JoVE Journal > Behavior
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
français

Automatically Generated
Please note that all translations are automatically generated. Click here for the English version.
Behavior

Analyse de la démarche cinématique 3D pour les études précliniques chez les rongeurs

Published: August 03, 2019
doi:
10.3791/59612
,
1Department of Neurobiology and Behavior,Stony Brook University, 2Department of Physical Therapy,Stony Brook University

Summary

Présenté ici est un protocole pour recueillir et analyser la cinématique tridimensionnelle de la locomotion quadrupède chez les rongeurs pour les études précliniques.

Abstract

L’utilité des systèmes tridimensionnels (3D) d’analyse de mouvement cinématique est limitée chez les rongeurs. Cette insuffisance s’explique en partie par l’utilisation d’algorithmes complexes et de modélisation mathématique qui accompagnent les procédures de collecte et d’analyse de données 3D. Ce travail fournit une méthodologie simple, conviviale, étape par étape détaillée pour l’analyse de la démarche cinématique 3D pendant la locomotion tapis roulant chez les rats sains et neurotraumatiques à l’aide d’un système de capture de mouvement à six caméras. Sont également fournis des détails sur 1) l’étalonnage du système dans une configuration expérimentale personnalisée pour la locomotion quadrupède, 2) la collecte de données pour la locomotion tapis roulant chez les rats adultes à l’aide de marqueurs positionnés sur les quatre membres, 3) options disponibles pour le suivi vidéo et le traitement, et 4) la génération de données cinématiques 3D de base et la visualisation et la quantification des données à l’aide du logiciel intégré de collecte de données. Enfin, il est suggéré que l’utilité de ce système de capture de mouvement soit étendue à l’étude d’une variété de comportements moteurs avant et après le neurotraumatisme.

Introduction

Chez les rongeurs, les déficits locomoteurs des membres antérieurs et des membres postérieurs après que les troubles neurologiques sont généralement évalués à l’aide de systèmes de notation subjectifs1. Les systèmes automatisés2,3,4,5 ont été adoptés pour l’analyse de la démarche, mais souffrent d’inconvénients, parce que les résultats primaires sont basés sur l’analyse de l’empreinte et ne parviennent pas à capturer cruciale variables cinématiques segmentales et articulaires qui peuvent autrement révéler de véritables cinématiques des mouvements des membres2. Puisque la plupart des paramètres de démarche sont corrélés, une collection de paramètres de démarche est nécessaire pour comprendre les compensations adoptées par les rats pour évaluer complètement les déficits moteurs.

Au cours de la dernière décennie, plusieurs systèmes d’analyse de mouvement 3D6 ont été développés pour la recherche biomédicale chez l’homme. Ces systèmes ont été couronnés de succès et se sont avérés efficaces pour capturer les déficits de locomotion chez les adultes humains en bonne santé ainsi que la cinématique modifiée de la marche6,7. Chez les rongeurs, les systèmes de mouvement cinématique 3D actuellement disponibles adoptent des algorithmes complexes et la modélisation du comportement des mouvements et utilisent des techniques sophistiquées d’analyse de données8,9,10,11 , qui finissent par limiter leur polyvalence. En outre, les méthodes utilisées pour recueillir des données avec la plupart des systèmes de capture de mouvement 3D ne sont pas suffisamment expliquées dans la littérature. Les détails sur les procédures de collecte et d’analyse des données, les limitations et les techniques utilisées pour l’utilisation efficace du système font défaut.

Par conséquent, l’une des notions courantes parmi les chercheurs est que les évaluations cinématiques du suivi des mouvements 3D sont des procédures plutôt laborieuses et longues qui nécessitent une expertise technique et une analyse approfondie des données. L’objectif de ce travail est de décomposer les protocoles de collecte et d’analyse des données et de décrire la méthodologie au moyen d’un processus étape par étape afin qu’elle soit objective, facile à apprendre et qu’elle puisse être systématiquement abordée. Aujourd’hui, l’accent est mis de plus en plus sur l’évaluation du comportement moteur fonctionnel d’une manière plus complète et systématique à la suite de lésions et d’interventions neurologiques dans des études précliniques.

Dans le domaine de la locomotion quadrilatère, présenté ici est l’utilisation d’un système de suivi des mouvements 3D qui peut fournir des informations supplémentaires telles que la posture du corps, la rotation des pattes en ce qui concerne les axes du corps, les inter-relations des articulations, et des informations plus précises en ce qui concerne la coordination, tout en visualisant simultanément l’animal entier de tous les plans. Ceci, à son tour, peut révéler des différences critiques dans le comportement moteur à l’intérieur et entre les rats sains et blessés grâce à de multiples résultats. Avec une analyse cinématique plus raffinée et précise et objective, le risque d’inférer à tort les effets d’une intervention est minimisé. Les données générées par ce logiciel de capture de mouvement sont visualisées image par image pour la qualité du mouvement et peuvent être automatiquement suivies, et la collecte ou la quantification des données ne nécessite pas d’algorithmes ou de modélisation supplémentaires. L’objectif de ce travail est de fournir des détails méthodologiques et des considérations impliquées dans la collecte de données et l’analyse de la cinématique de démarche 3D pendant la locomotion tapis roulant chez les rats sains et médullaires blessés. Ce protocole est destiné à être utilisé par des chercheurs précliniques qui utilisent des modèles de rats neurologiques dans des expériences.

