Summary
Una medida objetiva de las funciones del músculo es un reto especialmente en los niños. Basado en un sensor 3D de digital disponible en el mercado, una prueba de juego de niños fue desarrollada para evaluar la función del miembro superior para ensayos clínicos.
Abstract
Atrofia muscular progresiva e irreversible caracteriza la Atrofia Muscular Espinal (SMA) y otras enfermedades similares de trastorno muscular. Evaluación objetiva de las funciones del músculo es una esencial e importante, aunque difícil, requisito previo para el éxito clínico. Escalas de valoración clínica actual refrenan las anormalidades de movimiento a ciertos elementos individuales grano grueso predefinidos. El sensor 3D de Kinect se ha convertido en un tecnología utilizada para la captura y movimiento en muchos médicos de la gente de la pista y campos de investigación de detectores de movimiento portátil y de bajo costo. Se desarrolló un nuevo enfoque de este sensor de 3-d y una prueba de juego como fue diseñada para medir objetivamente la función de la extremidad superior de pacientes con SMA. La prueba del prototipo blanco capacidad de movimiento articular. Sentado en una escena virtual, el paciente fue instruido para ampliar, flex y levante el brazo entero para llegar y colocar algunos objetos. Ambas características espacio-temporales y cinemáticas del movimiento de la extremidad superior fueron extraídas y analizadas, por ejemplo, extensión del codo y ángulos de flexión, mano velocidad y aceleración. El primer estudio incluyó a una cohorte pequeña de 18 pacientes ambulantes de SMA y 19 controles sanos pareados por edad y género. Se logró un análisis comprensivo del movimiento del brazo; sin embargo, ninguna diferencia significativa entre los grupos fueron encontrados debido a la falta de coincidencia de la capacidad del paciente y la dificultad de la prueba. Basándose en esta experiencia, una segunda versión de la prueba que consiste en una versión modificada del primer juego con mayores dificultades y un segundo juego contra resistencia muscular se diseñó e implementó. La nueva prueba no se ha realizado en ningún grupo de pacientes aún. Nuestro trabajo ha demostrado la capacidad potencial del sensor 3D para evaluar dicha función muscular y sugirió un enfoque objetivo para complementar las escalas de valoración clínica.
Introduction
Evaluación integral de la función muscular es una evaluación crítica en muchas enfermedades neuromusculares y un requisito previo importante para ensayos clínicos exitosos. Escalas de calificación clínica se utilizan cada vez más como una herramienta de evaluación estandarizada y como un resultado bien establecido medida1. Sin embargo, dependen en gran medida el juicio subjetivo de los clínicos y podría dar lugar a variaciones sustanciales a evaluador inter y intra inconsistencia2 o generan números que no cumplen los criterios para las medidas exactas1. Además, muchas enfermedades neuromusculares afectan en gran medida los niños y la mayoría de estas escalas de calificación son largos y aburridos, que impone retos adicionales. Un ejemplo de una enfermedad neuromuscular es espinal Muscular atrofia (SMA), que es una grave enfermedad neuromuscular caracterizada por debilidad de músculo progresiva3. Dependiendo de los fenotipos clínicos, algunos pacientes viven con sillas de ruedas (tipo 2), y algunas pueden levantarse y andar sin ayuda (tipo 3)4. Hay una creciente demanda de una herramienta de evaluación más objetiva y sensible para medir la función del músculo en términos de rango de movimiento articular, fuerza muscular, fatiga muscular y así sucesivamente, con el fin de seguir la progresión de la enfermedad y la eficacia de la droga.
El rápido avance en tecnología de detectores de movimiento ha hecho posible analizar las características del movimiento a costos relativamente bajos, entre los que el valor del sensor 3D (Kinect) en la captura de movimiento de todo el cuerpo en una forma libre de marcador ha sido ampliamente examinado. Al usar el sensor infrarrojo integrado y la máquina implementada algoritmos de aprendizaje, los lugares del cuerpo de las orugas personas se infieren a través de las posiciones 3-dimensional de 20 puntos anatómicos denominados puntos incluyendo cabeza, cuello, articulaciones del cuerpo manos, muñecas, codos, hombros, columna vertebral, caderas, rodillas, tobillos y pies5. La resolución temporal es hasta 30 Hz, que es suficiente para el movimiento más física excepto por algunos síntomas motores patológicos tales como temblores. La exactitud espacial del sensor 3-d ha sido validada extensivamente con la tierra verdad6 o el estándar de oro, que es un marcador-movimiento basado en 3 dimensiones análisis sistema7,8,9,10 ,11,12. Reproducibilidad y buena validez concurrente han sido revelados por diferentes pruebas, especialmente de la parte frontal ver12 y para bruto de movimientos7. Con el fin de evaluar objetivamente la función de miembro superior para los niños con SMA, diseñamos e implementamos una prueba de como juego basada en un sensor 3D para medir la capacidad de movimiento articular.
