方法文章

在仪器化 Timed Up and Go 测试中使用动作捕捉技术来检测老年人跌倒的风险

DOI：

10.3791/66025

⸱

2024年10月25日

 ,  ,  ,  , 
1Department of Neurology, The Seventh Medical Center of Chinese PLA General Hospital, 27th Department of Health Cadre, The Second Medical Center of Chinese PLA General Hospital, 3Department of Neurology, NO 984 Hospital of PLA, 4Department of Emergency, General Hospital of Baoding First Central Hospital, 5Department of Hand and Foot Surgery, Beijing University of Chinese Medicine Third Affiliated Hospital

* These authors contributed equally

本文内容

摘要

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

随着新技术的发展，仪器化 Timed Up and Go （iTUG） 测试在身体摇摆和步态分析中越来越受到关注。我们提出了一种协议，用于通过动作捕捉分析 iTUG 的子组件。

摘要

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

尽管医学和技术做出了努力，但老年人跌倒的发生率仍在增加。因此，及早发现跌倒风险对于预防跌倒变得越来越重要。Timed Up and Go （TUG） 测试是一种广为接受的评估活动能力的工具，可用于预测老年人未来跌倒的风险。在临床实践中，完成测试的总时间是 TUG 测试的主要结果指标。由于其简单性和通用性，传统的 TUG 测试一直被认为是运动分析的全球测试。然而，最近，研究人员试图将 TUG 测试拆分为子组件，并更新了其评分系统以供进一步调查。据报道，仪器化 Time Up and Go （iTUG） 测试是传统 TUG 测试的新改进版，是预测老年人运动障碍和跌倒风险的敏感工具。本研究的目的是使用动作捕捉技术分析 iTUG 测试子组件，并确定哪些 iTUG 测试子任务与未来跌倒的潜在风险有关。

引言

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

跌倒是最常见的老年综合征之一，也是全球意外或意外伤害相关死亡的第二大原因1。在 65 岁以上的成年人中，跌倒会导致功能障碍、残疾、生活质量下降、住院时间延长，甚至死亡 2,3。因此，防止跌倒至关重要。

为了确定跌倒事件的预测因素，以前的研究人员专注于步态分析、平衡测试、精神状态、镇静药物的使用以及前一年的跌倒史 4,5 Timed Up and Go （TUG） 测试是一种基于表现的快速活动能力测量方法。TUG 测试已在老年人中进行了广泛研究，并被推荐作为跌倒风险的简单筛查测试6。这种广泛使用的测试包括从椅子上站起来、以首选速度行走 3 m、转身、返回和坐下。该测试的传统临床结果取决于其总持续时间7 （total duration 7），并由秒表评估。

在临床实践中，传统的 TUG 测试测量执行一系列活动的总时间，而不将受试者的表现分为子组成部分8。最近，一些研究人员提出，不同的 TUG 测试组件作为未来跌倒的预测因子可能特别敏感9。使用数字化仪表化 TUG （iTUG） 测试时，可以单独分析 TUG 测试的各个组成部分。通过使用 iTUG，可以客观地评估每个 TUG 测试子阶段的几个特性，并获得定量数据，例如每个运动的相关持续时间、速度和角速度。凭借更详细的数据，iTUG 测试显示出检测可能更能表明跌倒风险的特定缺陷的优势10。

作为运动分析的黄金标准，动作捕捉技术已被用于检测帕金森病 （PD） 11、认知障碍12 和踝关节炎13 患者以及健康成人14 的运动。在目前的研究中，我们旨在使用动作捕捉技术分析 iTUG 测试子组件，并确定 iTUG 测试子任务与未来跌倒潜在风险之间的相关性。

方案

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

这项研究得到了中国北京中国人民解放军总医院第七医学中心学术伦理委员会的批准。

1. 参与者纳入/排除标准

  1. 招募 65 岁或以上的年龄参与者并获得他们的知情同意。
  2. 排除有明显视力和下肢残疾的参与者，例如膝关节炎、闭塞性血栓形成脉管炎和痛风。

2. 测试区域的准备

  1. 将标准化的 iTUG 测试区域设置为 5 m x 8 m 或更宽（见 图 1），并在房间周围分布 12 个摄像头。将传统的 TUG 设置放入测试区域:一把椅子和一个提醒参与者回头的标志。
    注意:指示路线的标志是可选的。
  2. 确保运动捕捉区域仅限于所有摄像机的范围，并且所有 TUG 测试设置都是非光反射的。