Protocol

Cette étude a été réalisée conformément aux recommandations du Guide national des instituts de santé pour les soins et l’utilisation des animaux de laboratoire. Le protocole a été approuvé par le Comité de recherche animale du chancelier de l’Université Stony Brook. 1. Mise en place du système de capture de mouvement arrangement Montez six caméras sur le mur (ou trépieds) à l’aide de têtes à engrenagefinement réglables. Placez trois caméras au-dessus de chaque côté du tapis roulant, chaque caméra s’ajuste à 20 à 45 degrés sous l’horizon, à environ 2,0 m du tapis roulant et à environ 0,5 m des caméras adjacentes pour une couverture maximale des marqueurs (figure 1). Équipez chaque caméra d’une lumière d’anneau pour la visualisation des marqueurs rétroréfléchissants. Démarrez le système de capture de mouvement. Dans le cadre du projet Spécification, définir les marqueurs souhaités pour l’expérience.REMARQUE : À des fins de démonstration, un total de 22 marqueurs est utilisé pour les membres antérieurs et les membres postérieurs (11 marqueurs de chaque côté) pour évaluer la locomotion quadriérapelle bilatérale. Alternativement, l’ensemble de marqueurdd d’importation avec l’option d’ID de marqueur spécifique permet des calculs préréglés dans le logiciel. 2. Calibration du système de capture de mouvement Capture de la vidéo d’étalonnage Placez le cadre d’étalonnage en forme de L (ci-après appelé le « cadre L ») orthogonalement sur le tapis roulant, avec la longue jambe du cadre En pointant dans la direction de marche du rat (figure 2). Ouvrez le logiciel de capture de mouvement et sélectionnez Enregistrement pour capturer la vidéo d’étalonnage. Déplacez le cadre d’étalonnage en forme de trident (ci-après appelé la « baguette ») dans toute la zone du tapis roulant dans l’espace afin de couvrir toutes les zones dans lesquelles le rat marchera.REMARQUE : Le cadre En contient quatre marqueurs qui établissent le système de coordonnées globales et la baguette contient trois marqueurs qui calibreront l’espace de marche 3D du rat. Enregistrez un minimum de 1 min de séquences pour vous assurer que des points de données de baguette s’il est suffisant pour un étalonnage adéquat à 120 images/s. Enregistrez les vidéos sous forme de fichiers d’étalonnage 3D. Suivi L-Frame Cliquez à droite sur le groupe de caméra et sélectionnez suivi 3D. Sous la fenêtre déroulante, sélectionnez des vidéos d’étalonnage 3D,puis toutes les caméras d’étalonnage. À l’aide de la fonction point fixe, suivez l’origine du cadre L, le short en L,frame, le milieu du cadre L et le cadre L longtemps sur chacune des six vidéos d’étalonnage. Définissez tous les points et sélectionnez le bouton Rechercher automatiquement.REMARQUE : La position du cadre L doit rester constante par rapport au tapis roulant pendant toute l’expérience afin d’empêcher le déplacement du système de coordonnées. Suivi des baguettes Cliquez à droite sur le groupe d’appareils photo et sélectionnez Automatic 3D-Wand Tracking. Sélectionnez toutes les caméras dans la sélection de la caméra. En bas à droite de la fenêtre, sélectionnez Options, sélectionnez Detect L frame, et sélectionnez Démarrer Tracking. Après le suivi automatique, sélectionnez Assign Wand Short, Wand Mid et Wand Long pour les six caméras. Sur la fenêtre de suivi 3D, sélectionnez Export vers les données brutes,puis sélectionnez l’option de données de baguette magique existante pour enregistrer le suivi. Sélectionnez Oui dans la fenêtre qui apparaît après la dernière étape pour enregistrer les données les plus précises.REMARQUE: Ce nouveau suivi sera enregistré sous l’onglet de suivi automatique dans la barre latérale gauche. Le suivi enregistré peut être consulté et modifié ultérieurement. Calcul de l’étalonnage Groupes d’étalonnage de la caméra en clic droit et sélectionnez Nouveau groupe d’étalonnage de baguettes. Sélectionnez toutes les caméras et maintenez la touche Ctrl (contrôle) lors de la sélection d’Ok. Changer la longueur de baguette magique à 100,00 mm, le plancher à ossature L décalé à 7,00 mm, les itérations pour la détection aberrante à 4, et a permis la longueur de la baguette-déviation à 0,300. Modifier la caméra que la baguette doit être visible en option à 4, et activer ce qui suit: fixer le rapport d’aspect, corriger le paramètre biaisé, et fixer le point principal ( tableau1).REMARQUE : Ces paramètres ont été déterminés expérimentalement comme optimaux pour cette configuration. Accepter les étalonnages dont la longueur de baguette est inférieure à 3 mm et la valeur résiduelle inférieure à 0,004.REMARQUE : Si les caméras ou l’équipement associé sont déplacés au-delà de ce point, il faudra recalibrer le système. 3. Formation et préparation de l’animal pour la locomotion tapis roulant Rats de formation pour la locomotion de tapis roulant Acclimater les rats au tapis roulant pendant 5 minutes avant une séance d’entraînement12. Entraînez les rats à marcher avec un poids complet portant sur leurs membres à 13 cm/s pendant 15 minutes/séance le matin pendant 1 semaine. Entraînez tous les rats jusqu’à ce qu’ils soient capables de marcher régulièrement (minimum de 10 marches continues) sur le tapis roulant12. Terminez des séances de formation à peu près à la même heure de la journée pour chaque rat. Avant la collecte des données, anesthésiez le rat en plaçant le rat dans une chambre d’incubation. Livraison de gaz Isoflurane (1,0%-2,5%) et 0,4 L d’oxygène pendant environ 5 min. Pincez le pied du rat pour vérifier la profondeur de l’anesthésie. Procédez lorsque le rat ne répond pas au pincement de la patte (réflexe négatif de sevrage de la patte). Raser le rat dans les régions où des marqueurs seront placés pour éviter que la fourrure n’interfère avec le suivi des marqueurs (figure 1). Palpate la peau pour le point de repère osseux pour placer les marqueurs. Utiliser des marqueurs de stylo pour les articulations distales au coude et au genou (Figure 3).REMARQUE : Les marqueurs rétroréfléchissants sont des hémisphères en plastique de 0,5 cm de diamètre recouverts de ruban rétroréfléchissant. Placez les marqueurs comme vous le souhaitez sur les repères osseux avant la collecte de données (figure 3).REMARQUE : Chez les rats sains et non neurotraumatiques, les marqueurs rétroréfléchissants placés sur les articulations distales sont souvent enlevés par les rats. À des fins de démonstration, des marqueurs rétroréfléchissants sont placés au-dessus des repères osseux proximaux (crête iliaque, hanche, articulation du genou pour les membres postérieurs, articulations de l’épaule et du coude pour l’avant-membre), et des marqueurs de stylo sont utilisés pour les repères les plus distal. Dans nos mains, cela a donné des résultats reproductibles entre et à l’intérieur des rats (données non publiées). 