March 14th, 2017
Dieses Manuskript beschreibt die Methode, um die gleichzeitige Gültigkeit von kinematischen Messungen, die von der Smartphone-Anwendung aufgezeichnet werden, im Vergleich zu einem 3D-Motion-Capture-System in der Sagittalebene zu testen. Dieses Protokoll wird es Klinikern ermöglichen, Smartphones für die Videoaufzeichnung menschlicher Bewegungen einzurichten.
Das übergeordnete Ziel dieser Studie ist es, die gleichzeitige Validität von kinematischen Messungen, die von der Smartphone-Anwendung aufgezeichnet werden, zu testen und sie mit Messungen zu vergleichen, die von einem 3D-Motion-Capture-System aufgezeichnet werden, um ein gültiges klinisches Protokoll zu entwickeln. Dieses klinische Protokoll wurde so entwickelt, dass das Smartphone verwendet werden kann, um menschliche Bewegungen zu erfassen und valide kinematische Messungen zu liefern, und zwar mit einer einfachen und benutzerfreundlichen Einrichtung. Der Hauptvorteil dieser Technik besteht darin, dass das Smartphone in einer Klinik oder bei einem Patienten zu Hause für die Videoanalyse menschlicher Bewegungen eingerichtet werden kann.
Dievisuelle Demonstration dieser Methode ist von entscheidender Bedeutung, da die Ärzte dem klinischen Schritt-für-Schritt-Protokoll folgen können, um valide Messungen der Kinematik der unteren Extremitäten zu erhalten. Das Verfahren wird von Doktoranden demonstriert, die Mitautoren der Studie sind. Beginnen Sie damit, einen sechs Meter langen Gang mit Maßband und Klebeband zu messen und zu markieren.
Platzieren Sie dann vier 3D-Motion-Capture-Kameras an den vier Ecken des sechs Meter langen Gehwegs, um das Gehen in diesem Bereich aufzuzeichnen. Richten Sie jede der Kameras an den diagonalen Enden des Gehwegs so aus, dass sie einander zugewandt sind. Begleiten Sie den Teilnehmer anschließend in den Testbereich und sammeln Sie mit einem Maßband Gewicht und Beinlänge, vom Trochanter major bis zu den medialen Knöcheln beider Beine.
Messen Sie dann die Höhe, indem Sie den Teilnehmer barfuß neben ein Maßband stellen lassen, das an der Wand befestigt ist. Legen Sie ein Lineal auf den Kopf des Teilnehmers, um das Maß von dem an die Wand geklebten Maßband abzulesen. Montieren Sie das Smartphone auf einem Stativ und halten Sie es mit einem Adapterclip.
Platzieren Sie das Stativ senkrecht zur Mitte des Gehwegs, in einem Abstand von 2,0 Metern zum ersten eingestellten Versuch. Beachten Sie, dass das Stativ für die zweite Testreihe in einem Abstand von 4,0 Metern aufgestellt werden sollte. Berechnen Sie dann die Höhe vom Boden bis zum Kameraobjektiv in Metern für jede Konfiguration unter Verwendung der Beinlänge des Patienten.
Die Nahposition der Kamera, zwei Meter, dient nur zur Aufzeichnung und Analyse der Bewegung der unteren Extremitäten, während die Ferndistanz sowohl die untere Extremität als auch den Rumpf abdeckt. Platzieren Sie als Nächstes Cluster von drei intelligenten Markern mit Klettverschlüssen auf dem bilateralen vorderen oberen Beckenkamm oder ASIS, dem oberen Drittel des lateralen Aspekts der Oberschenkel, dem oberen Drittel des lateralen Aspekts der Waden und dem Rücken beider Füße. Platzieren Sie einen einzelnen Smartmarker auf der Mittellinie zwischen der rechten und linken hinteren oberen Beckenwirbelsäule.
Platzieren Sie Aufkleber mit den knöchernen Orientierungspunkten der bilateralen medialen und lateralen Femurkondylen, der medialen und lateralen Knöchel sowie des Schwimmhäutchens zwischen der ersten und zweiten Zehe zur Kalibrierung des 3D-Motion-Capture-Systems. Kalibrieren Sie abschließend das Gerät mit einem instrumentierten Stab mit intelligenten Markierungen, um die 3D-Position der Aufkleber zu registrieren. Lassen Sie zunächst einen Ermittler das Smartphone und den anderen den Computer bedienen, der das 3D-Motion-Capture-System steuert.
Bitten Sie den Teilnehmer, einen Übungstest zu absolvieren. Öffnen Sie dann die Smartphone-Anwendung und drücken Sie die rote Aufnahmetaste in der unteren Mitte des Bildschirms, um die Aufnahme zu starten. Verwenden Sie nummeriertes Papier, um die Testnummer auf der Smartphone-Aufnahme anzuzeigen.
