Method Article

صندوق أدوات التقاط الحركة متعدد الوسائط لتعزيز تحليل التنسيق بين القطاعات لدى الأطفال المصابين بالشلل الدماغي والأطفال الذين يعانون من التطور الطبيعي.

DOI:

10.3791/69604

⸱

December 16th, 2025

 ,  ,  , 
1Department of Physical Therapy, University of North Florida, 2School of Physical Education and Sport of Ribeirão Preto, University of São Paulo, 3Department of Clinical and Applied Movement Sciences, University of North Florida

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تقدم هذه الدراسة صندوق أدوات يجمع بين تقنيات التقاط الحركة لتحليل الإشارات الحركية وقياس أنماط التنسيق الكاملة للجسم باستخدام مخططات الزاوية-الزاوية. صمم صندوق الأدوات لتجاوز تحديات الأنظمة التقليدية القائمة على العلامات، ويدعم المرونة عبر البحث والسريريات والميدان، مما يعزز الرعاية الفردية والتقييمات الوظيفية للأطفال ذوي الإعاقات الحركية.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تعد أنظمة التقاط الحركة ثلاثية الأبعاد المعتمدة على العلامات المعيار الذهبي لتقييم أنماط الحركة في حركة الإنسان، حيث توفر قياسا دقيقا لمواقع المقاطع والمفاصل. ومع ذلك، فإن الأنظمة التقليدية القائمة على العلامات تطرح عدة تحديات، خاصة للأطفال ذوي الإعاقات العصبية واضطرابات المعالجة الحسية، مثل تلك التي لوحظت مع الأطفال المصابين بالشلل الدماغي. تعيق هذه التحديات استخدام العلامات الحركية وتحد من التحليلات التفصيلية لأنماط الحركة. سمحت التطورات الحديثة في أنظمة التقاط الحركة بدون علامات باستخدام تقدير وضعية الإنسان القائم على التعلم العميق باستكشاف بدائل فعالة من حيث التكلفة للأنظمة البصرية التقليدية وطرق معالجة البيانات اللاحقة. تم تطوير صندوق أدوات متكامل يجمع بين تقنيات التقاط الحركة المتعددة: معدات حركية بحثية، مجموعات حركية، وحدات قياس القصور الذاتي، أنظمة ثلاثية الأبعاد (ثلاثية الأبعاد) بدون علامات، وأنظمة ثنائية الأبعاد (2D) بدون علامات مع كاميرات متوفرة تجاريا (عبر MediaPipe). في هذه الدراسة الحالية، نقدم نتائج التقاط الحركة المعتمد على العلامات ثلاثية الأبعاد مقابل التقاط الحركة بدون علامات ثنائية الأبعاد، وهي القضية الرئيسية المستمرة في دراسات البشر الميكانيكية الحيوية، لوصف أنماط تنسيقية عبر مخططات زاوية الورك والركبة. تم اختيار منهج السيكلوجرام لأنه يوفر مقياسا قويا وإطارا قابلا للتفسير بسهولة لتحليل التنسيق عبر الحركة المترابطة بين أجزاء الجسم. قام طفلان يطوران بشكل طبيعي وطفلان ممرضان بالشلل الدماغي بأداء نمط حركة وظيفي، وهو مهمة الجلوس للوقوف. أظهرت النتائج هنا جدوى دمج الأنظمة متعددة الوسائط في التحليلات الحركية، مما يوفر مرونة للبحث والإعدادات السريرية. علاوة على ذلك، يعالج النهج المفتوح المصدر الجديد الذي يعرض في هذا العمل التحديات التي يفرضها العديد من المرضى الذين يعانون من مشاكل في معالجة الحواس، مما يسمح بخطة رعاية متقدمة وفردية.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

قدمت تقييمات التقاط الحركة الحركية ثلاثية الأبعاد معلومات موثوقة في قياس أنماط الحركة المتوقعة وغير الطبيعية. هذه المعلومات ضرورية عند تصميم خطط إعادة التأهيل1 ووضع طرق السلامة لتفاعل المرضى مع المعدات السريرية (مثلا، 2،3). عند النظر في الأطفال ذوي الإعاقات العصبية الناتجة عن العصبية، يمكن لهذه التقييمات الحركية أن توفر رعاية محسنة من خلال معالجة التغيرات في أنماط التنسيق في المهام الوظيفية المختلفة مثل المشي4، مهمة الجلوسللوقوف 5، والوصول إلى الطرفالعلوي 6.

على الرغم من أن التقييمات الحركية ثلاثية الأبعاد (3D) تعتبر المعيار الذهبي لتحليل التقاط الحركة الدقيق7، إلا أن وضع العلامات الحركية على الجلد هو شرط لضمان القياس الدقيق لحركات المقاطع والمفاصل. يتطلب هذا التقييم القائم على العلامات معرفة بعلامات تشريحية محددة لمن يجرون هذا التقييم، بالإضافة إلى تحمل وقبول الأشرطة المثبتة على جلد الأشخاص الذين يخضعون للتقييم. بينما يمكن تعلم الأول، فإن الثاني يمثل مشكلة في عدة فئات من المرضى. على سبيل المثال، قد يظهر الأطفال المصابون بإصابات دماغية أو الشلل الدماغي اضطرابات في معالجة المعلومات الحسية 8,9,10. قد يظهر هذا الاضطراب كفرط حساسية، مما يمنع الأطباء والباحثين من تطبيق العلامات الحركية على جلد الأطفال، مما قد يعيق قياس التغيرات في قدرات الحركة وخطة رعاية فردية فعالة.