4. Capture de mouvement Sélectionnez le bouton de la caméra rouge sur la barre supérieure du logiciel de capture de mouvement pour enregistrer un essai. Désignez l’emplacement d’enregistrement sur l’ordinateur et sélectionnez Commencer l’enregistrement pour enregistrer à 120 images/s. Définiz une vitesse de tapis roulant définie par l’utilisateur et laissez le rat marcher pendant environ 30 s, soit un minimum de 10 étapes continues. Arrêtez l’enregistrement et vérifiez que la séquence contient au moins 10 étapes continues avant de continuer. Créez un nouveau groupe de caméras pour chaque essai après avoir enregistré la vidéo enregistrée. 5. Suivi des mouvements Sélectionnez le panneau « ‘ ” ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ ‘ Cela affichera une liste des six caméras. Attribuez l’étalonnage 3D au fichier de la caméra Aller au groupe d’étalonnage de la caméra et cliquez à droite sur l’étalonnage calculé. Sélectionnez Assign paramètres de caméra 3D. Affectez le fichier d’étalonnage aux fichiers de caméra appropriés dans le groupe de caméra enregistré. Vol stationnaire au-dessus du fichier de la caméra pour vérifier l’étalonnage (lit comme étalonnage 3Dvalide). Caméra individuelle 2D suivi Cliquez à droite sur le groupe de caméra pour le suivi des mouvements. Sélectionnez le suivi 2D. Sélectionnez sept à dix meilleures étapes continues et cohérentes pour le suivi. Enregistrez le numéro de trame au premier contact du membre de référence sur le tapis roulant pour chaque étape.REMARQUE : À des fins de démonstration, le membre arrière gauche a été choisi comme membre de référence. Diverses options de suivi sont disponibles. Cliquez à droite sur le marqueur d’intérêt et sélectionnez Suivi automatique, qui détectera les taches circulaires lumineuses créées par des marqueurs rétroréfléchissants (Figure 4). Alternativement, suivre les marqueurs en utilisant Pattern matching, qui utilisera un algorithme intégré dans le logiciel pour suivre les marqueurs en fonction de la taille et la couleur (Figure 4). Suivi manuel et correction des marqueurs indétectables ou des erreurs dans le suivi. Utilisez des marqueurs noirs lorsque les joints distal marqueurs rétroréfléchissants ne sont pas possibles. Suivez les marqueurs noirs à l’aide d’un traitement d’image avancé en inversant les marqueurs noirs vers les points lumineux pour un suivi automatique.REMARQUE : L’option de traitement d’image peut être utilisée pour aider à suivre les marqueurs difficiles à détecter ou à voir. Cliquez à droite sur la vidéo de rat dans la fenêtre de suivi 2D. Sélectionnez le traitement d’image. Sélectionnez Vue avancée et ajoutez une combinaison des quatre filtres (brillance, contraste, gamma) pour rendre le marqueur noir aussi sombre que possible par rapport à son environnement. Enfin, ajoutez Invert, et le marqueur noir deviendra un marqueur lumineux qui peut être suivi automatiquement (Figure 5). Correction de placement de marqueur Suivi manuel et correction des marqueurs indétectables ou des erreurs dans le suivi. Pour suivre manuellement la vidéo, sélectionnez le marqueur désiré sur la barre latérale droite. Clic droit et sélectionnez Suivi manuel. Commencez à suivre le marqueur sélectionné sur la vidéo de rat qui apparaît image par image. Pour corriger les erreurs, allez dans le cadre où l’erreur de suivi s’est produite. Cliquez à droite sur l’onglet marqueur spécifique dans la barre latérale droite et cliquez sur Supprimer le point. Repistez le point manuellement à la position précise. En utilisant la méthode ci-dessus, suivi 2D complet pour toutes les caméras utilisées pour tous les marqueurs souhaités dans la gamme de cadre des étapes continues. Cliquez sur Enregistrer tout au long du processus de suivi. 6. Analyse cinématique Affectations de phase Phases de clic droit et sélectionnez Modèle de phase D’édition. Personnalisez les phases de cycle de marche pour chaque membre en fonction des déficits que l’on choisit d’étudier (p. ex., ajout de phases de traînée, phases de boucle d’orteil, etc.) dans les phases traditionnelles de position et de swing d’un cycle d’étape. Définir les phases de l’expérience (Figure 6).REMARQUE : À des fins de démonstration, trois phases sont indiquées ici, et le membre postérieur gauche est utilisé comme membre de référence pour les sept à dix cycles de démarche. Cliquez à droite sur l’appareil photo dans le groupe de caméra et sélectionnez la vidéo d’exposition. Attribuez des phases du cycle de marche pour chaque membre du logiciel à l’aide du bouton de phase d’ajout ou de la touche de raccourci F11. Sélectionnez le membre approprié en cours d’analyse et désignez le premier cadre de suivi comme le début de la phase Stance. Progressez la vidéo vers le cadre où la phase de position se termine et la phase de swing commence. Désignez ce cadre comme le début de la phase Swing. Progrès de la vidéo à la première image où le pied commence à descendre. Désignez ce cadre comme le début de la phase de swingmoyen.REMARQUE : Ici, la phase de position d’un cycle d’étape pour chaque membre est définie comme le premier cadre dans lequel le membre entre en contact avec la surface du tapis roulant. La phase de balançoire est définie comme le premier cadre dans lequel le membre quitte la surface du tapis roulant. La phase de balançoire moyenne est le cadre où le membre a atteint le dégagement maximum et commence à descendre. Un cycle de démarche complet est défini à partir du début de la position initiale à l’affectation de phase de position du prochain cycle de marche. Répétez ces étapes jusqu’à ce que les affectations des phases des membres soient terminées pour chaque étape. Répétez l’opération pour les trois autres membres. Calculs de coordonnées 3D Effectuez des calculs 3D après avoir suivi les six caméras. Cliquez à droite sur le groupe d’appareil sphoto et sélectionnez nouveau calcul 3D, cliquez sur Tous pour la sélection de l’appareil photo, puis sélectionnez OK.REMARQUE : Un nouveau dossier s’affiche. Ce dossier contient toutes les données de coordonnées 3D pour tous les marqueurs suivis. Pour afficher et/ou modifier les phases, cliquez à droite sur les coordonnées 3D dans la barre latérale gauche et sélectionnez Phases d’édition (figure 7). Générer des données d’intérêt telles que la hauteur des articulations ou des diagrammes de vitesse avec des points de données en faisant glisser le marqueur d’intérêt pour voir côte à côte avec les phases de démarche assignées. (p. ex., la cinématique commune à la figure 8). Diagramme 3D Cliquez sur le diagramme 3D pour générer une figure 3D de l’essai. Exporter des données brutes en cliquant à droite coordonnées 3D / Exportation. Cliquez à droite sur le fichier de coordonnées 3D et sélectionnez Export. Ouvrez le fichier dans un logiciel de tableur et importez les données dans MATLAB. Créez un programme pour créer des parcelles de coordination de la hauteur des membres.REMARQUE : Les données de coordonnées 3D peuvent être exportées dans des logiciels d’analyse ou des scripts macro personnalisés pour générer plus de données, au-delà de ce que les fonctionnalités logicielles offrent.