Protocol
El ensayo se realizó en un estudio observacional, longitudinal del niños de la Universidad Hospital de Basilea (UKBB) con adultos y niños. Más Demografía e información clínica sobre el estudio pueden encontrarse en la publicación anterior13,14. Todos los procedimientos han sido aprobados por el Comité de ética local Ethikkomission UKBB y realizado según los principios expresados en la declaración de Helsinki. Consentimiento de informado escrita y el cumplimiento con el protocolo de estudio según la Conferencia Internacional sobre armonización (ICH) y las regulaciones locales fueron proporcionadas por todos los temas o los representantes legalmente autorizados para niños por debajo de la edad legal consentimiento.
Nota: Un juego del prototipo "Armario" para medir el rango de las articulaciones de movimiento fue diseñado y puesto en ejecución. Luego fue exportado como una aplicación ejecutable que puede funcionar en cualquier Windows 8 o superior sistema operativo, como también se instalan los controladores necesario sensor 3D. El juego del prototipo basado en Kinect sensor v1 o la segunda versión (véase discusión) basado en Kinect sensor v2 se puede proporcionar a petición (véase archivos de codificación complementaria).
1. configuración y preparación para el examen
- Instale el sensor 3D (e.g., Kinect) controladores y la aplicación diseñada en el ordenador.
- Coloque el equipo sobre una superficie adecuada, como una mesa, con una altura de 0.5 - 1 metro.
- Coloque el dispositivo 3-d también en la misma superficie alineada en el medio de la computadora, por lo que la altura de la cámara 3D es fijada por la mesa sobre 0.5 - 1 metro por encima del suelo. Ajustar el ángulo de elevación del sensor 3D manualmente según sea necesario para capturar correctamente el tema (ver 2.4.2 más abajo).
- Conecte todos los cables correctamente, incluyendo el adaptador 3D para el ordenador y el cable de alimentación a la fuente de alimentación.
- Coloque una silla regulable en altura delante de la mesa con la computadora y el sensor 3D a unos 2 metros.
2. realización de la prueba
- Iniciar el equipo y encienda el sonido a un volumen óptimo. Si se desea la transmisión automática de datos, asegúrese de que está conectado a Internet.
- Instruir al sujeto a sentarse en la silla.
- Inicie la aplicación en el equipo y escriba el ID de tema en la primera página.
- Haga clic en el botón "START" en la primera página para entrar en la segunda página, que muestra el "armario" juego:
- Observe la figura esqueleto (parte superior del cuerpo solamente) en la pantalla, que representa el cuerpo del sujeto frente a un gran armario. Cuando no se ve la figura, indique el tema de la onda y mover hacia delante y hacia atrás si está en una silla de ruedas o soporte hasta que el sensor 3D captura a la persona.
- Lea las instrucciones en la pantalla y ajustar la distancia, altura y posición lateral de la silla y el sujeto en consecuencia hasta que todas las instrucciones están en letra verde.
Nota: La distancia, altura y posición lateral de la silla se pueden ajustar por el sujeto a sí mismo o por un ayudante que debe salir el campo luego. Si no se puede alcanzar la altura óptima, ajuste manualmente el ángulo de elevación de la cámara 3D. La posición óptima es de 2 metros del dispositivo, con el cuello del sujeto aparece en medio de la pantalla. - Presione el botón de tren para iniciar la sesión de entrenamiento sin registro de datos.
Nota: Si el sujeto ya está familiarizado con el juego y sabe qué hacer, pulse el botón START directamente y saltarse el entrenamiento. - Que el tema siga las instrucciones en la pantalla y realizar los siguientes movimientos:
- Extienda el brazo solicitado (derecho o izquierdo) para alcanzar el objeto virtual parpadeo hasta que el objeto en la mano virtual.
