방법 논문

Virtual Modified Box and Block Test 중 동작 및 근육 활동의 정량적 평가를 위한 설정

DOI:

10.3791/65736

⸱

2024년 1월 12일

 ,  ,  ,  , 
1Department of Neuroscience, West Virginia University, 2Department of Human Performance, West Virginia University, 3Department of Biomedical Engineering, West Virginia University

* These authors contributed equally

이 논문에서

요약

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

여기에 설명된 프로토콜은 상지 결손의 정량적 평가를 강화하는 것을 목표로 하며, 클리닉과 가정에서 원격 평가를 위한 추가 기술을 개발하는 것을 목표로 합니다. 가상 현실 및 바이오 센서 기술은 신경근 시스템의 기능에 대한 통찰력을 제공하기 위해 표준 임상 기술과 결합됩니다.

초록

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

움직일 수 있는 능력은 우리가 세상과 상호 작용할 수 있게 해줍니다. 이 능력이 손상되면 삶의 질과 독립성을 크게 떨어뜨리고 합병증으로 이어질 수 있습니다. 원격 환자 평가 및 재활의 중요성은 최근 대면 서비스에 대한 접근이 제한됨에 따라 증가했습니다. 예를 들어, COVID-19 팬데믹으로 인해 예기치 않게 엄격한 규제가 발생하여 비응급 의료 서비스에 대한 접근성이 감소했습니다. 또한 원격 진료는 서비스에 대한 접근이 제한된 농촌, 소외된 지역 및 저소득 지역의 의료 격차를 해결할 수 있는 기회를 제공합니다.

원격 진료 옵션을 통해 접근성을 개선하면 병원 또는 전문의 방문 횟수가 제한되고 일상적인 진료를 보다 저렴하게 이용할 수 있습니다. 마지막으로, 가정 간호를 위해 쉽게 구할 수 있는 상업용 소비자 전자 제품을 사용하면 증상, 치료 효능 및 치료 용량에 대한 정량적 관찰이 향상되어 환자 결과를 향상시킬 수 있습니다. 원격 치료는 이러한 문제를 해결할 수 있는 유망한 수단이지만, 이러한 응용 분야에서 운동 장애를 정량적으로 특성화해야 할 필요성이 있습니다. 다음 프로토콜은 임상의와 연구원이 복잡한 움직임 및 기본 근육 활동에 대한 고해상도 데이터를 얻을 수 있도록 이러한 지식 격차를 해결하고자 합니다. 궁극적인 목표는 기능적 임상 시험의 원격 관리를 위한 프로토콜을 개발하는 것입니다.

여기에서 참가자들은 손 기능을 평가하는 데 자주 사용되는 의학적으로 영감을 받은 BBT(Box and Block task)를 수행하도록 지시받았습니다. 이 과제는 피험자들이 장벽으로 분리된 두 구획 사이에서 표준화된 큐브를 운반하도록 요구한다. 우리는 원격 평가 프로토콜 개발의 잠재력을 보여주기 위해 가상 현실에서 수정된 BBT를 구현했습니다. 근육 활성화는 표면 근전도를 사용하여 각 피험자에 대해 캡처되었습니다. 이 프로토콜을 통해 고품질 데이터를 획득하여 상세하고 정량적인 방식으로 운동 장애를 더 잘 특성화할 수 있었습니다. 궁극적으로 이러한 데이터는 가상 재활 및 원격 환자 모니터링을 위한 프로토콜을 개발하는 데 사용될 수 있습니다.

서론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

움직임은 우리가 세상과 상호 작용하는 방식입니다. 물 한 잔을 줍거나 걸어서 출근하는 것과 같은 일상 활동은 단순해 보일 수 있지만, 이러한 움직임조차도 중추 신경계, 근육 및 팔다리 사이의 복잡한 신호 전달에 의존합니다1. 따라서 개인의 독립성과 삶의 질은 개인의 사지 기능 수준과 높은 상관관계가 있습니다 2,3. 척수 손상(SCI) 또는 말초 신경 손상과 같은 신경 손상은 영구적인 운동 결손을 초래할 수 있으며, 이로 인해 일상 생활의 간단한 활동조차 수행할 수 있는 능력을 감소시킬 수 있습니다 4,5. 미국 국립 신경 장애 및 뇌졸중 연구소(National Institute of Neurological Disorders and Stroke)에 따르면 미국에서 1억 명 이상의 사람들이 운동 장애를 겪고 있으며, 뇌졸중은 주요 원인중 하나입니다 6,7,8. 이러한 부상의 특성으로 인해 환자는 종종 정량적 운동 평가 및 원격 치료가 도움이 될 수 있는 장기간의 치료가 필요합니다.

운동 장애를 치료하기 위한 현재의 관행은 물리 치료사 또는 작업 치료사와 같은 훈련된 전문가의 관찰을 통한 기능의 초기 및 지속적인 임상 평가를 모두 필요로 하는 경우가 많습니다. 표준으로 검증된 임상 검사는 종종 훈련된 전문가가 이를 관리해야 하며, 특정 시간 제약과 사전 정의된 움직임 또는 기능적 작업에 대한 주관적인 점수가 매겨집니다. 그러나 건강한 사람에서도 관절 각도의 다양한 조합으로 동일한 움직임을 수행할 수 있습니다. 이 개념을 근골격계 중복성(musculoskeletal redundancy)이라고 합니다.

기능적 임상 검사는 종종 피험자 간 변동성의 기저에 있는 개별 중복을 설명하지 않습니다. 임상의와 연구자 모두에게 중복으로 인한 정상적인 변동성과 움직임의 병리학적 변화를 구별하는 것은 여전히 어려운 과제로 남아 있습니다. 잘 훈련된 평가자가 수행하는 표준화된 임상 평가는 저해상도 채점 시스템을 활용하여 평가자 간 변동성을 줄이고 테스트 타당성을 개선합니다. 그러나 이것은 천장 효과를 도입하여 경미한 운동 결손을 가질 수 있는 피험자에 대한 민감도와 예측 타당도를 낮춥니다 9,10. 또한, 이러한 임상 검사는 결손이 수동적인 신체 역학에 의해 발생하는지 또는 적극적인 근육 협응에 의해 발생하는지 구별할 수 없으며, 이는 초기 진단 및 환자별 재활 계획을 설계할 때 중요할 수 있습니다. 무작위 임상시험에서는 이러한 임상시험에서 제공된 근거에 기초하여 수립된 치료 계획의 효능이 일관되지 않은 것으로 나타났습니다 11,12,13. 여러 연구에서 향후 중재 설계를 안내하는 데 사용할 수 있는 정량적이고 사용자 친화적인 임상 지표의 필요성을 강조했습니다14,15.

이전 연구에서 우리는 뇌졸중 후 팔 장애에서 쉽게 구할 수 있는 소비자 모션 캡처 장치를 사용한 자동 움직임 평가의 구현과 유방암 환자의 흉부 수술 후 어깨 기능 평가를 입증했습니다16,17. 또한, 특정 활성 움직임의 근육 모멘트를 추정하기 위해 활성 관절 모멘트를 사용하는 것이 관절 각도에 비해 뇌졸중 후 운동 결손을 더 민감하게 측정하는 것으로 나타났다18. 따라서 모션 캡처 및 표면 근전도(EMG)는 표준 임상 검사에서 무증상으로 진단되었지만 여전히 움직임 장애, 피로 또는 통증을 경험할 수 있는 환자를 평가하는 데 매우 중요할 수 있습니다. 이 논문은 운동 장애가 있는 환자 집단에서 재택 평가 및 재활 방법을 개발하기 위해 표준 임상 테스트 중에 움직임의 상세하고 정량적인 특성화를 가능하게 할 수 있는 시스템에 대해 설명합니다.