3. 测试前程序的软件准备

  1. 在要在房间中使用的计算机上安装动作捕捉软件。
  2. 点击 Seeker 按钮启动动作捕捉软件。启动软件后，对于 General Camara Configuration（常规 Camara 配置），选择默认模式（帧速率 = 60 帧/秒，快门速度 = 1/1,000 秒），该模式在大多数情况下都是可接受的。在默认模式下同时设定所选相机设置和相机配置设置。
  3. 选择 Live mode （实时模式 ） 以设置实时设置。
    注意: Post 模式 用于分析捕获的数据。
  4. 单击 Markersets 以配置标记设置。
  5. 在 Calibration of Ground Axis 中选择 XY axis （XY 轴），在 Calibration units （校准单位） 中选择毫米。
  6. 单击 Calibrate （校准） 以选择校准变化。
  7. 选择 Initial Calibration 并单击 "L" 形 按钮。同时，将"L"形校准器带入现场，并将其放在现场中央，以确保所有摄像机都能捕捉到它。
    注:"L"形校准器包含四个反光标记。
  8. 在屏幕上检查是否所有 12 个摄像头都能检测到 4 个反光标记。如果任何摄像头检测到 ≤3 标记，请降低屏幕左侧的亮度和阈值。如果任何摄像机检测到 ≥5 标记，请检查区域并清洁或覆盖不需要的反光标记。
    注意:摄像头可能会检测到前参与者的一些微小物品。
  9. 从磁场中取出 "L" 形校准器。
  10. 单击 "T"形 按钮。同时，将"T"形校准器带入现场并挥动它，以确保所有摄像机都能捕捉到它。
  11. 在 Up Axis 的 Calibration 中选择 Z axis，在 Calibration units 中选择毫米。
  12. 让医生检查是否所有摄像头都能捕捉到标记物。挥动场地每个角落的标记，特别是覆盖 TUG 测试的可能空间。
  13. 在屏幕上检查是否所有 12 台相机都能检测到"T"形校准器。如果任何相机无法检测到它，请更改相机的方向。
    注意:有两种形状的标记需要校准;"L" 形和 "T" 形。"L"形校准器有四个反光点用于校准 XY 轴，"T"形校准器有四个反光点用于校准 Z 轴。校准持续时间将持续 60 秒或更长时间。有效的捕获会将屏幕的颜色变为绿色。
  14. 单击 Finish 完成校准。
  15. 单击 Save Calibration 以存储有效的校准模式。
    注意:校准在 2D 模型中执行;测试期间经常使用 3D 模型。

4. iTUG 测试

注意:参与者应穿着紧身但舒适的衣服和鞋子。

  1. 将反射点贴在解剖标志上:颈椎 7 棘突和胸椎 10 棘突，左肩峰和右肩峰。
    注意:每个参与者最多可以附加 17 个反射点。附加的反射点越多，收集的数据就越准确，但参与者的感觉就越不舒服。
  2. 右键单击屏幕右行的反射点，并将其指定为 C7、T10、左肩和右肩。
  3. 向参与者显示说明。指示是 "请从椅子上站起来，以您喜欢的速度步行 3 m，转身，返回并坐下。
  4. 要求参与者事先执行 iTUG 测试，以确保他们熟悉说明。
    注意: 确保每个参与者在安装反光点后都感到舒适。
  5. 指导参与者执行 iTUG 测试。
    注意:参与者需要步行才能完成 iTUG 任务。
  6. 当参与者执行 iTUG 测试时，单击计算机屏幕上的 开始 和 停止 按钮。
    注意:在 iTUG 测试期间，运动捕捉系统以 60 Hz 的频率从所有附加点采样数据;相应地形成一个视频（参见 视频 1）。

