標準化された飲酒課題運動学のウェブベースの臨床ガイド コンピュータビジョン解析のための互換性のあるビデオ録画

私たちの研究は上肢の精密リハビリテーションを探求しており、ビデオカメラやウェアラブルセンサーなど、手頃な価格のツールを活用することに重点を置いています。現在使っているオープンソースの AI.So 技術には、コンピュータビジョンのようなAI技術や、ビデオカメラやウェアラブルセンサーなどのセンサー技術も含まれます。これらの技術は、回復をより頻繁かつ客観的に測定できるようになり、現在見落としている部分を捉えるために、より細かい解像度で測定できるようになり、私たちの分野にとって本当に大きな変革をもたらしました。まず、座席付きの高さ調整可能な椅子を設置し、被験者が手のひらをテーブルに下向きに置き、手首の折り目をテーブルの端に合わせて座れるようにします。

腰と膝の両方で約90度の屈曲を達成するように座面の高さを調整します。テーブルの高さを調整し、被験者が直立した姿勢を維持し、腕を楽に横に置き、肘を90度に曲げるようにします。ポーズマットの前端を被写体の正面のテーブルの端に合わせます。

仮面マットのターゲットの四角いボックスが被写体の正中線に対して中央にあることを確認してください。次に、250ミリリットルのプラスチックカップを、テーブルの端から30センチ離れた場所に置き、被写体の正面に置きます。カップに100ミリリットルの飲料水を入れます。

次にステレオカメラを位置位置に置き、被写体とカップの正面から見下ろした映像を捉えます。ターゲットの音量が完全に見えるようにカメラの位置を調整してください。キャリブレーションを行うには、ウェブアプリケーションダッシュボードにナビゲートしてキャリブレーションアクティビティモジュールを開き、メニューからキャリブレーションアクティビティガイドを選択してください。

録画を始める前に、チェッカーボードのパターンを胸の高さ、テーブルトップの表面に対して垂直に持っておきます。録画を開始するには、ウェブアプリケーション内の「録画開始」アイコンをクリックしてください。キャリブレーション開始のキューに入ったら、チェッカーボードパターンを滑らかかつ制御された方法でカメラに向かって前進させます。

その後、動きを逆にしてチェッカーボードのパターンを後ろに動かし、カメラから離れますが、滑らかでコントロールされた動きを維持します。前後の動きを繰り返し、画像撮影が完了します。録画されたキャリブレーション動画を見直してください。

チェッカーボード全体が映像全体で見えるようにし、照明がはっきりと見えるようにしてください。録画が満足できない場合は、再試行オプションをクリックしてビデオ録画を再開始してください。キャリブレーションが成功したら、「キャリブレーション画像を保存」アイコンをクリックします。

保存プロンプトが表示されたら、キャリブレーション画像を保存する目的の宛先フォルダを選択します。画像が保存されたことを確認すると、「保存確認」を選択して先に進みます。最初の録音では、指定された手(右または左)を使うよう指示します。

被験者に飲み作業の練習をさせ、手順に慣れさせてください。ウェブアプリケーションのダッシュボードメニューから「飲み作業アクティビティガイド」を選択して、飲み作業活動モジュールを開いてください。録画前に、アプリが提供する3秒間の視覚・音声カウントダウンを被験者に伝え、その後課題開始の合図を出します。

録画開始アイコンをクリックしてビデオ録画を開始し、合図が出たら飲みを指示します。飲み始める合図が出たら、指定された手で活動を行わせてください。次にカップを元の輪郭に戻し、手を元の位置に戻すよう指示します。

飲酒タスクの録画動画を確認しましょう。録画された映像には、すべてのフレーム内に被写体の顔、胴体、上肢、カップが映っていることを確認してください。被験者が飲む作業全体を完了し、カップを持ち上げて一口飲み、カップを元の位置に戻し、体と手を元の位置に戻すことを確認します。

同じ被験者で追加の試験を行う場合は、「別の試験を繰り返す」オプションを選択し、同じ指示で新しい試験の記録とレビューを続けてください。すべての希望するトライアルが録画されたら、「すべてのトライアルで終了」オプションを選択してビデオファイルの保存を開始します。Notes欄には、将来のデータ処理、分析、解釈に関連するコメントを入力してください。

次に「パッケージ」と「ノートを追加」を選択して先に進めてください。「飲酒タスク動画の保存」アイコンをクリックし、プロンプトが表示されたらフォルダの先を選択します。ビデオファイルのセーブが完了したら、「保存確認」をクリックして最終確認します。

コンピュータビジョンのワークフローは、キャリブレーション、ポーズ検出、リフト手順、平滑化フィルターを適用することで、二次元ビデオから三次元のポーズデータを抽出しました。抽出した3Dポーズデータを用いて、運動単位数、体幹の変位、移動時間などの運動学的指標を計算しました。飲み込み中の手首速度プロファイルでは、慢性脳卒中後偏麻痺の被験者において左上肢と右上肢の動き単位数が異なることが示されました。

上肢の生体力学は、これらの測定にこれまで必要だった複雑なマルチカメラセットアップを必要としなくなりました。そして、ビデオカメラやコンピュータビジョンのようなよりシンプルな手法で、同じ測定値を同等の妥当性で得られることを示しました。この研究は上肢のバイオメカニクスへのアクセスを改善し、私たちの本当の目標は精密リハビリテーションの研究を加速し、患者のためにこの研究を臨床に応用することにあります。

ですので、今後の研究は主に手の上肢の生体力学と細かい運動能力に焦点を当てる予定です。さらに、生体力学的フィードバックを活用して患者の治療結果を改善する介入策を開発することも目標としています。