بالإضافة إلى مسألة وضع العلامات على جلد المرضى، فإن معظم أنظمة القياس المستخدمة في دراسات الحركيات غير ميسورة التكلفة، وتقتصر على المساحات المختبرية، ولا تتوفر إلا مع موظفين مؤهلين تأهيلا عاليا، مما يجعلها غير عملية للاستخدام السريري الروتيني. ومع ذلك، فإن التقدم الحالي في تقنية التقاط الحركة يدعم طرقا مختلفة لتسجيل البيانات الحركية. على سبيل المثال، جذب التقدير التلقائي للوضعية البشرية باستخدام تقنيات التعلم العميق انتباه باحثي رؤية الحاسوب. قد تقدم هذه التقنيات التقنية لالتقاط الحركة بدون علامات حلا واعدا للتحديات التقنية والعملية المرتبطة بتحليل الحركة المعتمد على العلامات11. بدلا من الاعتماد على تتبع العلامات، يستخدم هذا النهج شبكات عصبية مدربة لتقدير مواقع العلامةالاثني عشر بأكملها. يعزز هذا التطور من كفاءة تقنية التعرف على الوضعية البشرية بشكل عام وقدرتها على التكيف.

من المعروف جيدا أن العلاقة الحركية بين أجزاء الجسم يمكن أن تكشف عن آليات تحكم أساسية تدعم تباين أنماط الحركة. بينما يمكن استخدام عدة طرق لقياس التنسيق بين المقاطع13، تسمح مخططات الزوايا-الزاوية (السيكلوجرامات) بقياس قابل للتفسير بطبيعتها للحركة المترابطة بين الأجزاء/الوصلات خلال إطار زمني محدد14،15. نظرا لأن العديد من الأطفال المصابين بالشلل الدماغي يواجهون صعوبة في أداء أنماط حركة الجسم بالكامل بسبب ضعف التحكم الحركي الانتقائي16، اخترنا دراسة الحركة البسيطة، ولكن المعقدة في التحكم الأساسي17، وهي حركة الجلوس إلى الوقوف. كان هدف هذه الدراسة إثبات جدوى صندوق أدوات مفتوح المصدر يجمع بين تقنيات التقاط الحركة لتسهيل التقييمات الحركية لأنماط التنسيق للأطفال ذوي الإعاقة.

في هذا العمل، سنستخدم مفاصل الورك والركبة لإظهار التنسيق بين أجزاء الجذع/الحوض والفخذ/الساق، باستخدام مفاصل الورك والركبة كوصلات بين القطاعات التمثيلية ذات الصلة بميكانيكا الجلوس للوقوف. تم اختيار تنسيق الورك والركبة لأنه يلتقط الاقتران الأساسي للمفصل الذي يدفع التقدم الرأسي لمركز الكتلة أثناء مهمة الجلوس للوقوف، وهي حركة وظيفية حاسمة للأطفال ذوي الإعاقات الذين غالبا ما يعتمدون على استراتيجيات تعويضية للطرف السفلي بسببضعف التحكم الحركي الانتقائي الذي يؤثر على تآزر المفاصل. يتيح دمج تقنيات مختلفة (أي من معدات حركية ثلاثية الأبعاد بحثية إلى الكاميرات التجارية المتاحة) في صندوق أدوات معالجة واحد مرونة في الاستخدام من بيئات البحث إلى البيئات الميدانية والسريرية. تسمح مجموعة الأدوات أيضا بتقييمات حركية مفصلة عندما لا يكون وضع العلامات ممكنا بسبب اضطرابات في معالجة الحواس للأطفال ذوي الإعاقات عبر ميزات معالجة الإشارات بدون علامات.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أجريت هذه الدراسة كسلسلة حالات باستخدام نتائج تمثيلية من أربعة أطفال لإثبات جدوى البروتوكول بدلا من الاستنتاج الإحصائي. شارك طفلان يتطوران عادة (ذكر عمره 4 سنوات، 100 سم، 14.5 كجم؛ ذكر عمره 10 سنوات، 144 سم، 40.8 كجم) وطفلان مصابان بالشلل الدماغي، نظام تصنيف الوظائف الحركية الإجمالية الثالث (أنثى عمرها 4 سنوات، 93 سم، 13.8 كجم؛ ذكر عمره 4 سنوات، 102 سم، 16.7 كجم). قدم الوالدان/الأوصياء القانونيون والأبناء موافقتهم المستنيرة قبل المشاركة وفقا لبروتوكول الدراسة المعتمد من مجلس المراجعة المؤسسية (IRB-FY2024-33).

ملاحظة: بينما يصف هذا البروتوكول إجراءات لكل من أنظمة التقاط الحركة المعتمدة على العلامات ثلاثية الأبعاد وأنظمة التقاط الحركة ثنائية الأبعاد، يركز هذا الدراسة على تنفيذ النهج ثنائي الأبعاد بدون علامات، والذي يمثل التطبيق السريري والعملي الأساسي لهذا العمل. يتطلب التطبيق الأساسي للبروتوكول الحالي نظام التقاط حركة قائم على العلامات (بحد أدنى 8 كاميرات) لجمع البيانات الحركية ثلاثية الأبعاد، وكاميرا RGB واحدة (دقة دنيا 1920 × 1080 بكسل، 50 هرتز) موضوعة بشكل عمودي على المستوى السهمي لالتقاط ثنائي الأبعاد بدون علامات. الطريقة مناسبة للبيئات السريرية أو المخبرية المسيطر عليها مع إضاءة كافية (> 500 لوكس) وأقل فوضى في الخلفية. لتحسين المتانة في البيئات غير المثالية، يدمج صندوق أدوات vailá أدوات المعالجة المسبقة (مثل تمويه صندوق الرسم، قص/تغيير حجم الفيديو) التي تسمح للمستخدمين بعزل المشارك عن المشتتات الخلفية أو تعديل تأطير الكاميرا غير المثالي. تشمل القيود الرئيسية انخفاض الدقة في النهج الواحد بدون علامات للأطفال الذين يظهرون حركات كبيرة خارج المستوى، حيث لا يمكنه التقاط معلومات العمق أو الحركات خارج مجال رؤية الكاميرا. يجب على المستخدمين التأكد من بقاء المشاركين ضمن حجم الالتقاط المحدد مسبقا والحفاظ على محاذاة مستوى السهمية أثناء تنفيذ المهام لتحسين أداء التتبع بدون علامات.

