduite des hologrammes en extérieur et la faible précision du positionnement. Augmented reality Alzheimer’s disease Navigation Assistive technology HoloLens 2 Optical See-Through Localization Kalman filter Hologram TLX SUS Réalité augmentée Alzheimer Navigation Technologie d’assistance HoloLens 2 Optical See-Through Localisation Filtre de Kalman Hologramme TLX SUS Förstärkt verklighet Alzheimers sjukdom Navigering Tekniska hjälpmedel HoloLens 2 Optisk genomskinlighet Lokalisering Kalman-filter Hologram TLX SUS Computer and Information Sciences Data- och informationsvetenskap
102	Detection and localization of cough from audio samples for cough-based COVID-19 detection / Detektion och lokalisering av hosta från ljudprover för hostbaserad COVID-19-upptäckt Krishnamurthy, Deepa January 2021 (has links) Since February 2020, the world is in a COVID-19 pandemic [1]. Researchers around the globe are pitching in to develop a fast reliable, non-invasive testing methodology to solve this problem and one of the key directions of research is to utilize coughs and their corresponding vocal biomarkers for diagnosis of COVID-19. In this thesis, we propose a fast, real-time cough detection pipeline that can be used to detect and localize coughs from audio samples. The core of the pipeline utilizes the yolo-v3 model [2] from vision domain to localize coughs in the audio spectrograms by treating them as objects. This outcome is transformed to localize the boundaries of cough utterances in the input signal. The system to detect coughs from CoughVid dataset [3] is then evaluated. Furthermore, the pipeline is compared with other existing algorithms like tinyyolo-v3 to test for better localization and classification. Average precision(AP@0.5) of yolo-v3 and tinyyolo-v3 model are 0.67 and 0.78 respectively. Based on the AP values, tinyyolo-v3 performs better than yolo-v3 by atleast 10% and based on its computational advantage, its inference time was also found to be 2.4 times faster than yolo-v3 model in our experiments. This work is considered to be novel and significant in detection and localization of cough in an audio stream. In the end, the resulting cough events are used to extract MFCC features from it and classifiers were trained to predict whether a cough has COVID-19 or not. The performance of different classifiers were compared and it was observed that random forest outperformed other models with a precision of 83.04%. It can also be inferred from the results that the classifier looks promising, however, in future this model has to be trained using clinically approved dataset and tested for its reliability in using this model in a clinical setup. / Sedan februari 2020 är världen inne i en COVID-19-pandemi [1]. Forskare runt om i världen satsar på att utveckla en snabb tillförlitlig, icke-invasiv testmetodik för att lösa detta problem och en av de viktigaste forskningsriktningarna är att använda hosta och deras motsvarande vokala biomarkörer för diagnos av COVID-19. I denna avhandling föreslår vi en snabb pipeline för hostdetektering i realtid som kan användas för att upptäcka och lokalisera hosta från ljudprover. Kärnan i rörledningen använder yolo-v3-modellen [2] från syndomänen för att lokalisera hosta i ljudspektrogrammen genom att behandla dem som objekt. Detta resultat transformeras för att lokalisera gränserna för hosta yttranden i insignalen. Systemet för att upptäcka hosta från CoughVid dataset [3] utvärderas sedan. Dessutom jämförs rörledningen med andra befintliga algoritmer som tinyyolo-v3 för att testa för bättre lokalisering och klassificering. Genomsnittlig precision (AP@0.5) för modellen yolo-v3 och tinyyolo-v3 är 0,67 respektive 0,78. Baserat på AP-värdena fungerar tinyyolo-v3 bättre än yolo-v3 med minst 10% och baserat på dess beräkningsfördel befanns dess inferenstid också vara 2,4 gånger snabbare än yolo-v3- modellen i våra experiment. Detta arbete anses vara nytt och viktigt för att upptäcka och lokalisera hosta i en ljudström. I slutändan används de resulterande hosthändel-serna för att extrahera MFCC-funktioner från det och klassificerare utbildades för att förutsäga om en hosta har COVID-19 eller inte. Prestanda för olika klassificerare jämfördes och det observerades att slumpmässig skog överträffade andra modeller med en precision på 83.04%. Av resultaten kan man också dra slutsatsen att klassificeraren ser lovande ut, men i framtiden måste denna modell utbildas med hjälp av kliniskt godkänd dataset och testas med avseende på dess tillförlitlighet vid användning av denna modell i ett kliniskt upplägg. Cough detection and Localization Cough based digital biomarkers COVID- 19 You Only Look Once algorithm Hostdetektering och lokalisering Hostbaserade digitala biomarkörer COVID- 19 You Only Look Once algoritm Computer and Information Sciences Data- och informationsvetenskap
