量化学习婴幼儿:跟踪腿操作期间发现，学习任务

Summary

Abstract

任务的具体行动，从自发运动在婴儿期出现。它已经提出，特定任务的动作通过发现学习的过程出现。这里描述了一种方法，其中3-4个月婴幼儿学习任务被发现和他们的腿部动作捕捉，量化学习过程。这一发现学习任务使用婴儿激活的移动，基于对婴幼儿指定的腿的动作和旋转播放音乐。仰卧婴儿激活移动通过垂直移动他们的脚跨虚拟门槛。这一模式的独特之处作为独立的婴儿发现自己的腿动作激活的移动，婴儿的腿部动作使用的动作捕捉系统，允许对学习过程的定量跟踪。具体而言，学习是量化移动激活的持续时间而言，末端执行器（脚），该激活的移动，改变髋膝coordina的位置方差化模式，并改变在髋关节和膝关节的肌肉力矩。此信息描述为支持特定任务行动的人，环境约束的相互影响婴幼儿的勘探和开采。使用这种方法可以研究婴儿的不同人群的风险如何具体障碍的运动障碍影响的发现学习的过程任务的具体行动的后续研究。

Introduction

任务的具体行动，从自发运动在婴儿期出现。它已经提出，特定任务的动作通过发现学习过程^1,2-出现。任务是发现了婴儿，因为他们自发地移动，并探讨其产生的环境影响的新行动。任务的具体行动，涌现作为婴儿利用他们的行动和他们对周围世界的影响之间的连接。然而，鲜为人知的是，精确的工艺，婴儿探索和利用学习来修改自己的自发动作来执行任务的具体行动。这里描述了一种方法，其中3-4个月婴幼儿学习任务被发现和他们的腿部动作捕捉，量化学习过程。

图1:婴儿踢激活的移动任务。 强>的中心的发光二极管（LED）安装于刚体每只脚（黄色圆圈）的激活的移动时，它穿过虚拟阈值（红色虚线）。重新印刷从萨金特等人的许可^。3

这一发现学习任务使用婴儿激活的移动旋转和播放的基础上婴幼儿³的规定腿的动作音乐。移动下仰卧放置婴儿通过垂直移动他们的脚跨虚拟阈值（ 图1）激活它。这一模式的独特之处作为独立的婴儿发现自己的腿动作激活的移动，婴儿的腿部动作使用的动作捕捉系统，允许对学习过程的定量跟踪。

实验方案包括数据收集两天。第1天由一个2分钟的基准条件，其中一个婴儿自发地踢，但他的腿行动不能激活婴儿移动，随后6分钟采集条件，其中婴儿的腿部动作激活的婴儿移动，如果婴儿移动他的脚垂直交叉的虚拟阈值。该协议允许对婴儿自发腿动作的量化以及的运动的各个方面的婴儿探索其腿动作和活化婴儿移动之间的关系的定量。在第2天，除了2分钟基线条件和6分钟获取条件，一个2分钟的消光条件被添加在其中的婴儿的腿部动作不激活婴儿移动。这允许婴儿是如何改变自己的腿动作时，已经学会了环境响应中止量化。

在以前的婴幼儿移动范式，腿部运动^4-6，具体的髋关节和膝关节的角频率^7,8，或踢板⁹一直reinforc编着与移动的移动。每一天的性能相比于基线条件^4-9被定义为增加在采集或消光条件期间这些腿的动作。跨越天学习被定义为天2或3的基线或取得条件期间增加这些腿动作和第1天^5,6的基线条件。这些以前的移动范例表明，婴儿增加的腿的动作被与移动激活增强的频率，然而，它们不提供在运动学习任务的时候选择婴儿都提供给他们的信息。例如，如果踢球率是钢筋，婴演示性能和学习时，他们的蹬率增加或者与移动或者当移动不再激活交互时。这表明，婴儿能够提炼他们踢率，但它是未知的，如果婴儿能完善其腿部的协调模式或扭矩生产发电机密封Ë腿的动作是不是在他们的首选运动剧目。

