Webbasierter Klinikerleitfaden zur Aufnahme kompatibler Videos standardisierter Trinkaufgabenkinematik für Computer-Vision-Analyse

Zusammenfassung

Kinematische Metriken der Trinkaktivität wurden für die Rehabilitation eines Schlaganfalls in den oberen Gliedmaßen empfohlen, aber konventionelle Ansätze für kinematische Studien gelten als unpraktisch. Das aktuelle Protokoll beschreibt einen webbasierten Leitfaden zur Aufnahme von Videos der Trinkaufgabe, die mit Computer Vision kompatibel sind, um empfohlene kinematische Metriken zu extrahieren.

Zusammenfassung

Die Beurteilung der oberen Gliedmaße ist für den Rehabilitationszyklus von größter Bedeutung. In den letzten zwei Jahrzehnten hat sich gezeigt, dass die kinematische Bewertung der Trinkaktivität valide und reaktionsfähig auf klinische Veränderungen in Rehabilitationspopulationen ist, die von vielfältigen Krankheiten wie Schlaganfall und muskuloskelettalen Erkrankungen betroffen sind. Diese grundlegende Arbeit zur Kinematik von Trinkaufgaben hat zu Konsensempfehlungen für die Einführung der Kinematik der oberen Gliedmaßen in der Rehabilitationsforschung geführt. Es wurden jedoch praktische Bedenken aufgeworfen, die die Akzeptanz in der Forschungsgemeinschaft und die Übersetzung in die klinische Praxis gefährden. Barrieren für die Einführung sind die technischen Komplexitäten herkömmlicher Motion-Eroberungsmethoden zur Erfassung von Kinematik und die Genauigkeit der Aktivitätsprotokolle hinter der Kinematik. Was Ersteres betrifft, so verringern Durchbrüche im KI-Subfeld, bekannt als Computer Vision, die technische Belastung der kinematischen Analyse drastisch. Was Letzteres betrifft, bieten wir nun eine webbasierte Anwendung (App) vor, die Kliniker durch die Videoaufnahme eines hochstandardisierten Trinktrainingsprogramms mit einer handelsüblichen Stereokamera, einem Computer und grundlegenden Materialien in einer ambulanten klinischen Umgebung begleitet. Darüber hinaus demonstrieren wir die Kompatibilität dieser Videoaufnahme mit einer speziell entwickelten Computer-Vision-Pipeline zur Extraktion kinematischer Metriken der Trinkaufgabe. Durch laufende Validierungs- und Usability-Studien sehen wir, dass ein solches Werkzeug den Zugang zu hochstandardisierten kinematischen Metriken der oberen Gliedmaßen erheblich verbessern wird, die voraussichtlich Forschung und klinische Versorgung in Rehabilitationspopulationen mit Beeinträchtigung der oberen Gliedmaßen voranbringen.

Einleitung

Die meisten unserer Aufgaben in den oberen Gliedmaßen im Alltag erfordern beide Gliedmaßen. Der Verlust der Fähigkeiten der oberen Gliedmaßen tritt häufig nach neurologischen Verletzungen auf, wobei etwa 80 % der Schlaganfallüberlebenden Defizite in den oberen Gliedmaßen^{haben 1}. Diese Defizite sind dafür bekannt, Funktion und Lebensqualität zu verringern². Die Rehabilitation bleibt eine primäre Maßnahme zur Wiederherstellung^{der Funktion 3}, und die Rehabilitation wurde als ein Zyklus beschrieben, der auf einer präzisen Bewertung^{basiert 4}. Die kinematische Beurteilung der oberen Gliedmaße hat in den letzten zwei Jahrzehnten zunehmend Aufmerksamkeit erregt. Diese Aufmerksamkeit ist zum Teil auf die Grenzen der aktuellen klinischen Bewertungen zurückzuführen, die Schwächen wie Subjektivität menschlicher Bewerter und eine schlechte Auflösung für subtile Veränderungen⁵ erkannt haben.

Kinematik ist ein Teilgebiet der Biomechanik, das sich mit der Untersuchung menschlicher Bewegungen während der Bewegungen von Körper, Gliedmaßen und Gelenken beschäftigt. Unter früheren Forschungsarbeiten haben kinematische Studien zur Trinkaufgabe erhebliche Aufmerksamkeit in der^{Forschungsgemeinschaft erhalten}. Die Beliebtheit der Trinkaufgabe in der kinematischen Bewertung wird auf ihre Bewegungskomplexität, ihre zielorientierte Aufgabenspezifität und ihre zyklische Bewegung⁷ zurückgeführt. Neben einer Reihe von Studien an neurotypischen Erwachsenen und Kindern wurde die Trinkarbeit auch bei einer Vielzahl neurologischer Erkrankungen^{untersucht (}8,9,10,11^). In Schlaganfallpopulationen haben diese Studien wichtige kinematische Kennzahlen identifiziert, die valid, zuverlässig und reaktionsfähig auf klinische Veränderungen^sind. Allerdings gilt die kinematische Bewertung seit langem als unpraktisch aufgrund der komplexen/teuren Systeme und des technischen Wissens, das¹⁵ erforderlich ist.

Mit dem Aufkommen künstlicher Intelligenz werden praktische Barrieren für die kinematische Bewertung deutlich reduziert. Zum Beispiel kann Computer Vision – ein Teilgebiet der KI, das Informationen aus digitalen Bildern extrahiert – nun genutzt werden, um markerlose Motion-Capture-Systeme mit relativ einfachen Kameras und Computern^{zu erreichen.} Um diese Fortschritte im Bereich Computer Vision zu nutzen, ist das Ziel dieses Methodenpapiers, ein webbasiertes Tool zu beschreiben, das Kliniker bei folgenden Themen anleiten soll: (i) die Implementierung eines standardisierten Aktivitätsprotokolls für die Trinkaktivität und (ii) die Aufnahme von Videos der Trinkaufgabe, die mit einem Computer-Vision-Workflow zur Extraktion kinematischer Metriken kompatibel sind. Obwohl diese kinematischen Metriken noch nicht Teil der regulären klinischen Versorgung sind, ist das Ziel des aktuellen Protokolls, Kliniker einzubinden, die biomechanische Forschung in ihre Praxis integrieren möchten. Die erwartete Wirkung ist ein stark verbesserter klinischer Zugang zu kinematischen Metriken der oberen Extremität, was aktuelle Rehabilitationsprotokolle informieren und die Forschung und Entwicklung neuer Behandlungsprotokolle unterstützen soll.

