Summary
Una misura oggettiva delle funzioni muscolari è impegnativa specialmente nei bambini. Basato su un sensore 3-d digitale disponibile in commercio, un test di gioco adatti ai bambini è stato sviluppato per valutare la funzione degli arti superiori per le sperimentazioni cliniche.
Abstract
Atrofia muscolare spinale (SMA) e altre simili malattie disturbo muscolo caratterizza atrofia muscolare progressiva e irreversibile. Valutazione oggettiva delle funzioni muscolari è un elemento essenziale ed importante, anche se impegnativo, prerequisito per studi clinici di successo. Scale di valutazione clinica corrente trattengono le anomalie di movimento a determinati elementi singoli a grana grossa predefiniti. Il sensore 3D di Kinect è emerso come un portatile e a basso costo tecnologia motion sensing utilizzata per la cattura e movimento in molti medico di pista persone e campi di ricerca. Un metodo novello usando questo sensore 3D è stato sviluppato e un test di gioco-come è stato progettato per misurare obiettivamente la funzione dell'arto superiore di pazienti affetti da SMA. Il test del prototipo mirati capacità di movimento articolare. Mentre era seduto in una scena virtuale, il paziente veniva istruito a estendere, flex e sollevare l'intero braccio per raggiungere e posto alcuni oggetti. Entrambe le caratteristiche cinematiche e spazio-temporale del movimento degli arti superiori erano estratti e analizzate, ad esempio, estensione del gomito e angoli di flessione, mano velocità e accelerazione. Il primo studio comprendeva una piccola coorte di 18 pazienti ambulanti di SMA e 19 comandi sani di età e genere-abbinato. È stata realizzata un'analisi completa del movimento del braccio; Tuttavia, nessuna differenza significativa fra i gruppi sono stati trovati a causa della mancata corrispondenza di capacità del paziente e la difficoltà di prova. Basato su questa esperienza, una seconda versione del test che consiste di una versione modificata del gioco primo con maggiori difficoltà e un secondo gioco targeting per la resistenza muscolare sono stati progettati e realizzati. Il nuovo test non è stato condotto in qualsiasi gruppi di pazienti ancora. Il nostro lavoro ha dimostrato la capacità potenziale del sensore 3D nel valutare tale funzione muscolare e suggerito un approccio obiettivo per completare le scale di valutazione clinica.
Introduction
Valutazione globale della funzione muscolare è una valutazione critica in molte malattie neuromuscolari e un importante prerequisito per studi clinici di successo. Scale di valutazione clinica sono utilizzate sempre più come uno strumento di valutazione standardizzata e come un risultato ben consolidato misurano1. Tuttavia, essi fanno molto affidamento sul giudizio soggettivo dei clinici e potrebbe comportare sostanziali variazioni inter - e intra-rater incoerenza2 che conduce o numeri che non soddisfano i criteri per misurazioni precise1generati. Inoltre, molte malattie neuromuscolari in gran parte colpiscono i bambini e la maggior parte di queste scale di valutazione sono lunghe e noiose, che impongono sfide extra. Un esempio di una malattia neuromuscolare è atrofia muscolare spinale (SMA), che è una fatale malattia neuromuscolare caratterizzata da debolezza di muscolo progressiva3. A seconda dei fenotipi clinici, alcuni pazienti vivono con sedie a rotelle (tipo 2), e alcuni possono alzarsi e camminare senza aiuto (tipo 3)4. C'è una crescente domanda di uno strumento di valutazione più sensibile e oggettivi per misurare la funzione del muscolo in termini di range di movimento articolare, forza muscolare, affaticamento muscolare e così via, al fine di monitorare la progressione della malattia e l'efficacia dei farmaci.