这个移动范例是在婴儿唯一需要证明更精腿的动作，以激活移动比以往的移动范式。在这个移动范例，上表各支脚的高度使用从连接到每个脚的发光二极管（LED）的位置数据的2分钟基线条件期间被计算。虚拟阈值则设为平行于该表在一个高度，既英尺的高度的上限范围内的基线条件期间。在采集，移动和旋转播放音乐，如果任一只脚跨过的门槛。经过3秒时，移动站和重新激活仅当婴儿移动低于阈值的脚，然后垂直移动脚和再次跨过阈值。要激活手机的时间量最大，婴儿需要动脚高于阈值并维持其对GRAV性3秒，然后迅速移动脚低于阈值，并再次移动它上面的阈值，并在那里举行了3秒， 等等 。这就需要更精确的腿的动作不是简单地增加踢率。

图2:从婴儿代表末端效应（英尺）的未过滤的位置数据来自谁的基础上的个性化学习标准展示学习3个月大的婴儿2日未过滤的位置数据。红线是发光二极管的z坐标（LED）的放置右脚的位置数据。蓝线是从左脚的LED位置数据。粗黑线是表。虚线是虚拟阈放置14厘米以上表格作为单独确定的，根据其基线期间踢的高度每个婴儿第1天。X轴的条件时通过2分钟的间隔标记。请注意如何婴儿在基线移动他的脚在移动不激活前30秒采集1时，那么他始终保持双脚离桌子和移动他的脚对周围的门槛下一个5 1/2分钟，直到手机灭绝状态时不再激活。

这种移动模式的第二个特点是，每个婴儿的腿部动作是用一个国家的最先进的动作捕捉技术，以量化的婴儿是如何使用他们的运动选择学习任务跟踪。的每只脚激活从一个代表婴儿移动LED未过滤位置数据被包括在图2中。注意如何婴儿移动他的脚在不同高度上表基线和采集的第一部分期间，但然后移动两脚对周围的收购康迪的休息时的阈值直到重刑移动不再灭绝期间激活。这是许多潜在的移动战略，以实现发现学习的任务之一。该策略可以通过计算使用从运动捕捉系统获得的位置数据的三维运动学和动力学进行量化。具体而言，学习过程被量化的增强腿的动作（％RLA），它等于移动激活的持续时间，所述末端执行器（英尺），其激活移动，髋膝协调模式的位置方差的百分比和髋关节和膝关节扭矩。

Protocol

该机构审查委员会在南加州大学批准了这项研究。

1.系统准备

1. 建立了动作捕捉系统。请注意:这些步骤是每个运动捕捉系统不同。
   1. 对准通过点击动作捕捉程序" 进行新注册"，进入30秒的采集时间，点击" 注册 "，并移动所述注册对象的捕获体积内的坐标的两个运动捕捉传感器，一个传感器的系统为30秒。当注册成功完成后，观察根的意思是在计算机屏幕上平方（RMS）注册错误。
   2. 全球坐标系使用登记对象通过单击测试表对准动作捕捉程序" 执行新的对齐 "。
      1. 通过将注册OBJE定义原点克拉上的测试台和点击" 数字化 "，在动作捕捉程序的右上角。通过将登记对象的框的顶部并点击" 数字化 "定义的Z轴; Z轴是垂直于所述表中。
      2. 通过移动包装盒上的登记对象沿该表的长度，并点击" 数字化 "定义在Z / Y +面; Y轴平行于该表和X轴的长度是平行于输送台的宽度。
   3. 堵塞指示灯成两个闸门口，进入运动捕捉系统程序（24选通端口1和20选通2端口）内的每个选通端口的LED数量。请参考图3，用于每个LED的数量和位置。选择丢失的数据，以提供一个长条图表状显示的发光二极管被跟踪的实时性。
      