103	Deep Convolutional Neural Network for Effective Image Analysis : DESIGN AND IMPLEMENTATION OF A DEEP PIXEL-WISE SEGMENTATION ARCHITECTURE Marti, Marco Ros January 2017 (has links) This master thesis presents the process of designing and implementing a CNN-based architecture for image recognition included in a larger project in the field of fashion recommendation with deep learning. Concretely, the presented network aims to perform localization and segmentation tasks. Therefore, an accurate analysis of the most well-known localization and segmentation networks in the state of the art has been performed. Afterwards, a multi-task network performing RoI pixel-wise segmentation has been created. This proposal solves the detected weaknesses of the pre-existing networks in the field of application, i.e. fashion recommendation. These weaknesses are basically related with the lack of a fine-grained quality of the segmentation and problems with computational efficiency. When it comes to improve the details of the segmentation, this network proposes to work pixel- wise, i.e. performing a classification task for each of the pixels of the image. Thus, the network is more suitable to detect all the details presented in the analysed images. However, a pixel-wise task requires working in pixel resolution, which implies that the number of operations to perform is usually large. To reduce the total number of operations to perform in the network and increase the computational efficiency, this pixel-wise segmentation is only done in the meaningful regions of the image (Regions of Interest), which are also computed in the network (RoI masks). Then, after a study of the more recent deep learning libraries, the network has been successfully implemented. Finally, to prove the correct operation of the design, a set of experiments have been satisfactorily conducted. In this sense, it must be noted that the evaluation of the results obtained during testing phase with respect to the most well-known architectures is out of the scope of this thesis as the experimental conditions, especially in terms of dataset, have not been suitable for doing so. Nevertheless, the proposed network is totally prepared to perform this evaluation in the future, when the required experimental conditions are available. / Denna examensarbete presenterar processen för att designa och implementera en CNN-baserad arkitektur för bildigenkänning som ingår i ett större projekt inom moderekommendation med djup inlärning. Konkret, det presenterade nätverket syftar till att utföra lokaliseringsoch segmenteringsuppgifter. Därför har en noggrann analys av de mest kända lokaliseringsoch segmenteringsnätena utförts inom den senaste tekniken. Därefter har ett multi-task-nätverk som utför RoI pixel-wise segmentering skapats. Detta förslag löser de upptäckta svagheterna hos de befintliga näten inom tillämpningsområdet, dvs modeanbefaling. Dessa svagheter är i grund och botten relaterade till bristen på en finkornad kvalitet på segmenteringen och problem med beräkningseffektivitet. När det gäller att förbättra detaljerna i segmenteringen, föreslår detta nätverk att arbeta pixelvis, dvs att utföra en klassificeringsuppgift för var och en av bildpunkterna i bilden. Nätverket är sålunda lämpligare att detektera alla detaljer som presenteras i de analyserade bilderna. En pixelvis uppgift kräver dock att man arbetar med pixelupplösning, vilket innebär att antalet operationer som ska utföras är vanligtvis stor. För att minska det totala antalet operationer som ska utföras i nätverket och öka beräkningseffektiviteten görs denna pixelvisa segmentering endast i de meningsfulla regionerna i bilden (intressanta regioner), som också beräknas i nätverket (RoI-masker) . Sedan, efter en studie av de senaste djuplärningsbiblioteken, har nätverket framgångsrikt implementerats. Slutligen, för att bevisa korrekt funktion av konstruktionen, har en uppsättning experiment genomförts på ett tillfredsställande sätt. I detta avseende måste det noteras att utvärderingen av de resultat som uppnåtts under testfasen i förhållande till de mest kända arkitekturerna ligger utanför denna avhandling, eftersom de experimentella förhållandena, särskilt vad gäller dataset, inte har varit lämpliga För att göra det. Ändå är det föreslagna nätverket helt beredd att utföra denna utvärdering i framtiden när de nödvändiga försöksvillkoren är tillgängliga. / En aquest treball de fi de màster es presenta el disseny i la implementació d’una arquitectura pel reconeixement