5. iTUG 测试变量的数据收集和定义

  1. 点击 录音设置 按钮。
    注意:数据存储在电子表格中。
  2. 选择 "原始相机数据 |追踪式 ASCTI |跟踪的二进制文件。 Capture Duration 为 20 秒。
  3. 键入参与者 的姓名 。
  4. 单击 Record 按钮开始数据收集。
  5. 通过观看视频确定 iTUG 测试的子阶段，并根据数据计算变量。
    1. 定义以下变量: 传统 TUG 测试总时间、第 1 阶段时间 （从椅子上站起来）、 第 1 阶段身体摇摆 （从椅子上站起来）、 第 2 阶段时间 （以首选速度步行 3 m）、 第 2 阶段身体摇摆 （以首选速度步行 3 m）、 第 3 阶段时间 （转身）、 第 3 阶段身体摇摆 （转身）、 第 3 阶段 （转身）、 第 4 阶段时间 （返回）、 第 4 阶段身体摆动 （返回）和 第 5 阶段时间 （坐着）的角速度。
      注:细节与 Caronni 及其同事15 描述的相似。

6. 唐顿摔倒风险指数 （DFRI）

  1. 使用唐顿摔倒风险指数 （DFRI） 评估跌落风险。
    注:DFRI（表 1）包括 11 个风险项目，每个项目得分为 1 分。分数相加得到总指数分数，范围为 0-11。≥3 分被认为表明跌倒的风险很高。为了评估跌倒风险，DFRI 通常用于住院的参与者，而家庭跌倒和事故筛查工具 （HOME FAST） 更适合社区居民。

7. 统计分析

  1. 使用市售的统计软件包执行所有统计分析。使用 Student t 检验评估组差异，并选择 Pearson 相关系数评估 iTUG 的子成分与 DFRI 分数在总样本上的关系，P < 0.05 表示差异有统计学意义。
  2. 使用 Bland-Altman 程序评估我们的方法与 McRoberts 传感器之间第 1 阶段持续时间、第 3 阶段角速度和第 4 阶段持续时间的一致性（参见 材料表）。计算两种测量方法之间的均值差值和计算的平均差值的 95% 一致性限值。

结果

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

招募了 13 名跌倒风险高的老年参与者 （DFRI 评分: 3-11） 和 11 名跌倒风险低 （DFRI 评分: 0-2） 的老年受试者。 表 1 中详细介绍了 DFRI。如前所述，3 分或以上被认为表明患者在住院期间跌倒的风险很高16。

人口统计数据如 表 1 所示，其中包括性别、年龄、TUG 测试分数和 iTUG 测试变量。如 表 2 所示，组间性别和年龄没有显著差异。TUG 测试评分在各组之间存在边际差异 （15.4 ± 5.3 s vs 11.2 ± 5.5 s，P = 0.056）。TUG 测试分数基于传统方式（完成时间）。与跌倒风险低的人相比，跌倒风险高的个体表现出显着较高的第 3 阶段持续时间 （2.8 ± 1.5 s vs 2.0 ± 0.9 s，P = 0.023） 和 4 阶段持续时间 （2.9 ± 1.6 s vs 2.1 ± 1.0 s，P = 0.024），以及较低的第 3 阶段角速度 （1.2 ± 0.4 º/s vs 1.7 ± 0.4 º/s，P = 0.021），与跌倒风险低的人相比。与身体摇摆相关的变量在组间没有显著差异。

如 表 3 所示，DFRI 评分与第 1 阶段持续时间、第 3 阶段持续时间、第 3 阶段角速度、第 4 阶段持续时间以及第 5 阶段持续时间之间存在显着相关性。然而，我们没有发现 DFRI 与 iTUG 每个阶段的摇摆变量之间有相似的趋势。

