Une évaluation Objective et adaptée aux enfants de la fonction de bras en utilisant un capteur 3D

L’évaluation globale de la fonction musculaire est une évaluation critique dans de nombreuses maladies neuromusculaires et une condition importante pour les essais cliniques couronnés de succès. Échelles d’évaluation clinique sont utilisés de plus en plus comme un outil d’évaluation standardisé et comme un résultat bien établi de la mesure¹. Cependant, ils s’appuient fortement sur le jugement subjectif des cliniciens et pourraient entraîner des variations importantes menant à inter - et intra-évaluateur incohérence² ou généré des nombres qui ne remplissent pas les critères pour des mesures précises,¹. En outre, beaucoup de maladies neuromusculaires en grande partie affecte les enfants et la plupart de ces échelles de cotation sont longs et ennuyeux, qui imposent des défis supplémentaires. Amyotrophie spinale (As), qui est une maladie neuromusculaire mortelle caractérisée par la faiblesse de muscle progressive³en est un exemple d’une maladie neuromusculaire. Selon les phénotypes cliniques, certains patients vivent avec un fauteuil roulant (type 2), et certains peuvent lever et de marcher sans aide (type 3)⁴. Il y a une demande croissante pour un outil d’évaluation plus objective et sensible pour mesurer la fonction musculaire en ce qui concerne la gamme de mouvement articulaire, force musculaire, la fatigue musculaire et ainsi de suite, afin de suivre la progression de la maladie et l’efficacité du médicament.

Les progrès rapides dans la technologie de détection de mouvement a permis d’analyser les caractéristiques du mouvement à des coûts relativement faibles, parmi lesquels la valeur du capteur 3D (Kinect) dans la capture de mouvement du corps entier dans un moyen sans marqueur a été largement examinée. En utilisant le détecteur infrarouge intégré et la machine mise en oeuvre des algorithmes d’apprentissage, les emplacements des corps des personnes suivies sont déduits les positions 3-dimensionnelle de 20 repères anatomiques appelé points y compris la tête, le cou, ou les articulations du corps mains, poignets, coudes, épaules, dos, hanches, genoux, chevilles et pieds⁵. La résolution temporelle est jusqu'à 30 Hz, qui est suffisant pour des mouvements plus physiques à l’exception de certains symptômes moteurs pathologiques tels que des tremblements. La précision spatiale du capteur 3D a été validée largement avec la vérité de terrain⁶ ou de l’étalon-or, qui est axée sur le marqueur 3-dimensional motion analyse système^{7,8,9,10 ,11,12}. Reproductibilité et validité concourante bonne ont été révélées par des tests différents, en particulier dans la frontale vue¹² et pour brute mouvements⁷. Afin d’évaluer objectivement la fonction du membre supérieur pour les enfants avec SMA, nous avons conçu et mis en place un test ludique basé sur un capteur 3D pour mesurer la capacité de mouvement articulaire.

L’essai a été effectué dans une étude d’observation longitudinale à universitaire pour enfants de l’hôpital de Bâle (UKBB) avec les adultes et les enfants. Plus les données démographiques et les renseignements cliniques sur l’étude se trouvent dans la précédente publication^13,14. Toutes les procédures ont été approuvées par le Comité d’éthique local Ethikkomission UKBB et réalisées selon les principes exprimés dans la déclaration d’Helsinki. Consentement éclairé et la conformité avec le protocole de l’étude selon l’International Conference on Harmonisation (ICH) et les règlements locaux ont été fournis par tous les sujets ou les représentants légalement autorisés pour les enfants âgés de moins de juridique donner son consentement.

Remarque : Un prototype de jeu « Armoire » visant à mesurer l’amplitude des articulations des mouvements a été conçu et mis en œuvre. Il était ensuite exporté en une application exécutable qui peut fonctionner sur n’importe quel Windows 8 ou plu système d’exploitation, tant que les pilotes nécessaires capteur 3D sont également installés. Le jeu prototype basé sur Kinect sensor v1 ou la deuxième version (voir Discussion) basé sur Kinect capteur v2 peuvent être fournis sur demande (voir les fichiers de codage supplémentaires).