d’imatges fent ús de CNN. Aquesta xarxa es troba inclosa en un projecte de major envergadura en el camp de la recomanació de moda. En concret, la xarxa presentada en aquest document s’encarrega de realitzar les tasques de localització i segmentació. Després d’un estudi a consciència de les xarxes més conegudes de l’estat de l’art, s’ha dissenyat una xarxa multi-tasca encarregada de realitzar una segmentació a resolució de píxel de les regions d’interès de la imatge, les quals han sigut prèviament calculades i emmascarades. Aquesta proposta soluciona les mancances detectades en les xarxes ja existents pel que fa a la tasca de recomanació de moda. Aquestes mancances es basen en la obtenció d’una segmentació sense prou nivell de detalls i en una rellevant complexitat computacional. Pel que fa a la qualitat de la segmentació, aquesta tesi proposa treballar en resolució de píxel, classificant tots els píxels de la imatge de forma individual, per tal de poder adaptar-se a tots els detalls que puguin aparèixer a la imatge analitzada. No obstant, treballar píxel a píxel implica la realització d’una gran quantitat d’operacions. Per reduir-les, proposem fer la segmentació píxel a píxel només a les regions d’interès de la imatge. A continuació, després d’un estudi detallat de les llibreries de deep learnign més destacades, el disseny ha sigut implementat. Finalment s’han dut a terme una sèrie d’experiments per provar el correcte funcionament del disseny. En aquest sentit és important destacar que aquesta tesi no té com a objectiu avaluar el disseny respecte d’altres xarxes ja existents. La raó és que les condicions d’experimentació, sobretot pel que fa a la base de dades, no són adequades per aquesta tasca. No obstant, la xarxa està perfectament preparada per fer aquesta avaluació un cop les condicions d’experimentació així ho permetin. CNN Co-CNN segmentation localization RoI masking RoI masking multi-task network pixel resolution overfitting CNN segmentació localització RoI emmascarar filtratge de RoIs xarxa multi-tasca resolució de píxel overfitting CNN Co-CNN segmentering lokalisering RoI maskering RoI- maskering flera uppgiftsnätverk pixelupplösning övermontering Computer and Information Sciences Data- och informationsvetenskap
104	Uncovering GNSS Interference with and within Aerial Mapping UAV / Avslöjande av GNSS-interferens med och inom Kartläggnings-UAV Geib, Filip January 2023 (has links) Precise and robust positioning through Global Navigation Satellite Systems (GNSS) is instrumental to a wide gamut of modern systems. The integrity of GNSS signals is increasingly compromised by Radio Frequency (RF) interference, presenting a substantial threat to the performance of GNSS receivers. This vulnerability is of particular concern for Unmanned Aerial Vehicles (UAVs), whose critical functionalities depend heavily on reliable GNSS positioning. Given their complex designs and high maneuverability, UAVs present a distinctive and powerful platform for the exploration and mitigation of GNSS RF interference. This work investigates two complementary but related aspects: (i) the detection of internal RF interference with the GNSS receiver and (ii) the localization of external RF interference sources, utilizing the advanced capabilities of UAV platforms. The detection methodology (i) synthesizes insights from existing literature by selecting RF interference detection methods compatible with observables from standard GNSS receivers. It also innovatively employs ideal spectral masks to estimate the impact of interference. In addition, the localization methodology (ii) introduces a novel UAV-centric technique that leverages the characteristics of GNSS antennas and UAV maneuverability. A concept of radiation heatmap has been developed to transform the antenna’s radiation pattern into a heatmap, indicating a possible bearing toward an RF interference source. Subsequently, a concept of triangular intersection is introduced to fuse multiple radiation heatmaps into a single localization heatmap, indicating the locations of interfering transmitters. Through this work, a comprehensive framework has been established, allowing UAVs equipped with GNSS receivers to detect internal interference and localize external RF interference sources. This dual approach contributes significantly to the monitoring of the GNSS spectrum and enhances the performance of GNSS-dependent applications. / Exakt och robust positionering genom Globala Navigationssatellitsystem (GNSS, från engelskans Global Navigation Satellite Systems) är avgörande för en mångfald av moderna system. Integriteten hos GNSS-signaler hotas alltmer av interferens från radiofrekvenser (RF, från