如图 2 所示，Bland-Altman 图表明，iTUG 和 Dynaport 加速度计传感器之间的一致性在第 1 阶段持续时间、第 3 阶段角速度和第 4 阶段持续时间方面是可以接受的。第 1 阶段持续时间、第 3 阶段角速度和第 4 阶段持续时间的 1.96 标准差值分别存在 1 个 （5%）、0 个和 1 个 （5%） 异常值。

figure-results-1
图 1:插桩式 Time Up and Go 测试的子组件。 （A） 第 1 阶段之前:坐在椅子上的人。（B） 在第 2 阶段:在他走向观众的路上。（C） 在第 3 阶段:绕着前面的椅子走。（D） 在第 4 阶段:回到原来的椅子上。缩写: iTUG = instrumented Time Up and Go。 请单击此处查看此图的较大版本。

figure-results-2
图 2:用于比较 iTUG 和 Dynaport 加速度计传感器的 Bland-Altman 图。 （A） 使用 iTUG 和 Dynaport 加速度计传感器的第 1 阶段持续时间的 Bland-Altman 图。（B） 使用 iTUG 和 Dynaport 加速度计传感器的第 3 阶段角速度的 Bland-Altman 图。（C） 使用 iTUG 和 Dynaport 加速度计传感器的第 4 阶段持续时间的 Bland-Altman 图。 请单击此处查看此图的较大版本。

项目得分
已知的既往跌倒
是的1
不0
药物
镇静剂/镇静剂1
利尿剂1
抗高血压药（利尿剂除外）1
抗帕金森病药物1
抗 抑郁 药1
其他药物1
没有0
感觉障碍
视力障碍1
听力障碍1
肢体损伤1
没有0
心理
意识模糊（认知障碍）1
至上0
步态
不安全（带/不带助行器）1
使用助行器安全0
正常（无需助行器即可安全）0
无法0

表 1:唐顿跌倒风险指数项目和评分系统。 DFRI 分数高于 3 分表示跌倒的风险很高。缩写:DFRI = Downton 跌倒风险指数。

跌倒风险高跌倒风险低P 值
（n=13）（n=11）
性别，男/女"3/10""4/7"0.08
年龄、年74.29 (6.61)70.40 (9.23)0.077
TUG 评分，s15.4 (5.3)11.2 (5.5)0.056
第 1 阶段持续时间，s1.4 (0.4)1.2 (0.2)0.56
第 1 阶段摇摆，°123.3 (68.9)110.3 (57.7)0.684
第 2 阶段持续时间，s2.9 (1.0)2.8 (1.4)0.924
第 2 阶段摇摆，°141.3 (72.6)132.2 (48.6)0.082
第 3 阶段持续时间，s2.8 (1.5)2.0 (0.9)0.023*
第 3 阶段角速度，°/s1.2 (0.4)1.7 (0.4)0.021*
第 4 阶段持续时间，s2.9 (1.6)2.1 (1.0)0.024*
第 4 阶段摇摆，°119.8 (64.1)113.5 (55.7)0.936
第 5 阶段持续时间，s4.6 (1.7)3.5 (1.5)0.063
值 = 平均值（标准差）

表 2:参与者的人口统计数据和插桩的 Time Up and Go 测试变量。观察到组间 3 期持续时间、 4 期持续时间和 3 期角速度的显着差异。

DFRIr 值P 值
第 1 阶段持续时间，s0.3470.007*
第 1 阶段摇摆，°0.0610.804
第 2 阶段持续时间，s-0.0260.898
第 2 阶段摇摆，°0.2870.174
第 3 阶段持续时间，s0.4620.020*
第 3 阶段角速度，°/s-0.4030.003*
第 4 阶段持续时间，s0.4870.000*
第 4 阶段摇摆，°0.3120.137
第 5 阶段持续时间，s0.5680.000*
较高的 r 值表示密切的关系
DFRI = 唐顿瀑布风险指数

表 3:DFRI 分数与 iTUG 的子组件之间的相关性。 DFRI 评分与 1 期持续时间、3 期持续时间、3 期角速度、4 期持续时间以及 5 期持续时间之间存在显著相关性。缩写: iTUG = instrumented Time Up and Go;DFRI = 唐顿跌倒风险指数。

