Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

Opstelling voor de kwantitatieve beoordeling van beweging en spieractiviteit tijdens een virtuele gemodificeerde box- en bloktest

1.5K weergaven

⸱

DOI:

10.3791/65736

⸱

12 januari 2024

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

* These authors contributed equally

In dit artikel

Samenvatting

Het hier beschreven protocol heeft tot doel de kwantitatieve evaluatie van tekorten aan de bovenste ledematen te verbeteren, met als doel aanvullende technologie te ontwikkelen voor beoordeling op afstand, zowel in de kliniek als thuis. Virtual reality en biosensortechnologieën worden gecombineerd met standaard klinische technieken om inzicht te geven in de werking van het neuromusculaire systeem.

Samenvatting

Het vermogen om te bewegen stelt ons in staat om met de wereld om te gaan. Wanneer dit vermogen is aangetast, kan dit de kwaliteit van leven en de onafhankelijkheid aanzienlijk verminderen en tot complicaties leiden. Het belang van patiëntevaluatie en revalidatie op afstand is de laatste tijd toegenomen vanwege de beperkte toegang tot persoonlijke diensten. Zo heeft de COVID-19-pandemie onverwacht geleid tot strikte regelgeving, waardoor de toegang tot niet-opkomende gezondheidsdiensten werd beperkt. Bovendien biedt zorg op afstand de mogelijkheid om ongelijkheden in de gezondheidszorg aan te pakken in landelijke, achtergestelde en lage-inkomensgebieden waar de toegang tot diensten beperkt blijft.

Het verbeteren van de toegankelijkheid door middel van opties voor zorg op afstand zou het aantal ziekenhuis- of specialistische bezoeken beperken en routinematige zorg betaalbaarder maken. Ten slotte kan het gebruik van direct verkrijgbare commerciële consumentenelektronica voor thuiszorg de resultaten voor de patiënt verbeteren dankzij een verbeterde kwantitatieve observatie van symptomen, de werkzaamheid van de behandeling en de dosering van de therapie. Hoewel zorg op afstand een veelbelovend middel is om deze problemen aan te pakken, is het van cruciaal belang om motorische stoornissen voor dergelijke toepassingen kwantitatief te karakteriseren. Het volgende protocol probeert deze kennislacune aan te pakken om clinici en onderzoekers in staat te stellen gegevens met een hoge resolutie te verkrijgen over complexe bewegingen en onderliggende spieractiviteit. Het uiteindelijke doel is om een protocol te ontwikkelen voor het op afstand afnemen van functionele klinische tests.

Hier kregen de deelnemers de opdracht om een medisch geïnspireerde Box and Block-taak (BBT) uit te voeren, die vaak wordt gebruikt om de handfunctie te beoordelen. Deze taak vereist dat proefpersonen gestandaardiseerde kubussen vervoeren tussen twee compartimenten gescheiden door een barrière. We hebben een aangepaste BBT in virtual reality geïmplementeerd om het potentieel van het ontwikkelen van beoordelingsprotocollen op afstand aan te tonen. Spieractivatie werd voor elke proefpersoon vastgelegd met behulp van oppervlakte-elektromyografie. Dit protocol maakte het mogelijk om gegevens van hoge kwaliteit te verkrijgen om bewegingsstoornissen op een gedetailleerde en kwantitatieve manier beter te karakteriseren. Uiteindelijk hebben deze gegevens het potentieel om te worden gebruikt om protocollen te ontwikkelen voor virtuele revalidatie en patiëntbewaking op afstand.