- Flex el mismo brazo y tocar físicamente los puntos indicados en el cuerpo para colocar el objeto.
- Siguen los movimientos de extensión y flexión del brazo hasta que todos los objetos de 20 se alcanza y se colocan.
Nota: Hay dos rondas con objetos de 10 en cada ronda. En una ronda hay 5 objetos en el lado derecho que requieren el brazo derecho, seguido de 5 objetos en el lado izquierdo para que el brazo izquierdo se le pide. Esto concluye la sesión de entrenamiento.
- Presione el botón de "START" para realizar otra vez las mismas tareas desde el principio, como en el paso 2.4.3, pero esta vez grabación de las ubicaciones de los 9 puntos de la parte superior del cuerpo en un archivo cifrado. El juego termina automáticamente colocando todos los 20 objetos o cuando acabe el tiempo predefinido (4 min).
Nota: También es posible dejar el juego en cualquier momento en caso de que el tema es demasiado débil o cualquier otra situación pasa.
- Automáticamente entrará en la última página que muestra una representación gráfica de la araña indicando rangos de las articulaciones en el juego de "Armario".
- Salir del juego pulsando el botón END o repetir la prueba pulsando el botón de repetir .
3. después de la prueba - manipulación de datos
- Guardar los datos registrados y codificados y archivos de registro en el disco duro y opcionalmente la transferencia via internet a un analista de datos. Se ha proporcionado una descripción detallada del manejo de datos y análisis en una anterior publicación13.
- Confirmar la integridad y validez de los datos por verificar el archivo de registro y la comparación de los informes clínicos con los discos 3D.
- Calcular y extraer características de movimiento 27 como características numéricas, como ángulos de las juntas, velocidad y aceleración, longitud de la ruta de mano, movimiento de compensación del cuerpo, espacio accesible y así sucesivamente.
- Calcular, trazar y seleccionar las funciones con el fin de comprender e interpretar los datos del sensor 3D, así como para el siguiente análisis estadístico.
- Realizar análisis estadísticos PCA (análisis de componentes principales), ANOVA (análisis de varianza), análisis de correlación y modelos lineal de efecto mixto.
Representative Results
Utilizando el procedimiento presentado arriba, características de movimiento distintos se trazan y se exploran métodos de análisis para obtener una comprensión global de los movimientos.
En la figura 1, se trazan las huellas de los 9 puntos de la parte superior del cuerpo restringiendo a los ejes X e Y que representa una proyección 2-dimensional (X representa la posición horizontal de la materia, Y representa la posición vertical mientras que Z es la distancia a la 3-d sensor). La figura 1 muestra que el sensor 3D realmente las medidas, la localización espacial de puntos del cuerpo. Yuxtaponiendo un paciente SMA y un control saludable sobre las visitas de 4, se muestra que tanto el paciente como el control habían terminado las tareas con trayectorias claramente reconocibles. Había ciertas características dependiente del sujeto que quedó constante en todas las visitas, por ejemplo, la trayectoria de las manos del paciente. En comparación, el tema de control tenía relativamente menos movimiento del tronco con el tiempo, que es indicado por las multitudes más pequeñas de las líneas rojizas, amarillas y rosa (cabeza, cuello y torso puntos, respectivamente). Ninguno de los dos temas demostraron las características del movimiento asimétrico.
