Kölpin, AlexanderAlexanderKölpin11977644020000-0002-9071-5661Gleichauf, JohannaJohannaGleichauf2025-11-182025-11-182025Technische Universität Hamburg (2025)https://hdl.handle.net/11420/58762The current monitoring of vital signs of preterm neonates bears the risk to injure the little patients. Therefor, the question arises if it is possible to determine the vital parameters of neonates and preterm neonates precisely and robustly via non-contact methods. A non-contact system was developed for monitoring the respiratory and heart rates as well as the core temperature of the neonates. Different sensors such as an RGB camera, a thermal camera, several time-of-flight cameras and a radar sensor are combined or their data are fused. The region of interest detected by each sensor is automatically determined by a neural network (YOLOv3) which was trained with fused images. The necessary algorithms to calculate the vital parameters were developed or existing algorithms improved. The best approach found during the validation phase is the evaluation of ToF camera data for determining the respiratory rate and the temperature detection via thermal camera with reference temperature sensor. The evaluation of the heart rate using an RGB camera does not deliver the clinical necessary precision. It was shown that under optimal conditions a non-contact detection of the respiratory rate and the body temperature is possible with good results.Herkömmliches kontaktbehaftetes Monitoring der Vitalparameter von Frühgeborenen beinhaltet das Risiko, Patienten zu schädigen. Daher ergibt sich die Frage, ob es möglich ist, die Vitalparameter von Neu- und Frühgeborenen sicher und ausreichend genau, aber kontaktlos zu erfassen. Es wurde ein berührungsloses System entwickelt, das Atemrate, Herzrate und Körpertemperatur der Neonaten überwacht. Zum Einsatz kommen verschiedene Sensoren, wie eine RGB-Kamera, eine Thermokamera, mehrere Time-of-Flight (ToF) Kameras und ein Radarsensor, die miteinander kombiniert oder deren Daten fusioniert werden. Die jeweils von den Sensoren erfasste Region of Interest (ROI) wird automatisch über ein mit fusionierten Bildern trainiertes Neuronales Netz (YOLOv3) bestimmt. Die zur Berechnung der Vitalparameter benötigten Algorithmen wurden entwickelt bzw. vom Stand der Technik weiterentwickelt. Als beste Verfahren erwiesen sich in der Validierungsphase die Auswertung von ToF-Kameradaten für die Erfassung der Atemrate und die Temperaturdetektion mit Thermokamera und Referenztemperatursensor. Die Messung der Herzrate mittels RGB-Kamera liefert nicht die klinisch notwendige Genauigkeit. Es konnte gezeigt werden, dass unter optimalen Bedingungen die kontaktlose Vitalparameterdetektion von Atemrate und Körpertemperatur mit guten Ergebnissen möglich ist.dehttps://creativecommons.org/licenses/by/4.0/neonatesnon-contact monitoringvital parametersheterogeneous sensorsneural networkTechnology::610: Medicine, HealthTechnology::620: EngineeringTechnology::621: Applied PhysicsDoctoral Thesishttps://doi.org/10.15480/882.1615310.15480/882.16153Knopp, TobiasTobiasKnoppNiebler, ChristineChristineNieblerOther