Representative Results

Ce protocole démontre une méthodologie pour la collecte et l’analyse quantitatives de données cinématiques 3D pour la locomotion de tapis roulant chez les rongeurs à l’aide d’un logiciel simple et intégré. Les résultats montrent que le protocole est faisable dans la collecte et l’analyse de la cinématique de locomotion quadrilatère chez les rats sains et blessés par la moelle épinière. Les chercheurs ayant une expérience de manipulation des rats doivent placer des marqueurs sur les rats, puis calibrer et utiliser le système de capture de mouvement sans aucun problème critique. Les données sont facilement générées sans l’utilisation d’algorithmes complexes. Ici, le protocole a été mis en œuvre chez les rats en bonne santé et blessés à la moelle épinière (hémie droite C5). Aux fins de ce manuscrit, seuls les résultats représentatifs sont affichés. Dans l’ensemble, diverses cinématiques du mouvement des segments articulaires et des membres ont été facilement obtenues à partir des coordonnées 3D de chaque marqueur. Des différences critiques entre les cycles de démarche anormale et les cycles de marche sains ont été facilement détectées avec de multiples résultats, y compris (mais sans s’y limiter) les mesures de hauteur des pas, la vitesse des articulations, l’angle articulaire (figure9), la durée de la phase du cycle d’étape pour les quatre membres, coordination des membres (figure 10). L’analyse des données qualitatives sous forme de diagrammes et de diagrammes de bâtons peut guider la détermination des outils quantitatifs utilisés pour mettre en œuvre les résultats finaux de cette approche d’analyse (figure 11). Chez un rat représentatif en bonne santé, le profil d’angle du coude a démontré des pics lisses et simples avec des cycles de démarche adjacents cohérents qui montraient une gamme complète de mouvements (figure 9). La phase de position alternée et les durées de la phase d’oscillation des traces suggéraient une coordination intralimb cohérente. En revanche, le profil d’angle de coude d’un rat blessé de moelle épinière représentatif a démontré les crêtes déformées multiples, qui étaient moins cohérentes et des gammes plus petites de mouvement. En plus des modifications de la phase de posture allongée et des durées de phase d’oscillation raccourcies, il y avait une insuffisance dans la coordination intralimb pour le RFL. Dans les données représentatives présentées pour la coordination, il a été constaté que les parcelles de coordination (figure 10) générées à partir de rats en bonne santé représentatifs montraient une coordination rythmique bien définie dans les membres ipsilateral pendant la démarche (modèle en forme de L) et en phase en forme de D avec des membres contralatéral. En comparaison, un rat représentatif blessé à la moelle épinière (hémie droite C5) a montré une mauvaise coordination non alternée et non rythmique dans les membres ipsilateral et une coordination rythmique alternée inhabituelle (modèle en forme de L) dans l’un des contralatéraux d’appariements de membres (figure 10). Étant donné le déficit observable dans le membre antérieur droit dans la vidéo de mouvement enregistrée, ceci suggère que le RFL et le LHL n’ont pas pu supporter le plein poids sans le soutien de LFL ou de RHL à un moment donné. Cette tendance suggère un mécanisme compensatoire pour faire face à la vitesse de marche forcée sur un tapis roulant. Les données quantifiables ont été facilement générées à partir de l’utilisation du système 3D, mais cela impliquait l’accès à des onglets distincts et la sélection à partir d’une multitude d’options disponibles dans le logiciel. Il y a actuellement des travaux sur l’élaboration d’un modèle automatisé qui générera des données quantitatives et qualitatives dans un seul rapport pour les résultats les plus évidents d’intérêt (sans qu’il soit nécessaire de générer individuellement des résultats différents), comme c’est le cas régulièrement avec système cinématique utilisé pour des études cliniques. Ainsi, plusieurs points de terminaison peuvent être compilés et exportés dans un format de rapport qui peut être facilement visualisé immédiatement après un essai. Figure 1 : Mise en place expérimentale. (A) Schéma d’une collecte de données cinématique à six caméras pour une tâche de marche sur tapis roulant. Un ensemble de trois caméras est placé des deux côtés du tapis roulant pour capturer (image par image) les mouvements de marqueur gauche et droit pendant la locomotion. (B) Diagramme représentant le placement des marqueurs sur des repères osseux sur les membres antérieurs et les membres postérieurs du rongeur pour capturer la cinématique de locomotion quadrupède. Un total de 11 marqueurs est placé de chaque côté du rat. Les régions ombragées montrent la zone où le rat est rasé. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 2 : Marqueurs pour l’étalonnage. (A) Affectations définies par marqueur pour le système d’étalonnage des baguettes, à l’aide de deux cadres d’étalonnage : L-Frame et baguette (B) Le système de coordonnées est défini par le L-Frame, où l’origine L-Frame (intersection de deux pattes du cadre) est définie comme (0,0). Les deux membres du L-Frame, du Short L-Frame et du L-Frame définissent les axes x et y, respectivement, et l’axe z est défini comme perpendiculaire au plan XY. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 3 : Types de marqueurs. (A) Photographie du tronc inférieur du rat montrant les deux types de marqueurs utilisés. (B) La photographie montre un marqueur rétroréfléchissant placé sur la crête iliaque avec du ruban adhésif recto-verso qui est conçu pour adhérer à la peau (rouge encerclé). (C) La photographie démontre le placement d’un marqueur de stylo au-dessus de l’articulation metatarsophalangeal droite (rouge encerclé). Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 4 : Suivi des mouvements. (A) L’image montre l’interface de suivi des mouvements où plusieurs marqueurs peuvent être suivis simultanément à l’aide des fonctions « Suivre automatiquement » et « Suivre à l’aide d’appariement des motifs ». (B) La vue agrandie d’un marqueur rétroréfléchissant est détectée comme une tache circulaire blanche brillante dans la fonction « Suivre automatiquement » pendant l’affectation du marqueur. Le logiciel reconnaît cet endroit comme une tache circulaire bleu vif. Le point rouge est finalement reconnu comme le centre du marqueur prescrit. Une tache rouge centrée dans le marqueur circulaire diminue les risques d’erreurs expérimentales lors du suivi des données. La déviation du centre suggère que les mesures et les analyses ultérieures sont susceptibles d’être inexactes. (C) Vue agrandie d’un marqueur rétroréfléchissant sélectionné pour l’appariement des motifs. En fonction de la taille, de la forme et de la couleur du marqueur sélectionné, le logiciel identifie automatiquement les marqueurs correspondant à la description dans les images vidéo suivantes. