Et objektivt mål muskelen funksjonene er utfordrende spesielt hos barn. Basert på en kommersielt tilgjengelig digital 3D sensor, ble en barnevennlig gaming test utviklet for å vurdere øvre lem funksjon for kliniske forsøk.
Progressive og irreversibel muskelatrofi karakteriserer Spinal muskel atrofi (SMA) og andre lignende muskel uorden sykdommer. Objektiv vurdering av muskelen funksjonene er en avgjørende og viktig, men utfordrende, forutsetning for vellykket kliniske studier. Gjeldende kliniske Vurderingsskalaer begrense bevegelsen forandringene for enkelte forhåndsdefinerte coarse-grained enkeltelementer. 3D Kinect-sensoren har dukket opp som en rimelige og bærbare motion sensing teknologi brukes til å ta og sporet folks bevegelse i mange medisinske og forskningsfelt. En ny tilnærming som bruker denne 3D-sensor er utviklet og en spill-lignende test ble designet for å objektivt måle funksjonen øvre lem av pasienter med SMA. Prototype testen målrettet felles bevegelse evne. Mens du sitter i en virtuell scene, ble pasienten instruert til å utvide flex og løfte hele armen for å nå og plassere objekter. Både Kinematisk og spatiotemporal egenskaper øvre lem bevegelighet var trekkes ut og analyseres, f.eks, albue utvidelse og refleksjoner vinkler, hånd hastighet og akselerasjon. Den første studien inkluderte en liten kohort av 18 ambulant SMA pasienter og 19 alder og kjønn-matchet sunn kontroller. En omfattende analyse av armbevegelse ble oppnådd; imidlertid ingen signifikant forskjell mellom gruppene ble funnet på grunn av manglende samsvar av pasientens evne og test problemer. Basert på denne opplevelsen, en ny versjon av testen som består av en modifisert versjon av det første spillet med økt problemer og en andre spillet målretting muskel utholdenhet ble designet og implementert. Den nye testen er ennå ikke utført i pasienten grupper. Vårt arbeid har vist potensialet evne for 3D-innlæring vurdere muskel funksjon og foreslo en objektiv tilnærming for å utfylle de kliniske Vurderingsskalaer.
Omfattende vurdering av muskler er en kritisk vurdering i mange neuromuscular sykdommen og en viktig forutsetning for vellykket kliniske studier. Klinisk vurdering skala brukes stadig mer som en standardisert Vurderingsverktøyet og som en veletablert resultat måle1. Men de avhengige skjønn av klinikere og kan resultere i betydelige variasjoner fører til inter – og intra-rater inkonsekvens2 eller generert nummer som ikke oppfyller kriteriene for nøyaktige mål1. I tillegg mange neuromuscular sykdommen i stor grad påvirker barn og de fleste av disse Vurderingsskalaer er lang og kjedelig, som innføre ekstra utfordringer. Et eksempel på en neuromuscular sykdommen er Spinal muskel atrofi (SMA), som er en dødelig nevromuskulær sykdom preget av progressiv muskel svakhet3. Avhengig av kliniske fenotyper, noen pasienter lever med rullestol (type 2), og noen kan stå og gå blotte (type 3)4. Det er et økende behov for et mer følsom og objektiv vurdering verktøy til å måle funksjonen muskel felles bevegelse utvalg, muskelstyrke, muskeltretthet og så videre, for å spore sykdomsprogresjon og narkotika effekt.