engelskans Radio Frequency), vilket utgör ett betydande hot mot prestandan hos GNSS-mottagare. Denna sårbarhet är särskilt bekymmersam för obemannade luftfartyg (UAV, från engelskans Unmanned Aerial Vehicle), vars kritiska funktioner är starkt beroende av tillförlitlig GNSS-positionering. Med tanke på deras komplexa konstruktioner och höga manövrerbarhet utgör UAV:er en distinkt och kraftfull plattform för utforskning och mitigering av GNSS RF-interferens. Detta arbete undersöker två kompletterande men relaterade aspekter: (i) detektion av intern RF-interferens i GNSS-mottagaren och (ii) lokalisering av externa källor till RF-interferens, med användning av avancerade UAVplattformar. Metoden för detektion (i) syntetiserar insikter från befintlig litteratur genom val av metoder för upptäckt av RF-interferens som är kompatibla med observerbar data från standarden för GNSS-mottagare. Den använder dessutom “ideala spektralmasker” (från engelskans “ideal spectral masks”) innovativt för att uppskatta interferensens påverkan. Dessutom introducerar lokaliseringstekniken (ii) en ny UAV-centrerad teknik som utnyttjar egenskaperna hos GNSS-antenner och UAV:ers manövrerbarhet. Ett koncept för strålningsvärmekarta har utvecklats för att omvandla antennens strålningsmönster till en värmekarta, vilket indikerar en möjlig riktning mot en källa till RF-interferens. Därefter introduceras ett koncept för triangulär skärning för att sammanfoga flera strålningsvärmekartor till en enskild lokalisationsvärmekarta, vilket indikerar placeringen av störande sändare. Genom detta arbete har ett omfattande ramverk etablerats, vilket möjliggör för UAV:er utrustade med GNSS-mottagare att upptäcka intern interferens samt lokalisera externa källor till RF-interferens. Denna dubbla strategi bidrar avsevärt till observationen av GNSS-spektrumet och förbättrar prestandan för GNSS-beroende applikationer. / Presné a robustné určovanie polohy pomocou globálnych navigačných satelitných systémov (GNSS, z angl. Global Navigation Satellite System) je kľúčové pre široké spektrum moderných systémov. Integrita signálov GNSS je čoraz viac ohrozovaná vysokofrekvenčnou elektromagnetickou (RF, z angl. Radio Frequency) interferenciou, čo predstavuje významnú hrozbu pre výkonnosť prijímačov GNSS. Táto zraniteľnosť je obzvlášť znepokojujúca pre bezpilotné lietadlá (UAV, z ang. Unmanned Aerial Vehicle), ktorých kritické funkcionality sú vo veľkej miere závislé od spoľahlivého určenia polohy. Vzhľadom na ich zložitý dizajn a vysokú manévrovateľnosť, UAV predstavujú výnimočnú a bohatú platformu pre skúmanie a mitigáciu RF interferencie. Táto práca skúma dva komplementárne, ale súvisiace aspekty: (i) detekciu vnútornej RF interferencie s využitím prijímača GNSS a (ii) lokalizáciu zdrojov vonkajšej RF interferencie s využitím pokročilých schopností UAV platformy. Metodika detekcie (i) syntetizuje poznatky z existujúcej literatúry výberom metód detekcie RF interferencie, ktoré sú kompatibilné s pozorovaniami zo štandardných prijímačov GNSS. Taktiež inovatívne využíva ideálne spektrálne masky na odhad vážnosti vplyvu interferencie. Okrem toho, metodika lokalizácie (ii) predstavuje nový prístup zameraný na UAV, využívajúci charakteristiku antén GNSS a manévrovateľnosť UAV. V rámci tejto práce bol vyvinutý koncept radiačnej teplotnej mapy, ktorý transformuje radiačný vzor antény na teplotnú mapu, indikujúcu smer k možnému zdroju RF interferencie. Následne bol predstavený koncept trojuholníkovej priesečnosti, spájajúci viaceré radiačné teplotné mapy do jednej lokalizačnej teplotnej mapy, indikujúcej polohy rušiacich vysielačov. Prostredníctvom tejto práce bol vytvorený komplexný rámec, umožňujúci UAV, ktoré sú vybavené prijímačmi GNSS, detekovať vnútornú interferenciu a lokalizovať zdroje vonkajšej RF interferencie. Tento duálny prístup významne prispieva k možnosti monitorovania GNSS spektra a zvyšovania výkonnosti aplikácií závislých od GNSS. GNSS interference RF interference GNSS spectrum monitoring UAV applications RF interference detection RF interference localization GNSS security GNSS-störningar RF-störningar Övervakning av GNSS-spektrum UAVapplikationer Upptäckt av RF-störningar Lokalisering av RF-störningar GNSS-säkerhet GNSS rušenie RF rušenie Monitorovanie spektra GNSS Aplikácie UAV Detekcia RF rušenia Lokalizácia RF rušenia Bezpečnosť GNSS Elektroteknik och elektronik