2. 成立婴儿移动计算机程序。
   1. 输入分钟每个条件的数量。第1天，输入2阶段1（2分钟基线，非加固条件），6期2（6分钟采集，加固条件）; 0 3阶段（0分消，非加固条件）。
   2. 对于第2天，输入2阶段1（基线），6期2（收购），2阶段3（消光），并选中" 使用按照Zmin为默认值 "，让第一天的基线中计算的门槛将门槛用于2日的收购条件。
   3. 选择"StreamframesAllFrames"，然后点击" 发送 "，使手机程序使用的数据来自运动捕捉系统激活基于指定的标准婴儿移动。
3. 设置在视频摄像机。
   1. 启动三个同步录像视频计算机程序（右侧卧位，左侧卧位，开销意见）。
   2. 启动额外的视频摄像头在婴儿的头记录的面部表情和眼睛注视。

2.婴儿准备

1. 描述实验的父母，并告知他们互动尽可能少与他们的婴儿。
   注意:给父母，如果婴儿不整个实验变得繁琐，父母应该婴儿坐在旁边的视图外，但是，如果婴儿变得模糊存在与婴儿相互作用的一个进展。
   1. 首先，在一个令人放心的语气问父母说，"一切都还好，我就在这里，"。
   2. 二，问家长要站在婴儿的美景，一边安抚婴儿。
   3. 三，问父母要么持有的婴儿的一只手或给婴儿奶嘴。
      注:最少需要保持冷静婴儿和警觉父母的互动，并给出尽可能迅速结束越好。
2. 脱衣服的婴儿，放置在婴儿移动的婴儿，并用尼龙搭扣带横放在后备箱固定婴儿表。
3. 后的婴儿被固定到该表中，将胸骨标记和骨盆，大腿，小腿，以及对婴儿的脚刚体。

3.婴儿移动学习任务

1. 每一天，通过同步地开始运动捕获系统，移动计算机程序，和摄像机启动移动学习任务。
   1. 这两天从分0比2，基准条件下，观察婴幼儿自发踢。
   2. 在2英里期间1天Ñ​​基线条件，观察作为婴儿移动程序连续计算的阈值基于从上刚体每只脚的LED中的一个的z数据移动活化。例如，右脚和标记21的左脚标记9。标记9是右脚上刚体圆圈黄色图1中的中心的LED。标记21是在左脚刚体的中心LED。
   3. 在2分钟基线的端部，移动程序将在2分钟基线条件期间设定在一个标准偏差（SD）上述双脚的平均高度的高度的阈值。
   4. 这两天从分2至8，收购条件，作为观察婴儿的移动和旋转播放音乐时，LED无论是放置在脚下穿过第一天的2分钟基线条件中计算的门槛。
      注:移动激活会持续，只要脚高于虚拟阈至最多3秒。 3秒后，莫如果婴儿移动足下面的虚拟阈值，然后垂直移动的脚，并再次跨过阈值胆汁将只重新激活。这"3秒法则"鼓励积极探索腿动作对持有超过阈值的脚。
   5. 第2天从8-10分钟，消光条件，作为观察婴儿自发地踢不移动加固。
2. 后的婴儿与移动交互，收集静态校准试验来定义每个脚部一个局部坐标系，并定义一个参考配置为每个本体段中的空间。
   1. 修复十个单独的LED两侧使用双面EKG铤在下列地点婴幼儿的皮肤:下面的第十肋骨躯干外侧中线，髋关节，膝关节外侧关节线的大转子，脚踝外踝，和远端5 ^日跖骨。
   2. 握住婴儿的下肢在对于5秒的延伸，解剖位置。所有关节角度在这个校正位置被定义为0°。
3. 第2天，收集人体测量数据。
   1. 权衡在数字电子秤每个婴儿。
   2. 看看下面的测量:婴幼儿的总长度;圆周在中间段大腿，小腿和脚的;宽度膝关节（在膝关节线），踝（在踝）和脚（在跖骨头）;和大腿（大粗隆膝关节线），小腿（膝关节行至外踝）和脚（内踝以第一跖趾关节）的长度。