Protokoll

Die im Bereich repräsentativen Ergebnisse präsentierten Zahlen entsprechen zwei separaten Fallstudien, die gemäß der Helsinkier Erklärung durchgeführt wurden. Vor der Datenerhebung wurde von allen Teilnehmern eine informierte Zustimmung eingeholt. Da diese separaten Fallstudien nur zwei Teilnehmer betrafen, entsprachen sie nicht der Definition klinischer Forschung, wie sie vom örtlichen Institutional Review Board definiert wurde; daher ist keine zugewiesene IRB-Protokollnummer verfügbar.

HINWEIS: Das Protokoll und die zugehörige webbasierte App sind hauptsächlich in drei Schritte unterteilt: (i) Arbeitsplatz-Einrichtung; (ii) Kalibrierungstätigkeit; und (iii) Trinkaufgaben. Eine Infografik (Abbildung 1) zeigt eine visuelle Darstellung dieser Schritte, einschließlich der Arbeitsabläufe, denen Nutzer während der Nutzung der webbasierten App (https://mobile-motion-lab-public.web.app) begegnen können.

Abbildung 1: Infografik, die das Protokoll zusammenfasst. Neben Screenshots aus der webbasierten App wird für jeden Hauptschritt eine Abbildung bereitgestellt, einschließlich der Arbeitsbereichseinrichtung (linkes Panel), des Kalibrierungs-Workflows (mittleres Panel) und des Trink-Tasks-Workflows (rechter Panel). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

1. Arbeitsplatz-Einrichtung

HINWEIS: Dieser Schritt beschreibt, wie man den Arbeitsbereich korrekt einrichtet (Abbildung 2) für die anschließende Kalibrier- und Trinkaufgabe. Eine richtige Einrichtung ist entscheidend, um die Standardisierung und Qualität der Videoaufnahmen sicherzustellen, um eine zuverlässige Nachbearbeitung und Extraktion kinematischer Messungen mittels eines Computer-Vision-Workflows sicherzustellen.

1. Platzierung von Stuhl, Tisch und Motiv
   1. Positioniere einen verstellbaren Stuhl mit Sitzlehne so, dass das Motiv mit den Handflächen nach unten auf dem Tisch und der Handgelenksfalte an der Tischkante ausgerichtet sitzen kann.
   2. Stellen Sie die Sitzhöhe an, um sicherzustellen, dass Hüften und Knie des Probanden etwa 90° beugt sind.
   3. Stellen Sie die Tischgröße so ein, dass die Armlehne an den Seiten bequem ist, mit aufrechter Sitzhaltung und 90° Ellbogenbeugung.
2. Platzierung des Platzsets für die Trinkaufgabe
   1. Erstellen Sie das Platzset mit der druckbaren Datei (Drinking Task Activity Placement) im Ressourcenmenü der Web-App (https://mobile-motion-lab-public.web.app/resources) und dem Druckpapier in Tabloid-Größe mit den Maßen 10 Zoll x 17 Zoll.
   2. Richten Sie den vorderen Rand des Platzsets mit dem Rand des Tisches direkt vor dem Motiv aus. Stellen Sie sicher, dass das Zielfeld zur Mittellinie des Motivs zentriert ist.
   3. Befestigen Sie das Platzset sicher mit Klebeband an der Tischoberfläche.
3. Pokalplatzierung
   1. Stelle einen 250-ml-Plastikbecher auf den Platz auf dem Platzset. Dadurch befindet sich der Becher 30 cm vom Tischrand entfernt und direkt vor dem Motiv. Füllen Sie den Becher mit 100 ml Trinkwasser.
4. Kameraplatzierung
   1. Positionieren Sie die Stereokamera (mit 4 mm Brennweite), um das Motiv und die Kupplung aus einer Frontalansicht von draußen einzufangen. Eine Stereokamera mit kompatibler Verbindung zu einem Personal Computer mit Webzugang ist erforderlich (z. B. USB-Verbindung zu einer klinikbasierten Arbeitsstation). Eine Stereokamera mit höherer Brennweite wird empfohlen, um die Auswirkungen von Objektivverzerrungen auf aufgenommene Bilder und Videos zu minimieren. Ein Standard-Kamerastativ kann verwendet werden.
      HINWEIS: Sobald die Kamera kalibriert ist (wird in zukünftigen Schritten durchgeführt), hängt die Aufrechterhaltung dieser Kalibrierung davon ab, die Kameraposition beizubehalten. Aus diesem Grund wird für die Kamera ein solides Fundament bevorzugt, wie etwa ein bodenmontiertes Stativ oder ein auf dem Schreibtisch montiertes Stativ auf einer festen Oberfläche, z. B. einer festen Arbeitsplatte oder einem schweren Tisch.
   2. Stellen Sie die Kameraposition so an, dass das Zielvolumen erfasst wird, also der imaginäre Würfel, der das Subjekt vollständig in seiner Anfangsposition enthält, mit ausreichender Ergänzung, um die proximale und distale obere Gliedmaßenaktivität (z. B. einschließlich Handbewegungen) vollständig einzufangen, die das Subjekt bei nachfolgenden Aktivitätsversuchen (z. B. während der Trinktätigkeit) ausführt.
      1. Während die ideale Platzierung der Stereokamera von den intrinsischen Parametern des jeweiligen Geräts abhängt (z. B. Bildsensorgröße, Brennweite, Sichtfeld), beginnen Sie damit, die Stereokamera etwa 150 cm vom Tischrand entfernt zu positionieren (also dem Rand des Tisches am nächsten zum Motiv) und mit der Kamerahöhe etwa 100 cm über der Tischfläche.
      2. Von dieser Ausgangsposition aus wird bei Bedarf weiter angepasst, um die Kameraposition so zu optimieren, dass das oben genannte Zielvolumen erfasst wird. Beachtenswert ist, dass der Kalibrierungsprozess der Kamera automatisch Variationen der extrinsischen Parameter der Kamera berücksichtigt (z. B. Roll/Gier/Pitch).
5. Beleuchtungsaufbau
   1. Stellen Sie sicher, dass der Raum gut beleuchtet ist mit sanfter, gleichmäßiger Beleuchtung, wenn möglich. Vermeiden Sie starke Gegenbeleuchtung, wie helles Sonnenlicht aus einem nahegelegenen Fenster, da Blendung die erfolgreiche Erkennung des Schachbrettmusters während der Kalibrierungsaktivität behindern kann.
   2. Vermeiden Sie es, Schatten in die Kameraansicht einzubringen, da Schatten den Erfolg der Kalibrierung und den Erfolg der nachfolgenden menschlichen Posenschätzung durch Computer Vision beeinträchtigen können. Verwenden Sie Deckenlichter oder Lampen, die so positioniert sind, dass Schatten auf dem Motiv reduziert werden. Wenn Blendung problematisch ist, sollten Sie in Erwägung ziehen, Lichter mit Lichtdiffusoren zu modifizieren.

