2015년 2월 10일
이 보고서는 수동 마커 모션 캡쳐 디바이스를 사용할 때 견갑골 운동학을 얻는 견봉 마커 클러스터 방법을 채용하는 방법의 세부 사항을 제공한다. 문헌에 기술 된 바와 같이,이 방법은 피부의 움직임 아티팩트를 최소화 견갑골 운동학, 비 침습성, 강력한 입체 동적 및 유효 측정을 제공한다.
본 절차의 목적은 견갑골 운동학의 비침습적 동적 측정을 수행하는 것입니다. 이는 흉부와 견봉의 평평한 부위에 재귀 반사 마커와 마커 클러스터를 부착함으로써 이루어집니다. 두 번째 단계는 캘리브레이션 완드를 사용하여 마커 클러스터를 기준으로 견갑골의 해부학적 랜드마크 위치를 결정하는 것입니다.
보정이 완료되면, 참가자는 관련 운동 평면에서 팔을 들어 올리고 내리는 동작을 수행합니다. 마지막 단계는 견봉 마커 클러스터에 대한 기지 위치를 기반으로 동적 움직임 중 견갑골 해부학적 지표의 위치를 결정하는 것입니다. 최종적으로, 견갑골 해부학적 지표의 위치는 흉곽에 대한 견갑골의 방향을 나타내는 데 사용됩니다.
이 기술은 견갑골의 어떤 움직임 패턴이 견갑골 기능 부전과 관련이 있는가와 같은 생체역학 및 재활 분야의 핵심 질문에 답하는 데 도움이 될 수 있습니다. 또한 어깨 기능 부전 치료를 목표로 하는 치료 중재법의 평가도 가능하게 합니다. 시작하기 위해, 참가자에게 상의를 탈의하거나 마커의 움직임을 방해하지 않고 모션 캡처 시스템의 시야를 가리지 않는 옷을 입도록 요청하십시오.
L자형 플라스틱 조각으로 구성된 견봉 마커 클러스터(MC)를 제작합니다. 플라스틱 조각이 만나는 지점으로부터 각 면의 끝부분에 재귀반사 마커를 하나씩, 총 3개를 부착합니다. 양면테이프를 사용하여 견봉 마커 클러스터(A MC)를 견갑가시와 만나는 견봉의 후측 부분에 부착합니다.
플레이트의 한 면은 견갑골 능선을 따라 내측을 향해야 합니다. 다른 면은 견갑골 평면의 전방을 향해야 합니다. 다음 스트랩으로 넘어갑니다.
참가자의 상완 재귀반사 마커에 설정된 클러스터 마커 세트를 흉골 절흔, 검상 돌기, 제7경추(C7), 제8흉추(T8), 흉쇄관절, 척골 경상돌기 및 요골 경상돌기의 해부학적 표지에 부착해야 합니다. AMC에 대한 해부학적 표지는 각 참가자별로 보정해야 합니다. 이를 위해 4개의 반사 마커를 T자 형태로 배치하여 보정봉을 제작하십시오.
교정 완드(calibration wand)의 팁에서 첫 번째 완드 마커까지의 거리를 측정하십시오. 측정을 수행하려면, 교정할 랜드마크 위에 완드의 팁을 놓으십시오. 그 후 모션 캡처 시스템으로 3초간의 데이터를 캡처하되, 완드의 마커, A MC 및 상완 클러스터가 모두 카메라에 보이도록 하십시오.
먼저, 쇄골 위에 손을 올리고 쇄골이 견봉에 닿는 지점까지 외측으로 이동하여 견쇄관절의 위치를 찾습니다. 견봉 각도를 측정하기 위해 쇄골과 견봉 사이의 관절 부위에 프로브 팁을 배치하십시오. 또한 견갑가시를 따라 가장 외측 지점까지 이동합니다.
이 지점의 견봉 배측면에 탐촉자 팁을 배치하십시오. 다음으로, 견갑극을 따라 가장 내측 지점까지 ALS를 수행합니다. 견갑극의 내측 지점을 찾으려면, 견갑극이 견갑골의 내측연과 만나는 지점에 탐촉자 팁을 배치하십시오.
견갑골 하각의 위치를 찾으려면, 견갑골의 내측연을 따라 아래쪽으로 촉진한 뒤, 참가자의 팔꿈치를 90도로 굽히고 엄지손가락이 위를 향하게 한 상태에서 가장 돌출된 지점에 탐촉자 팁을 놓습니다. 팔꿈치의 내측에 손을 대어 내측상과를 찾습니다. 내측상과의 가장 돌출된 지점에 탐촉자 팁을 놓습니다.
동일한 위치에서 팔꿈치의 외측에 손을 대어 외상과를 찾고, 완드의 팁을 가장 돌출된 지점에 놓습니다. 견갑상완관절 중심을 결정하기 위해, 참가자에게 상완으로 회전 운동을 수행하도록 요청합니다. 팔꿈치를 완전히 펴고 팔의 거상 각도를 0도에서 약 40도까지 움직이면서, 참가자는 견갑대 복합체의 전인, 후인, 거상 또는 하강을 최소화하며 이 동작을 수행해야 합니다.
필요한 경우 연구자가 도움을 줄 수 있습니다. 이 동작을 약 30초 동안 기록하십시오. 보정이 완료되면, 참가자에게 팔을 0도에서 120도까지 들어 올린 후, 다시 팔을 내려 옆구리에 편하게 두도록 요청하여 데이터 수집을 시작하십시오.