가상 현실(VR)은 일상적인 작업을 모델링하면서 몰입형 사용자 경험을 구성하는 데 사용할 수 있습니다. 일반적으로 VR 시스템은 사용자의 손 움직임을 추적하여 가상 환경과의 시뮬레이션 상호 작용을 허용합니다. 여기에서 설명하는 프로토콜은 뇌졸중 또는 어깨 수술 후 장애의 정량적 평가에 기성품 비디오 게임 컨트롤러의 사용을 보여주는 다른 연구와 유사하게 모션 캡처에 소비자 VR 제품을 사용하여 운동 결함 평가를 정량화합니다16,17. 또한, 근전도는 근육 수축의 기저에 있는 신경 활동의 비침습적 측정법이다19. 따라서 EMG는 운동의 신경 제어의 품질을 간접적으로 평가하고 운동 기능에 대한 자세한 평가를 제공하는 데 사용할 수 있습니다. 근전도 검사에 의해 근육 및 신경 손상을 감지할 수 있으며, 근이영양증 및 뇌성마비와 같은 장애는 일반적으로 이 기술을 사용하여 모니터링된다20,21. 또한, 근전도는 근육 강도 또는 경련의 변화를 추적하는 데 사용될 수 있으며, 이는 운동 학적 평가(22,23)에서 분명하지 않을 수 있으며 피로 및 근육 활성화도 마찬가지입니다. 이와 같은 지표는 재활 진행 상황을 고려하는 데 매우 중요하다 23,24,25.

여기에 설명된 실험 패러다임은 VR과 EMG의 조합을 활용하여 기존 임상 평가 도구의 한계를 해결하고자 합니다. 여기에서 참가자들은 실제 물체를 사용하여 VR에서 수정된 BBT(Box and Block task)26 를 수행하도록 요청받았습니다. 표준 BBT는 총 상지 기능의 일반 평가에 사용되는 임상 도구로, 피험자는 1분 이내에 한 구획에서 칸막이를 넘어 인접한 칸막이로 가능한 한 많은 2.5cm 블록을 이동하도록 요청받습니다. 뇌졸중 또는 기타 신경근 질환(예: 상지 마비, 경련성 편마비)이 있는 환자의 결손을 신뢰성 있게 평가하는 데 자주 사용되지만, 6-89세의 건강한 아동 및 성인에 대한 규범적 데이터도 보고되었다26. 가상 움직임 평가는 실생활에서 수행된 검증된 임상 테스트의 기능적 측면을 시뮬레이션하는 데 사용됩니다. VR은 필요한 하드웨어를 줄이면서 표준화된 지침과 프로그래밍된 자동 채점을 제공하는 데 사용됩니다. 따라서 훈련된 전문가의 지속적인 감독이 더 이상 필요하지 않습니다.

이 연구의 BBT는 동일한 위치에 나타나는 한 번에 한 블록의 도달 범위와 파악을 캡처하는 데 초점을 맞추기 위해 단순화되었습니다. 이를 통해 움직임의 재현성을 극대화하고 기록된 데이터에서 개체 간 변동성을 최소화했습니다. 마지막으로, 가상 현실 헤드셋은 최소 $300에 구입할 수 있으며 여러 평가를 수용할 수 있습니다. 일단 프로그래밍이 완료되면, 일반적인 전문 평가와 관련된 비용이 크게 줄어들고 임상 및 원격/재택 환경 모두에서 이러한 검증된 표준 임상 테스트에 대한 접근성을 높일 수 있습니다.

프로토콜

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

실험 절차는 웨스트 버지니아 대학교 기관 검토 위원회(IRB), 프로토콜 # 1311129283에 의해 승인되었으며 헬싱키 선언의 원칙을 준수했습니다. 이 프로토콜의 위험은 경미하지만 참가자에게 모든 절차와 잠재적 위험을 설명해야 하며 기관 윤리 검토 위원회에서 승인한 문서와 함께 서면 동의를 획득했습니다.

1. 시스템 특성 및 설계

참고: 이 프로토콜의 설정은 (1) EMG 센서 및 베이스, (2) EMG 데이터 수집(DAQ) 소프트웨어, (3) 모션 캡처 시스템, (4) 해당 소프트웨어가 있는 VR 헤드셋 요소로 구성됩니다. 이러한 구성 요소는 그림 1에 시각화되어 있습니다.

  1. 시스템 구성 요소 설정
    1. EMG 시스템을 연결합니다.
      1. EMG 베이스 스테이션을 연결하여 전원을 공급합니다.
      2. EMG 기지국을 DAQ 스크립트가 들어있는 전용 컴퓨터 (그림 1C)에 연결합니다.
        참고: 예제 스크립트는 다음에서 찾을 수 있습니다: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0. 일부 상용 제품은 라이센스가 부여된 DAQ 소프트웨어와 함께 제공될 수 있으며, 이 소프트웨어도 사용될 수 있습니다.
    2. 모션 캡처 시스템을 연결합니다.
      1. 두 번째 전용 컴퓨터(그림 1A)를 네트워크 라우터에 연결합니다.
      2. 네트워크 라우터를 모션 캡처 서버에 연결합니다.
      3. 시각화를 위해 모션 캡처 서버를 컴퓨터 모니터에 연결합니다.
      4. 카메라를 모션 캡처 서버에 연결합니다.
    3. VR 시스템을 연결합니다.
      1. VR 헤드셋을 해당 DAQ 스크립트를 사용하여 세 번째 전용 컴퓨터에 연결합니다(그림 1B).
        참고: 예제 스크립트는 다음에서 찾을 수 있습니다 https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0
      2. 의도한 작업이 포함된 VR 게임 환경을 VR 헤드셋에 연결된 컴퓨터에 로드합니다(그림 1B).
    4. 피험자가 작업을 완료할 영역을 준비합니다.
      1. 팔이 없고 튼튼한 의자를 사용하여 피험자의 정상적인 도달에 방해가 되지 않도록 하십시오.
      2. 수집된 데이터의 안전성과 정확성을 위해 테스트 영역에 모든 장애물이 없는지 확인하십시오.
    5. 시스템을 동기화합니다.
      1. 사용자 정의 소프트웨어 기능을 사용하여 시스템을 일회성 서버에 적시에 동기화합니다.
      2. 또는 한 대의 컴퓨터 또는 선호하는 메시지 관리자를 사용하십시오.

figure-protocol-1
그림 1: 실험 장비 설정. (A) 마커 모션 캡처 카메라는 실험 공간 주변의 바닥과 천장에 배치되어 모션 추적을 위한 최적의 공간을 구축합니다. 전용 컴퓨터는 모션 캡처 소프트웨어를 실행하고 데이터를 저장하는 데 사용됩니다. (B) VR에서 수정된 BBT를 표시하는 데 사용되는 헤드셋은 가상 평가 및 작업 데이터가 저장되는 전용 컴퓨터에 연결됩니다. (C) EMG 베이스는 작업 실행 중에 근육 활동 데이터가 기록되고 저장되는 전용 컴퓨터에 연결됩니다. 모션 캡처를 위한 EMG 센서와 LED 마커는 모두 세션 중에 피사체의 팔에 배치됩니다( 그림 2 참조). 약어: VR = 가상 현실; EMG = 근전도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

2. 실험 절차

참고: 이 프로토콜에 설명된 실험 흐름의 시각적 표현은 그림 2에 나와 있습니다.