视频 1:iTUG 任务示例。 请点击此处观看此视频。

讨论

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

该协议中的关键步骤是将反射点准确地连接到解剖标志上，以避免偏差。此外，识别 iTUG 测试的每个子成分也是一个关键步骤;视频回顾有助于识别。

两组之间的 TUG 测试分数存在边际差异，这意味着传统的 TUG 分数可能不够敏感，无法区分跌倒的风险。我们没有发现各组之间第 1 阶段持续时间和第 5 阶段持续时间的明显差异，这可以通过所有参与者都没有表现出下肢力量异常来解释。第 1 阶段持续时间与跌倒风险高的老年人的下肢力量相关17,18。据报道，3 期角速度是与前庭功能减退相关的关键点，以及 3 期持续时间，被发现与 DFRI 评分19 相关。老年人跌倒的高风险可能是由前庭功能减退相关的头晕感引起的。

此方法有四个限制。首先，动作捕捉系统目前很昂贵;然而，随着技术的发展，该系统将变得越来越经济。其次，具体的考场也是一个潜在的挑战。如前所述，参与者丢失在地板上的一些物品可能会被检测为反射点;因此，需要仔细清洁房间。此外，这种基于动作捕捉系统的 iTUG 测试比传统的 TUG 测试需要更多的空间。传统的 TUG 测试只需要 3 m x 2 m，因此可以在许多地方（例如，走廊、测试室、病房）进行。而 iTUG 测试的房间应大于 32 m2 ，因为摄像头安装在房间周围。第三，反思点会影响参与者的依从性。附加的反光点越多，报告的舒适度可能就越低。研究人员应确认反射点是否会影响参与者的活动能力。第四，相对于传统的 TUG 测试，iTUG 测试是一项昂贵的测量。

TUG 测试是评估运动和跌倒风险的常用方法20.然而，除了完成时间外，医生们几乎无法从传统版本中获得更多的信息。鉴于 iTUG 突出显示了要点以显示更多详细信息。这种方法的意义在于，它将传统的 TUG 测试与动作捕捉系统进行了细分，提供了有关时间和身体摆动的新变量。我们的结果表明，一些子成分时间变量，而不是身体摇摆变量，在组之间是不同的。动作捕捉系统还可用于串联行走和 Romberg 测试，以突出 PD、小脑共济失调和运动脑震荡患者的不平衡 21,22,23。由于最近的研究证明 TUG 测试亚组分与认知功能相关，6,24 该方法也可用于筛查认知障碍。

披露

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

作者没有需要披露的利益冲突。

致谢

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

作者感谢 Honghua 周 博士提供的数字技术支持。这项研究得到了中国健康增进和研究基金 （ID:2024-2-7031） 的支持。

材料

本文使用的材料清单
姓名公司目录编号评论
黑色条状熟食60 mm x 20 m
校准器NOKOV度量反射器标志 1L 形
校准器NOKOV度量反射标志T 形
椅子YUANSHENGYUANDAI"10076062317820"
电脑HUAWEIHONOR
McRoberts 传感器 DynaPort Hybrid， McRoberts， The Hague， The Netherlands
动作捕捉相机NOKOVNOKOV Mars2H
动作捕捉软件NOKOVDG-01
反光标记NOKOV器用小标记
NOKOV参与者用
店 2 校准反光标记

