28. November 2025
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.
Unsere Forschung beschäftigt sich mit präziser Rehabilitation der oberen Gliedmaßen, und wir konzentrieren uns wirklich darauf, erschwingliche Werkzeuge zu nutzen, auf die Menschen zugreifen können, wie Videokameras, tragbare Sensoren und dann Open-Source-AI.So Technologien, die wir derzeit nutzen, darunter KI-Technologie wie Computer Vision und auch Sensortechnologie, wie zum Beispiel Videokameras und tragbare Sensoren. Und diese Technologien waren wirklich ein Wendepunkt für unser Fachgebiet, weil sie es uns ermöglichen, die Wiederherstellung häufiger, objektiver und potenziell mit feinerer Auflösung zu messen, um Dinge zu erfassen, die uns derzeit möglicherweise fehlen. Zunächst sollte man einen verstellbaren Stuhl mit Sitzlehne so positionieren, dass das Motiv mit den Handflächen nach unten auf dem Tisch und der Handgelenksfalte an der Tischkante ausgerichtet sitzen kann.
Stellen Sie die Sitzhöhe an, um etwa 90 Grad Beugung sowohl an Hüften als auch an den Knien zu erreichen. Ändern Sie die Tischhöhe so, dass das Motiv eine aufrechte Haltung mit bequem an den Seiten liegenden Armen und 90 Grad gewinkelten Ellbogen behält. Richten Sie die Vorderkante der Platzdecke direkt vor dem Motiv mit der Tischkante aus.
Stellen Sie sicher, dass die Ziel-Quadratbox auf der Platzdecke in Bezug auf die Mittellinie des Motivs zentriert ist. Dann stellst du einen 250-Milliliter-Plastikbecher in die quadratische Schachtel auf dem Platzset, positioniere ihn 30 Zentimeter vom Tischrand und direkt vor dem Motiv. Füllen Sie den Becher mit 100 Millilitern Trinkwasser.
Positioniere nun die Stereokamera so, dass sie eine Frontalaufnahme des Motivs und der Tasse aufnimmt. Stellen Sie die Kameraposition so ein, dass das Zielvolumen vollständig sichtbar ist. Für die Kalibrierung öffnen Sie das Kalibrierungsaktivitätsmodul, indem Sie zum Web-Anwendungs-Dashboard navigieren und im Menü den Leitfaden zur Kalibrierungsaktivität auswählen.
Bevor die Aufnahme beginnt, halten Sie das Schachbrettmuster ungefähr auf Brusthöhe, senkrecht zur Tischoberfläche. Starten Sie die Aufnahme, indem Sie auf das Start-Aufnahme-Symbol in der Webanwendung klicken. Wenn man die Kalibrierung beginnt, bewegt man das Schachbrettmuster sanft und kontrolliert in Richtung Kamera.
Dann kehrt man die Bewegung um und bewegt das Schachbrettmuster rückwärts, weg von der Kamera, wobei die Bewegung flüssig und kontrolliert bleibt. Wiederhole die Vorwärts- und Rückwärtsbewegung, bis die Bildaufnahme abgeschlossen ist. Sehen Sie sich das aufgezeichnete Kalibrierungsvideo an.
Stellen Sie sicher, dass das gesamte Schachbrettmuster im gesamten Video sichtbar bleibt und die Beleuchtung eine klare Sichtbarkeit bietet. Wenn die Aufnahme nicht zufriedenstellend ist, klicke auf die Option Wiederholen, um die Videoaufnahme für einen weiteren Versuch neu zu starten. Nach erfolgreicher Kalibrierung klicken Sie auf das Symbol Kalibrierungsbilder speichern.
Wenn der Speicher-Prompt erscheint, wählen Sie den gewünschten Zielordner aus, um die Kalibrierungsbilder zu speichern. Nachdem Sie bestätigt haben, dass die Bilder gespeichert wurden, wählen Sie Speichern bestätigen, um fortzufahren. Weisen Sie das Subjekt an, für die erste Aufnahme eine bestimmte Hand zu verwenden, entweder rechts oder links.
Bitten Sie die Person, die Trinkaufgabe zu üben, um sich mit dem Verfahren vertraut zu machen. Öffnen Sie das Trinkaufgaben-Aktivitätsmodul, indem Sie zum Dashboard-Menü der Webanwendung navigieren und den Trinkaufgaben-Aktivitätsleitfaden auswählen. Informieren Sie die Person vor der Aufnahme über den von der App bereitgestellten dreisekündigen visuellen und akustischen Countdown, gefolgt von einem Hinweis zum Beginn der Aufgabe.