1. الفحوصات المسبقة للاختبار

  1. شغل وسخن نظام كاميرا التقاط الحركة بالأشعة تحت الحمراء وكاميرا الفيديو. يتطلب نظام التقاط الحركة بالأشعة تحت الحمراء حوالي 30-60 دقيقة من الإحماء للوصول إلى الاستقرار الحراري قبل المعايرة وجمع البيانات. تحقق من معدل أخذ العينات عند 100 هرتز (كاميرات الأشعة تحت الحمراء للنظام المعتمد على العلامات) و50 هرتز (كاميرا الفيديو للنظام بدون علامات).
  2. قم بإزالة و/أو تغطية الأجسام العاكسة من حجم الالتقاط.

2. وضع الكاميرا

  1. نظام قائم على العلامة (نظام كاميرا ثلاثية الأبعاد)
    1. كاميرات الموقع على بعد حوالي 1.5-2.5 متر من مركز منطقة الحركة، وتركب على ارتفاعات تتراوح بين 0.5-2.5 متر. تأكد من توزيع الكاميرات بشكل متساو حول حجم الالتقاط لتحسين رؤية العلامات وتقليل الانسداد أثناء مهمة الجلوس للوقوف. قم بتغيير ارتفاعات موقع الكاميرا لتحسين دقة التثليث وتقليل التداخل في خط الرؤية.
    2. يجب أن تكون كل نقطة ضمن حجم الهدف (حيث سيقوم الطفل بالمهمة) مرئية على الأقل لكاميرتين في جميع الأوقات، وفقا للتوصيات القياسية لالتقاط البيانات ثلاثي الأبعاد الأمثل. حدد حجم الالتقاط بناء على الأنثروبومترية للمشاركين في طب الأطفال والمهمة التي يتم تقييمها.
      ملاحظة: كانت مساحة العمل في المنتصف على ارتفاع حوالي 0.80 متر فوق الأرض.
    3. استخدم أدوات البرمجيات في النظام المعتمد على العلامات لتحسين الإعدادات البصرية الثلاثة الرئيسية (التكبير، فتحة العدسة، التركيز) لضمان انخفاض بقايا المعايرة وثبات تتبع المؤشرات العالي عبر التجارب.
  2. نظام بدون علامات (كاميرا ثنائية الأبعاد)
    1. ضع كاميرا الفيديو جانبيا على بعد 3.0 متر من المشارك (أو أقرب عندما يكون ذلك ممكنا، طالما يمكن رؤية جسم الموضوع بالكامل خلال المهمة بأكملها، من الجلوس إلى الوقوف)، مركزا عند ارتفاع الحوض عندما يقف المشارك، متعامدا على مستوى السهمية.
    2. استوى المحور البصري (بدون لف) ومحاذاة منتصف الصورة مع منطقة مركز مفصل الورك.
    3. قم بضبط الكاميرا بمعايير تصوير ثابتة لجميع التسجيلات.
      1. اضبط منطقة الاستحواذ على منطقة اهتمام 1920 × 1200 بكسل لتحديد الدقة الفعالة. استخدم عدسة بؤرية 20 مم وحافظ على الفتحة (تباين كاف بين البيئة والمشارك) ثابتة طوال التجربة.
      2. اضبط معدل الإطارات على 50 هرتز وثبت مدة الغالق عند 5 مللي ثانية. طبق الإعدادات المادية التالية ولا تعدلها أثناء جمع البيانات: gain 9.998، غاما 0.4، المستوى الأسود 0، التشبع 1.
      3. قم بتعطيل جميع التعديلات التلقائية على التعريض وتوازن اللون الأبيض لمنع انحراف الزمن في مظهر الصورة.
        ملاحظة: لضبط التركيز، يمكن استخدام لافتة تحتوي على عبارة قصيرة مكتوبة بخط Calibri، بخط عريض، بحجم 48، موضوعة في المكان الذي سيقوم فيه المشارك بأداء المهمة. ضمن مجال رؤية الكاميرا، يجب أن تكون الحروف حادة، دون أي ضبابية ظاهرة.
    4. عند استخدام أي عدسة بها تشويه ملحوظ، جهز عدسة Charuco/Checkerboard 18,19 للمعايرة/إزالة التشويه (اختياري للمهام الساهمية الثابتة فقط).
      ملاحظة: كل من أنظمة كاميرات الفيديو القائمة على العلامات وأنظمة الكاميرات بدون علامات المستخدمة موضحة في الشكل 1.

الشكل 1
الشكل 1: لقطة مقربة لنظامي الكاميرا المستخدمين في هذه الدراسة. تم استخدام كاميرا الأشعة تحت الحمراء في نظام الحركية ثلاثي الأبعاد (على اليسار) حيث شكلت 12 كاميرا النظام للنهج القائم على العلامات، وكاميرا فيديو واحدة (يمين) للنهج بدون علامات. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

3. المزامنة

ملاحظة: هذه الخطوة مطلوبة فقط عند استخدام أنظمة مختلفة في نفس الوقت. لا يكون التزامن بين الأنظمة ضروريا عند استخدام نظام حركي واحد (ثنائي الأبعاد أو ثلاثي الأبعاد) فقط.

  1. قم بتوصيل LockLab (أو وحدة التحكم/التزامن المكافئة) لإرسال تفعيل منطق ترانزستور-ترانزستور (TTL) إلى كلا النظامين في بداية كل تجربة.
  2. إذا لم تكن هناك مشغلات عتادية متوفرة، استخدم فلاش الصمام الثنائي الظاهر الصادر من الضوء (LED) (الطريقة المفضلة) أو صوت التصفيق المسموع الذي يلتقطه كلا النظامين لمحاذاة لاحقا.