1. le programme d’installation et préparation pour l’épreuve

1. Installez le capteur 3D (e.g., Kinect) pilotes et l’application conçue sur l’ordinateur.
2. Placez l’ordinateur sur une surface appropriée, comme une table, d’une hauteur de 0,5 - 1 mètre.
3. Placez l’appareil 3D également sur la même surface alignée au milieu de l’ordinateur, afin que la hauteur de la caméra 3D est fixée par le tableau environ 0,5 - 1 mètre au-dessus du sol. Ajustez l’angle du capteur 3D manuellement au besoin de capter correctement le sujet (voir 2.4.2 ci-dessous).
4. Connecter tous les câbles correctement, y compris l’adaptateur 3D à l’ordinateur et le câble d’alimentation au bloc d’alimentation.
5. Placez une chaise réglable en hauteur en face de la table avec l’ordinateur et le capteur 3D à environ 2 mètres.

2. effectuer le test

1. Démarrez l’ordinateur et allumez le son à un volume optimal. Si vous souhaitez transmission automatique des données, assurez-vous qu’est connecté à l’Internet.
2. Instruire le sujet à s’asseoir sur la chaise.
3. Lancez l’application sur l’ordinateur et entrez l’ID de l’objet sur la première page.
4. Cliquez sur le bouton « Démarrer » sur la première page pour entrer dans la deuxième page, ce qui montre la « garde-robe » jeu :
   1. Notez le chiffre squelette (haut du corps seulement) sur l’écran, ce qui représente le corps du sujet devant un grand placard. Lorsque la figure n’est pas vu, instruire le sujet vague et se déplacer en avant et en arrière s’il est en chaise roulante ou debout jusqu'à ce que le capteur 3D capture la personne.
   2. Lisez les instructions sur l’écran et régler la distance, la hauteur et la position latérale de la chaise et le sujet en conséquence jusqu'à ce que toutes les instructions sont en police verte.
      Remarque : La distance, la hauteur et la position latérale de la chaise est réglable par le sujet lui-même ou d’une assistance qui devrait sortir le champ par la suite. Si la hauteur optimale ne peut être atteint, ajuster manuellement l’angle d’élévation de la caméra 3D. La position optimale est de 2 mètres de l’appareil, avec le cou du sujet affiché au milieu de l’écran.
   3. Appuyez sur le bouton en TRAIN de commencer la séance d’entraînement sans enregistrement des données.
      Remarque : Si le sujet est déjà familier avec le jeu et sait quoi faire, appuyez sur le bouton Démarrer directement et passer la formation.
   4. Laisser le sujet suivez les instructions à l’écran et effectuer les mouvements suivants :
      1. Étendre le bras demandé (droit ou gauche) pour atteindre l’objet virtuel vacillante jusqu'à ce que l’objet est dans la main virtuelle.
      2. Courbez le même bras et toucher physiquement les points indiqués sur le corps afin de placer l’objet.
      3. Continuer les mouvements de flexion et d’extension du bras jusqu'à ce que tous les 20 objets sont atteint et placés.
         Remarque : Il y a deux tours avec 10 objets à chaque tour. Au sein d’un cycle, il y a 5 objets sur le côté droit qui nécessitent le bras droit, suivi de 5 objets sur le côté gauche pour lequel est demandé le bras gauche. Voilà qui termine la session de formation.
   5. Appuyez sur le bouton « START » pour effectuer les mêmes tâches à nouveau depuis le début, comme à l’étape 2.4.3, mais cette fois-ci enregistrant l’emplacement des 9 points haut du corps dans un fichier crypté. Le jeu se termine automatiquement en soit en plaçant tous les 20 objets, ou lorsque le temps prédéfini (4 min) s’épuise.
      Remarque : Il est également possible d’arrêter le jeu à tout moment au cas où le sujet est trop faible ou tout autres situations se produisent.
5. Entrer dans la dernière page automatiquement qui montre une parcelle d’araignée indiquant varie des joints le jeu « Armoire ».
6. Quittez le jeu en appuyant sur le bouton END ou refaire le test en appuyant sur le bouton répéter .