2. Kalibrierungsaktivität

HINWEIS: Dieser Schritt beschreibt, wie man die Kalibrierungsaktivität erfolgreich abschließt und eine ordnungsgemäße Kuratierung der Bilder zu einem geeigneten Speicherort über die Web-App sicherstellt. Die Kalibrierung kann einmal täglich vor der Videodatenerfassung mit den Probanden durchgeführt werden. Wenn sich die Kameraposition im Laufe des Tages aus irgendeinem Grund ändert, einschließlich unbeabsichtigter Veränderungen durch das Treffen eines Passanten auf die Kamera/das Stativ, wird eine neue Kalibrierung empfohlen, und alle nachfolgenden videoaufgezeichneten Aktivitäten müssen während eines Computer-Vision-Workflows mit dieser neuen Kalibrierung in Verbindung gebracht werden.

1. Kalibrierungsvorbereitung
   1. Erstellen Sie das Schachbrett-Rastermuster zur Kalibrierung, indem Sie die druckbare Datei (Calibration Checkerboard Printout) aus dem Ressourcenmenü der Web-App verwenden (https://mobile-motion-lab-public.web.app/resources).
   2. Drucken Sie das schwarz-weiße Schachbrettmuster mit Standardpapier in Lettergröße aus, das 8,5 Zoll x 11 Zoll misst. Verwenden Sie Papier- und Druckeroptionen ohne glänzende Oberfläche.
   3. Befestigen Sie den Ausdruck des Schachbrett-Rastermusters auf einer flachen Fläche (z. B. auf der Rückseite eines Klemmbretts) und sichern Sie sie mit Klebeband. Stellen Sie sicher, dass das Klebeband keinen Teil des Schachbrettmusters verdeckt, und stellen Sie sicher, dass der angebrachte Papierausdruck minimale Verformungen aufweist. Andernfalls können Verschlüsse oder Deformationen des Schachbrettmusters die Chancen auf eine erfolgreiche Kalibrierung durch eine Computer-Vision-Lösung verringern.
2. Aufnahme von Kalibrierungsbildern
   1. Öffnen Sie das Kalibrierungsaktivitätsmodul (Calibration Activity Guide) im Web-App-Dashboard-Menü (https://mobile-motion-lab-public.web.app/calibrationActivity). Dieses Modul ist darauf ausgelegt, den Kalibrierungsprozess zu steuern.
      1. Durchführung der Kalibrierung mit folgendem Prozess: (i) Ansehen einer Videodemonstration der Kalibrierungsaktivität; (ii) Überprüfung der Identität der Stereokamera; und (iii) die Live-Übertragung der Stereokamera vor der Aufnahme vorschauen. Abschließend wird eine Aufzeichnung durchgeführt, um die Kalibrierungsaktivität festzuhalten, bei der das Schachbrettmuster während der Aufnahme durch den Arbeitsbereich bewegt wird.
   2. Gehen Sie durch den Leitfaden, bis eine Vorschau der Stereokamera und das Startaufnahme-Symbol verfügbar sind.
   3. Bevor die Aufnahme beginnt, positioniere das Schachbrett in seiner Ausgangsposition. Basierend auf einer Person, die wie zuvor beschrieben am Tisch sitzt, besteht die Startposition des Schachbrettes darin, das Muster ungefähr auf Brusthöhe und senkrecht zur Tischoberfläche zu halten (Abbildung 3).
   4. Starten Sie die Aufnahme, indem Sie in der Web-App auf das Start-Aufnahme-Symbol klicken. Beim Starten wird von der App ein 3-sekündiger visueller/akustischer Countdown bereitgestellt, woraufhin ein anschließender visueller/akustischer Hinweis anzeigt, wann mit der Kalibrierungsaktivität begonnen werden soll.
      HINWEIS: Wenn die Kalibrierung solo durchgeführt wird, gibt der Countdown dem Benutzer Zeit, die Aufnahme zu starten und das Schachbrettmuster vor Beginn der Aufnahme zu positionieren.
   5. Wenn die Kalibrierung gestartet wird, bewegt man das Schachbrettmuster sanft und kontrolliert durch den Arbeitsbereich (zur Kamera). Sobald sie vollständig durch den Arbeitsbereich (der imaginäre Würfel, der für das Motiv und die Tasse vorgesehen ist) vorwärts bewegt sind, kehren Sie dann die Bewegung um, um das Muster gleichmäßig und kontrolliert rückwärts (weg von der Kamera) zu bewegen. Wiederholen Sie diese Vorwärts- und Rückwärtsbewegung des Schachbrettmusters, bis die Bildaufnahme abgeschlossen ist. Die Gesamtdauer der Bildaufnahme beträgt 10 Sekunden.
      1. Vermeiden Sie es, das Schachbrettmuster zu schnell zu bewegen. Schnelle Bewegungen können zu Unschärfen bei von der Kamera aufgenommenen Bildern führen, und diese Unschärfe kann die Fähigkeit eines Computer-Vision-Workflows verringern, geeignete Kalibrierungsparameter zu extrahieren.
         HINWEIS: Zur Erinnerung: Die Web-App enthält während des Kalibrierungsmoduls eine Videodemonstration. Alternativ wird die Bewegung des Kalibrierungsmusters auch im "Getting Started Video" auf der Web-App-Ressourcenseite demonstriert.
3. Überprüfung der Kalibrierungsaufzeichnung
   1. Überprüfen Sie die aufgezeichnete Kalibrierung. Unmittelbar nach der Aufzeichnung der Kalibrierungsaktivität wird in der Web-App eine Videowiedergabe angezeigt. Schauen Sie sich diese Videowiedergabe mit großer Aufmerksamkeit auf die folgenden Punkte an.
      1. Bildqualität: Stellen Sie sicher, dass das gesamte Schachbrettmuster im gesamten Video vollständig sichtbar ist. Bildunschärfe sollte so weit wie möglich vermieden werden, und wenn es erhebliche Unschärfe gibt, sollten Sie die Kalibrierungsaufnahme mit langsameren Bewegungen des Schachbrettmusters erneut versuchen. Durch die Verbesserung der Bildqualität werden nachfolgende Computer-Vision-Workflows eher das Schachbrettmuster erkennen, das eine notwendige Referenz zur Extraktion von Tiefen- und Positionsmessungen ist.
      2. Klare Sicht: Achten Sie darauf, dass die Beleuchtung ausreichend ist. Vermeiden Sie offensichtliche dunkle Schatten oder weiße Blendungen, die die Sicht auf das Schachbrettmuster versperren. Achten Sie auf keine Hindernisse der Kamerasicht während der Bildaufnahme (z. B. ein Zuschauer, der durch den Vordergrund geht).
         HINWEIS: Als Referenz zur Beurteilung von Bildqualität und Sichtbarkeit sind Beispiele für ein Kalibrierungsvideo sowohl im Kalibrierungsaktivitätsmodul als auch im Starting Time Video im Ressourcenmenü der Web-App verfügbar.
      3. Versuchen Sie es notfalls noch einmal. Wenn Sie Bedenken hinsichtlich der Leistung der Kalibrierungsaktivität und der Qualität der Kalibrierungsvideoaufnahme haben, wählen Sie die Option "Wiederholen", um die Videoaufnahme für einen weiteren Versuch erneut zu starten. Andernfalls solltest du Kalibrierungsbilder einreichen/speichern.
4. Speicherung von Kalibrierungsbildern
   1. Nach erfolgreichem Abschluss der Kalibrierungsaktivität und Aufzeichnung wählen Sie das Symbol "Kalibrierungsbilder speichern " aus. Dadurch wird eine Fensteranweisung geöffnet, die die Wahl des Speicherorts für Kalibrierungsbilder ermöglicht. Standardmäßig ist das Speicherziel als Desktop mit einer Standard-Dateinamenskonvention festgelegt (z. B. calibration_[Datum]_[Uhrzeit]_[Kameratyp]).
   2. Sobald das Speichern der Kalibrierungsbilder bestätigt ist, wählen Sie Speichern bestätigen , um fortzufahren. Nach dem Speichern erscheint eine Bestätigungsmeldung sowie die Möglichkeit, entweder zum nächsten Trinkaufgaben-Aktivitätsguide-Modul zu wechseln oder das Kalibrierungs-Aufgaben-Aktivitäts-Tutorial-Modul neu zu starten.