Inleiding

Beweging is hoe we omgaan met de wereld. Hoewel dagelijkse activiteiten zoals het oppakken van een glas water of naar het werk lopen eenvoudig lijken, zijn zelfs deze bewegingen afhankelijk van complexe signalen tussen het centrale zenuwstelsel, spieren en ledematen. Als zodanig zijn persoonlijke onafhankelijkheid en kwaliteit van leven sterk gecorreleerd met het niveau van de ledemaatfunctie van een individu 2,3. Neurologische schade, zoals bij ruggenmergletsel (SCI) of perifere zenuwbeschadiging, kan leiden tot permanente motorische tekorten, waardoor iemands vermogen om zelfs eenvoudige activiteiten van het dagelijks leven uit te voeren, afneemt 4,5. Volgens het National Institute of Neurological Disorders and Stroke ervaren meer dan 100 miljoen mensen in de Verenigde Staten motorische tekorten, met een beroerte als een van de belangrijkste oorzaken 6,7,8. Vanwege de aard van deze verwondingen hebben patiënten vaak langdurige zorg nodig waarbij kwantitatieve motorische beoordeling en behandeling op afstand nuttig kunnen zijn.

De huidige praktijken voor de behandeling van bewegingsstoornissen vereisen vaak zowel initiële als voortdurende klinische beoordeling van de functie door middel van observatie door getrainde experts zoals fysiotherapeuten of ergotherapeuten. Standaard gevalideerde klinische tests vereisen vaak getrainde professionals om ze af te nemen, met specifieke tijdsbeperkingen en subjectieve scores van vooraf gedefinieerde bewegingen of functionele taken. Maar zelfs bij gezonde personen kunnen identieke bewegingen worden bereikt met verschillende combinaties van gewrichtshoeken. Dit concept wordt musculoskeletale redundantie genoemd.

Functionele klinische tests houden vaak geen rekening met de individuele redundantie die ten grondslag ligt aan de variabiliteit tussen proefpersonen. Voor zowel clinici als onderzoekers blijft het een uitdaging om onderscheid te maken tussen normale variabiliteit veroorzaakt door redundantie en pathologische veranderingen in beweging. Gestandaardiseerde klinische beoordelingen, uitgevoerd door goed opgeleide beoordelaars, maken gebruik van scoresystemen met een lage resolutie om de variabiliteit tussen beoordelaars te verminderen en de testvaliditeit te verbeteren. Dit introduceert echter plafondeffecten, waardoor de gevoeligheid en voorspellende validiteit voor proefpersonen met milde bewegingsstoornissen worden verlaagd 9,10. Bovendien kunnen deze klinische tests niet differentiëren of tekorten worden veroorzaakt door passieve lichaamsmechanica of actieve spiercoördinatie, wat van belang kan zijn tijdens de eerste diagnose en bij het ontwerpen van een patiëntspecifiek revalidatieplan. Gerandomiseerde klinische onderzoeken hebben een inconsistente werkzaamheid aangetoond van behandelplannen die zijn geformuleerd op basis van bewijs dat door deze klinische tests is geleverd11,12,13. Verschillende studies hebben de nadruk gelegd op de noodzaak van kwantitatieve, gebruiksvriendelijke klinische statistieken die kunnen worden gebruikt om het ontwerp van toekomstige interventies te begeleiden14,15.

In eerdere studies hebben we de implementatie aangetoond van geautomatiseerde bewegingsbeoordeling met behulp van direct verkrijgbare apparaten voor het vastleggen van bewegingen voor consumenten bij armbeschadiging na een beroerte, evenals de evaluatie van de schouderfunctie na een borstoperatie bij borstkankerpatiënten16,17. Bovendien hebben we aangetoond dat het gebruik van actieve gewrichtsmomenten om spiermomenten van specifieke actieve bewegingen te schatten, een gevoeligere maatstaf is voor motorische tekorten na een beroerte in vergelijking met gewrichtshoeken18. Motion capture en oppervlakte-elektromyografie (EMG) kunnen daarom van cruciaal belang zijn bij de beoordeling van patiënten die door standaard klinische tests als asymptomatisch zijn gediagnosticeerd, maar die mogelijk nog steeds bewegingsproblemen, vermoeidheid of pijn ervaren. Dit artikel beschrijft een systeem dat gedetailleerde en kwantitatieve karakterisering van beweging mogelijk maakt tijdens standaard klinische tests voor de toekomstige ontwikkeling van methoden voor thuisevaluatie en revalidatie bij patiëntenpopulaties met bewegingsstoornissen.