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 5 : Options de suivi de base et avancées. (A) Les vidéos peuvent être traitées dans le logiciel en cliquant à droite sur la vidéo pendant l’analyse afin que les marqueurs peu clairs ou flous soient clairement visualisés pour permettre le suivi automatique. À des fins de démonstration, deux types de paramètres de traitement d’image sont affichés qui sont ajustés pour tenir compte des différentes conditions d’éclairage ambiant lors de la collecte de données pour faciliter le suivi. (B) Un cadre vidéo représentatif avant le traitement de l’image. (C) Pour le traitement d’image de base (traitement de type I), la luminosité et les paramètres de contraste sont ajustés pour une vue plus claire. (D) À l’aide des paramètres avancés de traitement d’image (traitement de type II), le marqueur articulaire métatarsophalangeal droit (marqueur noir) est inversé et peut ensuite être suivi automatiquement. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 6 : Affectations de phase. Le cycle de marche pour chaque membre peut être divisé en phases distinctes selon la conception expérimentale. À des fins de démonstration, trois phases de cycle de marche sont affichées. (A) La phase de stance est définie comme le premier cadre dans lequel le membre entre en contact avec la surface du tapis roulant. (B) La phase de balançoire est définie comme le premier cadre dans lequel le membre quitte la surface du tapis roulant (C) La phase de balançoire moyenne est le premier cadre après le dégagement des membres où la patte commence à descendre. Dans (D), un cycle de démarche complet est défini à partir du début de la position initiale à l’affectation de phase de position du prochain cycle de marche. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 7 : Options avancées pour l’analyse de phase d’étape. Cette option permet une vue approfondie des affectations de suivi et de phase, ainsi que la possibilité de modifier les affectations de phase. (A) Boîte de sélection de marqueurs pour afficher et sélectionner le marqueur désiré. (B) Fenêtre de sélection coordonnée : la mise en évidence de la coordonnées d’intérêt (dans ce cas, z-coordinates) s’affichera en rouge dans la fenêtre de diagramme principal. (C) Fenêtre de sélection de phase : les phases assignées pour un membre peuvent être consultées en ce qui concerne les marqueurs et les coordonnées sélectionnés dans (A) et (B). Les phases peuvent également être modifiées à travers cette fenêtre. (D) Fenêtre de diagramme : les coordonnées d’un marqueur spécifique peuvent être comparées simultanément pendant les phases individuelles du cycle de marche. Le vert et le jaune représentent respectivement les phases de position et de swing pour le membre arrière droit pendant la locomotion quadrupède. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 8 : Échantillon de données cinématiques 3D. (A) Divers résultats de chaque marqueur articulaire peuvent être visualisés de façon picturale à partir du jeu de données de coordonnées 3D après suivi vidéo (B) Données représentatives générées pour les cycles de la position et de la phase de balançoire pour chaque membre antérieur et postérieur pendant quadrupède marchant dans un rat. Les couleurs représentent les phases de position et de swing des cycles d’étape consécutifs. Le rouge et le vert correspondent respectivement aux phases de position de l’avant-jambe et de l’arrière-pays. Le bleu et le sarcelle correspondent respectivement aux phases de position de l’avant-membre gauche et de l’arrière-membre. Le jaune correspond à la phase d’oscillation de chaque membre. (C) Plusieurs groupes de données (marqueurs ou résultats discrets) peuvent être comparés simultanément avec facilité. Les données de vitesse z-coordinate des marqueurs articulaires du genou gauche et droit sont choisies arbitrairement pour démontrer la vitesse verticale du marqueur articulaire du genou à partir de la surface du tapis roulant. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 9 : Données inétiques angulaires communes représentatives de rats sains et cervicals de moelle épinière pendant la locomotion de tapis roulant. (A) Le profil d’angle articulaire du coude chez un rat représentatif en bonne santé démontre des pics lisses et simples de traces d’angle articulaire avec des cycles de démarche adjacents cohérents qui affichent une gamme complète de mouvement. Les barres rouges et jaunes dénotent respectivement les phases de position et de swing du cycle d’étape de l’avant-membre. (B) En revanche, les traces d’un rat blessé à la moelle épinière représentatif sont relativement plus déformées et montrent des pics multiples incohérents avec une gamme globale plus petite de mouvement articulaire. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 10 : Données représentatives de coordination des membres d’un rat blessé à la moelle épinière en bonne santé et cervical e pendant la locomotion du tapis roulant. (A) Les valeurs z-coordonnées des marqueurs métacarpophalangeal (MCP) et metatarsophalangeal (MTP) représentant les mesures de hauteur des marches sont tracées en six combinaisons différentes entre les membres à partir d’environ 10 étapes pendant la marche quadruple. Sont montrées la démonstration représentative de toutes les six paires possibles de coordination de membre. (B) Un rat sain montre une coordination rythmique en alternance claire (modèle en forme de L) pour toutes les paires (i, ii, iii, iv). Lorsque les membres sont en phase (v, vi), les paires de coordination suivent un modèle en forme de D. (C) Dans un rat blessé à la moelle épinière cervicale, notez (i) la mauvaise coordination entre les deux membres antérieurs, (iii) l’appariement ipsilatéral droit et (iv) la coordination peu commune pour une des paires contralatérales de membre. Notez que les parcelles de coordination (B,C) ne partagent pas la même échelle. Veuillez cliquer ici pour voir une version plus grande de ce chiffre. Figure 11 : Figure animéede bâton 3D. Exemple de chiffre de bâton 3D généré à partir de données suivies. S’il vous plaît cliquez ici pour télécharger ce chiffre.    Paramètres de calibrage Entrées de calibrage Longueur de baguette [mm] 100 ans L-Frame Floor offset [mm] 7 Annonces Itérations pour détection aberrante 4 ( en plus) Déviation autorisée de la longueur de baguette 0,3 La baguette doit être visible dans au moins les caméras 4 ( en plus) Ratio d’aspect fix à carreaux Correction du paramètre de biais à carreaux Fixer le point principal à carreaux Tableau 1 : Réglages avancés pour l’étalonnage. Le tableau résume les paramètres que nous avons utilisés pour calibrer avec précision la configuration de six caméras. Ces réglages ont été testés expérimentalement et ont été trouvés optimaux pour notre configuration.