4.数据分析

1. 通过使用自定义计算语言程序的实验如Matlab的每2分钟间隔期间计算RLA％的性能进行分析和学习。计算的时间的一个或两个，活化的移动高于阈值的每个脚的LED的持续时间。因为3秒的时间间隔后该移动不激活，减去的时间，其中一个或两个LED均高于阈值大于3秒的时间间隔的持续时间。
   1. 由统计分析期间三，2分钟采集间隔中的任一项的％RLA是否显著超过2分钟基线间隔^3,4,7,9,10测量组的性能的每一天。
   2. 归类单个婴儿为具有每天执行的任务，如果任何一个2分钟采集间隔期间的％RLA是等于或大于1.5倍的％RLA在2分钟基线间隔^{3,4,6,9,10。}
   3. 通过确定在整个6分钟取得条件第2天的RLA％ 统计是否超过在基准条件第1天^3,6％RLA测量通过天组学习。
   4. 个人归类为婴幼儿，如果学习者2日的全部6分钟采集状态期间％RLA等于或GRE亚特超过1天的^3,6,11 1.5倍的基准条件。
2. 通过实验的每2分钟间隔期间的编码录像带分析觉醒和注意力。觉醒规模定义为:犯困= 1，警惕和不活动= 2，警惕和积极= 3，挑剔= 4，和哭泣= 5 ^3,8,11。注意比例被定义为:0 =不看移动，1 =看着移动^3,8。
3. 处理位置数据和使用自定义MATLAB程序提取踢。
   1. 运动捕捉系统输出到自定义的Matlab程序加载位置数据文件内插使用三次样条丢失的位置数据（最大连续20帧）。
   2. 加载插文件到定制Matlab程序至（a），使用四阶巴特沃思5 Hz的截止频率滤波位置的数据作为从功率谱分析确定，和（b）计算如下关节角度:髋部弯曲/展期，髋关节外展/内收，髋部外/内旋，膝关节屈曲/伸展，踝关节反演/外翻，踝关节背屈/在¹²描述跖屈。
   3. 加载角度文件到一个自定义的Matlab程序提取踢。定义一个踢作为发病连续腿部运动的，其中，髋关节或膝关节角度变化超过11.5°（0.2弧度）为任一屈曲或伸展^3,9,13-15的开头。定义踢峰值延伸的以下一个屈曲运动或峰屈曲以下的延伸运动^3,9,14帧的末尾。
4. 对于所有的踢，计算使用自定义的MATLAB程序运动学参数。
   1. 计算位置方差中的LED在每只脚，活化的移动³的z方向（垂直，任务特定方向）。
   2. 计算髋关节屈曲/延伸和膝关节屈曲/伸缩缝使用的相关性Pearson相关系数（R）在零滞后之间的髋关节和膝关节角度游览。比较相关（r）婴儿中，转换髋膝关节角度相关费舍尔Z值 ^3,9,15。
   3. 时间正常化关节角度数据，然后计算髋关节屈曲/伸展和屈膝/从角位置/速度数据^16,17延伸的连续相对相位（CRP）。在以下五个时间点分析的CRP计算结果:（1）开始时踢的，（二）峰的第一个段的速度，（三）关节反转，（d）该第二区段的峰值速度，以及（e踢^3）结束。
5. 对于所有的踢，通过查看同步的视频数据识别非接触踢腿。计算动力学参数使用自定义的MATLAB程序非接触式踢腿。
   1. 从修改从Hatze的成年人人体¹⁸婴儿模型计算公式的段质和中心的质量。计算的惯性力矩3D大腿，小腿和脚从公式修改段从Jensen的成年人人体¹⁹婴儿模型。
   2. 计算术语在使用空间操作²⁰的螺旋理论运动的下面的等式。
      
      使用拉格朗日方法，其中，M（θ）为惯性矩阵，导出， 科里奥利和离心扭矩矩阵，N（θ）的引力（GRA），扭矩和T肌肉（毛里求斯）的扭矩。
   3. 计算使用来自非接触踢，体段惯性参数和运动的生物力学方程三维运动学数据关节力矩。
   4. 在分区各关节的净（NET）扭矩转换成运动有关（MDT），GRA和MUS扭矩贡献^21。净扭矩成正比的加速度在每个接头处。MDT转矩涉及与肢体的运动相互关联的段之间的机械相互作用有关的被动扭矩。 GRA扭矩与重力向下的作用肢体的被动力。 MUS扭矩包括从有源肌肉收缩和肌肉的被动变形，肌腱，韧带和其它关节周围组织的力。
   5. 用于髋关节和膝关节分开，计算扭矩脉冲作为各分配扭矩（MUS，GRA，MDT），以净转矩的贡献大小。计算过程中的时间间隔，其中，膝盖MUS扭矩作用在相同或相反的方向与膝盖NET扭矩相比正或负的转矩脉冲（转矩*时间）。执行此相同的计算膝关节GRA和MDT扭矩和臀部毛里求斯，GRA和MDT扭矩。用于髋关节和膝关节分开，总结所有正和负脉冲的每个转矩分量，得到的每个隔开的扭矩者脉冲的贡献的大小的量度E（MUS，GRA，MDT）以净扭矩冲动。