Il rapido progresso nella tecnologia motion sensing ha permesso di analizzare le caratteristiche di movimento a costi relativamente bassi, tra i quali il valore del sensore 3D (Kinect) a catturare il movimento tutto il corpo in un modo privo di marcatore è stato ampiamente esaminato. Utilizzando il sensore a infrarossi integrato e la macchina implementata algoritmi di apprendimento, le posizioni del corpo delle persone rilevate vengono dedotti attraverso le posizioni 3-dimensionale di 20 punti di riferimento anatomici chiamato articolazioni del corpo o punti tra cui testa, collo, mani, polsi, gomiti, spalle, colonna vertebrale, fianchi, ginocchia, caviglie e piedi5. La risoluzione temporale è fino a 30 Hz, che è sufficiente per il movimento più fisica ad eccezione di alcuni sintomi motori patologici quali tremori. La precisione del sensore 3D spaziale è stata convalidata estesamente con la verità di terra6 o il gold standard, che è un movimento 3-dimensionale basato su marcatore analisi sistema7,8,9,10 ,11,12. Riproducibilità e buona validità concorrente sono stati rivelati da diversi test, soprattutto dal frontal Mostra12 e per lordo movimenti7. Al fine di valutare oggettivamente la funzione dell'arto superiore per i bambini affetti da SMA, abbiamo progettato e implementato un gioco come test basato su un sensore 3D per misurare la capacità di movimento articolare.
Protocol
Il test è stato eseguito in uno studio osservazionale, longitudinale a pediatrico universitario ospedale di Basilea (UKBB) con adulti e bambini. Ulteriori dati demografici e cliniche informazioni relative allo studio può essere trovati nella precedente pubblicazione13,14. Tutte le procedure devono essere approvate dal comitato etico locale Ethikkomission UKBB e condotte secondo i principi espressi nella dichiarazione di Helsinki. Consenso informato e la conformità con il protocollo di studio secondo la conferenza internazionale sull'armonizzazione (ICH) e dei regolamenti locali sono stati forniti da tutti i soggetti o i rappresentante legalmente autorizzati per i bambini sotto l'età legale consenso.
Nota: Un gioco di prototipo "Armadio" volto a misurare la gamma dei giunti di movimento è stato progettato e implementato. È stato poi esportato come un'applicazione eseguibile che può essere eseguito su qualsiasi Windows 8 o un sistema operativo superiore, finché vengono installati anche i driver necessari sensore 3D. Il gioco prototipo basato su Kinect sensore v1 o la seconda versione (vedi discussione) basato su Kinect sensore v2 possono essere forniti su richiesta (Vedi file supplementari di codificazione).
1. installazione e preparazione per il test
- Installare il sensore 3D (ad es., Kinect) driver e l'applicazione progettata sul computer.
- Posizionare il computer su una superficie adatta, come una tabella, con un'altezza di 0,5 - 1 metro.
- Posizionare il dispositivo 3D anche sulla stessa superficie allineata al centro del computer, così che l'altezza della fotocamera 3D è fissata per il tavolo circa 0,5 - 1 metro dal suolo. Regolare l'angolo di elevazione del sensore 3D manualmente come necessario per catturare correttamente il soggetto (Vedi 2.4.2 qui sotto).
- Collegare tutti i cavi correttamente, tra cui l'adattatore 3D al computer e il cavo di alimentazione alla rete elettrica.
- Posto una sedia regolabile in altezza davanti al tavolo con il computer e il sensore 3D a circa 2 metri.
2. esecuzione del test
- Avviare il computer e accendere il suono per un volume ottimale. Se si desidera la trasmissione automatica dei dati, assicurarsi che sia collegato Internet.
- Istruire il soggetto a sedersi sulla sedia.
- Avviare l'applicazione sul computer e immettere l'ID di oggetto nella prima pagina.
- Fare clic sul pulsante "START" nella prima pagina per entrare nella seconda pagina, che mostra il "armadio" gioco:
- Si noti la figura dello scheletro (parte superiore del corpo solo) sullo schermo, che rappresenta il corpo del soggetto davanti a un grande armadio. Quando non si vede nella figura, istruire il soggetto di onda e spostare avanti e indietro se egli è in una sedia a rotelle o in piedi fino a quando il sensore 3D cattura la persona.
- Leggere le istruzioni sullo schermo e regolare la distanza, altezza e posizione laterale della sedia e il soggetto di conseguenza fino a quando tutte le istruzioni sono in carattere verde.