3. après l’essai - traitement des données

1. Enregistrez les données enregistrées et chiffrées et les fichiers journaux sur le disque dur et éventuellement transférer via internet à un analyste de données. Une description détaillée du traitement des données et l’analyse a été fournie dans une précédente publication¹³.
   1. Vérifier l’exhaustivité et la validité des données en vérifiant le fichier journal et en comparant les rapports cliniques avec les comptes rendus 3D.
   2. Calculer et extrait de 27 caractéristiques de mouvement comme des fonctions numériques, comme les angles articulaires, vitesse et accélération, main longueur de chemin d’accès, gestuelle de compensation, espace accessible et ainsi de suite.
   3. Calculer, tracer, puis sélectionnez les fonctions afin de comprendre et interpréter les données des capteurs 3D aussi bien que pour l’analyse statistique suivante.
   4. Effectuer l’ACP (analyse en composantes principales), ANOVA (analyse de variance), l’analyse des corrélations et des modèles linéaires mixtes effet comme analyse statistique.

À l’aide de la procédure présentée ci-dessus, caractéristiques des différents mouvements sont tracées et approches de l’analyse sont explorés afin d’obtenir une compréhension globale des mouvements.

Dans la Figure 1, les traces des 9 points de la partie supérieure du corps sont tracés restreignant aux axes X et Y qui représente une projection de 2 Dimensions (X représente la position horizontale de l’objet, Y représente la position verticale tandis que Z est la distance à la 3-d capteur). La figure 1 illustre ce que le capteur 3D en fait les mesures, les emplacements spatiales des points du corps. En juxtaposant un patient de SMA et un contrôle en bonne santé sur les 4 visites, il est démontré que le patient et le contrôle terminé les tâches avec des trajectoires clairement reconnaissables. Il y a certaines caractéristiques axées sur le sujet qui est resté cohérents sur toutes les visites, par exemple, la trajectoire des mains du patient. En comparaison, l’objet de contrôle avait relativement moins mouvement de tronc au fil du temps, ce qui est indiqué par la plus petite foule de traits rouges, jaunes et roses (la tête, le cou et le torse points, respectivement). Aucun des deux sujets ont montré des caractéristiques des mouvements asymétriques.

La figure 2 illustre certaines représentant caractéristiques extraites de la série chronologique endroits les points du corps. Par rapport à la Figure 1, Figure 2 donne une idée de quels renseignements potentiels pourraient être extraites et visualiser à partir des données brutes du capteur 3D afin de comprendre les caractéristiques de mouvement sous-jacent. Figure 2 un est un tracé de trace segmentée mains indiquant les phases de flexion et d’extension coude de deux tours d’un seul sujet. La trajectoire se ressemble assez bien entre les deux tours. Pour les trois objets plus bas, les deux mains ont tendance à trop se pencher, mais ce n’est pas le cas pour les deux objets supérieures. Figure 2 b trace l’histogramme des vitesses main (alors que la main se déplace ; l’état de repos est exclu). Il n’y a pas de différence significative entre la gauche et la main droite pour ce sujet. Figure 2 c indique les longueurs de chemin total des points tête, cou et du torse, qui peuvent être considérés comme une sorte de mouvement de compensation du tronc par la position de l’objet. Pour les objets 3 et 8, qui sont placés dans le coin supérieur, le mouvement du tronc est relativement plus élevée par rapport aux autres postes. Par ailleurs, le chef a déménagé plus évidemment que les deux autres points. Personnages 2d, 2e et 2f sont boîtes montrant la distribution globale de toutes les 4 visites pour certaines fonctionnalités. Seuls les sept premiers patients avec tous les 4 visites sont indiquées pour plus de clarté. Figure 2 d indique la longueur du chemin main total divisée par la longueur de chaque bras mesurée par le capteur afin de compenser la différence de longueur de bras inter-sujet. Pendant les mouvements effectués pour atteindre et déposer des objets, la main est près de deux fois la longueur de bras pour un objet ; par conséquent, pour les 20 objets la longueur du trajet total est environ 40 fois la longueur de bras. Des différences évidentes inter-sujet sont observées, par exemple, dans le mouvement de compensation du tronc entre patients 2 et 3 (Figure 2e) ou de vitesse de main médian entre les patients 1 et 3 (Figure 2,f).

Plein clinique associés analyse et les résultats se trouvent dans notre précédente publication¹³.