Results

对婴幼儿的学习过程可以在％RLA方面进行量化，年底效应（英尺），髋膝角度相关系数，以及髋关节和膝关节力矩的位置变化。分析每个级别提供了有关在发现学习的过程如何婴儿探索他们的腿部动作和激活婴幼儿的移动之间关系的独特信息。

对于RL​​A％及髋膝关节角度相关系数，混合回归模型自回归协方差结构和群体（学生，非学生）作为学科之间的因子的统计分析被用来测试每​​个因变量的差异（％ RLA，髋膝相关系数）的基准，收购和消光条件跨天之间。用于髋关节和膝关节的肌肉扭矩脉冲的学习者组内的统计分析，混合回归模型自回归协方差结构被用于每个因变量（臀部肌肉扭矩冲动，膝关节肌肉扭矩冲动）之间的基准，收购和消光穿过天的条件。统计分析采用SAS（7.0版，SAS研究所Inc.），用设定在0.05整体的Rf值，并使用Bonferroni校正的预先计划的事后调整比较阿尔法层次完成。

增强腿部动作的百分比

增强腿部动作的百分比进行评估，以确定是否有婴儿和执行学到的任务^3。为了描绘谁学习，...

Discussion

的发现学习任务的婴幼儿设计

对于婴幼儿探索学习任务必须精心设计，以确保婴幼儿独立发现的偶然性。在的采集条件开始几个移动范例，婴儿或者表明该移动由所述移动^7,22或每个婴儿的腿部一个非偶然活化激活由研究者被动移动到引入婴儿到应急^9。此外，照顾者和实验者可以提供额外的加固，以支持婴儿的性能。具体的规则，在这里列出，是至关重要的，以确保婴幼儿独立发现不受外界影响的偶然性。

同样重要的是，在发现学习任务收集从属措施是性能变化敏感。最关键的asp等在这​​个范例是阈值激活婴儿移动的设置。如果阈值被放置过高以上表格，婴儿可能无法获取期间激活移动足够频繁，以确定它是他的腿的动作被激活移动。如果阈值被放置太低，婴儿可以具有％RLA在基线，这是不可能的婴儿就能捕获期间充分地增加％RLA证明性能或学习的如此高的水平;例如，用50％的基线％RLA在第1天的婴儿需要激活移动了2天的6分钟取得条件的75％，以满足个人的学习条件。试点试验证实，不能使用标准的阈值的每个婴儿，而该阈值必须单独计算每个婴儿从其基线自发...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Optotrak Certus 位置传感器，远焦，带支架	Northern Digital Inc	8800852
Optotrak 数据采集单元 II （ODAU II）	Northern Digital Inc	8800767
Optotrak Vinten 支架，Certus 带快速修复适配器	Northern Digital Inc	8800855.002
Certus S 型，标准配置	Northern Digital Inc	8800761
标记（7 毫米）对，带 RJII 连接器和 8 英尺电缆	Northern Digital Inc	8001029.001
交流电源线，医疗级，北美	Northern Digital Inc	7500010
立方参考发射器套件 - Certus	Northern Digital Inc	8800768
3 塔 IEEE 1394 相机	Basler	A6021c
Vixia HG10 摄录一体机	佳能	2183B001
粘性盘	MVAP 医疗用品	E401-500
可逆头部支撑	Eddie Bauer	52556
软带	Sammons Preston	A34960
数字儿科秤	健康计	型号 524KL