4. معايرة حجم الالتقاط (نظام قائم على العلامات)

  1. افحص مجال رؤية الكاميرات بصريا (سواء الكاميرات تحت الحمراء أو الفيديو) لإزالة الأشياء غير الضرورية من كل رؤية. في برنامج النظام المعتمد على الماركر، يخفي الأجسام العاكسة التي لا يمكن إزالتها من مجال رؤية الكاميرا (مثل الكاميرات الأخرى).
  2. قم بمعايرة العصا في المكان الذي ستنفذ فيه المهمة. حرك العصا عبر حجم الالتقاط الكامل لضمان تغطية المساحة بالكامل. اقبل المعايرة فقط إذا كانت الدقة المكانية ≤ 1 مم (متوسط البواقي).
    ملاحظة: تحقق من أن ثلاث كاميرات على الأقل تعرض عصا المعايرة في نفس الوقت أثناء هذه الإجراءات. حرك العصا عبر حجم الالتقاط بسرعة تقارب الحركة المتوقعة في المهمة التجريبية: في المهام عالية السرعة، حرك العصا بسرعة؛ للحركات البطيئة، حرك العصا ببطء أكثر. في نهاية مرور المعايرة، تحقق من مؤشرات البرمجيات لأي كاميرات لم تلتقط رؤية كافية للعصا وقم بحركات إضافية مستهدفة داخل مجالات رؤية تلك الكاميرات قبل إنهاء المعايرة. عادة ما تقع الأخطاء المتبقية بعد معايرة العصا بين 0.3 و0.8 مم عندما يكون تمرير العصا سلسا، ويكون حجم الالتقاط مضاء بشكل منتظم، وجميع الكاميرات توفر رؤى غير معوقة.
  3. حدد مصدر الحجم بوضع عصا المعايرة في موقع الأصل المحددين ضمن مساحة الاختبار المحددة. حدد مستوى الأرضية وفقا لتعليمات الشركة المصنعة.

5. وضع العلامات (نظام قائم على العلامات)

  1. ضع علامات الانعكاسية وفقا لنموذج المشي القابل للتوصيل 20,21,22 (الشكل 2) بواسطة فاحص مدرب.
  2. تحقق من رؤية علامات الورك والركبة والجذع الثنائية أثناء حركة اختبار قصيرة قبل جمع التجارب الثابتة (المطلوبة للأنظمة المعتمدة على العلامات ثلاثية الأبعاد).

الشكل 2
الشكل 2: نموذج المشي القابل للإدخال تم تعديله للدراسة الحالية. تم تطبيق مجموعة العلامات القياسية لتحديد أجزاء الأطراف السفلية، والحوض، والجذع، والرأس. تمت إزالة علامات الأطراف العلوية للتركيز حصريا على حركية الجزء السفلي من الجسم وعضلات الجذع. يحافظ هذا التكيف على سلامة نموذج المشي الكامل الأصلي للحركة القابلة للتوصيل مع استبعاد حركة الذراعين من التحليل. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

6. الكرسي والبيئة

  1. استخدم كرسيا بدون ذراعين واضبط ارتفاع المقعد بحيث تكون زوايا الورك والركبة ~90°، مع مسطحة القدمين على الأرض. سجل ارتفاع المقعد (سم) لكل مشارك.
  2. توفير إضاءة موحدة؛ تجنب الإضاءة الخلفية والانسدادات في الرؤية السهمية. تأكد من وجود خلفية موحدة وعالية التباين.

7. تعليم المشاركين والسلامة

  1. تأكد من عدم وجود معلومات تعريفية مع ملفات التسجيل (فقط رموز أبجدية رقمية غير قابلة للتعريف لكل مشارك).
  2. في المحاكمات التي تعتمد على الجلوس والوقوف، تأكد من أن المشاركين على دراية بالتعليمات والبروتوكولات الصحيحة.
    1. نرشدي المشاركين الذين يطورون عادة (TD) أن يبقوا أيديهم على وركهم.
    2. بالنسبة للأطفال المصابين بالشلل الدماغي (GMFCS III)، قدم الدعم اليدوي حسب الحاجة لتحقيق وضعية مستقيمة دون المساس بالسلامة.
      ملاحظة: بينما قد يحتاج المرضى الأطفال إلى دعم يدوي لضمان السلامة وإتمام المهام، يجب توخي الحذر لتقليل انسداد أجزاء الجسم أو العلامات، لأن ذلك قد يؤثر سلبا على جودة البيانات.
    3. قم بالحركة شفهيا ("للأعلى") وترك سرعة مريحة تختارها بنفسك أثناء اختبارات الجلوس إلى الوقوف.

8. الاستحواذ التجريبي

  1. قبل التقاط التجارب الديناميكية، التقط تجربة معايرة ثابتة حيث يقف المشارك في وضع محايد مع تباعد القدمين بعرض الكتفين والذراعين عند زاوية 90° بزاوية الاختطاف.
    1. تأكد من أن جميع العلامات مرئية على الأقل لكاميرتين؛ تحقق في برنامج الاستحواذ القائم على المؤشرات في النظام المعتمد على العلامة ≥ 95٪ من العلامات يتم اكتشافها عبر جميع الكاميرات. سجل 2-3 شوت. يجب أن يحتوي إطار منظور ثلاثي الأبعاد واحد على جميع العلامات.
    2. في برنامج النظام القائم على العلامات، يتم تطبيق نموذج المشي الثابت القابل للإدخال لتعريف مراكز المفاصل وأنظمة إحداثيات القطاع. تحقق من ملاءمة النموذج الصحيح من خلال فحص التصور ثلاثي الأبعاد للهيكل العظمي وتأكيد مواقع مركز المفصل التشريحية المعقولة.
      ملاحظة: توفر هذه التجربة الثابتة معايير النموذج البيوميكانيكي المطلوبة لمعالجة التجارب الديناميكية ثلاثية الأبعاد لاحقا. في هذه الخطوة، سيحتاج المرء إلى إدخال مقاييس الأنثروبومترية للمشارك (مثل الوزن، الطول، طول الساق، إلخ) في برنامج النظام القائم على العلامات. عندما تكون هناك حاجة إلى دعم يدوي للمرضى الأطفال أثناء التجربة الثابتة، يجب توخي الحذر لتجنب انسداد العلامات، مما قد يؤثر على جودة البيانات.
  2. سجل ثلاث تجارب من الجلوس والوقوف23 لكل مشارك. يمكن أن تكون فترة الراحة بين التجارب حسب الحاجة لكل مشارك، حيث أن هذه ليست مهمة صعبة جسديا.
  3. استخدم اتفاقية تسمية ملفات موحدة تشمل المجموعة (مثل TD، CP)، معرف المشاركين الأبجدي الرقمي، ورقم التجربة.
  4. في برنامج النظام المعتمد على العلامات، يتم إعادة بناء مسارات العلامات باستخدام نظام الكاميرا المعايرة.
    1. ضع علامة على كل علامة حسب تسمية مجموعة علامات المشي القابلة للإضافة. استخدم ملء الفجوات التلقائي (الحد الأقصى لحجم الفجوة: 10 إطارات) للسد المؤقت.
    2. تحقق من دقة الملصقات من خلال فحص الهيكل العظمي بصريا من منظور ثلاثي الأبعاد. بمجرد أن يتم تسمية جميع العلامات بشكل صحيح واستمرار المسارات، يتم تصدير التجربة كملف .c3d للتحليل في صندوق أدوات vailá .
  5. حفظ البيانات البصرية كإطارات .c3d وفيديو أو البث كملفات مضغوطة بدون فقدان أو بمعدل بت عالي.