Nota: La distanza, altezza e posizione laterale della sedia può essere regolate dal soggetto stesso o un helper che dovrebbe fare un passo fuori dal campo in seguito. Se non è possibile l'altezza ottima, regolare manualmente l'angolo di elevazione della fotocamera 3D. La posizione ottimale è di 2 metri dal dispositivo, con il collo del soggetto visualizzato al centro dello schermo. - Premere il pulsante di treno per iniziare la sessione di allenamento senza registrazione dei dati.
Nota: Se il soggetto è già familiarità con il gioco e sa cosa fare, premere direttamente il tasto START e saltare l'allenamento. - Lasciate che il soggetto seguire le istruzioni sullo schermo ed eseguire i seguenti movimenti:
- Estendere il braccio richiesto (a destro o a sinistro) per raggiungere l'oggetto virtuale tremolante, fino a quando l'oggetto è nella mano virtuale.
- Flettere il braccio stesso e toccare fisicamente nei punti indicati sul corpo al fine di inserire l'oggetto.
- Continuano i movimenti di flessione ed estensione del braccio fino a quando tutti i 20 oggetti sono raggiunti e collocati.
Nota: Ci sono due turni con 10 oggetti in ogni round. All'interno di un tondo ci sono 5 oggetti sul lato destro che richiedono il braccio destro, seguito da 5 oggetti sul lato sinistro per il quale è chiesto il braccio sinistro. Questo conclude la sessione di allenamento.
- Premere il pulsante "START" per eseguire le stesse attività nuovamente dall'inizio, come descritto al punto 2.4.3, ma questa volta registrare la posizione dei punti del corpo superiore 9 in un file crittografato. Il gioco finisce automaticamente inserendo tutti i 20 oggetti o quando si esaurisce il tempo pre-definito (4 min).
Nota: È anche possibile uscire dal gioco in qualsiasi momento nel caso in cui il soggetto è troppo debole o qualsiasi altre situazioni accadere.
- Entrare nell'ultima pagina automaticamente che mostra una trama di ragno che indica gli intervalli dei giunti dal gioco "Armadio".
- Esci dal gioco premendo il tasto fine o ripetere il test premendo il tasto REPEAT .
3. dopo la prova - gestione dei dati
- Salvare i dati registrati e crittografati e i file di registro sul disco rigido e facoltativamente il trasferimento tramite internet per un analista di dati. Una descrizione dettagliata della gestione dei dati e analisi è stata fornita in una precedente pubblicazione13.
- Verificare la completezza e la validità dei dati controllando il file di registro e confrontando i rapporti clinici con i record di 3-d.
- Calcolare ed Estratto 27 caratteristiche di movimento come caratteristiche numeriche, come angoli articolari, velocità e accelerazione, lunghezza del percorso di mano, movimento di compensazione del corpo, spazio raggiungibile e così via.
- Calcolare, tracciare e selezionare le funzionalità per comprendere e interpretare i dati del sensore 3D anche per quanto riguarda la seguente analisi statistica.
- Eseguire PCA (Principal Component Analysis), ANOVA (analisi della varianza), analisi di correlazione e lineare effetto misto modelli come analisi statistica.
Representative Results
Utilizzando la procedura presentata sopra, caratteristiche dei diversi movimenti tracciati e approcci di analisi sono esplorati al fine di acquisire una comprensione globale dei movimenti.
In Figura 1, le tracce da 9 punti di parte superiore del corpo sono tracciate limitazione per gli assi X e Y, che rappresenta una proiezione 2-dimensionali (X rappresenta la posizione orizzontale del soggetto, Y rappresenta la posizione verticale mentre Z è la distanza per il 3-d sensore). La figura 1 Mostra che il sensore 3D in realtà misure, le posizioni spaziali di punti del corpo. Dalla giustapposizione di un paziente di SMA e una buona salute di controllo sopra le 4 visite, è indicato che il paziente sia il controllo completato le attività con traiettorie chiaramente riconoscibile. C'erano alcune caratteristiche di soggetto-dipendente che soggiornato coerente nel corso di tutte le visite, per esempio, la traiettoria delle mani del paziente. In confronto, l'oggetto di controllo ha avuto relativamente meno movimento del tronco nel tempo, che è indicato da più piccole folle di linee rosse, gialle e rosa (testa, collo e busto punti, rispettivamente). Nessuno dei due soggetti ha mostrato le eventuali caratteristiche di movimento asimmetrico.