  1. EMG 설정
    1. 최상의 신호 품질을 위한 EMG 센서 배치를 결정하려면 참가자가 관련 근육을 수축하는 동안 근육 배를 촉진합니다(27). 이 프로토콜에 사용된 근육 선택에 대해서는 표 1 을 참조하십시오.
    2. 알코올 물티슈를 사용하여 각 전극과 피험자의 팔에 있는 의도된 센서 배치 부위를 조심스럽게 청소합니다.
      알림: EMG 센서와 피험자의 피부를 모두 철저히 청소하면 전극 대 피부 임피던스가 낮아집니다. 이렇게 하면 기록된 EMG 데이터가 높은 신호 대 잡음비를 가질 수 있습니다. 센서 배치 부위의 과도한 머리카락은 적절하게 청소하더라도 데이터 품질이 저하될 수 있습니다. 이 경우 머리를 깎아야 할 수도 있습니다.
    3. 근전도 전극과 피험자의 피부를 준비한 후 근전도 센서를 피험자에게 배치하여 전극과 피부가 잘 접촉되도록 합니다. 양극 전극은 센서가 근육 섬유의 방향과 평행하도록 배치해야 합니다.
  2. 모션 캡처 시스템 설정
    참고: 운동학을 위해 손의 움직임을 추적하기 위해 VR 헤드셋만 사용하는 경우에는 이 작업이 필요하지 않을 수 있습니다.
    1. 제조업체의 지침에 따라 모션 추적 카메라를 보정합니다. 실험 공간 전체에서 보정 막대를 움직여 모션 추적 카메라를 보정하고 공간의 3D 축을 설정합니다.
      참고: 이 프로토콜에 사용된 마커 모션 캡처 시스템에는 LED 마커가 있는 보정 막대가 포함되어 있습니다.
    2. 원하는 생체 역학 모델을 구성하는 데 필요한 피사체의 상지와 몸통의 뼈 랜드마크에 LED 모션 캡처 마커를 배치합니다.
    3. 제공된 모션 캡처 소프트웨어를 사용하여 모션 캡처 카메라가 모든 마커를 인식하고 추적하도록 합니다. 피험자에게 몇 가지 연습 동작을 수행하도록 지시하고 연구 인원은 실시간으로 마커 데이터를 육안으로 모니터링합니다.
  3. VR 기술 평가 작업 설정
    1. 모션 캡처 실험 공간의 중앙에 의자를 배치합니다. 기존의 실제 테스트에 사용된 것과 유사한 의자를 사용하십시오.
    2. 피험자가 평가 작업을 수행할 의자에서 VR 헤드셋을 보정합니다. 보정이 완료되면 피험자에게 의자에 앉히고 VR 헤드셋을 머리에 씌우도록 지시합니다.
    3. 피험자가 앉아 있는 동안 피험자의 어깨와 땅 사이의 거리와 피험자의 팔 길이를 측정합니다. 이 거리를 사용하여 VR에서 테이블 및 평가 작업이 생성될 위치를 설정합니다.
    4. VR 작업 제어 스크립트에서 피험자의 측정값을 입력하고 원하는 블록 생성 반복 횟수를 프로그래밍합니다.
      참고: 이 수정된 BBT에서는 재현성을 높이기 위해 개별 블록이 한 번에 하나씩 생성됩니다.
  4. 피험자에게 VR에서 수정된 BBT 평가를 수행하도록 지시합니다.
    1. 주제에 대한 작업에 대한 간략한 설명을 제공합니다.
      1. 가상 블록은 실험자가 결정한 대로 왼쪽 또는 오른쪽에 생성됩니다.
      2. 피험자에게 가상 블록을 집어 파티션 위로 운반한 다음 반대쪽 구획의 대상에 놓아야 한다고 설명합니다(그림 2).
        참고: 여기에 사용된 가상 수정 BBT에서 블록은 실험자가 결정한 횟수만큼 자동으로 사라지고 시작 위치에서 다시 생성됩니다.
    2. EMG 데이터 수집을 시작합니다.
    3. 모션 캡처 데이터 수집을 시작합니다.
    4. VR 기술 평가 작업을 시작합니다.
      1. 자동으로 종료되기 전에 미리 설정된 반복 횟수 동안 작업을 실행하도록 합니다.
    5. 사후 해석을 위해 EMG 및 운동학 데이터를 저장합니다.
    6. Modified BBT post-hoc에 대한 임상적으로 유의미한 점수를 장벽을 성공적으로 통과한 블록의 수 또는 60초 동안 작업의 반복으로 결정합니다.

figure-protocol-2
그림 2: 실험 프로토콜, VR 작업 및 피험자 설정. (A) 여기에 사용된 실험 프로토콜을 설명하는 흐름도. (B) VR 환경에서 구현된 수정된 BBT의 예시. 해부학적 측정은 VR 작업을 보정하는 데 사용되어 가상 테이블이 올바른 상대 위치에 생성되도록 합니다. (C) 피사체에 LED 모션 캡처 마커 및 EMG 센서를 배치합니다. EMG 센서는 관심 있는 근육에 배치되고 LED 모션 캡처 마커는 뼈가 있는 랜드마크 위에 배치됩니다. 약어: VR = 가상 현실; 근전도 = 근전도; LED = 발광 다이오드. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

결과

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 프로토콜을 사용하여 피험자로부터 얻은 EMG, 운동 및 힘 데이터는 동일한 작업의 반복과 다른 작업 중의 움직임을 특성화하는 데 사용할 수 있습니다. 여기에 표시된 데이터는 이 설정의 타당성을 입증하기 위해 건강한 대조군 참가자의 결과를 나타냅니다. VR에서 수정된 BBT를 수행하는 건강한 피험자로부터 기록된 대표적인 EMG 프로필이 그림 3에 나와 있습니다. 전방 삼각근(DELT_A)의 높은 근육 활성화를 볼 수 있으며, 이는 각 도달 움직임에 대한 팔의 주요 원동력임을 시사합니다. 팔뚝과 손목 신전근(ECU 및 ECR)도 눈에 띄게 활성화되었는데, 이는 이러한 근육이 움직임 전반에 걸쳐 블록을 잡는 데 사용됨을 시사합니다. 마지막으로, 엄지 근육(EPB 및 APB)의 활동 증가는 블록의 잡음 및 해제에 대한 사용을 나타냅니다. VR에서 수정된 BBT 중에 기록된 EMG 프로필은 실제 작업과 유사했지만 VR 평가 중 최대 근육 활동은 감소했습니다. 이러한 결과는 실제 세계의 표준 BBT와 VR의 수정된 BBT가 모두 유사한 모터 제어 메커니즘을 사용한다는 것을 시사합니다.