Figure 1 : Parcelles trace représentant les 9 points de la partie supérieure du corps pendant le test. Les parcelles de 4 albums sont d’un patient de SMA et les bas 4 parcelles d’un contrôle en bonne santé. Ce chiffre a été modifié par notre précédente publication¹³. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 2 : Résultats de l’analyse sommaire représentant : (a), (b), (c) proviennent d’un seul sujet et (d), (e), (f) sont le résumé des 7 premiers patients SMA avec toutes les 4 visites. (D), (e) et (f), le bas et le haut de la boîte sont les premier et troisième quartiles et la ligne horizontale à l’intérieur de la boîte est la médiane. Les longueurs des moustaches (qui s’étend de lignes verticales de la boîte) sont définis comme le point le plus bas dans des 1,5 plages écart interquartiles (IQR) du quartile inférieur et le point culminant dans 1,5 IQR du quartile supérieur. Les diamants représentent les valeurs extrêmes à l’extérieur les moustaches. (un) terrain de trace de mains segmenté. Les lignes pleines représentent la phase d’extension de coude quand les mains tendre la main pour les objets tandis que les lignes pointillées représentent la phase de flexion du coude quand les mains placer les objets sur le corps. Chaque couleur représente les objets à la même position des deux manches. (b) histogramme de la vitesse de la main durant les mouvements de flexion et d’extension. (c) total des longueurs de mouvement de compensation de la tête, cou et torse points pour chaque objet. (d) Boxplot de la longueur du trajet total main trajectoire droite et gauche mains respectivement sur 4 visites. L’axe des y montre la main totale divisés par la longueur des bras individuels des longueurs de chemin. (e) Boxplot du mouvement de compensation totale tronc dont la tête, cou et torse points pour le mouvement du côté droit et gauche mouvement respectivement plus de 4 visites. (f) Boxplot de vitesse médiane main pendant le mouvement de droite et main gauche respectivement plus de 4 visites. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

L’évaluation proposée Kinect a fourni une analyse objective et complète de mouvement tout en offrant une solution adaptée aux enfants, peu coûteux et portable en ce qui concerne les échelles d’évaluation clinique traditionnelle ou sophistiquée axée sur le marqueur vidéo systèmes. Avec un test de jeu qui a duré moins de 5 minutes, plusieurs points de l’organisme ont été intensivement examinés en même temps, et de nombreuses caractéristiques spatio-temporelles et cinématiques ont été analysés avec une grande précision, y compris la vitesse, angles articulaires et ainsi de suite. L’installation entière et les efforts de formation étaient aussi beaucoup moins exigeant par rapport aux échelles de cotation ou systèmes vidéo.

L’étape la plus critique de cette approche a été la conception de l’essai. Afin de capturer les symptômes de mouvement sous-jacent, la tâche conçue devrait couvrir le spectre de capacité correspondant et éviter plancher ou effets de plafond. Dans l’exemple de cette indication spécifique, les symptômes physiques courants de SMA incluent une faiblesse musculaire, amplitude articulaire limitée, raideur musculaire, fatigue et ainsi de suite. Le critère proposé est approprié pour ces symptômes impliquant l’amplitude articulaire limitée, qui est typique pour les patients de type 2 de SMA. Malheureusement, le prototype n’a été testé que comme une première tentative dans une étude prévue qui recrute uniquement des patients de type 3 de SMA. Étant donné que la capacité de ces patients étaient supérieures à ce que le test actuel pourrait mesurer (effet de plafond), les résultats escomptés ne pourraient pas être atteint. Pour ce groupe de patients ambulant, transfert de corps et de la fatigue musculaire est une meilleure mesure.