3. Trinkaktivität

HINWEIS: Dieser Schritt beschreibt, wie man die Probanden beim Abschluss der Trinkaufgabe begleitet, wie man Videoaufnahmen der Trinkarbeit erstellt und wie man die richtige Kuratierung der Videos mit der Web-App zu einem gespeicherten Ziel sicherstellt.

1. Vorbereitung auf die Trinkaufgabe
   1. Positioniere das Subjekt in der passenden Start-/Endposition für die Trinkaufgabe. Stellen Sie die Sitzhöhe so ein, dass das Subjekt bequem sitzen kann, mit Hüften und Knien im 90°-Winkel. Stelle die Tischgröße bei Bedarf an. Stellen Sie sicher, dass das Subjekt aufrecht auf einem Stuhl sitzt, die Arme entspannt an den Seiten, die Ellbogen im 90°-Winkel gekrümmt, die Handflächen bequem schulterbreit auf dem Tisch ruhen, die Handgelenke am Rand des Tisches ausgerichtet und die Mittellinie mit der Position des Bechers auf dem Platzset ausgerichtet ist.
   2. Weisen Sie das Subjekt an, für die erste Aufnahme eine bestimmte Hand (rechte oder linke) zu verwenden.
      HINWEIS: Weitere weitere Versuche der Trinkaktivität sind über die Web-App möglich. Während zusätzlicher Versuche kann die Lateralität der Hand in der Web-App angezeigt werden, die während der Datenkuratierung automatisch mit den jeweiligen Dateinamen verknüpft wird.
   3. Weisen Sie die Person an, die Trinkaktivität zu üben. Die Probanden können ein oder zwei Übungsversuche der Trinkaktivität durchführen (ohne Aufzeichnung). Erinnern Sie das Subjekt daran, dass nur ein kleiner Schluck benötigt wird, bevor der Becher und die Hand wieder in ihre jeweiligen Startpositionen zurückgebracht werden.
      1. Vermeiden Sie es, das Thema in Bezug auf die Trinkaktivität zu übermäßig zu coachen. Die Absicht ist, das Verhalten so einzufangen, wie es in der realen Welt vorkommt. Wenn das Subjekt weitere Anweisungen anfordert, raten Sie ihm, eine reale Situation im Alltag zu berücksichtigen.
2. Schreibe die Trinkaktivität auf
   1. Öffnen Sie das Trinkaufgaben-Aktivitätsmodul (Trinkaufgaben-Aktivitätsleitfaden) im Web-App-Dashboard-Menü (https://mobile-motion-lab-public.web.app/drinkingTaskActivity).
      HINWEIS: Dieses Modul ist dazu gedacht, die Videoaufnahme eines Subjekts bei der Trinkaktivität zu guidieren. Dieser Prozess umfasst Folgendes: (i) das Betrachten einer Beispielaufnahme der Trinkaktion; (ii) Überprüfung der Stereo-Kamera-Identität und Eingabe der Subjektkennung; (iv) die Lateralität der für die bestimmte Prüfung verwendete Hand einzugehen, z. B. rechts oder links; und (v) das Vorschauen des Live-Feeds der Stereokamera vor der Aufnahme.
   2. Bevor die Aufnahme beginnt, richten Sie das Subjekt auf den Countdown. Ein 3-sündiger visueller/akustischer Countdown wird von der mobilen App bereitgestellt, woraufhin ein anschließender visueller/akustischer Hinweis anzeigt, wann mit der Trinkaktivität begonnen werden soll.
   3. Starten Sie die Videoaufnahme, indem Sie in der Web-App auf das Startaufnahme-Symbol klicken. Mithilfe des Countdowns/der Hinweise bittet man das Subjekt, die Trinkaktivität auszuführen (Abbildung 3). Die gesamte Dauer der Trinkaktivität beträgt 20 S.
      HINWEIS: Das Subjekt muss nur einen kleinen Schluck aus dem Becher nehmen, bevor er den Becher an den umrandeten Bereich auf dem Platzset zurücklegt und dann die Hand wieder in den umrandeten Bereich zurückführt.
3. Sehen Sie sich die Videoaufnahme der Trinkaktivität an. Unmittelbar nach der Aufnahme wird eine Videowiedergabe in der Web-App angezeigt. Überprüfen Sie diese Videowiedergabe mit Aufmerksamkeit auf die folgenden Punkte.
   1. Motiv im Bild: Stellen Sie sicher, dass das Gesicht, der Oberkörper, die oberen Gliedmaßen und der Becher während der gesamten Trinkaktivität vollständig in allen Videobildern festgehalten werden.
   2. Abwesenheit von Sehstörungen: Stellen Sie sicher, dass die Beleuchtung ausreichend ist, ohne ablenkende Schatten oder Blendung. Vermeide es, versehentlich andere Personen im Vorder- oder Hintergrund des Videos einzufangen. Andernfalls könnten die Chancen, dass ein Computer-Vision-Workflow das relevante Thema erfolgreich identifiziert, beeinträchtigt werden.
   3. Aufgabenabschluss: Stellen Sie sicher, dass das Subjekt die gesamte Aufgabe erledigt, einschließlich des Aufhebens des Bechers, des Trinkens eines Schlucks, des Zurückkehrens des Bechers und des Rückkehrens von Körper/Händen in die Startposition.