VR 핸드 트래킹 데이터는 VR에서 구현된 수정된 BBT 전체에서 관절 각도 궤적의 부드러운 프로파일을 생성하는 운동학적 데이터를 얻는 데 사용되었습니다 (그림 4). 엄지손가락, 중지손가락, 검지를 사용하여 블록을 잡는 것은 근위부 및 원위부 지절간 관절 모두에서 관절 각도 변화로 표시됩니다 (그림 4). 손가락 2(검지)와 3(가운데)의 관절 각도는 유사한 궤적을 따라 변하는 것으로 보이며, 이는 블록을 잡았다가 놓는 데 동시에 사용됨을 나타냅니다. 이에 비해 손가락 4번(반지)과 5번(새끼손가락)은 근위부 및 원위부 지절간 관절에서 관절 각도 변화에서 뚜렷한 패턴을 보여줍니다. 이는 블록을 잡는 데 사용되지 않았음을 시사할 뿐만 아니라, 손가락 2와 3의 반대쪽 움직임이 블록이 해제되는 동안 이들 손가락이 구부러진 상태를 유지하는 전형적인 시너지 효과를 벗어난 움직임을 나타낼 수 있음을 보여줍니다. 손가락 확장 대 굴곡에 대한 이러한 분별 제어는 뇌졸중 후 운동 결손이 있는 사람에게는 없을 수 있습니다. 표 2 는 작업 중 평균 조인트 각도 범위를 보여줍니다. 또한 그립 및 리치와 같은 각 움직임 또는 움직임 단계의 타이밍과 주어진 기간 동안의 반복 횟수도 VR 헤드셋에서 얻은 운동학 데이터에서 측정할 수 있습니다.

이 프로토콜에서 얻은 데이터의 품질은 여러 요소를 철저히 고려하여 최대화할 수 있습니다. 앞서 언급했듯이 고품질 EMG 데이터를 획득하려면 센서 전극과 피부 사이의 긴밀한 접촉이 필요합니다. 센서가 안전하게 배치되면 EMG 데이터는 근육이 활발하게 수축할 때를 나타내는 명확한 파열 기간과 함께 높은 신호 대 잡음비를 갖게 됩니다(그림 5). 근육 수축에 해당하는 전기적 활동의 뚜렷한 폭발은 필터링되지 않은 신호(그림 5A)와 필터링된 신호(그림 5B) 모두에서 최소한의 노이즈로 시각화할 수 있습니다. 신호 진폭의 비정상적이거나 예기치 않은 증가는 EMG 센서가 피부에 불안정하게 부착되어 발생할 수 있는 모션 아티팩트를 나타낼 수 있습니다. 유선 센서를 사용하는 경우 동작 중에 매달려 있는 전선으로 인해 발생할 수도 있습니다. 고품질 모션 캡처 데이터를 얻으려면 추적 알고리즘이 추적된 지점의 상대 좌표를 정확하게 확인할 수 있도록 팔다리가 선명한 카메라 시야에 유지되어야 합니다. 추적된 점의 좌표가 크거나 갑작스럽게 변경되거나 좌표 값이 누락되면 모션 캡처 데이터의 품질이 낮음을 나타냅니다. 마커 보간을 사용하여 누락된 좌표를 계산할 수 있지만 이 방법은 이동 기간에 비해 짧은 기간 동안만 유효합니다.

figure-results-1
그림 3: VR에서 수정된 BBT를 10회 반복하는 건강한 피험자로부터 기록된 대표적인 필터링 및 수정된 EMG 프로필. (A) 근위 팔 굴곡근(이두박근은 짧은 머리, 빨간색, 이두박근은 긴 머리, 회색, 전방 삼각근, 검은색). (B) 근위 팔 신전근(삼두근, 긴 머리, 녹색, 측면 삼두근, 파란색). (C) 원위부 팔 굴곡근(flexor carpi ulnaris, 빨간색; flexor carpi radialis, 검은색). (D) 원위부 팔 신근(신근 carpi ulnaris, 녹색, 신근 carpi radialis, 파란색). (E) 손가락 및 엄지 근육 (flexor digitorum superficialis, 빨간색; extensor digitorum communis, 녹색; extensor pollicis brevis, 파란색; abductor pollicis brevis, 갈색). 이 그림은 Yough28에서 각색되었습니다. 약어: BBT = 상자 및 블록 작업; 근전도 = 근전도; BIC_SH = 이두박근 짧은 머리; BIC_LO = 이두박근 긴 머리; DELT_A = 전방 삼각근); TRI_LO = 삼두근, 긴 머리; TRI_LAT = 외측 삼두근; FCU = 굴곡근 척골; FCR = 굴곡근 요골; ECU = 신근 carpi 척골; ECR = 신근 카르피 요골; FDS = flexor digitorum superficialis; EDC = extensor digitorum communis; EPB = 신근 pollicis brevis; APB = abductor pollicis brevis(납치범 폴리시스 브레비스). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-2
그림 4: VR에서 수정된 BBT를 10회 반복하는 건강한 피험자로부터 기록된 대표적인 운동학적 프로필. (A) CMC, MCP 및 IP 관절에서 엄지손가락의 관절 각도. (B) 숫자 2-5의 MCP 조인트의 조인트 각도. (C) 숫자 2-5의 PIP 조인트의 조인트 각도. (D) 숫자 2-5의 DIP 조인트의 조인트 각도. 각 관절 이름 뒤에 오는 숫자는 각 관절이 해당하는 손가락을 나타냅니다(엄지 = 1, 검지 = 2, 가운데 = 3, 반지 = 4, 새끼 손가락 = 5). 이 그림은 Yough28에서 각색되었습니다. 약어: CMC = carpometacarpal; Ad/Ab = 내전/외전; E/F = 신전/굴곡; MCP = metacarpophalangeal; IP = 지절간; PIP = 근위 지절간; DIP = 원위 지절간. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-3
그림 5: 대표적인 EMG 센서 데이터. (A) 굴곡근 척골에 최적으로 배치된 안전한 EMG 센서의 원시 및 (B) 필터링된 EMG 신호. 이 그림은 Yough28에서 각색되었습니다. 약어: EMG = 근전도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Delsys 센서 번호근육
1굴곡근 척골
2굴곡근 carpi radialis
3신근 carpi 척골
4신근 carpi radialis longus
5안코네우스
6Flexor digitorum superficialis (굴근 손가락 표면)
7Extensor digitorum communis
8상완 이두근 - 내측/단두
9상완 이두근 - 측면/긴 머리
10상완 삼두근 - 긴 머리
11상완 삼두근 - 측면 머리
12전방 삼각근
13외측 삼각근
14신근 pollicis brevis
15납치범 폴리시스 브레비스

표 1: 이 프로토콜에 기록하기 위한 EMG 센서의 근육 선택.