La figura 2 muestra a algunos representante características extraen de la serie de tiempo de localización de los puntos del cuerpo. Respecto a la figura 1, figura 2 da una idea de qué información potencial podría ser extraído y visualizada desde los datos del sensor 3D raw para entender las características de movimiento subyacente. Figura 2 una es una parcela de rastro de manos segmentado que indica las fases de extensión y flexión de codo de dos rondas de un solo tema. La trayectoria se asemeja bastante bien entre las dos rondas. Para los tres objetos más bajos, ambas manos tienden a se extralimite, pero este no es el caso de los parte superiores dos objetos. Figura 2 b traza el histograma de las velocidades de la mano (mientras se mueve la mano; se excluye el estado de reposo). No hay ninguna diferencia significativa entre el izquierdo y derecho para este tema. Figura 2 c muestra la longitud de trayectoria total de los puntos de cabeza, cuello y torso, que pueden ser considerados como una especie de movimiento de compensación del tronco por la posición del objeto. Para los objetos 3 y 8, que se colocan en la esquina superior, el movimiento del tronco es relativamente mayor en comparación con las otras posiciones. Por otra parte, la cabeza ha movido más obviamente que los otros dos puntos. Figuras 2d, 2e y 2f son boxplots que muestra la distribución general de todas las 4 visitas para algunas características. Se muestran sólo los primeros siete pacientes con todas las 4 visitas para mayor claridad. Figura 2 d muestra la longitud del camino total mano dividida por la longitud del brazo individual medida por el sensor para compensar la diferencia de longitud de brazo entre sujetos. Durante los movimientos realizados para alcanzar objetos y la longitud de la ruta de mano es alrededor de dos veces la longitud del brazo de un objeto; por lo tanto, para 20 objetos la longitud total del camino es de alrededor de 40 veces la longitud del brazo de. Se observan diferencias obvias entre sujetas, por ejemplo, en el movimiento de compensación de tronco entre los pacientes 2 y 3 (figura 2e) o de velocidad de mano mediana entre los pacientes 1 y 3 (figura 2f).
Completa clínica relacionadas con el análisis y los resultados pueden encontrarse en nuestra anterior publicación13.
Figura 1 : Parcelas de seguimiento representativo de los 9 puntos de la parte superior del cuerpo durante el test. El top 4 parcelas son de un paciente de la SMA y las parte inferior 4 parcelas son de un control sano. Esta figura ha sido modificada desde nuestra anterior publicación13. Haga clic aquí para ver una versión más grande de esta figura.
Figura 2 : Representante análisis Resumen de resultados: (a), (b), (c) son de un solo tema y (d), (e), (f) son el Resumen de los primeros 7 pacientes SMA con completar 4 visitas. En (d), (e) y (f), la parte inferior y superior de la caja son los cuartiles primeros y terceros, y la línea horizontal dentro de la caja es la mediana. Las longitudes de los bigotes (extendiendo las líneas verticales de la caja) se definen como el punto más bajo dentro de 1,5 rangos intercuartil (IQR) del cuartil inferior y el punto más alto dentro de 1,5 IQR del cuartil superior. Los diamantes representan a los valores extremos fuera de los bigotes. (a) diagrama de traza de manos segmentado. Las líneas sólidas representan la fase de extensión del codo cuando las manos alcanzan los objetos mientras que las líneas punteadas representan la fase de flexión del codo cuando las manos Coloque los objetos en el cuerpo. Cada color representa los objetos en la misma posición de las dos rondas. (b) histograma de velocidad de mano durante los movimientos de extensión y flexión. (c) total de longitudes de movimiento de compensación de cabeza, cuello y torso puntos para cada objeto individual. (d) Boxplot de la longitud del camino total mano trayectoria de izquierda y derecha las manos respectivamente en 4 visitas. El eje y muestra la mano total longitudes de camino divididos por la longitud de cada brazo. (e) Boxplot del movimiento de compensación total tronco incluyendo cabeza, cuello y torso puntos de movimiento del lado izquierdo derecho y movimiento respectivamente en 4 visitas. (f) Boxplot de velocidad mediana de la mano durante el movimiento para la derecha y manos izquierdas respectivamente en 4 visitas. Haga clic aquí para ver una versión más grande de esta figura.
Discussion
La evaluación propuesta Kinect proporciona un análisis objetivo y completo movimiento mientras que proporciona una solución respetuosa del niño, bajo costo y portátil con respecto a las escalas de calificación clínica tradicional o sofisticados de vídeo de marcador sistemas. Con una prueba de juego que duró menos de 5 minutos, múltiples puntos del cuerpo fueron examinados intensamente al mismo tiempo, y muchas características espacio-temporales y cinemáticas se analizaron con gran precisión, incluyendo velocidad, ángulos de las juntas y así sucesivamente. La configuración entera y esfuerzos de formación también eran mucho menos exigentes en comparación con las escalas de calificación o sistemas de video.