La figura 2 Mostra alcune rappresentative caratteristiche estratte dalla serie tempo posizioni di punti del corpo. Rispetto alla Figura 1, Figura 2 dà un'idea di quali potenziali informazioni potrebbero essere estratte e visualizzate dai dati grezzi del sensore 3D al fine di comprendere le caratteristiche di movimento sottostante. Figura 2 una è una trama di traccia segmentata mani che indica fasi di estensione e flessione di gomito di due giri da un unico soggetto. La traiettoria si assomiglia abbastanza bene tra i due turni. Per i tre oggetti inferiori, entrambe le mani tendono ad allungarsi eccessivamente, ma questo non è il caso per i due oggetti superiori. Figura 2 b terreni l'istogramma delle velocità mano (mentre la lancetta si muove; stato di riposo è esclusa). Non c'è alcuna differenza significativa tra la sinistra e la mano destra per questo argomento. Figura 2 c indica la lunghezza totale del percorso dei punti a testa, collo e tronco, che possono essere considerati come una sorta di movimento di compensazione di tronco per la posizione di oggetto. Per gli oggetti 3 e 8, che vengono posizionate nell'angolo superiore, il movimento del tronco è relativamente maggiore rispetto ad altre posizioni. Inoltre, l'inizio è stato spostato più ovviamente rispetto agli altri due punti. Figure 2d, 2e e 2f sono BoxPlot mostrano la distribuzione complessiva da tutte le 4 visite per alcune caratteristiche. Per chiarezza vengono visualizzati solo i primi sette pazienti con tutte le 4 visite. Figura 2 d Mostra la lunghezza del percorso totale della mano divisa per la lunghezza del braccio individuale misurata dal sensore al fine di compensare la differenza di lunghezza di braccio inter-soggetto. Durante i movimenti effettuati per raggiungere e posizionare gli oggetti, la lunghezza del percorso di mano è circa due volte la lunghezza del braccio per un oggetto; Pertanto, per 20 oggetti la lunghezza totale del percorso è di circa 40 volte la lunghezza del braccio. Si osservano ovvie differenze inter-soggette, ad esempio, nel movimento di compensazione di tronco tra pazienti 2 e 3 (Figura 2e) o nella velocità di mano mediano tra i pazienti 1 e 3 (Figura 2f).
Completa clinica relative analisi e risultati possono essere trovati nella nostra precedente pubblicazione13.
Figura 1 : Appezzamenti rappresentante traccia di 9 punti di parte superiore del corpo durante il test. La top 4 appezzamenti sono da un paziente di SMA e le trame di fondo 4 sono da un controllo sano. Questa figura è stata modificata dalla nostra precedente pubblicazione13. Clicca qui per visualizzare una versione più grande di questa figura.