Discussion

Cet article de protocole démontre l’utilisation d’un système de suivi des mouvements pour la collecte et l’analyse de données cinématiques 3D pendant la locomotion du tapis roulant quadrilatère chez les rongeurs. Les caractéristiques importantes du système d’analyse de mouvement cinématique 3D comprennent la quantification détaillée de la cinématique du mouvement articulaire (cinématique de phase d’étape, angles articulaires, gamme de mouvements, vitesses d’étape) à partir de multiples articulations et membres simultanément, la détection de les déficits moteurs incommensurables à l’œil nu, l’élimination du biais subjectif dans la collecte et l’analyse des données, et la visualisation facile de l’ensemble du membre et de la cinématique posturale qui peut être comparée à la juxtaposition simultanée du rat entier en mouvement. Sans la nécessité d’algorithmes ajoutés et de modélisation, les méthodes montrent la capacité du logiciel à analyser quantitativement la cinématique de la démarche avec beaucoup de détails, d’efficacité, de facilité, de précision et de reproductibilité.

Chez les rongeurs, les déficits locomoteurs des membres antérieurs et des membres postérieurs après une lésion de la moelle épinière (SCI) sont généralement évalués à l’aide de systèmes de notation locomotrices subjectifs et normalisés tels que le système de notation BBB1. Les systèmes de notation subjectifs introduisent généralement un biais de testeur parce que différents chercheurs peuvent attribuer des scores différents pour le même déficit moteur ou le même score pour différents déficits moteurs, ce qui réduit la reproductibilité et la sensibilité du test13 . De plus, l’incapacité de détecter des déficits subtils risque d’inférer à tort les effets d’une intervention.

Pour lutter contre ces problèmes, les systèmes automatisés2,3,4,5 et les systèmes avec ou sans l’utilisation d’algorithmes complexes14,15 ont été adoptés par certains chercheurs. Ces essais effectuent une analyse du cycle d’étape qui révèle des profils de roulement de poids et des modèles de séquence s’écouler des mouvements de placement des pattes de rats marchant sur une piste. Cependant, un inconvénient majeur de l’analyse de la démarche vidéo plan ventral est que le corps du sujet lui-même n’est pas directement visible2,3. Ces données se limitent à l’information obtenue à partir d’impressions de mouvements des pieds et des pattes, remettant en question la sélection et l’interprétation des paramètres de démarche dans l’évaluation des déficits (voir Chen et coll.16). Les détails du mouvement qui révèlent la cinématique segmentée dynamique du mouvement et du positionnement des membres ne sont pas obtenus avec précision pour l’analyse de locomotion3,5. Les déviations critiques des données d’angle articulaire (c.-à-d. gamme de mouvements, vitesse des mouvements, etc.), la relation des articulations les unes par rapport aux autres au sein d’un membre et entre les membres, et la mécanique sous-jacente du corps qui modifient les modèles de démarche sont impossibles à obtenir. Par conséquent, si des déficiences observables de la démarche sont dues à des altérations des mouvements articulaires segmentaires simples et/ou multiples (c.-à-d. coordination intralimb proximale-distal, relations posturales du tronc par rapport au cycle de position et de démarche de les membres, etc.) restent masqués.

Peu de systèmes actuellement disponibles capturent la cinématique de démarche et évaluent le dysfonctionnement moteur qualitativement et quantitativement mais sont moins largement utilisés. Un système complet d’analyse de la démarche de suivi vidéo à grande vitesse filme les cycles de démarche spontanée de trois côtés (un ventral et deux plans latéraux) et suit les repères osseux pour produire un certain nombre de résultats de démarche17,18. L’analyse de la démarche cinématique du plan sagittal est utiliséepar certains chercheurs pour obtenir des données de mouvement 2D de l’arrière-membre 19,20. Cependant, une troisième dimension du mouvement qui se produit orthogonalement au plan d’observation (latéral ou sagittal) est indétectable dans les analyses11,18,19.

D’autres systèmes de collecte de données posturales de corps posturaux plus sophistiqués, 3D et segmentés de rongeurs, utilisent la modélisation mathématique 3D de la collecte de données ainsi que le système d’analyse pour suivre et quantifier le mouvement 3D des segments du corps du rongeur tout en incluant la tête modèles de mouvement8. Madete et coll.9 ont mis au point un système de capture de mouvement optoélectronique basé sur des marqueurs pour quantifier la cinématique posturale du corps 3D pendant la locomotion au-dessus du sol sur des poutres de marche à l’aide d’un système de sept caméras. Les principaux résultats étudiés dans les deux derniers travaux se concentrent principalement sur la posture globale du rongeur plutôt que sur l’analyse de la démarche. Les systèmes de capture de mouvement 3D fournissent des données de démarche cinématique 3D à haut débit à l’aide de caméras multiples et de systèmes logiciels élaborés, tels qu’examinés par Bhimani et al.,21. Les versions plus anciennes du système d’analyse de mouvement 3D présenté ont également été employées dans le travail précédent chez les rats avec et sans neurotrauma12,22,23.