9. معالجة البيانات

ملاحظة: صندوق أدوات vailá (v0.10.21)24 متعدد المنصات (ويندوز، macOS، لينكس) ويتطلب بايثون 3.12 أو أحدث. وحدات التحليل بدون علامات (مثل MediaPipe25) محسنة للعمل بكفاءة على وحدات المعالجة المركزية القياسية، مما يضمن سهولة الوصول في البيئات السريرية بدون أجهزة متخصصة. بطاقة الرسوميات المدعومة ب CUDA اختيارية وتستخدم فقط إذا اختار المستخدم محركات بديلة عالية السرعة (مثل YOLO-Pose) لمعالجة أسرع. للحصول على أوامر تنفيذ مفصلة، وأدلة خطوة بخطوة، وتوثيق كامل، يتم توجيه المستخدمين إلى الموارد الإلكترونية وملفات المساعدة المدمجة في صندوق الأدوات، المتوفرة على: https://github.com/vaila-multimodaltoolbox/vaila/tree/main/docs/modules/markerless-analysis.

  1. النهج القائم على العلامة: في برنامج النظام القائم على العلامات، يعالج التجارب الثابتة والديناميكية. تطبيق نموذج المشي الديناميكي الإضافي على مسارات العلامات المعنونة (انظر الخطوة 7.4) لحساب السلسلة الزمنية لزاوية المشترك.
    1. تصدير بيانات التجربة المعالجة كملف .c3d. تأكد من تضمين السلاسل الزمنية المحسوبة لزاوية المفاصل (مثل زوايا الورك، الركبة، الكاحل) في التصدير.
    2. استيراد ملف .c3d المعالج إلى صندوق أدوات vailá باستخدام دالة vaila.load_c3d(). يقوم صندوق الأدوات تلقائيا باستخراج بيانات السلاسل الزمنية المحسوبة مسبقا من الملف.
    3. تطبيق مرشح باتروورث منخفض التمرير من الدرجة الرابعة بدون تأخير (قطع 6 هرتز) على بيانات زاوية المفصل باستخدام دوال التصفية المدمجة (كما هو موضح في الخطوة 9.2.4 أدناه) لضمان معالجة متسقة مع البيانات بدون علامات.
    4. ثم تجرى تحليلات لاحقة (مثل توليد السيكلوجرام، حساب مقاييس التنسيق) داخل الفيلا.
  2. نهج بدون علامات: وحدة تقدير وضعية MediaPipe (v0.10.21) داخل vailá. اضبط المعايير التالية: static_image_mode = خطأ، model_complexity = 1-2 (استخدم المستوى 2 عندما تسمح موارد GPU/CPU بدقة أعلى)، smooth_landmarks = صحيح، min_detection_confidence = 0.6، min_tracking_confidence = 0.6.
    ملاحظة: يمكن استخدام أطر تقدير الوضعية البديلة، مثل OpenPose، هنا.
    1. قم بمعالجة كل إطار فيديو لاستخراج معلم MediaPipe 33 (الشكل 3). تخلص من الإطارات التي تتمتع بثقة الكشف تحت العتبة أو تطبيق الاستيفاء للبيانات المفقودة.
      ملاحظة: يكتشف MediaPipe 33 معلما في الجسم، بما في ذلك نقاط المفاتيح في الوجه والجذع والطرف (الشكل 3). في البروتوكول الحالي، تم استخدام فقط معالم الجذع والجزء السفلي من الجسم ذات الصلة بتحليل الجلوس للوقوف: الكتف [المعالم 11 (الكتف الأيسر) و12 (الكتف الأيمن)]، الورك [المعالم 23 (الورك الأيسر) و24 (الورك الأيمن)]، الركبة [العلامات 25 (الركبة اليسرى) و26 (الركبة اليمنى)]، والكاحل [العلامات 27 (الكاحل الأيسر) و28 (الكاحل الأيمن)]. يتم اكتشاف هذه المعالم تلقائيا من فيديو RGB، ويتم تقديرها من خلال الميزات البصرية (بدلا من مواقع العلامات العاكسة المستخدمة في نموذج المشي القابل للإضافة).
    2. تأكد من اكتشاف جميع العلامات الرئيسية (الكتف، الورك، الركبة، الكاحل) بثقة ≥ 0.7.
    3. (اختياري) إذا كان تشوه العدسة مهما، قم بإلغاء تشويه الإطارات باستخدام معاملات المعايرة (مصفوفة الكاميرا ومعاملات التشويه) قبل تشغيل MediaPipe.
    4. YOLO-Pose: بالتوازي، قم بتحميل وحدة YOLO-Pose المدمجة في vailá.
      1. قم بتكوين النموذج بأوزان افتراضية لاكتشاف الهياكل العظمية البشرية (مجموعة نقاط المفتاح متوافقة مع تنسيق COCO). يتم معالجة كل إطار لاكتشاف نقاط المفتاح الهيكلية باستخدام العمود الفقري ل YOLO، المحسب لأداء قوي تحت ضبابية الحركة أو الإغلاق أو الخلفيات المعقدة.
      2. تطبيق مرشحات التنميم الزمني لتقليل التذبذب من إطار إلى آخر ومحاذاة نقاط المفتاح المكتشفة مع نظام الإحداثيات المستخدم في MediaPipe.