Après cette expérience, une deuxième version du test consistant en une version modifiée du jeu « Armoire » et un jeu supplémentaire de « Bateau d’aviron » ont été conçus. La version modifiée du jeu « Armoire » a trois niveaux de difficulté. Dans le premier niveau, les objets sont placés près du corps afin que le sujet n’a pas besoin d’étendre complètement le bras, qui vise le groupe de patients faible, qui peut seulement s’asseoir dans le fauteuil roulant et ne peut pas complètement étendre leurs bras sans soutien. Dans le deuxième niveau, les objets sont placés à une distance de toute dépendance, qui cible le groupe de patients qui peut soulever et étendre les bras sans aucun soutien. Dans le niveau plus difficile, les objets sont placés légèrement hors de la portée du bras ; par conséquent, le sujet doit déplacer la partie supérieure du tronc comme une extension. Le troisième niveau cible le groupe de patient ambulant où le mouvement axial et proximal est également mesuré. Au cours de la phase de positionnement du jeu, la dépendance du sujet est automatiquement mesurée et ensuite utilisé pour calculer l’emplacement des objets dans le jeu suivant. par conséquent, les niveaux de Difficulté sont automatiquement ajustés à la capacité de l’individu. Lorsque la limite de la capacité de chaque individu est atteinte et les objets ne peut pas être atteint ou placés, le niveau sera ignoré soit automatiquement après un certain temps, soit manuellement par l’opérateur en appuyant sur le bouton « SKIP » sur l’écran. L’endurance des muscles « Bateau d’aviron » jeu de cibles et il nécessite le sujet à répéter un bras en mouvement de roulement aussi vite que possible pendant une minute. Dans une étude ultérieure, la deuxième version est destinée à couvrir le spectre patient de SMA de type 2 à type 3, puisque les tâches de mesurer la capacité des patients avec capacité de mouvement de bras limitée aux patients avec fonction bras complet et le mouvement axial limité.

L’autre côté de la conception de l’essai est l’examen de l’effet de sol. En raison de la résolution spatiale et temporelle limitée, le capteur 3D n’est capable de capturer les mouvements avec précision brutes comme la marche, agitant les bras et ainsi de suite. Pour fine mouvement détection, y compris la figure main ou taraudage tournage, appareils numériques plus sensibles tels que les téléphones mobiles ou portatifs de poignet est. Tel que discuté, la clé du succès d’une telle demande doit accumuler la correspondance exacte entre les symptômes de la maladie sous-jacente, les fonctionnalités de l’appareil et les tâches conçu.

Quelques autres considérations lors de la conception de test incluent le groupe d’âge, effet de l’apprentissage, langues et ainsi de suite. Depuis SMA affecte principalement les enfants, le critère devrait être aussi simple et clair que possible tout en conservant un caractère attrayant gamification. Dans notre conception, personnages de dessins animés et des objets dessinés à la main ont été utilisés. La tâche a imité le comportement automatique de vinaigrette qui est généralement acquise par les enfants après deux ou trois ans. Les mouvements ont été gardés simples tels que les sujets pouvaient comprendre et effectuer le test après une phase de formation de courte durée et les effets d’apprentissage ont été évitées, qui a été mesuré et discuté dans notre précédente publication¹³.

Lors de l’exécution du protocole de test et l’analyse des données, certains problèmes peuvent survenir de même dans d’autres applications de capteur 3D. Ces questions incluent interférence soleil, vêtements spéciaux, plus d’un sujet dans le champ de vision et le temps d’échantillonnage irrégulier. Nous avons trouvé un cas où un sujet en vêtements noirs ne était pas détecté par le capteur 3D dans une salle ensoleillée, même lorsque le sujet n’était pas directement au soleil. Lorsque plus d’un sujet apparaît et disparaît du champ de vue, l’attribution des numéros d’ID pour détecté squelettes pourrait sauter, quelles charges l’analyse. Même si le capteur 3D renvoie le signal à une fréquence de 30 Hz en théorie, la production réelle peut avoir des lacunes de Mme jusqu'à cent c’est pourquoi, il est important de suivre et d’exporter l’horodatage.

Notre premier essai a été effectué sur la première version du capteur 3D, qui actuellement a été remplacée par une deuxième version, et notre version modifiée soit implémentée selon cette seconde version. Entre les versions, les facteurs sous-jacents sont différents, et aussi l’interface d’application (API) a changé. Il n’y a aucune autre différence significative lors de la migration de l’application. Étant donné que les deux versions de l’application peuvent être librement fournies sur demande par les auteurs et les pilotes du capteur peuvent être téléchargés depuis le site Web de Kinect, il s’agit d’aucun intérêt pour l’utilisateur.

En utilisant le capteur 3D, nous avons développé un outil d’évaluation de fonction membre supérieur innovante, quantitative et objective intégrant la technologie ludique adaptés aux enfants. La faisabilité a été explorée et analysée. Nos travaux ont démontré le pouvoir potentiel du capteur 3D comme approche alternative et complémentaire à l’évaluation de la circulation.