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Dokuzlar, O., et al. Assessment of factors that increase risk of falling in older women by four different clinical methods. Aging Clin Exp Res. 32 (3), 483-490 (2020).
  2. King, B., Pecanac, K., Krupp, A., Liebzeit, D., Mahoney, J. Impact of fall prevention on nurses and care of fall risk patients. The Gerontologist. 58 (2), 331-340 (2018).
  3. Mazur, K., Wilczyński, K., Szewieczek, J. Geriatric falls in the context of a hospital fall prevention program: delirium, low body mass index, and other risk factors. Clin Interv Aging. 11, 1253-1261 (2016).
  4. Beck Jepsen, D., et al. Predicting falls in older adults: an umbrella review of instruments assessing gait, balance, and functional mobility. BMC Geriatrics. 22 (1), 615(2022).
  5. Meekes, W. M., Korevaar, J. C., Leemrijse, C. J., Van de Goor, I. A. Practical and validated tool to assess falls risk in the primary care setting: a systematic review. BMJ Open. 11 (9), 045431(2021).
  6. Mirelman, A., et al. Association between performance on Timed Up and Go subtasks and mild cognitive impairment: further insights into the links between cognitive and motor function. J Am Geriatr Soc. 62 (4), 673-678 (2014).
  7. Palmerini, L., Mellone, S., Avanzolini, G., Valzania, F., Chiari, L. Quantification of motor impairment in Parkinson's disease using an instrumented timed up and go test. IEEE Trans Neural Syst Rehabil Eng. 21 (4), 664-673 (2013).
  8. Cimolin, V., et al. Do wearable sensors add meaningful information to the Timed Up and Go test? A study on obese women. J Electromyogr Kinesiol. 44, 78-85 (2019).
  9. Ayena, J. C., Chioukh, L., Otis, M. J., Deslandes, D. Risk of falling in a timed up and go test using an UWB Radar and an instrumented insole. Sensors. 21 (3), 722(2021).
  10. Sample, R. B., Kinney, A. L., Jackson, K., Diestelkamp, W., Bigelow, K. E. Identification of key outcome measures when using the instrumented timed up and go and/or posturography for fall screening. Gait Posture. 57, 168-171 (2017).
  11. Beyea, J., McGibbon, C. A., Sexton, A., Noble, J., O'Connell, C. Convergent validity of a wearable sensor system for measuring sub-task performance during the timed up-and-go test. Sensors. 17 (4), 934(2017).
  12. McGough, E. L., Gries, M., Teri, L., Kelly, V. E. Validity of instrumented 360° turn test in older adults with cognitive impairment. Phys Occup Ther Geriatr. 38 (2), 170-184 (2020).
  13. Wang, H., Brown, S. R. The effects of total ankle replacement on ankle joint mechanics during walking. J Sport Health Sci. 6 (3), 340-345 (2017).
  14. Mehdizadeh, S., et al. The Toronto older adults gait archive: video and 3D inertial motion capture data of older adults' walking. Sci Data. 9 (1), 398(2022).
  15. Caronni, A., et al. Criterion validity of the instrumented Timed Up and Go test: A partial least square regression study. Gait Posture. 61, 287-293 (2018).
  16. Mojtaba, M., Alinaghizadeh, H., Rydwik, E. Downton Fall Risk Index during hospitalisation is associated with fall-related injuries after discharge: a longitudinal observational study. J Physiother. 64 (3), 172-177 (2018).
  17. Hershkovitz, L., Malcay, O., Grinberg, Y., Berkowitz, S., Kalron, A. The contribution of the instrumented Timed-Up-and-Go test to detect falls and fear of falling in people with multiple sclerosis. Mult Scler Relat Disord. 27, 226-231 (2019).
  18. Zarzeczny, R., et al. Aging effect on the instrumented Timed-Up-and-Go test variables in nursing home women aged 80-93 years. Biogerontology. 18 (4), 651-663 (2017).
  19. Kim, K. J., et al. The instrumented timed "Up & Go" test distinguishes turning characteristics in vestibular hypofunction. Phys Ther. 101 (7), 103(2021).
  20. Montero-Odasso, M., et al. World guidelines for falls prevention and management for older adults: a global initiative. Age Ageing. 51 (9), (2023).
  21. Rocchi, L., Palmerini, L., Weiss, A., Herman, T., Hausdorff, J. M. Balance testing with inertial sensors in patients with Parkinson's disease: assessment of motor subtypes. IEEE Trans Neural Syst Rehabil Eng. 22 (5), 1064-1071 (2014).
  22. Ngo, T., et al. A comparative severity assessment of impaired balance due to cerebellar ataxia using regression models. Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4571-4574 (2020).
  23. Celik, Y., Powell, D., Woo, W. L., Stuart, S., Godfrey, A. A feasibility study towards instrumentation of the Sport Concussion Assessment Tool (iSCAT). Annu Int Conf IEEE Eng Med Biol Soc. 2020, 4624-4627 (2020).
  24. Coni, A., et al. Comparison of standard clinical and instrumented physical performance tests in discriminating functional status of high-functioning people aged 6170 years old. Sensors. 19 (3), 449(2019).

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

TUG Downton

相关文章