   4. Versuchen Sie es notfalls noch einmal. Wenn Sie Bedenken hinsichtlich der Qualität der Videoaufnahme der Trinkarbeit haben, wählen Sie die Option Wiederholen , um die Videoaufnahme für einen weiteren Versuch neu zu starten.
      HINWEIS: Die Option 'Wiederholen' verwirft die vorherige Videoaufnahme. Wenn das Verwerfen des Videos nicht erwünscht ist, vermeiden Sie es, Retry auszuwählen, und fahren stattdessen mit weiteren Versuchen wie unten beschrieben fort.
4. Aufzeichnung zusätzlicher Versuche der Trinkaktivität
   1. Wenn weitere Versuche der Trinkaufgabe für denselben Versuch gewünscht sind, wählen Sie die Option Wiederholung einer weiteren Versuch.
      HINWEIS: Das Trinkaufgaben-Aktivitätsleitfaden-Modul ist so konzipiert, dass es als eindeutige Instanz für jedes einzelne Fach ausgeführt werden kann (z. B. muss das Modul für jedes einzelne Thema neu gestartet werden).
   2. Fahren Sie mit der Aufzeichnung und Überprüfung weiterer Studien für dasselbe Subjekt mit den oben genannten Anweisungen fort.
      HINWEIS: Bei wiederholten Studien mit demselben Versuchsteilnehmer werden die ursprünglich eingegebene Testpersonenkennung und die Kamera-Identifikatorin automatisch mit allen Studien verknüpft. Andernfalls benötigt jede Prüfung nur die folgenden Schritte: (i) Eintritt in die Lateralität der Hand, die vom Subjekt verwendet werden soll, z. B. rechts oder links; (ii) die Live-Übertragung der Stereokamera vor der Aufnahme vorschauen; (iii) die Videoaufnahme der Trinkaktivität initiieren; und (iv) Aufnahmen bei Bedarf zu überprüfen und erneut zu versuchen.
5. Videoaufnahmen speichern
   1. Nachdem alle gewünschten Versuche aufgezeichnet wurden, wählen Sie Abgeschlossen mit allen Studien, um mit dem Speichern der Videodateien am gewünschten Ziel fortzufahren.
   2. Im mit Anmerkungen bezeichneten Feld fügen Sie alle Kommentare hinzu, die für die zukünftige Verarbeitung, Analyse und Interpretation der Daten relevant sind. Wählen Sie das Paket aus und fügen Sie Notizen hinzu, um fortzufahren.
   3. Wählen Sie das Symbol "Trink-Aktivität speichern"-Videos aus. Dies öffnet eine Fensteranweisung, in der man das Speicherziel auswählen kann. Standardmäßig ist das Speicherziel als Desktop festgelegt.
      HINWEIS: Sobald das Speicherziel festgelegt ist, kuratiert die Web-App die Videodaten automatisch mit einer Ordner-/Unterordnerstruktur, die auf vorherigen Benutzereingaben basiert, die während des Fertigstellens des Web-App-Leitfadens eingegeben wurden. Dies führt zu einem Hauptordner mit standardisiertem Namen (z. B. subj[identifier]_drinktask_[Date]_[Time]_[Kameratyp]) sowie Unterordnern mit standardisierter Benennung (z. B. [Laterality]_[Trial Number]_[Frame Rate]), die die jeweiligen Videos für jede Aktivitätsprüfung enthalten.
   4. Sobald die Dateispeicherung der Videos verifiziert ist, wähle "Speicher bestätigen " aus, um fortzufahren. Nach dem Speichern erscheint eine Bestätigungsmeldung sowie eine Möglichkeit, das Trinkaufgaben-Aktivitätsleitfaden-Modul neu zu starten. Wie im untenstehenden Ergebnisabschnitt gezeigt, können gespeicherte Videos dann mit einem Computer-Vision-Workflow kombiniert werden, um Kinematik zu extrahieren.

Ergebnisse

Eine Hauptmotivation für den webbasierten Klinikerleitfaden ist es, die technischen Hürden abzubauen, die Kliniker sonst davon abhalten könnten, Computer Vision zur Beurteilung der Biomechanik der oberen Gliedmaßen bei ihren Patienten einzusetzen. Der webbasierte Klinikerleitfaden soll dem Nutzer zwei Hauptausgaben liefern: (i) eine Serie synchronisierter Bilder des Schachbrett-Kalibrierungsmusters basierend auf den doppelten Bildsensoren einer Stereokamera, und (ii) für jede vom Versuch durchgeführte Studie ein Paar synchronisierter Videos der standardisierten Trinkaktivität (Abbildung 3). Der webbasierte Leitfaden bietet Anleitungen in verschiedenen Formaten, darunter schriftliche Abläufe, Video-/Audio-Demonstrationen und eine interaktive virtuelle Rundführung. Um die administrative Belastung zu verringern, ist die Datenkuratierung automatisiert. Bild- und Videodaten werden in einem vom Benutzer angegebenen bevorzugten digitalen Dateiordner gespeichert, z. B. auf einem Computerdesktop oder einem institutionellen cloudbasierten Netzwerk. Die Daten sind automatisch in komprimierten Ordnern organisiert, darunter verschachtelte Unterordner und standardisierte Dateinamen, basierend auf Betreffskennung, Datum/Uhrzeit der Datenerhebung, Handlateralität, Kameratyp/Lateralität und Testnummer.