자유도(Degree of Freedom)최소 접합 각도(rad)최대 접합 각도(rad)크기 (rad)
손목 Supination-Pronation0.240.680.44 ± 0.17
손목 확장-굴곡-0.47-0.40.1 ± 0.06
손목 내전-외전-0.18-0.10.08 ± 0.03
Carpometacarpal Adduction-Abduction0.350.550.2 ± 0.09
Carpometacarpal Flexion-Extension0.050.240.18 ± 0.12
엄지 중수골 굴곡 - 확장-0.23-0.150.08 ± 0.02
엄지지절 굴곡-신전-0.56-0.480.09 ± 0.03
인덱스 Metacarpal Extension-Flexion0.250.50.25 ± 0.13
인덱스 Proximal Interphalangeal Extension-Flexion0.740.940.0.2 ± 0.14
인덱스 원위 지절간 신전-굴곡0.670.810.15 ± 0.1
중간 중수골 확장-굴곡0.250.460.2 ± 0.11
Middle Proximal Interphalangeal Extension-Flexion0.891.070.18 ± 0.11
Middle Distal Interphalangeal Extension-Flexion0.740.90.15 ± 0.1
링 중수골 확장-굴곡0.220.420.2 ± 0.14
Ring Proximal Interphalangeal Extension-Flexion0.91.10.2 ± 0.15
반지 원위 지절간 신전-굴곡0.780.930.15 ± 0.1
작은 중수골 확장-굴곡0.320.480.16 ± 0.04
Little Proximal Interphalangeal Extension-Flexion0.931.090.16 ± 0.09
Little Distal Interphalangeal Extension-Flexion0.760.90.14 ± 0.09

표 2: 수정된 BBT 동안의 평균 조인트 각도 범위. DOF 이름의 이동 방향은 음수-양수 방향에 해당합니다. 예를 들어, "손목 Supination-Pronation"에서 supination은 음 방향이고 내전은 양의 방향입니다.

토론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

근전도 시스템
EMG 시스템의 하드웨어는 근육 활성화 데이터를 얻는 데 사용되는 15개의 EMG 센서로 구성됩니다. 상용 API(Application Programming Interface)를 사용하여 맞춤형 EMG 기록 소프트웨어를 생성했습니다. VR 시스템 하드웨어는 몰입형 VR 환경을 표시하는 데 사용되는 가상 현실 헤드셋과 헤드셋을 가상 평가 작업이 저장된 전용 컴퓨터에 연결하는 케이블로 구성됩니다. 이 소프트웨어는 VR 작업을 생성하고 실행하기 위한 3D 컴퓨터 그래픽 소프트웨어로 구성됩니다. 여기에서는 인기 있는 수동 민첩성 평가26에서 채택된 수정된 Box and Block Test가 평가 작업으로 사용되었습니다. VR 환경과의 상호 작용은 테이블이 생성되고, 작업을 시작하고, 블록을 생성하고, 데이터를 저장할 위치를 계산하도록 설계된 소프트웨어 프로그램을 사용하여 허용되었습니다.

모션 캡쳐 시스템
모션 캡처 시스템 하드웨어는 VR 헤드셋, 마커 모션 캡처 시스템 및 VR 모션 컨트롤러로 구성됩니다. VR 헤드셋에는 4개의 내장 적외선 카메라(72-120Hz)를 통한 핸드 트래킹 기능이 장착되어 있습니다. 이 데이터는 운동학적 분석을 위해 장치에서 추출되었습니다. 마커 모션 캡처 시스템은 서버, 시야각이 60°인 카메라, 마커인 적색 발광 다이오드(LED) 및 캘리브레이션 개체로 구성됩니다. 공간을 정확하게 캡처하려면 카메라가 약간 겹쳐야 합니다. 실험 중에 주어진 캡처 영역은 8대의 카메라(480Hz)로 둘러싸여 있었으며, 4대는 천장에, 4대는 바닥에 있었습니다. 이 시스템은 실험 전에 보정 및 정렬되었습니다. Marker 모션 캡처 시스템은 임상 및 연구 응용 분야 모두에 고화질 운동학 데이터를 제공하기 때문에 선호될 수 있습니다. VR 모션 컨트롤러에는 손과 손가락의 움직임을 캡처하는 광학 핸드 트래킹 모듈이 포함되어 있습니다. 컨트롤러에는 2개의 640 x 240 픽셀 근적외선 카메라(120Hz)가 있으며, 장치에서 최대 60cm까지 140 x 120° 시야에서 움직임을 추적할 수 있습니다. 이 장치는 VR 헤드셋에 부착되거나 이동 중에 머리 위에 고정되었습니다. 3D 컴퓨터 그래픽 개발 소프트웨어를 사용하여 핸드 트래킹을 시각화하고 VR 환경에서 데이터를 수집했습니다. 마커리스 및 마커 모션 캡처 시스템의 데이터는 맞춤형 소프트웨어 프로그램 스크립트를 사용하여 수집되고 저장되었습니다. 예제 소프트웨어 프로그램 스크립트는 다음에서 찾을 수 있습니다. https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0.

잠재적인 장비 대체
이 프로토콜에는 무선, 바이폴라, 표면 EMG 전극이 사용되지만 다른 EMG 기술(유선 등)로 대체될 수 있습니다. 재료 표에 설명된 대로 상업적으로 이용 가능한 표준 센서를 사용하는 경우 사용자 정의 소프트웨어 스크립트(2,000Hz의 샘플링 속도) 대신 함께 제공되는 DAQ 소프트웨어를 사용할 수 있습니다. 대체 EMG 센서를 사용하는 경우 해당 시스템과 호환되는 소프트웨어도 사용해야 합니다.

케이블을 통해 VR 헤드셋을 컴퓨터에 연결하는 대신 VR 헤드셋은 헤드셋 내에 대화형 환경을 저장할 수 있습니다. 향후 가정 재활을 위한 응용 프로그램에서 이 기능을 구현하는 것은 환자에게 유리할 것입니다. 여기에 사용된 VR 헤드셋은 다른 몰입형 VR 헤드셋으로 대체될 수 있습니다. 대체하기 전에 게임 개발 소프트웨어와의 호환성을 검증해야 합니다.

대체 개발 소프트웨어는 이 프로토콜에 설명된 가상 환경 및 작업의 생성을 위해 사용될 수 있습니다. 또한, VR로 번역된 다른 임상 평가는 여기에 예시된 수정된 BBT 대신 사용될 수 있습니다(예: ARAT(Action Research Arm Test) 또는 GRASSP(Graded Redefined Assessment of Strength, Sensation, and Prehension)). BBT는 광범위한 신경학적 손상을 평가하는 데 사용할 수 있지만 대체 임상 작업을 사용하면 다른 운동 장애를 평가할 수 있습니다. 예를 들어, GRASSP는 주로 척수 손상 환자를 평가하는 데 사용되는 반면, ARAT는 피질 손상으로 인한 편마비를 평가하는 데 가장 일반적으로 사용됩니다. 가상 평가는 소프트웨어 프로그램 스크립트(즉, 독립형)에 의한 제어 없이 관리할 수도 있지만 DAQ 및 테스트 관리 제어를 고려해야 합니다. 기술 평가를 위해 VR26에서 개발된 작업 대신 유형의 BBT(Box and Block Test)를 사용할 수 있습니다. 실제 장비를 사용하려면 VR 헤드셋에서 녹화된 핸드 트래킹 대신 대체 모션 캡처 기술이 필요합니다.

신뢰할 수 있는 대체 마커 또는 마커 없는 모션 캡처를 사용하여 손 운동학을 추적할 수 있습니다. 예를 들어, VR 기반 모션 캡처를 사용하여 설정을 단순화하는 동시에 운동학 정보를 추출하는 데 필요한 핸드 트래킹 데이터를 얻을 수 있습니다. 여기에 사용된 마커 모션 캡처 시스템에는 실험적 모션 캡처 공간을 보정하고 카메라를 실행하는 소프트웨어(샘플링 속도 480Hz)가 포함되어 있습니다. 대체 모션 캡처 기술은 적절한 해당 소프트웨어와 함께 사용해야 합니다.