Den raske utviklingen i motion sensing teknologi har gjort det mulig å analysere bevegelse egenskapene på relativt lave kostnader, blant annet verdien av 3D sensoren (Kinect) fange hele kroppen bevegelse på en markør-fri måte har vært mye undersøkt. Bruker integrert sensoren og implementert maskinen læring algoritmer, er kroppen plasseringen av de merkede personene avledet gjennom 3-dimensjonale stillingene av 20 anatomiske kalt kroppen ledd eller poeng inkludert hode, nakke, hender, håndledd, albuer, skuldre, ryggraden, hofter, knær, ankler og føtter5. Timelige oppløsningen er opptil 30 Hz, som er tilstrekkelig for de fleste fysisk bevegelse unntatt noen patologiske motoriske symptomer som rystelser. Romlige nøyaktigheten av 3D sensoren er validert mye bakken sannheten6 eller gull standard, som er en markør-baserte 3-dimensjonale bevegelse analyse system7,8,9,10 ,11,12. God samtidige gyldigheten og reproduserbarhet har blitt avslørt av ulike tester, spesielt på frontpartiet vise12 og for brutto bevegelser7. For å objektivt vurdere funksjonen øvre lem for barn med SMA, vi designet og implementert en spill-lignende test basert på en 3D sensor å måle evnen til felles bevegelse.
Den foreslåtte Kinect-basert vurderingen gitt en objektiv og omfattende bevegelse analyse samtidig som en barnevennlig, rimelige og bærbare løsning når det gjelder tradisjonelle klinisk vurdering skala eller markør-baserte Reon systemer. Flere kroppen poeng var intenst undersøkt samtidig en gaming test som varte mindre enn 5 minutter, og mange spatiotemporal og Kinematisk egenskaper ble analysert med høy nøyaktighet inkludert hastighet, felles vinkler og så videre. Hele oppsett og opplæring innsats var også mye mindre krevende forhold til Vurderingsskalaer eller videosystemer.
Det viktigste trinnet i denne tilnærmingen var test design. For å fange de underliggende bevegelse symptomene, skal utformet oppgaven dekke tilsvarende evne spekteret og unngå gulvet eller tak effekter. I eksemplet for denne spesielle tegn inkluderer vanlige fysiske symptomer av SMA muskelsvakhet, begrenset felles område, muskelstivhet, tretthet og så videre. Foreslåtte testen er egnet for disse symptomene med begrenset felles sortimentet, som var typisk for SMA type 2 pasienter. Dessverre var prototypen bare testet som et første forsøk i en planlagt studie som rekruttert bare SMA type 3 pasienter. Siden evnen til pasienter var over hva dagens test kunne måle (tak effekt), de ønskede resultatene kan ikke oppnås. Ambulant pasient gruppen ville muskel tretthet og kroppen overføring være et bedre mål.
Basert på denne opplevelsen, en ny versjon av testen som består av en modifisert versjon av “Garderobe” spillet og en ekstra “Båt-roing” spillet ble utformet. Den endrede versjonen av “Garderobe” spillet har tre vanskelighetsgrader. I første nivå, er objektene plassert nær kroppen slik at emnet ikke trenger å fullt utvide armen, hvilke mål svak pasienten gruppen, som kan bare sitte i rullestol og ikke fullt utvide sine våpen uten støtte. I det andre nivået plasseres objektene på avstand av hele armen lengde, som mål pasienten gruppen som kan løfte og utvide armene uten støtte. Det vanskeligste nivået er objektene plassert litt ut av armen området; Derfor må emnet flytte øvre bagasjerommet som en utvidelse. Tredje nivå mål ambulant pasienten gruppen der aksial og proksimale bevegelsen måles også. I posisjonering fasen av spillet hvor arm emnet automatisk måles og deretter brukes til å beregne plasseringen av objektene i følgende spill; Derfor blir vanskelighetsgrader automatisk justert til den enkeltes evne til. Når evnen grensen til hver enkelt nås og objektene ikke nådd eller plassert, hoppes nivået automatisk etter en viss tid eller manuelt av operatøren ved å trykke «SKIP»-knappen på skjermen. “Båt-roing” spillet mål muskel utholdenhet, og det krever emnet gjenta en arm rullende bevegelsen mulig i 1 minutt. I en fremtidig studie skal den andre versjonen dekke pasienten spekteret fra SMA type 2 til type 3, siden aktivitetene måle evnen til pasienter med begrenset arm bevegelse evne til pasienter med full arm funksjon og begrenset aksial bevegelse.