Abbildung 2: Einrichtung der ambulanten Klinik zur Aufnahme von Bildern und Videos. Die Kinematik der Trinkarbeit kann aus kompatiblem Video mittels Computer Vision extrahiert werden, was durch die dargestellte Einrichtung einer Stereokamera, eines Computers und Gegenstände, die üblicherweise in einer Klinik zu finden sind, erreicht werden kann (Stühle, Tische, Druckmaterialien, Klemmbretter, Becher, Trinkwasser). Während die genaue Kameraposition und -ausrichtung je nach Gerätemodell variieren, (A) wird eine ungefähre Position angezeigt, (B) die angepasst werden kann, um den erwarteten Arbeitsbereich einzufangen, der während des Trinkens den Körper und die oberen Gliedmaßen des Subjekts vollständig umfasst. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 3: Kompatible Bilder und Videos, erstellt von einem webbasierten Kliniker-Leitfaden. Die Hauptergebnisse des webbasierten Kliniker-Leitfadens umfassen (A) eine Reihe synchronisierter Bilder des Schachbrett-Kalibrierungsmusters und (B) ein Paar synchronisierter Videos, die die Leistung des Probanden in allen Phasen der Trinkaktivität festhalten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Basierend auf den gesammelten Bild- und Videodaten kann die Biomechanik der oberen Gliedmaßen während der Trinkarbeit mittels Computer Vision extrahiert werden. Wichtig ist, dass die Sammlung von Rohdaten und der Einsatz von Computer Vision entkoppelt werden können. Eine Vielzahl von Computer-Vision-Workflows wurde in früherer Literatur für die Anwendung auf solche Daten^{beschrieben 16,18} oder Nutzer können eigene maßgeschneiderte Workflows anwenden. So haben wir beispielsweise zuvor einen Computer-Vision-Workflow zur Schätzung der dreidimensionalen menschlichen Haltung entwickelt (Abbildung 4) und anschließend drei kinematische Metriken extrahiert. Kurz gesagt umfasst dieser Computer-Vision-Workflow folgende Schlüsselschritte: (i) Kalibrierung zur Extraktion intrinsischer und extrinsischer Kameraeigenschaften für die Abbildung von Pixeln in reale Dimensionen; (ii) Erkennung menschlicher Posen, um die Pixelpositionen anatomischer Schlüsselpunkte des menschlichen Körpers in zweidimensionalen Bildern zu annotieren; (iii) Anwendung eines Hebeverfahrens zur Berechnung dreidimensionaler Informationen aus dualen zweidimensionalen Bildern; und (iv) Anwendung von Filtern zur Trajektorienglättung, z. B. gleitenden Durchschnitts- und Kalman-Filtern. Eine ausführlichere Beschreibung liegt außerhalb des Rahmens des aktuellen Artikels, kann aber in früheren Arbeiten¹⁶ eingesehen werden. Durch die Anwendung dieses Workflows quantifizieren die extrahierten kinematischen Metriken die Bewegungsgeschmeidigkeit (z. B. Anzahl der Bewegungseinheiten, NMU), die Kompensation (z. B. Rumpfverschiebung, TD) und die Bewegungszeit (MT), die sich als valid, zuverlässig und reaktionsfähig für klinische Veränderungen in Schlaganfallrehabilitationsstudien^erwiesen haben ^5,13,14. Im Vergleich zu einem herkömmlichen, markerbasierten Motion-Tracking-System ergibt dieser Computer-Vision-Workflow im Vergleich zu klinisch signifikanten Veränderungen (3-7 NMU, 20-50 mm TD und 2,5-5 s MT) geringe Fehler (_NMU) (3-7 NMU, 20-50 mm TD und 2,5-5 s MT)¹⁶. Um eine spezifische kinematische Metrik zu veranschaulichen, d. h. die Bewegungsgeschmeidigkeit mit NMU (Abbildung 5), zeigt ein Diagramm des Handgelenksgeschwindigkeitsprofils während der Trinkaktivität die NMU (z. B. jede Bewegungseinheit, markiert durch ein rotes Sternchen), gemessen während einer Fallstudie einer Person mit Schlaganfallvorgeschichte (51-jährige Frau, rechtsdominant, Vorgeschichte eines ischämischen Schlaganfalls der rechten Medulla, der zu leichter linker Hemiparese führte), Schlaganfall >6 Monate zuvor, Begleiterkrankungen wie Bluthochdruck und rechter Karpaltunnelsyndrom).

Abbildung 4: Anwendung von Computer Vision auf Bilder und Videos zur Extraktion menschlicher Bewegungsdaten. Eine Vielzahl von Computer-Vision-Arbeitsabläufen wurde beschrieben, um die Kinematik der Trinkaufgabe zu erreichen. (A) Ein anfänglicher Kalibrierungsschritt erfordert 2D-Bilder, um Pixel auf die Dimensionen der realen Welt abzubilden, (B) die mithilfe projektiver Geometrie in 3D-Koordinaten umgewandelt werden können. Anschließend können durch Anwendung menschlicher Posenschätzung auf Videos der Trinkaufgabe (C) 2D-anatomische Schlüsselpunkte automatisch erkannt werden, die in (D) 3D-Schlüsselpunkte für verschiedene metrische Berechnungen und Visualisierungen, z. B. Schlüsselpunktbahnen, umgewandelt werden können. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 5: Kinematische Metrik der Bewegungsflüssigkeit während der Trinkaufgabe. Basierend auf 3D-menschlichen Bewegungsdaten aus der Trinkaktivität können verschiedene kinematische Metriken nach dem Schlaganfall erzielt werden. Basierend auf einer Person in der chronischen Phase der Schlaganfallerholung kann eine kinematische Kennzahl der Bewegungsgeschmeidigkeit (z. B. Anzahl der Bewegungseinheiten, NMU, dargestellt durch die Anzahl der roten Sternchen im Handgelenksgeschwindigkeitsprofil) aus Video mit Computer Vision extrahiert werden, um einen objektiven Unterschied in der motorischen Funktion zwischen (A) linker und (B) rechter oberer Extremität zu zeigen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Diskussion