Malgré la disponibilité de systèmes de collecte et d’analyse des mouvements 3D pour la recherche, l’utilisation préclinique de cette technique chez les rongeurs demeure relativement limitée. Une partie de la raison de ce problème est que les protocoles de collecte et d’analyse de données s’appuient fortement sur l’utilisation de modèles cinématiques de construction et d’algorithmes compliqués qui s’adaptent à un modèle cinématique de l’arrière-pays du rat pendant la marche pour générer fine, haute résolution démarche cinématique8,9,11,22. La méthodologie détaillée présentée ici fournit des détails sur la procédure impliquée tout au long du processus expérimental, y compris la manipulation des animaux, la formation, la mise en place expérimentale, la collecte de données et les étapes d’analyse.

Sont également fournis des détails sur l’étalonnage du système, qui est la partie fondamentale du protocole, qui assurera la reproductibilité entre les essais adjacents à l’intérieur et entre les sujets. Les techniques décrites étape par étape introduisent l’objectivité dans la procédure de collecte de données et la rendent hautement reproductible. Les données générées par ce logiciel de capture de mouvement peuvent être visualisées image par image pour la qualité du mouvement et automatiquement suivies. La façon dont cette collecte ou quantification de données ne nécessite pas d’algorithmes ou de modélisation supplémentaires, décrit également comment cette collecte ou quantification de données ne nécessite pas d’algorithmes ou de modélisation supplémentaires. Les étudiants, le personnel et les chercheurs peuvent utiliser des logiciels statistiques simples pour générer une production cinématique de base sans se fier à une expertise technique spécifique.

Ce système peut également être utilisé pour la locomotion au sol, l’atteinte et la saisie, et d’autres configurations expérimentales pour répondre à l’objectif expérimental. Le nombre et le type de marqueurs peuvent également être ajustés pour la queue, le dos, le tronc ou les oreilles, au besoin. Un plus grand avantage du logiciel présenté par rapport aux systèmes est sa capacité à recueillir des données vidéo haute résolution du sujet. En tant que tel, des ensembles complexes de calculs (c.-à-d. mouvements angulaires, lignes de bâton reliant plusieurs articulations, etc.) peuvent être superposés à la vidéo enregistrée. Le placement des marqueurs et les données 3D générées peuvent être vérifiés avec les mouvements réels d’un rat en mouvement. En revanche, avec l’autre système de capture de mouvement 3D, seuls les marqueurs sont capturés, et toute réanalyse doit être effectuée sur les diagrammes de bâton (cadre squelettique) au lieu de la vidéo du sujet réel. Par conséquent, la vérification du placement des marqueurs sur le mouvement réel du sujet fait défaut.

Sur la base de l’expérience de ce système, l’étalonnage joue un rôle crucial dans le succès de la collecte de données. L’étalonnage du système est très sensible au changement. et le léger mouvement d’une caméra peut compromettre l’ensemble du processus de collecte et d’analyse des données de coordonnées 3D. Seulement deux caméras de chaque côté d’un plan de visualisation sont nécessaires pour la collecte de données, mais la troisième caméra est fortement recommandé pour fournir plus de précision en recoupant les emplacements de chaque marqueur avec d’autres caméras. À mesure que le nombre de caméras de suivi augmente, la précision de la coordonnées 3D pour un marqueur spécifique augmentera également. Pendant les occasions où les marqueurs deviennent obscurcis en raison des déficits de démarche (tels que le curling d’orteil ou la traînée dans le cas de la démarche après neurotraumatisme), ces conditions peuvent exiger le suivi manuel étendu. Néanmoins, la quantité de données éventuellement générées à partir du suivi est digne du temps investi dans le suivi manuel des marqueurs, ce qui en fait un outil précieux dans la détection des déficits moteurs subtils.

D’après notre expérience, toute fastidieuse utilisation du système est au-delà de l’utilisation de l’équipement et de la technologie elle-même. Semblable à d’autres protocoles pour l’évaluation des comportements moteurs, la méthode avec laquelle les rats sont manipulés et formés pour la tâche affecte considérablement les résultats. Par exemple, il est essentiel d’isoler les rats de leur cohorte pendant les tests; autrement, les rats qui ne sont pas testés mais qui sont toujours présents lors des essais montrent une détérioration éventuelle de la performance des tâches. Les températures optimales des pièces, l’éclairage et les niveaux de bruit sont d’autres déterminants. Fouad et coll. ont publié d’autres défis qui accompagnent les tests moteurs fonctionnels chez les rats24. En effet, les utilisateurs aveuglés de ce laboratoire qui ont suivi la méthodologie correctement n’ont pas connu d’obstacles majeurs avec la collecte de données, le suivi des mouvements et l’analyse des données.

Dans cet article, un système de capture de mouvement 3D pour recueillir et analyser efficacement les données locomotrices est décrit afin que les chercheurs puissent recueillir d’énormes quantités de données locomotrices en profondeur rapidement à partir de plusieurs rats. Nous travaillons actuellement sur la création d’un modèle automatisé d’analyse de données qui peut être intégré dans le logiciel et devenir capable de générer un rapport des résultats prédéterminés en quelques secondes pour la locomotion tapis roulant chez les rongeurs, similaire à ce qui est fait chez l’homme études utilisant des systèmes de capture et d’analyse de mouvement6,25. L’élaboration de ce modèle permettra aux chercheurs précliniques d’obtenir des données locomotrices détaillées sur les rongeurs à la convenance de quelques clics d’un bouton de souris. On espère que les méthodes fournies dans ce travail s’avéreront utiles aux chercheurs précliniques pour évaluer le comportement moteur des rongeurs de façon plus objective. Nous affinons maintenant l’utilisation de ce système pour recueillir des données cinématiques 3D à haut débit lors de comportements communs et qualifiés comme l’atteinte et la saisie. Fait important, l’utilité de cette méthode peut être étendue aux rats avec une variété de blessures neurotraumatiques et non neurotraumatiques.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Nous remercions tout particulièrement Pawan Sharma pour son aide dans la mise en place expérimentale de la vidéo et de la contribution intellectuelle à ce projet. Nous remercions également Christopher Palacio pour sa contribution à la démonstration du protocole vidéo.