그림 1에는 서로 다른 하드웨어 구성 요소를 실행하는 별도의 컴퓨터가 나와 있습니다. 단일 고성능 컴퓨터에서 데이터 수집 및 VR을 위한 모든 소프트웨어를 실행할 수 있습니다. 여기에 설명된 프로토콜에서 세 대의 개별 컴퓨터를 사용하려면 데이터 동기화가 필요합니다. 장치 간에 데이터를 적시에 동기화하는 것은 EMG, 운동학 및 힘 데이터가 의미 있는 결론을 도출하는 데 중요합니다. 내장된 datetime 함수를 사용하는 사용자 정의 소프트웨어 프로그램 스크립트를 사용하여 작업 시작 시 각 시스템의 세계시를 기록했습니다. 중요한 것은 이러한 스크립트가 제대로 작동하려면 모든 컴퓨터가 동일한 네트워크에 연결되어 있어야 한다는 것입니다. datetime을 사용하여 시작 시간을 기록한 후 DAQ 스크립트는 시험 중에 tic 및 toc 함수를 사용하여 시간을 증가시켰습니다. 이러한 함수는 약 0.000001s의 정밀도를 가지므로 잠재적으로 1,000kHz에서 데이터를 기록할 수 있습니다. 이 설정에서 가장 높은 샘플링 주파수는 30kHz이며, 이는 장치 간 녹음 및 동기화에 대한 이 방법의 최대 기능보다 훨씬 낮습니다. Python으로 개발된 전송 제어 프로토콜/인터넷 프로토콜(TCP-IP) 메시징 애플리케이션(29)은 IP 주소를 기반으로 VR 환경과 DAQ 애플리케이션 간의 데이터를 전송하는 데 사용되었습니다.

시간 동기화를 보장하는 것 외에도 서로 다른 샘플링 주파수에서 수집된 데이터를 동기화하는 것이 매우 중요했습니다. 이 중 두 대의 컴퓨터는 모션 캡처 데이터(480Hz)를 수집하고 EMG 데이터(2000Hz)를 기록하기 위해 수동으로 시작되었습니다. 이전 연구에서는 맞춤형 동기화 회로를 사용하여 시험 랜드마크에서 시스템 간에 공통 이벤트를 전송했습니다(예: 데이터 기록이 시작될 때 동기 펄스가 전송되고 기록이 종료될 때 다시 전송됨)30. 여기서 소프트웨어 프로그램의 datetime, tic 및 toc 함수를 사용하면 추가 하드웨어 없이도 동기화할 수 있습니다. 여기에 사용된 상용 TCP-IP 메시징 응용 프로그램도 시스템 간의 연속 통신을 지원했습니다. 시스템 간에 시간 및 데이터 수집 빈도를 동기화하기 위한 이 프레임워크는 고급 사후 분석을 위해 데이터를 일관되게 구성하는 데도 효과적이었습니다.

여기에 설명된 실험 프로토콜은 임상 또는 연구 그룹의 다양한 요구 사항을 해결하기 위해 매우 맞춤화할 수 있으며 임상 및 가정/원격 환경 모두에 적용할 수 있습니다. VR에서 수정된 BBT를 사용하여 근육 활동과 운동학을 평가하는 방법을 설명했지만, 다른 임상 테스트에 유사한 설정을 사용할 수 있으며 축소된 데이터 세트를 위해 단순화할 수도 있습니다. 예를 들어, 운동학적 데이터만 필요한 경우 EMG 및 힘 센서를 제외할 수 있습니다. 운동학적 데이터를 수집하려면 모션 캡처 시스템을 사용하기만 하면 됩니다. 추가 데이터를 기록하기 위해 뇌파 또는 심전도와 같은 추가 하드웨어도 포함될 수 있습니다. 표준 표면 근전도 전극 대신에, 고밀도 표면 또는 근육 내 근전도를 사용하여 보다 정확한 근육 활동 데이터(31,32)를 기록할 수 있다. 또한, ARAT 또는 GRASSP와 같은 다른 기능적 임상 검사는 다양한 환자 집단의 운동 결손을 평가하는 데 사용될 수 있습니다. 여기에 설명된 설정은 주로 VR에서 움직임 결함을 더 잘 정량화하기 위한 연구 목적으로 의도되었지만, 원격 환자 모니터링 및 재활을 가능하게 하는 유사한 설정을 개발하는 것을 목표로 합니다. 우리는 이 프로토콜이 웨어러블 EMG 기록 장치와 함께 손 모션 추적 기능이 장착된 표준 소비자 VR 고글을 사용하여 쉽게 적용할 수 있을 것으로 기대합니다. 향후 연구에서 우리는 현재 개발 중인 저비용, 웨어러블, 고밀도 EMG 슬리브를 통합하여 가정에서 사용할 수 있는 이 프로토콜을 더욱 개발하는 것을 목표로 합니다.

클리닉이나 재활 센터에서 하는 전통적인 물리 치료나 작업 치료와 비교했을 때, VR 재활 치료는 많은 잠재적 이점을 제공합니다. 여기에 설명된 프로토콜은 주로 연구 목적으로 사용하기 위한 것이지만, 가상 평가 방법은 값비싼 특수 의료 장비 없이도 기성 장치를 사용하여 원격으로 구현할 수 있습니다. 또한, VR 시스템은 손의 움직임을 정량적으로 추적하여 모션 품질에 대한 통찰력을 제공할 수 있으며, 이는 표준 평가33,34로는 실현 불가능할 수 있습니다. VR에서의 움직임과 실제 작업의 비교 가능성은 여전히 집중적인 연구 주제이며, 향후 통찰력은 VR이 재활에 어떻게 사용될 수 있는지에 영향을 미칠 것입니다. 여기에 설명된 절차는 VR을 사용하여 표준화된 움직임을 안내하고 개별 운동학 및 EMG 데이터를 얻는 유연한 설정입니다. 설명된 설정을 활용한 연구에서 얻은 데이터는 개인이 가상 환경에서 어떻게 움직이는지에 대한 통찰력과 일부 피험자가 VR이 더 몰입감을 느낄 수 있는 잠재적 메커니즘에 대한 통찰력을 제공할 수도 있습니다. 이는 실제 임상 평가를 VR 환경에 적용할 때 매우 중요합니다.

고품질의 정확한 데이터를 얻기 위해 이 프로토콜의 설정 및 실행의 여러 단계를 주의 깊게 모니터링해야 합니다. 가장 중요한 것은 적절한 EMG 센서 배치입니다. 신호 대 잡음이 높은 깨끗하고 정확한 EMG 데이터를 얻으려면 센서를 선택한 근육27의 배 위의 소독되고 털이 없는 피부에 배치해야 합니다. 마찬가지로, 마커 모션 캡처 시스템을 사용하는 경우, 관심 있는 접합 각도를 계산하기 위한 신뢰할 수 있는 데이터를 캡처하기 위해 마커를 뼈가 있는 랜드마크에 정확하게 배치해야 합니다. EMG 센서와 비교했을 때, 모션 캡쳐 마커의 방향에는 약간의 유연성이 있지만, 공간35에서 강체의 위치를 정의하기 위해 항상 최소 3개의 비동일선상에 있는 점들을 사용해야 한다. 모델 기반 역운동학과 같은 접합 각도를 계산하는 특정 기술에는 정확한 마커 배치가 필요합니다. 이 방법을 사용하는 경우 실험 마커 위치는 모델36의 위치와 일치해야 합니다. 역운동학 계산을 위해 개발된 근골격계 모델링 소프트웨어에는 일반적으로 모델 및 실험 마커 위치를 일치시키기 위한 내장 계산 함수가 포함되어 있습니다. Stanford University37에서 개발한 플랫폼인 OpenSim은 이러한 유형의 분석에 일반적으로 사용됩니다. EMG 센서와 마커 보안을 모두 모니터링하여 고품질 데이터가 기록되도록 해야 합니다.