Die kinematische Bewertung der Trinktätigkeit wurde für die Anwendung in der Schlaganfallrehabilitationsforschung empfohlen⁶. Praktische Bedenken wurden jedoch als Hindernisse für die Nutzung von Kinematik in der Rehabilitationsforschung genannt, und diese Bedenken umfassen die Kosten und technischen Anforderungen für Motion-Capture-Technologien, die konventionell zur Messung der^menschlichen Biomechanik verwendet werden. Diese Bedenken behindern anschließend die klinische Aufnahme und Umsetzung der kinematischen Bewertung in die klinische Praxis. Alternativ kann ein praktischerer Ansatz zur Extraktion von Kinematik durch Computer Vision mit einer einzelnen Stereokamera, einem Personal Computer und Gegenständen realisiert werden, die üblicherweise in einer ambulanten Klinik¹⁶ verwendet werden. Wir präsentieren ein Protokoll, das für Kliniker entwickelt wurde und einen webbasierten Leitfaden verwendet, um Bilder und Videos aufzunehmen, die mit einem Computer-Vision-Workflow kompatibel sind, um kinematische Metriken der Trinkarbeit zu extrahieren. Das langfristige Ziel ist es, den Zugang zu diesen Kennzahlen zu erhöhen, die bereits entwickelt und für den Einsatz in der Schlaganfallrehabilitationsforschung^empfohlen wurden 5,6,12,13,14.

Videosynchronisation ist wichtig für Dual-Camera-Ansätze im Bereich Computer Vision. Doppelkamera-Setups ahmen menschliche Augen nach, die gleichzeitig eine Szene in der realen Welt aus leicht unterschiedlichen Blickwinkeln wahrnehmen, um Tiefenwahrnehmung zu ermöglichen. Im Fall der Computer Vision ist die angemessene Synchronisation dann entscheidend für die Genauigkeit dreidimensionaler Informationen (z. B. Position des menschlichen Handgelenks in einem kartesischen Koordinatensystem), die aus zwei zweidimensionalen Quellen bestimmt werden (z. B. die Pixelposition des menschlichen Handgelenks auf einem Foto). Nach unserer Erfahrung können Dual-Kameras vernünftige Ergebnisse liefern, wenn sie auf 1 ms¹⁶ synchronisiert sind. Mehrere Faktoren können die Synchronisation verringern, darunter unzuverlässige Bildraten der Kamera, begrenzte Datenübertragungsraten in Kabeln, Softwareineffizienzen und begrenzte Hardwarespezifikationen (z. B. niedriger RAM oder niedrige Prozessoren). Um Synchronisationsprobleme zu vermeiden, verwendet dieses Protokoll eine handelsübliche Stereokamera, die von einer kleineren physischen Fläche profitiert und als Plug-and-Play-Gerät (z. B. eine einzelne USB-Verbindung zu einem Standard-PC) konzipiert ist, um automatisch synchronisierte Bilder von zwei eingebauten Bildsensoren zu erfassen.

Kameraeigenschaften erfordern eine sorgfältige Überlegung für jede Computer-Vision-Anwendung. Theoretisch bieten Bilder mit höherer Auflösung und höhere Bildratenaufzeichnungen menschlicher Bewegungen mehr Daten, um anatomische Schlüsselpunkte mit größerer räumlich-zeitlicher Genauigkeit zu erkennen. Es ist jedoch ein unvermeidliches Gleichgewicht zwischen der Datenmenge und den verfügbaren Rechenressourcen zur Datenverarbeitung notwendig. Das beschriebene Protokoll basiert auf einer Stereokamera, die Videos mit einer Auflösung von 1280 x 720 Pixel bei einer Bildrate von 60 Hz aufzeichnet, was vergleichbar ist mit früheren Studien zur Anwendung von Computer Vision für Trink-Aufgabe-Kinematik^16,18. Für die Aufnahme dieser Videos haben wir zuverlässige Erfolge mit einem höherwertigen Consumer-Computer (z. B. 3,2 GHz CPU mit 128 GB RAM) und gemischten Erfolgen mit einem Laptop (z. B. 2,6 GHz CPU mit 16 GB RAM) erzielt. Beim Einsatz von Computern niedrigerer Stufen ist ein typisches Problem fehlende Videoframes, was oft als Ausgabevideo mit einer Dauer weniger als die beabsichtigte 20-Sekunden-Videoaufnahme angezeigt wird. Bemerkenswert ist, dass Datenverarbeitung zwar ein häufiger Übeltäter für fehlende Videoframes ist, die Datenübertragung jedoch ebenfalls von Bedeutung ist. Im Gesundheitswesen können beispielsweise Sicherheitseinstellungen für Computerzugangsanschlüsse (z. B. USB-Laufwerke) zu Datenübertragungsverzögerungen führen, die eine zuverlässige Videoaufnahme beeinträchtigen.

Sichtlinieninterferenzen werden wichtige Schritte in einem Computer-Vision-Workflow herausfordern, einschließlich Kalibrierung und Personenhaltungsabschätzung. Die Kalibrierung basiert auf digitalen Bildern eines standardmäßigen Schachbrettmusters, das es Computer Vision ermöglicht, Bildpixel den physischen Dimensionen der realen Welt zuzuordnen. Eine klare Visualisierung des Schachbrettmusters verbessert die Erfolgsrate dieser Kartierung. Optische Störungen können aus verschiedenen Gründen entstehen, darunter, aber nicht beschränkt auf folgende: (i) Lichtprobleme (z. B. helle Blendung durch ein nahegelegenes Fenster oder dunkle Schatten). (ii) übermäßig schnelle Bewegungen des Schachbretts (z. B. Bildunschärfe durch verlängerte Belichtungszeit der Kamera); oder (iii) ungeeignete intrinsische Kameraeigenschaften (z. B. falsche Brennweite oder starke Objektivverzerrung). Die menschliche Haltungsabschätzung nutzt künstliche Intelligenz, um anatomische Orientierungspunkte automatisch anhand von Bildern einer einzelnen Person (Einzelpose-Schätzung) oder mehrerer Personen (Multi-Pose-Schätzung) zu annotieren. Eine klare Visualisierung des Menschen ist dann entscheidend für die Erfolgsrate der Posenschätzung. Einige visuelle Interferenzen können je nach Computer-Vision-Parametern (z. B. KI-Architektur, Vorhersageschwellen) toleriert werden. Um jedoch die Eignung eines Videos für die menschliche Pose-Schätzung zu beurteilen, sind häufige Fallstricke, auf die man achten sollte: (i) Zuschauer im Sichtfeld bei Einzelpose-Schätzung; (ii) Körpersegmente, die intermittierend außerhalb des Kamerafelds liegen; und (iii) Selbstverschlüsse aufgrund überlappender Körpersegmente.