대상자가 시상면, 관상면 및 견갑면에서 이 동작을 수행하도록 안내하십시오. 견갑면은 견갑골 운동학을 계산하기 위해 관상면보다 약 40도 전방에 위치합니다. 동적 움직임 시험 동안에는 운동학 모델링 소프트웨어가 사용됩니다.
이 소프트웨어에는 로컬 좌표계 생성, 로컬 좌표계에서 글로벌 좌표계로의 좌표 변환, 그리고 오일러 각 회전 계산을 가능하게 하는 명령어가 포함되어 있습니다. 먼저, A MC의 마커 좌표를 사용하여 임의의 로컬 좌표계를 정의하십시오. 그다음, 각 견갑골 해부학적 랜드마크 캘리브레이션 시행에 대해 글로벌 좌표계에서의 팁 하나의 위치를 계산하십시오.
A MC 지역 좌표계에 대한 팁 하나의 위치를 결정하십시오. 다음으로, 상완골 마커 클러스터에 대한 내측 및 외측 상과(epicondyles)의 위치를 결정하십시오. A MC에 대한 해부학적 랜드마크의 기지 위치를 사용하여, 동적 시험 중 각 시간 지점에서의 전체 좌표계 내 위치를 결정하십시오.
내측 및 외측 상과와 같은 각 해부학적 지표에 대해 이 단계를 반복하십시오. 상완 클러스터를 사용하십시오. 다음으로, 상완골과 견갑골 사이의 나선축 피벗 포인트를 사용하여 견갑상완관절 중심을 계산하십시오.
다음으로, 각 강체 세그먼트에 대한 국제 생체역학회(International Society of Biomechanics)의 권장 사항에 따라 관련 마커 사이의 단위 벡터를 계산하여 흉곽, 견갑골 및 상완골에 대한 국소 좌표계를 정의합니다. 각 시점별로 흉곽에 대한 견갑골의 방향을 결정하기 위해 내회전, 상방 회전, 후방 경사 순의 회전 시퀀스를 사용하는 오일러 각 분해법을 사용합니다. 다음으로, 거상 평면의 비카르단 회전 시퀀스를 사용하여 흉곽에 대한 상완골의 방향을 결정합니다. 거상 후 축 회전 순으로 진행합니다.
matlab와 같은 수치 모델링 소프트웨어를 사용하여 데이터 축소 및 분석 단계를 수행합니다. 운동학 데이터를 상완골 움직임의 거상 단계와 하강 단계로 나눕니다. 각 운동 단계의 시간을 정규화하고, 상완골 거상각에 따른 견갑골의 운동학을 표현합니다.
이 예시에서 상완골 거상 및 강하와 각 단계의 시작 및 종료 지점은 녹색 점선으로 표시되었습니다. 거상 및 강하 단계는 상완골 거상의 각속도를 사용하여 결정합니다. 가장 위에 있는 빨간색 파선은 거상 단계의 시작과 종료를 결정하는 데 사용되는 임계값을 나타냅니다.
가장 아래쪽의 빨간색 점선은 하강 단계의 시작과 끝을 결정하는 데 사용되는 임계값을 나타냅니다. 녹색 점선은 각속도가 임계값을 초과한 지점을 나타냅니다. 이 그래프는 101개 이상의 데이터 포인트로 보간된 팔 거상 시의 견갑골 상방 회전을 보여줍니다.
시간에 대해 정규화하기 위해서입니다. 시상면 팔 움직임 동안의 견갑골 회전은 거상 및 하강 단계에서의 상방 회전, 거상 및 하강 단계에서의 후방 경사, 그리고 거상 및 하강 단계에서의 내회전을 통해 나타납니다. 이 절차를 수행할 때, 유효하고 신뢰할 수 있는 결과를 얻기 위해서는 마커의 세심한 배치와 해부학적 지표의 촉진이 매우 중요하다는 점을 반드시 기억해야 합니다.
또한 이 기술은 상완골 거상 각도가 120도까지만 유효하다는 점을 기억하는 것이 중요합니다.
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
본 보고서에서는 수동 마커 모션 캡처 장치를 사용하여 견갑골 운동 형상학을 얻기 위한 견봉 마커 클러스터 방법을 상세히 설명합니다. 이 비침습적 기술은 피부 움직임 아티팩트를 최소화하여 견고한 3차원 측정을 가능하게 합니다.
역동적인 견갑골 운동학의 정확한 측정은 근골격계 질환의 전임상 모델에서 어깨 생체역학을 이해하는 데 필수적입니다. 견봉 마커 클러스터 방법은 피부 움직임 아티팩트를 줄여 재활 연구의 표적 검증을 위한 데이터 신뢰도를 향상시킵니다. 이는 팔을 올리고 내리는 단계 동안 견갑골 방향 변화의 정량적 평가를 가능하게 함으로써 기전적 리스크 감소를 지원합니다.
이 방법은 견갑흉격의 기여도가 어깨 기능 장애에 미치는 영향에 대한 가설 검증을 가능하게 함으로써 발견 생물학 워크플로우에 통합되며, 정량적 생체역학적 표현형 분석을 통해 리드물질 식별을 지원합니다.