Den andre siden av testen er hensynet til gulvet effekten. På grunn av begrenset romlige og tidsmessige oppløsning er 3D sensoren bare kjøpedyktig fange nøyaktig brutto bevegelser som gåing, arm-waving og så videre. Oppdagelse, inkludert figur tappe eller hånd snu, mer følsomme digitale enheter som mobiltelefoner eller håndleddet wearables kreves for fin bevegelse. Som diskutert, er nøkkelen til suksess for slikt program å bygge opp riktig kampen mellom underliggende sykdomssymptomer, enhetsegenskaper designet.
Noen andre hensyn i test design inkluderer aldersgruppe, læringseffekt, språk og så videre. Siden SMA rammer hovedsakelig barn, bør testen være som enkel og tydelig som mulig samtidig opprettholde en attraktiv gamification trekk. I vår design, ble tegneserie figurer og hånd-tegnede objekter brukt. Oppgaven imitert selv dressing virkemåten som er vanligvis ervervet av barn etter to eller tre år. Bevegelser ble holdt enkel slik at fag kan forstå og utføre testen etter en kort lærer fase og læring effekter ble unngått, som var målt og diskutert i våre tidligere publikasjoner13.
Når du utfører testprotokollen og dataanalyse, kan noen problemer oppstå tilsvarende for andre 3D sensor programmer. Disse problemene omfatter solskinn forstyrrelser, spesielle klær, mer enn ett emne i synsfeltet og uregelmessig samplingstidspunkt. Vi fant ett tilfelle der et emne i svarte klær ikke ble oppdaget 3D sensoren i et solfylt rom, selv når emnet ikke var direkte i solskinnet. Når mer enn ett emne vises og forsvinner fra synsfelt, tildeling av ID-numrene til oppdaget skjeletter kan hoppe, hvilke byrder analysen. Selv om 3D sensor utganger signalet for hyppigheten av 30 Hz i teorien, den faktiske avgangen kan ha hullene av opptil hundre ms. derfor, er det viktig å spore og eksportere tidsstempelet.
Vår første test ble utført på den første versjonen av 3D sensor, som er nå erstattet av en ny versjon, og våre modifisert versjon er gjennomført basert på denne andre versjonen. Mellom versjoner av underliggende driver er forskjellige, og også programgrensesnittet (API) er endret. Det er ingen andre vesentlige forskjeller når du overfører programmet. Siden begge programversjoner kan gis fritt på forespørsel av forfatterne og sensor driverne kan lastes ned fra webområdet til Kinect, er dette ingen bekymring til brukeren.
Bruker 3D-sensor, utviklet vi en nyskapende, kvantitative og objektive øvre ekstremitetene funksjonen Vurderingsverktøyet omfatter barnevennlige spill-lignende teknologi. Muligheten ble utforsket og analysert. Vårt arbeid har vist potensiale for 3D-innlæring som en alternativ og komplementær tilnærming til bevegelse vurdering.
The authors have nothing to disclose.
Vi takker Bastian Strahm for å delta i testen demonstrasjon- og Laura Aguiar for korrekturlesing av dette manuskriptet.
Microsoft Kinect for Windows v1 sensor | Microsoft | N/A | The first version of the test was developed on Kinect sensor v1 which is not sold any more. But the second version was developed on the Kinect sensor v2 which can be tested in a similar way by using Microsoft Kinect for Windows v2 sensor (GT3-00003) together with Microsoft Kinect Adapter (9J7-00009) |
DELL XPS 2720 All-In-One PC with windows 8 operating system, 16G RAM, Intel Core i7 and 64-bits | DELL | N/A | In our setup, a All-in-one computer was used, but in fact any laptop or computer which fullfills the following requirements and a big screen for the subjects to see will work: windows 8 or higher operating system; 64-bit processor; dual-core 3.2 GHz or faster processor; dedicated USB 3.0 bus; 2 GB RAM |