      3. بالنسبة لمرشح التنعيم الزمني، قم بتطبيق مرشح باتروورث منخفض التمرير من الدرجة الرابعة مع تردد قطع 6 هرتز (حركات الجلوس للوقوف تحتوي على تردد سائد أقل من 5 هرتز) على جميع بيانات السلاسل الزمنية بزاوية المفاصل، سواء القائمة على العلامات أو بدون علامات، لإزالة الضوضاء عالية التردد مع الحفاظ على إشارة الحركة.
      4. نفذ هذا المرشح باستخدام دالتي scipy.signal.butter() و scipy.signal.filtfilt() في بايثون، باستخدام تصفية الطور الصفري للأمام والخلف لتجنب التغيرات الزمنية.
    5. معالجة البيانات في vailá: تصدير مسارات المعالم من كلا الخطين (MediaPipe و YOLO-Pose) بصيغة .csv أو .json موحدة. تخزين البيانات الوصفية (رقم الإطار، الطابع الزمني، ثقة الكشف) مع إحداثيات نقاط المفتاح. وهذا يضمن قابلية المقارنة عبر الطرق وقابلية إعادة إنتاج التحليلات.
  3. تعريفات الإحداثيات وزوايا المفاصل: حدد زوايا ثني الورك وثني الركبة على مستوى السهمي مع قيم إيجابية للثني.
    1. للحصول على بيانات بدون علامات، اشتق مراكز/مقاطع المفاصل من معالم MediaPipe (مثل الورك: وكيل الحوض؛ الركبة: عظم الفخذ والساق؛ الجذع: جزء الكتف-الورك) وحساب الزوايا السهمية باستخدام نظام إحداثيات مفصل متسق.
      ملاحظة: تحسب زوايا المفاصل بين مستوى القوس هندسيا من إحداثيات المعالم ثنائية الأبعاد. يحسب صندوق أدوات فايلا الزاوية (θ) بين متجهين من المقطع (المتجه a والمتجه b) باستخدام جيب قوس النقاط لضرب النقطة: θ = arccos((a · b) / (|a| |b|)). يعرف ثني الورك بأنه الزاوية بين متجه 'الجذع' (المتجه الذي يربط معالم ميديابايب 11/12 [الكتف] و23/24 [الورك]) ومتجه 'الفخذ' (المتجه الذي يربط بين 23/24 [الورك] و25/26 [الركبة]). يعرف ثني الركبة بأنه الزاوية بين متجه 'الفخذ' (المتجه الذي يربط 23/24 [الورك] و25/26 [الركبة]) ومتجه 'الساق' (المتجه الذي يربط 25/26 [الركبة] و27/28 [الكاحل]).
    2. تطبيق نفس اتفاقية الإشارة والتصفية (إذا لزم الأمر) على كلا النهجين لتسهيل المقارنة.
  4. التزامن الزمني: محاذاة البيانات من كلا الطريقتين باستخدام ختم زمن الزناد LockLab؛ وإلا، قم بمحاذاة أول إطار فلاش/تصفيق مرئي عبر تدفقات البيانات.
    1. أعد أخذ عينات السلاسل الزمنية، إذا لزم الأمر، إلى قاعدة زمنية مشتركة قبل المقارنات.
  5. عرف دورة الحركة:
    1. حدد دورة الجلوس إلى الوقوف من بداية ميل الجذع الأمامي (عتبة السرعة الزاوية الإيجابية للجذع) إلى الوضعية المستقيمة المستقرة للأطفال التي تتطور عادة (سرعة زاوية الجذع ~0 وتمدد الركبة بالكامل)، وللأطفال المصابين بالشلل الدماغي، الوضعية المستقيمة المستقرة وأعلى موقع لمؤشر عنق الرحم (نظام قائم على العلامات).
    2. بالنسبة للأطفال المصابين بالشلل الدماغي، الذين قد لا يحققون التمدد الكامل (أي أن الجذع محاذ مع الحوض، الورك عند 0° انثناء، الركبة ممدودة بالكامل) كما يلاحظ مع الأطفال الذين يتطورون عادة، يجب تحديد نهاية الدورة بأنها أكثر وضعية استقامة تتحقق متوافقة مع التجربة الثابتة في الوقوف، ويتم تأكيدها بالفحص البصري لضمان ثبات الوضعية قبل التجربة التالية.
    3. لا تقم بتطبيع الزمن للقطع الممثلة؛ أبلغ عن مدة المهمة الفعلية لكل تجربة. (يمكن تقديم تحليلات مطبعة زمنيا كتعويضات إذا رغب بذلك.)
  6. حساب الدائرة العلموية والمقاييس: رسم زوايا الورك (محور x) مقابل الركبة (محور y) لكل تجربة لتوليد حلقات الورك والركبة.
    1. تجارب وأساليب تراكب (تعتمد على العلامات مقابل بدون علامات) للمقارنة البصرية.
    2. احسب المقاييس الملخصة الاختيارية: نطاقات حركة الورك/الركبة، مساحة الحلقة، اتجاه الحلقة (زاوية المحور الرئيسي)، وطول المسار.
    3. تصدير السلاسل الزمنية والمقاييس المعالجة كوسيلة .csv للتحليل الإحصائي.