Figura 2 : Risultati di analisi sintesi rappresentativa: (a), (b), (c) provengono da un unico soggetto e (d), (e), (f) sono il riassunto dai primi 7 pazienti SMA con completare 4 visite. (D), (e) e (f), parte inferiore e superiore della scatola sono i quartili di primi e terzi, e la linea orizzontale all'interno della scatola è la mediana. Le lunghezze dei baffi (estendendo le linee verticali nella finestra) sono definite come il punto più basso all'interno di 1,5 range interquartile (IQR) del quartile inferiore e il punto più alto nel raggio di 1,5 IQR del quartile superiore. I diamanti rappresentano i valori erratici fuori i baffi. (a) appezzamento di traccia Segmented mani. Linee continue rappresentano la fase di estensione del gomito quando le mani raggiungono per gli oggetti mentre le linee tratteggiate rappresentano la fase di flessione del gomito quando mani posizionare gli oggetti sul corpo. Ogni colore rappresenta gli oggetti nella stessa posizione dai due turni. (b) istogramma di velocità di mano durante i movimenti di flessione ed estensione. (c) totale compensazione movimento lunghezze da testa, collo e busto punti per ogni singolo oggetto. (d) Boxplot di lunghezza del percorso totale della mano traiettoria per destra e sinistra le mani rispettivamente su 4 visite. L'asse y Mostra la mano totale lunghezze di percorso divise per le lunghezze di braccio singolo. (e) Boxplot del movimento di compensazione totale tronco tra cui testa, collo e tronco punti per il movimento dal lato destro e sinistro movimento rispettivamente oltre 4 visite. (f) Boxplot di velocità mediana mano durante il movimento per la destra e mano sinistra rispettivamente oltre 4 visite. Clicca qui per visualizzare una versione più grande di questa figura.
Discussion
La valutazione basata su Kinect proposta fornito un obiettivo e analisi del movimento globale, fornendo una soluzione adatti, basso costo e portatile rispetto alle scale di valutazione clinica tradizionale o sofisticato basato su marker video sistemi. Con un test di gioco che è durato meno di 5 minuti, più punti del corpo sono stati esaminati intensivamente allo stesso tempo, e molte caratteristiche spaziotemporali e cinematiche sono state analizzate con alta precisione, tra cui velocità, angoli articolari e così via. L'intero set-up e gli sforzi di formazione erano anche molto meno esigenti rispetto ai sistemi video o scale di valutazione.
La fase più critica in questo approccio è stata la progettazione di test. Al fine di catturare i sintomi movimento sottostante, il compito progettato dovrebbe coprire lo spettro di capacità corrispondente ed evitare effetti soffitto o pavimento. Nell'esempio di questa specifica indicazione, i sintomi fisici comuni di SMA includono debolezza muscolare, limitato range articolare, rigidità muscolare, stanchezza e così via. Il test proposto è adatto per questi sintomi che coinvolgono il limitato range articolare, che era tipico per i pazienti di tipo 2 SMA. Purtroppo, il prototipo è stato testato solo come un primo tentativo in uno studio pianificato che ha reclutato solo SMA tipo 3 pazienti. Poiché la capacità di quei pazienti erano sopra la quale la prova corrente potrebbe misurare (effetto soffitto), non potrebbero essere raggiunti i risultati desiderati. Per questo gruppo di pazienti ambulatoriale, trasferimento del muscolo fatica e corpo sarebbe una misura migliore.
Basato su questa esperienza, una seconda versione del test composto da una versione modificata del gioco "Armadio" e un gioco addizionale "Barca-Rowing" sono stati progettati. La versione modificata del gioco "Armadio" ha tre livelli di difficoltà. Nel primo livello, gli oggetti vengono posizionati vicino al corpo in modo che il soggetto non ha bisogno di estendere completamente il braccio, obiettivi che il gruppo di pazienti debole, che può solo sedersi sulla sedia a rotelle e non può completamente estende le braccia senza supporto. Nel secondo livello, gli oggetti sono posizionati alla distanza di un braccio intero, che si rivolge al gruppo di pazienti che può sollevare ed estendere le braccia senza alcun supporto. Il livello più difficile, gli oggetti vengono posizionati leggermente fuori dalla portata del braccio; Pertanto, il soggetto ha bisogno di spostare il tronco superiore come estensione. Il terzo livello destinata al gruppo di pazienti ambulante dove il movimento assiale e prossimale è anche misurato. Durante la fase di posizionamento del gioco, la lunghezza del braccio del soggetto è misurata automaticamente e quindi utilizzata per calcolare le posizioni degli oggetti nel gioco seguente; di conseguenza, i livelli di difficoltà vengono regolati automaticamente per la capacità dell'individuo. Quando viene raggiunto il limite di capacità di ogni individuo e gli oggetti non possono essere raggiunto o inseriti, il livello verrà saltato automaticamente dopo un certo tempo o manualmente dall'operatore premendo il tasto "SKIP" sullo schermo. La resistenza muscolare di gioco-obiettivi "Barca-Rowing" e richiede al soggetto di ripetere un braccio in movimento di rotolamento più velocemente possibile per 1 minuto. In uno studio futuro, la seconda versione è destinata a coprire lo spettro paziente da SMA tipo 2 tipo 3, poiché le attività di misurano la capacità dei pazienti con capacità di movimento braccio limitata ai pazienti con funzione di braccio completo e limitato movimento assiale.