Starten Sie die Videoaufnahme, indem Sie auf das Symbol 'Aufnahme starten' klicken und weisen Sie die Person an, die Trink-Aufgabe auszuführen, wenn Sie darauf angefordert werden. Wenn du das Signal gibst, mit der Trink-Aufgabe zu beginnen, lass die Person die Aktivität mit der angegebenen Hand ausführen. Dann weisen Sie sie an, den Becher wieder in die ursprünglich umrissene Stelle zurückzusetzen und die Hand in die ursprüngliche Ausgangsposition.
Sehen Sie sich das aufgezeichnete Video der Trinkaktivität an. Stellen Sie sicher, dass das aufgezeichnete Video das Gesicht, den Oberkörper, die oberen Gliedmaßen und die Tasse der Person in allen Bildern zeigt. Überprüfen Sie, dass das Subjekt die gesamte Trinkarbeit erfüllt, den Becher aufhebt, einen Schluck nimmt, den Becher wieder in seine ursprüngliche Position zurücksetzt und Körper sowie Hände wieder in die Ausgangsposition bringt.
Um weitere Studien mit demselben Testperson durchzuführen, wählen Sie die Option Wiederholung eines weiteren Versuchs und halten Sie die Aufnahme und Überprüfung neuer Versuche mit denselben Anweisungen fort. Nachdem alle gewünschten Studien aufgezeichnet wurden, wähle die Option "Abgeschlossen mit allen Prüfungen", um das Speichern der Videodatei zu starten. Im Feld Anmerkungen geben Sie Kommentare ein, die für zukünftige Datenverarbeitung, Analyse oder Interpretation relevant sind.
Wählen Sie dann Paket und Notizen hinzufügen, um fortzufahren. Klicken Sie auf das Symbol "Trink-Trink-Videos" speichern und wählen Sie ein Ordnerziel, wenn die Eingabeaufforderung erscheint. Sobald die Videodatei gespeichert ist, klicke auf Bestätigen des Speichers, um abzuschließen.
Der Computer-Vision-Workflow extrahierte dreidimensionale posierte Daten aus zweidimensionalen Videos durch Anwendung von Kalibrierung, Posenerkennung, Hebeverfahren und Glättungsfiltern. Mit den extrahierten 3D-Posendaten wurden kinematische Metriken berechnet, darunter Anzahl der Bewegungseinheiten, Trunkverschiebung und Bewegungszeit. Die Handgelenksgeschwindigkeitsprofile während der Trinkaktivität zeigten unterschiedliche Bewegungseinheiten zwischen linker und rechter oberer Extremität bei einer Person mit chronischer Hemiparese nach dem Schlaganfall.
Die Biomechanik der oberen Gliedmaßen erfordert nicht mehr die komplexen Multikamera-Setups, die historisch für diese Messungen erforderlich waren. Und wir haben gezeigt, dass ein einfacherer Ansatz mit Dingen wie Videokameras und Computer Vision es uns ermöglichen kann, dieselben Messungen mit gleicher Validität zu erhalten. Diese Arbeit verbessert also den Zugang zur Biomechanik der oberen Gliedmaßen, und unser eigentliches Ziel ist es, die Forschung zur Präzisionsrehabilitation zu beschleunigen und auch die Übertragung dieser Arbeit in die Klinik für Patienten zu verstärken.
Meine zukünftige Forschung wird sich also wirklich auf die Biomechanik der Hand der oberen Extremitäten mit Feinmotorik konzentrieren. Unser zusätzliches Ziel ist es dann, Interventionen zu entwickeln, die biomechanisches Feedback nutzen, um das Ergebnis der Patienten zu verbessern.
Diese Studie präsentiert ein webbasiertes Protokoll zur Erfassung von Videos einer Trinkaufgabe, das auf die Verbesserung der oberen Extremitätenrehabilitation nach einem Schlaganfall abzielt. Durch die Verwendung erschwinglicher Werkzeuge und Computer Vision ermöglicht das Protokoll die Extraktion von kinematischen Metriken, die für die Beurteilung der Genesung entscheidend sind.
Standardized video-based kinematic assessment of upper limb function enables scalable, objective measurement critical for translational rehabilitation research. By leveraging computer vision and accessible hardware, this workflow reduces technical barriers and supports reproducible, quantitative endpoints for early discovery and clinical validation. The approach enhances predictive confidence in functional biomarker development and accelerates integration of digital phenotyping into biopharma R&D pipelines.
This web-based protocol integrates into the discovery-to-validation continuum by enabling standardized data capture, quantitative analysis, and digital endpoint development for upper limb function.