Materials

6 camera Basler (Scout scA640-120gu) motion capture system. Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany N/A Recording device for motion analytics.
Calibration Frame and Wand Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany N/A L-shaped calibration defining the global coordinate sysetem, and the trident shape wand (100 mm)
Markers Shah Lab N/A Recording device for motion analytics. Markers are Custom made in our lab from 0.5cm googly-eyes covered with reflective tape.
Matlab Mathworks, Inc, Natic, Ca N/A Data analysis software
Rodent Cage Custom Made within Stony Brook. N/A Clear plexiglass cage used to keep the rodent on the treadmill.
Simi Reality Motion Systems Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany N/A 3D tracking Software.
Treadmill Mk Automation Inc., Bloomfield, CT 06002 N/A Treadmill used for rodent locomotion.
DOWNLOAD MATERIALS LIST

References

  1. Basso, D. M., Beattie, M. S., Bresnahan, J. C. A sensitive and reliable locomotor rating scale for open field testing in rats. Journal of Neurotrauma. 12 (1), 1-21 (1995).
  2. Cheng, H., et al. Gait analysis of adult paraplegic rats after spinal cord repair. Experimental Neurology. 148 (2), 544-557 (1997).
  3. Hamers, F. P., Lankhorst, A. J., van Laar, T. J., Veldhuis, W. B., Gispen, W. H. Automated quantitative gait analysis during overground locomotion in the rat: its application to spinal cord contusion and transection injuries. Journal of Neurotrauma. 18 (2), 187-201 (2001).
  4. Beare, J. E., et al. Gait analysis in normal and spinal contused mice using the TreadScan system. Journal of Neurotrauma. 26 (11), 2045-2056 (2009).
  5. Nakamura, A., et al. Low-cost three-dimensional gait analysis system for mice with an infrared depth sensor. Neuroscience Research. 100, 55-62 (2015).
  6. Pfister, A., West, A. M., Bronner, S., Noah, J. A. Comparative abilities of Microsoft Kinect and Vicon 3D motion capture for gait analysis. Journal of Medical Engineering & Technology. 38 (5), 274-280 (2014).
  7. Alt Murphy, M., Murphy, S., Persson, H. C., Bergstrom, U. B., Sunnerhagen, K. S. Kinematic Analysis Using 3D Motion Capture of Drinking Task in People With and Without Upper-extremity Impairments. Journal of Visualized Experiments. (133), (2018).
  8. Karakostas, T., Hsiang, S., Boger, H., Middaugh, L., Granholm, A. C. Three-dimensional rodent motion analysis and neurodegenerative disorders. Journal of Neuroscience Methods. 231, 31-37 (2014).
  9. Madete, J. K., et al. Challenges facing quantification of rat locomotion along beams of varying widths. Journal of Engineering in Medicine. 224 (11), 1257-1265 (2010).
  10. Neckel, N. D., Dai, H. N., Burns, M. P. A novel multidimensional analysis of rodent gait reveals the compensation strategies employed during spontaneous recovery from spinal cord and traumatic brain injury. Journal of Neurotrauma. , (2018).
  11. Valdez, S. I., et al. Modeling hind-limb kinematics using a bio-inspired algorithm with a local search. Biomedical Engineering Online. 17, (2018).
  12. Shah, P. K., et al. Use of quadrupedal step training to re-engage spinal interneuronal networks and improve locomotor function after spinal cord injury. Brain: A Journal of Neurology. 136 (Pt 11), 3362-3377 (2013).
  13. Barros Filho, T. E., Molina, A. E. Analysis of the sensitivity and reproducibility of the Basso, Beattie, Bresnahan (BBB) scale in Wistar rats. Clinics (Sao Paulo). 63 (1), 103-108 (2008).
  14. Jacobs, B. Y., Kloefkorn, H. E., Allen, K. D. Gait analysis methods for rodent models of osteoarthritis). Currend Pain and Headache Reports. 18 (10), 456 (2014).
  15. Kloefkorn, H. E., et al. Automated Gait Analysis Through Hues and Areas (AGATHA): A Method to Characterize the Spatiotemporal Pattern of Rat Gait. Annals of Biomedical Engineering. 45 (3), 711-725 (2017).
  16. Chen, H., Du, J., Zhang, Y., Barnes, K., Jia, X. Establishing a reliable gait evaluation method for rodent studies. Journal of Neuroscience Methods. 283, 92-100 (2017).
  17. Zorner, B., et al. Profiling locomotor recovery: comprehensive quantification of impairments after CNS damage in rodents. Nature Methods. 7 (9), 701-708 (2010).
  18. Preisig, D. F., et al. High-speed video gait analysis reveals early and characteristic locomotor phenotypes in mouse models of neurodegenerative movement disorders. Behavioural Brain Research. 311, 340-353 (2016).
  19. Fiander, M. D., Chedrawe, M. A., Lamport, A. C., Akay, T., Robertson, G. S. Sagittal Plane Kinematic Gait Analysis in C57BL/6 Mice Subjected to MOG35-55 Induced Experimental Autoimmune Encephalomyelitis. Journal of Visualized Experiments. (129), (2017).
  20. Fiander, M. D., Stifani, N., Nichols, M., Akay, T., Robertson, G. S. Kinematic gait parameters are highly sensitive measures of motor deficits and spinal cord injury in mice subjected to experimental autoimmune encephalomyelitis. Behavioural Brain Research. 317, 95-108 (2017).
  21. Bhimani, A. D., et al. Functional gait analysis in a spinal contusion rat model. Neuroscience Biobehavioral Reviews. 83, 540-546 (2017).
  22. Courtine, G., et al. Transformation of nonfunctional spinal circuits into functional states after the loss of brain input. Nature Neuroscience. 12 (10), 1333-1167 (2009).
  23. Shah, P. K., et al. Unique Spatiotemporal Neuromodulation of the Lumbosacral Circuitry Shapes Locomotor Success after Spinal Cord Injury. Journal of Neurotrauma. 33 (18), 1709-1723 (2016).
  24. Fouad, K., Hurd, C., Magnuson, D. S. Functional testing in animal models of spinal cord injury: not as straight forward as one would think. Frontiers in Integrative Neuroscience. 7, 85 (2013).
  25. Miller, E., et al. Mechanical testing for three-dimensional motion analysis reliability. Gait & Posture. 50, 116-119 (2016).

Tags

3D KinematicsQuadrupedal LocomotionAdult RatsMotion CaptureTreadmill WalkingRetro-reflective MarkersL-frameWand Calibration3D TrackingCamera Calibration

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Wong, J., Shah, P. K. 3D Kinematic Gait Analysis for Preclinical Studies in Rodents. J. Vis. Exp. (150), e59612, doi:10.3791/59612 (2019).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image