Die Entkopplung der Datenerhebung vom Computer-Vision-Workflow selbst bietet sowohl Vorteile als auch Nachteile. Ein bemerkenswerter Nachteil ist die Verzögerung klinisch relevanter Informationen, die Klinikern und Patienten zur Entscheidungsfindung zur Verfügung stehen. Ein potenzieller Vorteil ist die geringere Einmischung in die Interaktion zwischen Kliniker und Patient. Beispielsweise würde die Kalibrierung vor dem Patiententermin durchgeführt werden, die Videoaufnahme von 10 Wiederholungen der Trinkaufgabe, wie in der früheren Literatur¹² beschrieben, idealerweise weniger als 4 Minuten Videoaufnahmezeit sowie die Zeit, die benötigt wird, um Patienten zu informieren, die sich mit dem Protokoll vertraut machen. Darüber hinaus kann diese Entkopplung die Akzeptanz durch Kliniker steigern, indem sie die Verantwortung für Informationen aufteilt. Innerhalb dieser Aufgabentrennung übernimmt der Kliniker Verantwortung dafür, wann und warum Video-Bewertungen stattfinden, und Data Scientists/Ingenieure übernehmen Verantwortung für die Verfeinerung des Computer-Vision-Arbeitsablaufs, der für genaue/zuverlässige klinische Kennzahlen verantwortlich ist (z. B. Kinematik für Trinkaufgaben). Tatsächlich lässt sich dies mit der aktuellen Realität vieler blutbasierter (z. B. vollständiger Stoffwechselpanels) und bildbasierter Tests (z. B. MRT-Untersuchungen) vergleichen, die routinemäßig von Klinikern angeordnet werden. Schließlich könnte diese Entkopplung vorteilhaft sein, da sich das Feld der KI weiter weiterentwickelt. Die heute erfassten Videodaten könnten von fortschrittlicheren Computer-Vision-Lösungen von morgen wiederholt analysiert werden, die möglicherweise schneller, präziser und zuverlässiger kinematische Metriken extrahieren.

Unser Ziel ist es, den Zugang zur Kinematik der oberen Gliedmaßen in der Rehabilitationsgemeinschaft weiter zu verbessern, zu der auch Kliniker in ambulanten Einrichtungen und voraussichtlich Personen im häuslichen Umfeld (z. B. Telerehabilitation) gehören. Dieses Protokoll und die webbasierte App sollten als frühe Entwicklungsphase betrachtet werden, die bisher eine sehr fokussierte Aktivität (also die Trinkaufgabe) und eine relativ fokussierte Gruppe von Interessengruppen (d. h. Kliniker, Nutzer und Probanden, die die Trink-Aufgabe problemlos ausführen können) berücksichtigt hat. Zukünftige Versionen werden notwendig sein, um eine vielfältigere Nutzergruppe, vielfältigere Aktivitäten und vielfältigere Probanden (z. B. Personen mit schweren Defiziten, die eine Aktivitätsanpassung benötigen) gerecht zu werden. Darüber hinaus werden zukünftige Entwicklungen wichtige Kontrollpunkte vor einer umfassenden Einführung umfassen, wie die Integration in elektronische Patientenakten und die Wahrung der Patientenprivatsphäre und Vertraulichkeit. Diese zukünftigen Versionen werden voraussichtlich auch neue Technologien integrieren und die derzeit verfügbare Technologie verfeinern. Zum Beispiel geht das aktuelle Protokoll von einem Computer-Vision-Workflow aus, der auf binokularem Sehen basiert (z. B. Stereokameras). Eine logische nächste Entwicklung ist ein Protokoll mit monokularem Sehen (z. B. grundlegendere Kameras), das durch die Nutzung von KI, die auf binokularen Datensätzen trainiert ist, erreichbar sein kann. Bemerkenswert ist, dass das aktuelle Protokoll Bild- und Videodaten liefert, die mit aktuellen modernen Computer-Vision-Lösungen kompatibel sind, die bereits in ihrer Leistung von neueren Lösungen^abgelöst werden. Das hier beschriebene webbasierte Protokoll könnte es Klinikern ermöglichen, in ihre Praxis eine Grundlage für Computer Vision zu integrieren, die voraussichtlich dramatisch voranschreiten wird, da KI-Technologie die Gesundheitsbranche durchdringt.

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Kamera-Montagearm, zweiteilig enkelgelenkig mit Kameraplattform	Manfrotto	196B-2	Halterung für Stereokamera
Kamerastativ, kompatibel mit 1/4- und 3/8-Zoll-Standardbefestigungsschrauben	iFootage	CB3-Basis	Stativ zur Befestigung der Stereokamera
Klemmbrett, Standard-Briefgröße	N/A	N/A	Oberfläche, um das Kalibrierungsmuster zu fixieren
Becher, 8-Unzen-Plastik	N/A	N/A	Wasserbehälter zum Trinken
Höhenverstellbarer Stuhl mit versperrbaren Förderrädern	Vermund Larsen A/S	VELA-Unabhängigkeit	Stuhl für Fach
Höhenverstellbarer Tisch mit versperrbaren Förderrädern	Midmark Corporation	6215 Rechteckige Arbeitsstation	Tabelle zur Trinkaufgaben-Einrichtung
Ausdruck des Kalibrierungs-Checkerboards	N/A	N/A	Muster für Calibraiton-Video
Ausdruck des Platzsets für die Trinkaufgabe,	N/A	N/A	Platzset zur Vorbereitung der Trinkaufgaben
Stereokamera, 4mm Brennweite, kein Polarisationssensor, 5m USB-3.0-Kabel	Stereolabs	Zed 2i	Stereokamera für Videoaufnahmen
Band	N/A	N/A	Klebstoff für Ausdrucke