L'altro lato del design test è la considerazione dell'effetto piano. A causa della limitata risoluzione spaziale e temporale, il sensore 3D è solo in grado di catturare con precisione lordi movimenti come camminare, braccio ondeggiante e così via. Per movimento fine rilevazione, tra cui figura intercettazioni o mano tornitura, dispositivi digitali più sensibili quali telefoni cellulari o indossabili da polso è necessari. Come discusso, la chiave per il successo di tale applicazione è di costruire la corrispondenza corretta tra i sintomi della malattia sottostante, le funzionalità del dispositivo e attività progettate.
Alcune altre considerazioni durante la progettazione di test includono età, effetto di apprendimento, lingue e così via. Poiché SMA colpisce principalmente i bambini, il test dovrebbe essere più semplice e chiaro possibile mantenendo una caratteristica attraente gamification. Nel nostro disegno, Action figures e oggetti disegnati a mano sono stati usati. L'attività imitato il comportamento auto-medicazione, che solitamente viene acquisito dai bambini dopo due o tre anni di età. I movimenti sono stati mantenuti semplici tale che soggetti potevano capire ed eseguire il test dopo una fase di addestramento corto e gli effetti di apprendimento sono stati evitati, che è stato misurato e discusso nella nostra precedente pubblicazione13.
Quando si esegue il protocollo dei test e l'analisi dei dati, alcuni problemi potrebbero sorgere Analogamente ad altre applicazioni 3D sensore. Questi problemi includono sole interferenze, vestiti speciali, più di un oggetto nel campo visivo e tempi di campionamento irregolare. Abbiamo trovato un caso dove un soggetto in vestiti neri non è stato rilevato dal sensore 3D in una soleggiata sala, anche quando il soggetto non era direttamente sotto il sole. Quando più di un oggetto appare e scompare dal campo di vista, l'assegnazione dei numeri di ID per rilevato scheletri potrebbe saltare, quali oneri l'analisi. Anche se il sensore 3D uscite il segnale alla frequenza di 30Hz in teoria, l'output effettivo può avere lacune di fino a 100 ms, pertanto, è importante tenere traccia ed esportare il timestamp.
La nostra prima prova è stata eseguita la prima versione del sensore 3D, che attualmente è stato sostituito da una seconda versione, e la nostra versione modificata viene implementato basato su questa seconda versione. Tra le versioni, il driver sottostante sono diversi, e anche l'interfaccia di applicazione (API) è cambiata. Ci sono altre differenze significative quando la migrazione dell'applicazione. Poiché entrambe le versioni dell'applicazione possono essere fornite gratuitamente su richiesta dagli autori e il driver del sensore possono essere scaricati dal sito Web di Kinect, questo è alcuna preoccupazione per l'utente.
Utilizzando il sensore 3D, abbiamo sviluppato uno strumento di valutazione di funzione innovativa, quantitativa e oggettiva dell'arto superiore che incorporano la tecnologia di gioco-come bambini. La fattibilità è stata esplorata e analizzata. Il nostro lavoro ha dimostrato le potenzialità del sensore 3D come un approccio alternativo e complementare alla valutazione del movimento.
Disclosures
Gli autori Xing Chen, Detlef Wolf, Juliane Siebourg-Polster, Christian ceco, Omar Khwaja e Martin Strahm sono dipendenti di F. Hoffmann-La Roche, che ha finanziato tutte le ricerche in questo articolo.
Acknowledgments
Ringraziamo Strahm Bastian per prendere parte alla dimostrazione di prova e Laura Aguiar per la correzione di questo manoscritto.
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).