El paso más crítico de este enfoque fue el diseño de la prueba. Para captar los síntomas de movimiento subyacente, la tarea diseñada debe cubrir el espectro de capacidad correspondientes y evitar efectos techo o suelo. En el ejemplo de esta indicación específica, los síntomas físicos comunes de SMA incluyen debilidad muscular, rango limitado de la articulación, rigidez muscular, fatiga y así sucesivamente. La prueba propuesta es apropiada para estos síntomas con la gama limitada del conjunta, que era típica de pacientes con SMA tipo 2. Desafortunadamente, el prototipo fue probado solamente como un primer intento en un estudio planificado que incluyeron a sólo pacientes de tipo 3 SMA. Puesto que la capacidad de los pacientes estuvieron por encima de lo que la prueba actual podría medir (efecto techo), podrían no alcanzarse los resultados deseados. Para este grupo de pacientes ambulante, transferencia de cuerpo y fatiga del músculo sería una medida mejor.
Basándose en esta experiencia, se diseñaron una segunda versión de la prueba que consiste en una versión modificada del juego "Armario" y un juego adicional de "Remo de barco". La versión modificada del juego "Armario" tiene tres niveles de dificultad. En el primer nivel, los objetos se colocan cerca del cuerpo para que el sujeto no necesita extender completamente el brazo, que objetivos el grupo de pacientes débil, que sólo puede sentarse en la silla de ruedas y no totalmente extender sus brazos sin apoyo. En el segundo nivel, los objetos se colocan a la distancia de la longitud de todo el brazo, que dirige el grupo de pacientes que puede levantar y extender los brazos sin ninguna ayuda. En el nivel más difícil, los objetos se colocan ligeramente fuera del rango del brazo; por lo tanto, el sujeto debe mover el tronco superior como una extensión. El tercer nivel dirige el grupo de pacientes ambulatorios donde también se mide el movimiento axial y proximal. Durante la fase de posicionamiento del juego, la longitud del brazo del sujeto es medida automáticamente y entonces se utiliza para calcular la ubicación de los objetos en el juego siguiente; por lo tanto, los niveles de dificultad se ajustan automáticamente a la capacidad del individuo. Cuando se alcanza el límite de la capacidad de cada individuo y los objetos no pueden ser alcanzados o colocados, el nivel se saltarán automáticamente después de cierto tiempo o manualmente por el operario pulsando el botón "SKIP" en la pantalla. La resistencia muscular de juego objetivos "Remo de barco" y requiere que el sujeto repita un brazo balanceo movimiento tan rápido como sea posible durante 1 minuto. En un estudio futuro, la segunda versión se destina a cubrir el espectro de pacientes de SMA tipo 2 tipo 3, puesto que las tareas de medir la capacidad de los pacientes con capacidad de movimiento de brazo limitado a pacientes con la función de brazo completo y limitado movimiento axial.
Al otro lado del diseño de la prueba es la consideración del efecto suelo. Debido a la limitada resolución espacial y temporal, el sensor 3D sólo es capaz de captar con precisión brutos movimientos como caminar, agitando el brazo y así sucesivamente. Para movimientos finos detección, incluyendo figura mano o golpear ligeramente torneado, dispositivos digitales más sensibles tales como teléfonos móviles o accesorios personales muñeca se requieren. Como hemos comentado, la clave para el éxito de una aplicación es acumular el fósforo correcto entre los síntomas de la enfermedad subyacente, las capacidades del dispositivo y diseño de la tarea.
Algunas otras consideraciones durante el diseño de la prueba incluyen edad, efecto aprendizaje, idiomas y así sucesivamente. Desde SMA afecta principalmente a niños, la prueba debe ser tan simple y clara como sea posible manteniendo un rasgo atractivo gamification. En nuestro diseño, se utilizaron figuras de dibujos animados y objetos dibujados a mano. La tarea de imita el comportamiento auto preparación que generalmente es adquirido por los niños después de dos o tres años de edad. Los movimientos se mantuvieron simple que temas podrían entender y realizar la prueba después de una fase de entrenamiento corto y se evitaron efectos de aprendizaje, que se midió y comentamos en nuestra anterior publicación13.