105	Fault Location Algorithms in Transmission Grids Harrysson, Mattias January 2014 (has links) The rapid growth of the electric power system has in recent decades resulted in an increase of the number of transmission lines and total power outage in Norway. The challenge of a fast growing electrical grid has also resulted in huge increases of overhead lines and their total length. These lines are experiencing faults due to various reasons that cause major disruptions and operating costs of the transmission system operator (TSO). Thus, it’s important that the location of faults is either known or can be estimated with reasonably high accuracy. This allows the grid owner to save money and time for inspection and repair, as well as to provide a better service due to the possibility of faster restoration of power supply and avoiding blackouts. Fault detection and classification on transmission lines are important tasks in order to protect the electrical power system. In recent years, the power system has become more complicated under competitive and deregulated environments and a fast fault location technique is needed to maintain security and supply in the grid. This thesis compares and evaluates different methods for classification of fault type and calculation of conventional one-side and two-side based fault location algorithms for distance to fault estimation. Different algorithm has been implemented, tested and verified to create a greater understanding of determinants facts that affect distance to faults algorithm’s accuracy. Implemented algorithm has been tested on the data generated from a number of simulations in Simulink for a verification process in implemented algorithms accuracy. Two types of fault cases have also been simulated and compared for known distance to fault estimation. electric power system transmission lines Smart Grid fault detection fault location techniques disruptions caused by storms transmission fault calculation of distance to fault Statnett one-side algorithms two-side algorithms fault types fault location methods one-ended fault location algorithm reactance based algorithm takagi method fault location algorithms by saha Harrysson two-ended fault location estimation fault resistance Avstånd till fel ABB Statnett Matlab Simulink Transmissions nätet Avstånds till fel algorithmer Fel lokalisering
106	Läkande rum : - ett examensarbete om arkitektur, psykiatri och läkande miljöer / Curative Spaces : - a Book about Architecture, Psychiatry and healthy Environments and a Vision for Psychiatric Healthcare in the Future Kallstenius, Marie-Louise January 2011 (has links) Projektets syfte är att försöka utröna hur en visionär psykiatri skulle kunna se ut i framtiden. Jag frågade mig om man som arkitekt kan komma med en vision som är en lösning på psykiatrins problem. Hur gör man för att maximera de läkande faktorerna så att patienter återhämtar sig så fort och fullständigt som möjligt? Projektet är också ett försök att förmänskliga en av de stora insitutioner vi är beroende av i samhället och har resulterat i en bok i ämnet och ett designprojekt. Hjärnkoll läkande rum arkitektur psykiatri läkande miljöer brukare anhöriga personal Louis Kahn Rehab Basel Herzog de Meuron evidence-based design toolkit vårdbyggnader anstaltsvård psykiatrireformen empowerment terapiträdgård mentalsjukhus institution öppenvård mellanvård slutenvård folkhälsoarbete sektoriseringen rekreation orienterbarhet integritet sekretess inlevelseförmåga värdighet visioner limträ massivträ sedumtak infotek designelement kontroll överblickbarhet icke-institutionslikt naturmaterial specificitet flexibilitet generalitet forskning kunskap medicin stigmatisering centralisering restorativa miljöer miljöpsykologi enpatientrum tyst kunskap intuition stress designprocessen terapeutiska vårdmiljöer samtalsrum behandlingsformer goda rum god hälsa KASAM sinnlig stimulans landskapsarkitektur socialisering logistik mänskliga behov utemiljöer återhämtning kontinuitet igenkännbarhet trygghet värdighet lokalbehov tvärvetenskap teamarbete inflytande inkännande respekt samverkan detaljer friskvård spa konst inredning friskhus brukarrepresentant NSPH Föreningen Balans helhetssyn coaching Uppsala Ångestsyndrom sällskap samhällsfunktioner rumsorganisation sammanhang byggprocessen lågstimulimiljöer psykos depression tydlighet säkerhetslösningar taktilitet sinnlighet naturmaterial utsikt färgsättning material dagsljus ljudisolering patientsäkerhet personalsäkerhet ergonomi patientaggressioner avskildhet socialisering personligt revir lokalisering estetik upplevelse kontext rumsligheter aktiviteter attityder hållbarhet möten vårdprocess layout planlösning Loudden Norra Djurgårdsstaden visionär psykiatri det psykiatriska mötet innovativt program köksträdgård mötesplatser patienthotell allhus mottagningshus högspecialiserad vård aula konsertsal kontor konferens undervisning gestaltningsprogram psykiatriforskning Architecture Arkitektur

Page generated in 0.1016 seconds