이 프로토콜에서 얻은 데이터에 노이즈가 있는 경우 문제 해결은 여러 단계를 고려하는 데 중점을 두어야 합니다. 첫째, EMG 센서를 잘못 배치하면 잡음이 있는 데이터가 생성될 수 있으므로 확인해야 합니다. 이 문제를 완화하려면 이전에 논의한 바와 같이 EMG 센서를 부착하기 전에 피부를 준비하는 것이 중요합니다. 또한 마커가 카메라 범위를 벗어나면 낮은 품질의 모션 캡처 데이터가 발생할 수 있습니다. 추적된 포인트의 일시적인 손실은 보간을 통해 해결할 수 있지만 마커가 계속해서 정확한 위치 데이터를 전송하지 못하면 더 심각한 근본적인 문제가 존재할 수 있습니다. 단일 마커가 반복적으로 끊기는 경우 마커가 피사체의 움직임에 의해 가려졌거나 카메라 범위를 벗어나고 있음을 나타낼 수 있습니다. 또한 잘못된 카메라 보정으로 인해 여러 마커가 실패할 수 있습니다. 이 시나리오에서는 실험 공간에서 피험자와 테스트 장비를 제거한 후 모션 캡처 시스템을 완전히 재보정하는 것이 가장 좋습니다. 또한 저조도 환경은 고품질 모션 캡처 데이터를 획득하는 데 방해가 될 수 있으므로 충분한 조명을 사용해야 합니다.

설명된 프로토콜에는 몇 가지 제한 사항이 있습니다. 먼저, 여기에 설명된 구성에는 여러 모션 캡처 카메라를 사용해야 합니다. 그러나 이 프로토콜의 목적은 환자 혼자서 완료할 수 있는 완전한 원격 임상 평가를 개발하기 전에 VR에서 움직임 결함을 더 잘 정량화하기 위해 고해상도 데이터를 수집하는 것입니다. 또한 VR에서 수행되는 작업에는 촉각 피드백이 부족합니다. 이것은 촉각 피드백만으로도 그립력(38,39)의 크기를 변경할 수 있기 때문에 유의하는 것이 중요하다. 이는 유형의 장비를 사용하는 대신 가상 환경에서 작업을 실행할 때 근육 활성화 또는 운동학에 영향을 미칠 수 있습니다. 촉각 피드백이 매우 중요하다고 생각되는 경우(예를 들어, 환자가 감각 결핍을 경험하고 있는 경우), 촉각 피드백을 모방하기 위해 햅틱 로봇의 사용이 포함될 수 있습니다. 이러한 한계에도 불구하고, 여기에 설명된 설정에서 얻은 데이터는 운동 장애가 있는 환자를 위한 VR 전용 작업에서 운동학 및 근육 활동의 변화를 정량화하는 데 중요할 것으로 예상됩니다. 이는 이러한 임상 테스트를 가정에서 사용할 수 있도록 조정하는 데 도움이 될 것입니다. 이 프로토콜의 또 다른 제한 사항은 테스트 중에 한 번에 단일 블록이 표시된다는 것입니다. 표준 BBT에서는 150개의 나무 블록이 상자의 한 칸에 배치되어 시작합니다. 이 수정된 BBT는 동일한 가상 위치에서 리스폰되는 하나의 블록을 시뮬레이션하여 녹화된 모션 캡처 및 EMG 데이터의 재현성을 높이도록 설계되었습니다. 따라서 VR에서 구현된 수정된 BBT는 보다 단순화된 작업일 수 있습니다. 향후 연구에서는 콘텐츠 유효성을 보장하기 위해 VR에서 수정된 BBT가 표준 BBT 설정과 일치하도록 하는 것이 중요할 것입니다.

공개 사항

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

저자는 선언할 이해 상충이 없습니다.

감사의 글

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

이 작업은 국방부 보건 담당 차관보실(Office of the Assistant Secretary of Defense for Health Affairs)의 지원을 받아 신경근골격계 손상 환자(RESTORE)를 통한 전투원 복원 연구 프로그램(Award No. W81XWH-21-1-0138)을 받았습니다. 의견, 해석, 결론 및 권장 사항은 저자의 것이며 국방부에서 반드시 보증하는 것은 아닙니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
팔걸이 없는 의자N/A피험자가 앉을 수 있는 의자는 팔이 없어서 팔이 방해받지 않아야 한다.
컴퓨터Dell Technologies데이터 수집 장비와 함께 3대의 컴퓨터가 사용되었습니다.
Leap Motion ControllerUltraleap손과 손가락의 움직임을 포착하는 광학 핸드 트래킹 모듈입니다. 컨트롤러에는 두 개의 640 x 240 픽셀 근적외선 카메라 (120Hz)가 있으며, 이는 장치에서 최대 60cm까지 140 x 120°C에서 움직임을 추적할 수 있습니다. 시야각. 이 장치는 VR 헤드셋에 부착되거나 움직이는 동안 머리 위에 고정되었습니다.
MATLAB매스웍스 맞춤형 데이터 수집 소프트웨어를 개발하는 데 사용되는 프로그래밍 플랫폼
Oculus Quest 2Meta몰입형 가상 현실 헤드셋, 4개의 적외선 내장 카메라(72-120Hz)를 통한 손 추적 기능이 탑재되어 있습니다. 다른 유사한 장치(예: HTC Vive, HP Reverb, Playstation VR)로 대체할 수 있습니다.
Oculus Quest 2 Link 케이블MetaVR 게임이 저장된 컴퓨터에 헤드셋을 연결하는 데 사용됩니다
PhaseSpace Motion CapturePhaseSpace, Inc.마커 모션 캡처 시스템, 서버, 60도 시야각의 카메라, 마커로 적색 발광 다이오드(LED) 및 보정 개체
Trigno Wireless SystemDelsys, Inc.로 구성됩니다.Delsys Inc.에는 EMG, 가속도계, 힘 센서, 기지국 및 수집 소프트웨어가 포함됩니다. Trigno-MATLAB API(응용 프로그래밍 인터페이스)는 사용자 지정 녹음 소프트웨어를 개발하는 데 사용되었습니다.
언리얼 엔진 4에픽 게임즈소프트웨어: VR에서 수정된 박스와 블록 태스크를 만들고 실행하는 데 사용됩니다.
:

참고문헌

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Rosenbaum, D. A. Human motor control. , Elsevier Inc. (2010).
  2. Kalsi-Ryan, S., Curt, A., Fehlings, M., Verrier, M. Assessment of the hand in tetraplegia using the Graded Redefined Assessment of Strength, Sensibility and Prehension (GRASSP): impairment versus function. Topics in Spinal Cord Injury Rehabilitation. 14 (4), 34-46 (2009).
  3. Kalsi-Ryan, S., et al. The Graded Redefined Assessment of Strength Sensibility and Prehension: reliability and validity. Journal of Neurotrauma. 29 (5), 905-914 (2012).
  4. Menorca, R. M. G., Fussell, T. S., Elfar, J. C. Nerve physiology. Hand Clinics. 29 (3), 317-330 (2013).
  5. Spinal cord injury. National Institute of Neurological Disorders and Stroke. , Available from: https://www.ninds.nih.gov/health-information/disorders/spinal-cord-injury (2023).
  6. Peripheral neuropathy. National Institute of Neurological Disorders and Stroke. , Available from: https://www.ninds.nih.gov/health-information/patient-caregiver-education/fact-sheets/peripheral-neuropathy-fact-sheet (2023).
  7. Statistics: Get informed about Parkinson's disease with these key numbers. Parkinson's Foundation. , Available from: https://www.parkinson.org/understanding-parkinsons/statistics (2023).
  8. Virani, S. S., et al. Heart disease and stroke statistics-2021 update: a report from the American Heart Association. Circulation. 143 (8), e254(2021).
  9. Hsieh, Y., et al. Responsiveness and validity of three outcome measures of motor function after stroke rehabilitation. Stroke. 40 (4), 1386-1391 (2009).
  10. Van Der Lee, H., Beckerman, H., Lankhorst, G. J., Bouter, L. M. The responsiveness of the action research arm test and the Fugl-Meyer assessment scale in chronic stroke patients. Journal of Rehabilitation Medicine. 33 (3), 110-113 (2001).
  11. Duncan, P., et al. Randomized clinical trial of therapeutic exercise in subacute stroke. Stroke. 34 (9), 2173-2180 (2003).
  12. Saposnik, G., et al. Efficacy and safety of non-immersive virtual reality exercising in stroke rehabilitation (EVREST): a randomised, multicentre, single-blind, controlled trial. The Lancet Neurology. 15 (10), 1019-1027 (2016).
  13. Wolf, S. L., et al. The EXCITE stroke trial: Comparing early and delayed constraint-induced movement therapy. Stroke. 41 (10), 2309-2315 (2010).
  14. Krakauer, J. W., Carmichael, S. T. Broken movement: the neurobiology of motor recovery after stroke. , The MIT Press. Cambridge, MA. (2017).
  15. Pollock, A., et al. Interventions for improving upper limb function after stroke. Cochrane Database of Systematic Reviews. 2014 (11), (2014).
  16. Olesh, E. V., Yakovenko, S., Gritsenko, V. Automated assessment of upper extremity movement impairment due to stroke. PLoS ONE. 9 (8), e104487(2014).
  17. Gritsenko, V., et al. Feasibility of using low-cost motion capture for automated screening of shoulder motion limitation after breast cancer surgery. PLOS ONE. 10 (6), e0128809(2015).
  18. Thomas, A. B., Olesh, E. V., Adcock, A., Gritsenko, V. Muscle torques and joint accelerations provide more sensitive measures of poststroke movement deficits than joint angles. Journal of Neurophysiology. 126 (2), 591-606 (2021).
  19. De Luca, C. Electromyography. Encyclopedia of Medical Devices and Instrumentation. , (2006).
  20. Lin, C. -J., Guo, L. -Y., Su, F. -C., Chou, Y. -L., Cherng, R. -J. Common abnormal kinetic patterns of the knee in gait in spastic diplegia of cerebral palsy. Gait & Posture. 11 (3), 224-232 (2000).
  21. Lin, J., Shah, D., McCracken, C., Verma, S. Quantitative EMG in Duchenne muscular dystrophy (P6.328). Neurology. 86, (2016).
  22. EMG test for neuromuscular disease. Brigham and Women's Hospital. , Available from: https://www.brighamandwomens.org/medical-resources/emg-test (2023).
  23. Kuthe, C. D., Uddanwadiker, R. V., Ramteke, A. A. Surface electromyography based method for computing muscle strength and fatigue of biceps brachii muscle and its clinical implementation. Informatics in Medicine Unlocked. 12, 34-43 (2018).
  24. Holtermann, A., Grönlund, C., Karlsson, J. S., Roeleveld, K. Motor unit synchronization during fatigue: Described with a novel sEMG method based on large motor unit samples. Journal of Electromyography and Kinesiology. 19 (2), 232-241 (2009).
  25. Kim, H., Lee, J., Kim, J. Electromyography-signal-based muscle fatigue assessment for knee rehabilitation monitoring systems. Biomedical Engineering Letters. 8 (4), 345-353 (2018).
  26. Mathiowetz, V., Volland, G., Kashman, N., Weber, K. Adult norms for the box and block test of manual dexterity. American Journal of Occupational Therapy. 39 (6), 386-391 (1985).
  27. Hermens, H. J., Freriks, B., Disselhorst-Klug, C., Rau, G. Development of recommendations for SEMG sensors and sensor placement procedures. Journal of Electromyography and Kinesiology. 10 (5), 361-374 (2000).
  28. Yough, M. Advancing medical technology for motor impairment rehabilitation: Tools, protocols, and devices. Graduate Theses, Dissertations, and Problem Reports. , (2023).
  29. Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
  30. Talkington, W. J., Pollard, B. S., Olesh, E. V., Gritsenko, V. Multifunctional setup for studying human motor control using transcranial magnetic stimulation, electromyography, motion capture, and virtual reality. Journal of Visualized Experiments. (103), e52906(2015).
  31. Murillo, C., et al. High-density electromyography provides new insights into the flexion relaxation phenomenon in individuals with low back pain. Scientific Reports. 9 (1), 15938(2019).
  32. Péter, A., et al. Comparing surface and fine-wire electromyography activity of lower leg muscles at different walking speeds. Frontiers in Physiology. 10, 1283(2019).
  33. Isenstein, E. L., et al. Rapid assessment of hand reaching using virtual reality and application in cerebellar stroke. PLOS ONE. 17 (9), e0275220(2022).
  34. Varela-Aldás, J., Buele, J., López, I., Palacios-Navarro, G. Influence of hand tracking in immersive virtual reality for memory assessment. International Journal of Environmental Research and Public Health. 20 (5), 4609(2023).
  35. Robertson, D., et al. Human kinetics. Research methods in biomechanics. , Champaign, IL. (2004).
  36. Dunne, J. J., Uchida, T. K., Besier, T. F., Delp, S. L., Seth, A. A marker registration method to improve joint angles computed by constrained inverse kinematics. PLOS ONE. 16 (5), e0252425(2021).
  37. Delp, S. L., et al. OpenSim: Open-source software to create and analyze dynamic simulations of movement. IEEE Transactions on Biomedical Engineering. 54 (11), 1940-1950 (2007).
  38. Naceri, A., Gultekin, Y. B., Moscatelli, A., Ernst, M. O. Role of tactile noise in the control of digit normal force. Frontiers in Psychology. 12, 612558(2021).
  39. Wottawa, C. R., et al. The role of tactile feedback in grip force during laparoscopic training tasks. Surgical Endoscopy. 27 (4), 1111-1118 (2013).

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

Virtual Box And BlockMotion CaptureSurface ElectromyographyMuscle Activity AssessmentVirtual Reality RehabilitationRemote Patient MonitoringHand Function TestMotor Impairment QuantificationEMG SensorsUpper Limb Movement

관련 논문