Cuando se realiza el protocolo de prueba y el análisis de datos, algunos temas pueden surgir de manera similar a otras aplicaciones 3D sensor. Estos temas incluyen interferencia de sol, ropas especiales, más de un tema en el campo de visión y tiempos de muestreo irregular. Encontramos un caso donde un tema en la ropa negra no fue detectado por el sensor 3D en una sala de sol, incluso cuando el sujeto no estaba directamente bajo el sol. Cuando más de uno de los temas aparece y desaparece del campo de visión, la asignación de números ID detectado esqueletos podrían saltar, que carga el análisis. A pesar de que el sensor 3-salidas de la señal en la frecuencia de 30 Hz en teoría, la salida real puede tener diferencias de hasta 100 ms. por tanto, es importante seguir y la fecha y hora de la exportación.
Nuestra primera prueba fue realizada en la primera versión del sensor 3D, que actualmente ha sido reemplazado por una segunda versión, y la versión modificada se ejecuta basado en esta segunda versión. Entre las versiones, los controladores subyacentes son diferentes, y también ha cambiado la interfaz de aplicaciones (API). Existen diferencias significativas al migrar la aplicación. Puesto que ambas versiones de la aplicación pueden proporcionar libremente a petición de los autores y el sensor de controladores puede descargarse desde el sitio web de Kinect, se trata de ninguna preocupación para el usuario.
Usando el sensor 3D, hemos desarrollado una herramienta de evaluación de la función innovadora, cuantitativa y objetiva de la extremidad superior incorpora la tecnología de juego-como los niños. La viabilidad fue explorada y analizada. Nuestro trabajo demuestra el potencial del sensor 3D como un enfoque alternativo y complementario a la evaluación de movimiento.
Disclosures
Los autores Xing Chen, Detlef Wolf, Juliane Siebourg-Polster, Checa de Christian, Omar Khwaja y Martin Strahm son empleados de F. Hoffmann-La Roche, que financió toda la investigación en este artículo.
Acknowledgments
Agradecemos a Strahm Bastian para tomar parte en la prueba de demostración y Laura Aguiar para la corrección de este manuscrito.
Materials
| Name | Company | Catalog Number | Comments |
| 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 |
References
- Hobart, J. C., Cano, S. J., Zajicek, J. P., Thompson, A. J. Rating scales as outcome measures for clinical trials in neurology: problems, solutions, and recommendations. Lancet Neurol. 6, 1094-1105 (2007).
- Cano, S. J., et al. Rasch analysis of clinical outcome measures in spinal muscular atrophy. Muscle Nerve. 49, 422-430 (2014).
- Monani, U. R., De Vivo, D. C. Neurodegeneration in spinal muscular atrophy: from disease phenotype and animal models to therapeutic strategies and beyond. Future Neurol. 9, 49-65 (2014).
- Kolb, S. J., Kissel, J. T.
- Shotton, J., et al. Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society. , 1297-1304 (2011).
- Plantard, P., Shum, H. P., Le Pierres, A. S., Multon, F. Validation of an ergonomic assessment method using Kinect data in real workplace conditions. Appl Ergon. , (2016).
- Galna, B., et al. Accuracy of the Microsoft Kinect sensor for measuring movement in people with Parkinson's disease. Gait Posture. 39, 1062-1068 (2014).
- Otte, K., et al. Accuracy and Reliability of the Kinect Version 2 for Clinical Measurement of Motor Function. PLoS One. 11, 0166532 (2016).
- Clark, R. A., et al. Reliability and concurrent validity of the Microsoft Xbox One Kinect for assessment of standing balance and postural control. Gait Posture. 42, 210-213 (2015).
- Milgrom, R., Foreman, M., Standeven, J., Engsberg, J. R., Morgan, K. A. Reliability and validity of the Microsoft Kinect for assessment of manual wheelchair propulsion. J Rehabil Res Dev. 53, 901-918 (2016).
- Bonnechere, B., et al. Validity and reliability of the Kinect within functional assessment activities: Comparison with standard stereophotogrammetry. Gait & Posture. 39, 593-598 (2014).
- Huber, M. E., Seitz, A. L., Leeser, M., Sternad, D. Validity and reliability of Kinect skeleton for measuring shoulder joint angles: a feasibility study. Physiotherapy. 101, 389-393 (2015).
- Chen, X., et al. Feasibility of Using Microsoft Kinect to Assess Upper Limb Movement in Type III Spinal Muscular Atrophy Patients. Plos One. 12, (2017).
- Bonati, U., et al. Longitudinal characterization of biomarkers for spinal muscular atrophy. Ann Clin Transl Neur. 4, 292-304 (2017).