Weisen Sie dann den Teilnehmer an, in seinem normalen Tempo zu gehen und sich auf einen Marker an der gegenüberliegenden Wand zu konzentrieren, um das Gehen in einer geraden Linie zu unterstützen. Geben Sie dem Teilnehmer einen Countdown, um mit den Worten drei, zwei, eins, los zu beginnen. Lassen Sie den Teilnehmer dann die ersten beiden 3D-Motion-Capture-Kameras überqueren, die am Anfang des Gehwegs auf jeder Seite platziert sind, und gehen Sie auf zwei weitere Kameras zu, die am anderen Ende des Gehwegs auf beiden Seiten platziert sind.
Nachdem der Proband die sechs Meter Strecke zurückgelegt hat, zählen Sie bis zum Ende des Versuchs einen Countdown, indem Sie drei, zwei, eins, Stopp sagen. Drücken Sie dann erneut die rote Aufnahmetaste, um die Aufzeichnung des Gehversuchs zu stoppen. Überprüfen Sie nach jedem Versuch alle Markierungen auf Position.
Bewegen Sie als nächstes das Stativ mit dem Smartphone in die zweite Entfernung in vier Metern Entfernung, um den Ober- und Unterkörper zu erfassen. Bitten Sie den Teilnehmer, sich auf den Mittelpunkt des Gehwegs zu stellen, und beginnen Sie dann auf die gleiche Weise wie zuvor zu gehen. Speichern und überprüfen Sie abschließend die 3D-Motion-Capture-Aufnahmen und Smartphone-Aufnahmen.
Entfernen Sie dann die Smart-Marker. Beginnen Sie mit der manuellen Aufzeichnung des Kniewinkels, der auf dem Bildschirm bei den Fersenauftritts- und Zehenabstoßphasen des Gangzyklus angezeigt wird. Schließen Sie dann die Analyse der Smartphone-Aufzeichnungen für Fersenauftritt- und Zehenabstoßereignisse ab.
Verwenden Sie den Stift, um die Genauigkeit der Platzierung von Orientierungspunkten für Kniewinkelmessungen zu erhöhen. Sehen Sie sich als Nächstes die gerade aufgenommene Ansicht an, indem Sie das Videoquadrat in der unteren linken Ecke des Bildschirms auswählen. Verwenden Sie die Bildlaufleiste am unteren Rand des Bildschirms, um das Bild auszuwählen, in dem das Motiv in der Mitte des Bildschirms dem Fersenauftritt oder dem Zehenabdruck am nächsten ist.
Tippen Sie dann, um in den Winkel zu fallen, auf das weiße Bleistiftsymbol oben rechts auf dem Bildschirm. Wählen Sie die Option Winkel im Dropdown-Menü aus. Wählen Sie eine bevorzugte Farbe und den Winkelmarkierer.
Schieben oder tippen Sie auf den Stift an einer beliebigen Stelle auf dem Bildschirm, um ihn in den Winkel einzufügen. Platzieren Sie schließlich die Mitte des Winkels auf dem Kniegelenk, wobei die Vektoren entlang des Oberschenkelknochens nach oben und nach unten in Richtung der seitlichen Knöchel reichen. Vergrößern Sie bei Bedarf, indem Sie zwei Finger nahe beieinander in die Mitte des Bildschirms legen und sie langsam voneinander entfernen.
Basierend auf den Ergebnissen ergab sich ein signifikanter Unterschied zwischen den Winkelmessungen durch das 3D-Motion-Capture-System und der Smartphone-Anwendung. In den Diagrammen für die Entfernungen von 4,0 Metern und 2,0 Metern wurden Daten angezeigt, die stärker um die mittlere Differenzlinie in der Mitte verstreut sind. Dies deutet darauf hin, dass die Kameraposition nicht zu den Fehlern bei den Messungen beigetragen hat.
Beim Versuch des klinischen Protokolls für die Bewegungsanalyse von Smartphone-Videos ist es wichtig, daran zu denken, dass die Kamera in der eingestellten Entfernung platziert werden muss und die Höhe der Kamera durch die Beinlänge der Person bestimmt wird.
View the full transcript and gain access to thousands of scientific videos
Diese Studie testet die gleichzeitige Gültigkeit von kinematischen Messungen, die von einer Smartphone-Anwendung erfasst wurden, gegenüber einem 3D-Bewegungserfassungssystem. Das entwickelte Protokoll ermöglicht es Klinikern, menschliche Bewegungen effektiv mit Smartphones zu erfassen.
Smartphone-based movement analysis offers a low-cost, accessible method for preliminary gait assessment in early discovery and translational research. By validating smartphone kinematic outputs against 3D motion capture, the study supports mechanistic de-risking in preclinical models where resource-intensive systems are impractical. This approach enables scalable, reproducible phenotyping for target validation in neuromuscular or mobility-related therapeutic areas.
The method fits within early discovery to lead identification workflows, where locomotor function serves as a phenotypic readout for target engagement or pathway modulation.