الشكل 3
الشكل 3: معلم ميديابايب ال33. في هذه الدراسة، استخدمنا فقط المعالم ذات الصلة بمهمة الجلوس للوقوف، وتحديدا المعالم 11 و12 (الكتفين)، 23 و24 (الوركين)، 25 و26 (الركب)، و27 و28 (الكاحلين). يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

نجح صندوق الأدوات مفتوح المصدر المبني على بايثون في قياس أنماط تنسيق الورك والركبة من كل من الأنظمة القائمة على العلامات والأنظمة بدون علامات لدى المشاركين الأطفال خلال مهمة الجلوس والوقوف. لتوفير مقارنة كمية إلى جانب السيكلوجرامات البصرية، تم عرض المقاييس الملخصة الرئيسية (نطاق حركة الورك والركبة) للتجارب التمثيلية في الجدول 1. تظهر مخططات الزوايا والزاوية التمثيلية من الأطفال الذين يتطورون عادة (الشكل 4A,B) ملفات تنسيق من النظام بدون علامات تتطابق بشكل كبي...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

كان هدف هذا العمل هو إثبات جدوى وتطبيق صندوق أدوات مفتوح المصدر متعدد الوسائط قادر على دمج أنظمة التقاط الحركة القائمة على العلامات وأنظمة التقاط الحركة غير المعتمدة على العلامات لتحليل تنسيق الجسم بالكامل في سكان الأطفال. في التطبيقات التمثيلية، نجح البروتوكول في إنتاج مخططات الورك والركبة التي كانت قابلة للمقارنة بين الأنظمة القائمة على العلامات وأنظمة المؤشرات الخالية من العلامات في الأطفال الذين يطورون بشكل طبيعي، مع إبراز التشابهات والتباينات لدى الأطفال المصابين بالشلل الدماغي عندم...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

المؤلفون ليس لديهم ما يكشفون عنه.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

نود أن نشكر الدعم المالي المقدم (للمحقق: سيزار) من منحة أبحاث العلاج الطبيعي للأطفال لعام 2023 من مؤسسة أبحاث العلاج الطبيعي، وصندوق الابتكار في أبحاث ميدنكسس، ومن منحة المعهد الوطني لصحة الطفل والتنمية البشرية (1R03HD114548-01).

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
كاميرا FLIR بلاكفلايأنظمة FLIRالطراز: BFS-U3-200S6C-Cيستخدم لالتقاط الحركة ثنائية الأبعاد بدون علامات (50 هرتز، 1980&00 مرة؛ 1200 بكسل)
كاميرا Hikvision PoEHikvisionلا يوجدتسجيل فيديو بديل للتصوير ثنائي الأبعاد بدون علامات
مشغل أجهزة لوك لابفيكونلوك لابيستخدم للمزامنة الزمنية
كاميرا لوجيتك C920لوجيتككاميرا ويب HD Pro C920كاميرا بديلة للمستهلك للتصوير بدون علامات
ميديابايبأبحاث جوجلv0.10.21يستخدم لتقدير الوضعية ثنائية الأبعاد في الوقت الحقيقي. متوفر على الإنترنت على https://ai.google.dev/edge/mediapipe/solutions/guide
برنامج OpenPoseمجتمع جامعة كارنيجي ميلون / أوبن بوزالإصدار 1.7.0يستخدم لتقدير الوضعية ثنائية الأبعاد في الوقت الحقيقي
نموذج الجسم الكامل للطريق القابل للتوصيلفيكونالنموذج القياسييستخدم كنموذج ميكانيكي حيوي لوضع العلامات التشريحية
كاميرات فيرو تحت الحمراءفيكونسلسلة فيرويستخدم لالتقاط الحركة ثلاثي الأبعاد باستخدام الماركر (100 هرتز)

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Tavernese, E., Paoloni, M., Mangone, M., Castelli, E., Santilli, V. Coordination between pelvis and shoulder girdle during walking in bilateral cerebral palsy. Clin Biomech. 32, 142-149 (2016).
  2. Cesar, G. M., Buster, T. W., Gonabadi, A. M., Burnfield, J. M. Muscle demand and kinematic similarities between pediatric-modified motor-assisted elliptical training at fast speed and fast overground walking:Real-world implications for pediatric gait rehabilitation. J Electromyogr Kinesiol. 63, 102639(2022).
  3. Burnfield, J. M., Cesar, G. M., Buster, T. W., Irons, S. L., Nelson, C. A. Kinematic and muscle demand similarities between motor-assisted elliptical training and walking:Implications for pediatric gait rehabilitation. Gait Posture. 51, 194-200 (2017).
  4. Swinnen, E., Van Goten, L., De Koster, B., Degelaen, M. Thorax and pelvis kinematics during walking, a comparison between children with and without cerebral palsy:A systematic review. NeuroRehabilitation. 38 (2), 129-146 (2016).
  5. Boonyong, S., Suriyaamarit, D. The effects of anterior seat inclination on movement time, mechanical work and kinematics during sit-to-stand in children with spastic diplegic cerebral palsy. Disabil Rehabil Assist Technol. 16 (5), 479-482 (2021).
  6. Aboelnasr, E. A., Hegazy, F. A., Altalway, H. A. Kinematic characteristics of reaching in children with hemiplegic cerebral palsy:A comparative study. Brain Inj. 31 (1), 83-89 (2017).
  7. Suo, X., Tang, W., Li, Z. Motion capture technology in sports scenarios:A survey. Sensors. 24 (9), 2947(2024).
  8. Thielen, H., Tuts, N., Welkenhuyzen, L., Huenges Wajer, I. M., Lafosse, C., Gillebert, C. R. Sensory sensitivity after acquired brain injury:A systematic review. J Neuropsychol. 17 (1), 1-31 (2023).
  9. de Sain, A. M., et al. Sensory hypersensitivity after acquired brain injury:The patient perspective. Disabil Rehabil. 46 (16), 3586-3593 (2024).
  10. Pavão, S. L., Rocha, N. A. Sensory processing disorders in children with cerebral palsy. Infant Behav Dev. 46, 1-6 (2017).
  11. Realtime multi-person 2D pose estimation using part affinity fields. Cao, Z., Simon, T., Wei, S. E., Sheikh, Y. Proc IEEE Conf Comput Vis Pattern Recognit, 2017, 1302-1310 (2017).
  12. Mathis, A., et al. DeepLabCut:Markerless pose estimation of user-defined body parts with deep learning. Nat Neurosci. 21 (9), 1281-1289 (2018).
  13. Dubois, A., et al. A guide to inter-joint coordination characterization for discrete movements:A comparative study. J Neuroeng Rehabil. 20, 132(2023).
  14. Saegner, K., et al. Inter-joint coordination with and without dopaminergic medication in Parkinson's disease:A case-control study. J Neuroeng Rehabil. 21, 118(2024).
  15. Hallemans, A., Aerts, P. Effects of visual deprivation on intra-limb coordination during walking in children (3-11 years) and adults:Thigh-shank and shank-foot angle-angle plots reveal modulation of loop shape with visual condition. Exp Brain Res. 198 (1), 95-106 (2009).
  16. Yun, G., Huang, M., Cao, J., Hu, X. Selective motor control correlates with gross motor ability, functional balance and gait performance in ambulant children with bilateral spastic cerebral palsy. Gait Posture. 99, 9-13 (2023).
  17. Park, E. S., et al. The characteristics of sit-to-stand transfer in young children with spastic cerebral palsy based on kinematic and kinetic data. Gait Posture. 17 (1), 43-49 (2003).
  18. Bradski, G. The OpenCV library. Dr Dobb's J Softw Tools. 120, 122-125 (2000).
  19. Garrido-Jurado, S., Muñoz-Salinas, R., Madrid-Cuevas, F. J., Marín-Jiménez, M. J. Automatic generation and detection of highly reliable fiducial markers under occlusion. Pattern Recognit. 47 (6), 2280-2292 (2014).
  20. Kadaba, M. P., Ramakrishnan, H. K., Wootten, M. E. Measurement of lower extremity kinematics during level walking. J Orthop Res. 8 (3), 383-392 (1990).
  21. Davis, R. B., Õunpuu, S., Tyburski, D., Gage, J. R. A gait analysis data collection and reduction technique. Hum Mov Sci. 10, 575-587 (1991).
  22. Vicon Motion Systems Ltd. Plug-in gait reference guide. , Vicon Motion Systems Ltd. Oxford. https://help.vicon.com/download/attachments/11378719/Plug-in%20Gait%20Reference%20Guide.pdf (2016).
  23. Romin, E., Lindgren, A., Rodby-Bousquet, E., Cloodt, E. Sit-to-stand performance in children with cerebral palsy: A population-based cross-sectional study. BMC Musculoskelet Disord. 25 (1), 460(2024).
  24. vailá: A multimodal toolbox for analysis and integration in biomechanics. Santiago, P. R. P., Chinaglia, A. G., Bedo, B. L. S., Mochida, L. Y., Cesar, G. M. Int Soc Biomech Conf, July 27-31, Stockholm, Sweden, , (2025).
  25. MediaPipe v0.10.21. , MediaPipe. Available at: https://pypi.org/project/mediapipe/ (2025).
  26. Kim, D., et al. Learning-based 3D human kinematics estimation using behavioral constraints from activity classification. Nat Commun. 16 (1), 3454(2025).
  27. Friedrich, M. U., et al. Validation and application of computer vision algorithms for video-based tremor analysis. NPJ Digit Med. 7 (1), 165(2024).
  28. Cappozzo, A., et al. Human movement analysis using stereophotogrammetry. Gait Posture. 21 (2), 186-196 (2005).
  29. Maas, S. A., Göcking, T., Stojan, R., Voelcker-Rehage, C., Kutz, D. F. Synchronization of neurophysiological and biomechanical data in a real-time virtual gait analysis system (GRAIL):A proof-of-principle study. Sensors. 24 (12), 3779(2024).
  30. Wade, L., Needham, L., McGuigan, P., Bilzon, J. L. Applications and limitations of current markerless motion capture methods for clinical gait biomechanics. PeerJ. 10, e13292(2022).
  31. Wade, L., et al. Examination of 2D frontal and sagittal markerless motion capture:Implications for markerless applications. PLoS One. 18 (11), e0293917(2023).
  32. Arbogast, K. B., et al. Consensus head acceleration measurement practices (CHAMP): Origins, methods, transparency and disclosure. Ann Biomed Eng. 50 (11), 1317-1345 (2022).
  33. Yang, J., Park, K. Improving gait analysis techniques with markerless pose estimation based on smartphone location. Bioengineering. 11 (2), 141(2024).
  34. Washabaugh, E. P., Shanmugam, T. A., Ranganathan, R., Krishnan, C. Comparing the accuracy of open-source pose estimation methods for measuring gait kinematics. Gait Posture. 97, 188-195 (2022).
  35. Lee, H., et al. Automated gait analysis based on a marker-free pose estimation model. Sensors. 23 (14), 6489(2023).
  36. Hundza, S. R., et al. Multi-view gait analysis by temporal geometric features of human body parts. Appl Sci. 14 (7), 2824(2024).
  37. Shvets, A., et al. Improving gesture recognition efficiency with MediaPipe and YOLO-Pose. Int Arch Photogramm Remote Sens Spatial Inf Sci. 48, 13-18 (2025).
  38. Gonabadi, A. M., Cesar, G. M., Buster, T. W., Burnfield, J. M. Effect of gap-filling technique and gap location on linear and nonlinear calculations of motion during locomotor activities. Gait Posture. 94, 85-92 (2022).
  39. Cesar, G. M., Buster, T. W., Burnfield, J. M. Cardiorespiratory fitness, balance and walking improvements in an adolescent with cerebral palsy (GMFCS II) and autism after motor-assisted elliptical training. Eur J Physiother. 22 (3), 124-132 (2020).
  40. Basystiuk, O., Rybchak, Z., Zavushchak, I., Marikutsa, U. Evaluation of multimodal data synchronization tools. Comput Des Syst Theory Pract. 6, 104-111 (2024).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Motion CaptureMarkerless Motion CaptureCerebral PalsyIntersegmental CoordinationHuman Movement AnalysisKinematic PatternsDeep Learning Pose EstimationInertial Measurement UnitsCyclogram ApproachSit To Stand Task

Related Articles