Virtual reality (VR) kan worden gebruikt om een meeslepende gebruikerservaring te creëren tijdens het modelleren van alledaagse taken. Doorgaans volgen VR-systemen de handbewegingen van de gebruiker om gesimuleerde interacties met de virtuele omgeving mogelijk te maken. Het protocol dat we hier beschrijven, maakt gebruik van VR-producten voor consumenten voor motion capture om de beoordeling van motorische tekorten te kwantificeren, vergelijkbaar met andere onderzoeken die het gebruik van kant-en-klare videogamecontrollers aantonen bij kwantitatieve evaluatie van stoornissen na een beroerte of schouderoperatie16,17. Bovendien is EMG een niet-invasieve maat voor de neurale activiteit die ten grondslag ligt aan spiercontractie19. Als zodanig kan EMG worden gebruikt om indirect de kwaliteit van de neurale controle van beweging te evalueren en een gedetailleerde beoordeling van de motorische functie te geven. Spier- en zenuwbeschadiging kan worden gedetecteerd door EMG, en aandoeningen zoals spierdystrofie en hersenverlamming worden vaak gecontroleerd met behulp van deze techniek20,21. Bovendien kan EMG worden gebruikt om veranderingen in spierkracht of spasticiteit te volgen, die mogelijk niet duidelijk zijn in kinematische beoordelingen22,23, evenals vermoeidheid en spiercoactivering. Statistieken zoals deze zijn van cruciaal belang bij het overwegen van de voortgang van de revalidatie 23,24,25.

Het experimentele paradigma dat hier wordt beschreven, probeert gebruik te maken van een combinatie van VR en EMG om de beperkingen van traditionele klinische beoordelingsinstrumenten aan te pakken. Hier werd de deelnemers gevraagd om een aangepaste Box and Block-taak (BBT)26 uit te voeren met behulp van echte objecten en in VR. De standaard BBT is een klinisch hulpmiddel dat wordt gebruikt bij de algemene beoordeling van de grove functie van de bovenste ledematen, waarbij proefpersonen wordt gevraagd om binnen één minuut zoveel mogelijk blokken van 2,5 cm van het ene compartiment, over een scheidingswand, naar een aangrenzend compartiment te verplaatsen. Hoewel ze vaak worden gebruikt om tekorten bij patiënten met een beroerte of andere neuromusculaire aandoeningen (bijv. parese van de bovenste ledematen, spastische hemiplegie) betrouwbaar te beoordelen, zijn er ook normatieve gegevens gerapporteerd voor gezonde kinderen en volwassenen in de leeftijd van 6-8926 jaar. Een virtuele bewegingsbeoordeling wordt gebruikt om functionele aspecten van de gevalideerde klinische test die in het echte leven wordt uitgevoerd, te simuleren. VR wordt hier gebruikt om de benodigde hardware te verminderen en tegelijkertijd gestandaardiseerde instructies en geprogrammeerde, geautomatiseerde scores te kunnen leveren. Als zodanig zou constant toezicht door getrainde professionals niet langer nodig zijn.

De BBT in deze studie is vereenvoudigd om zich te concentreren op het vastleggen van het bereiken en grijpen van één blok tegelijk dat op dezelfde locatie verschijnt. Dit maximaliseerde de reproduceerbaarheid van de bewegingen en minimaliseerde de variabiliteit tussen de proefpersonen in de geregistreerde gegevens. Ten slotte kunnen virtual reality-headsets worden gekocht voor slechts $ 300 en hebben ze het potentieel om meerdere beoordelingen te huisvesten. Eenmaal geprogrammeerd, zou dit de kosten die gepaard gaan met typische professionele evaluatie aanzienlijk verlagen en een grotere toegankelijkheid van deze standaard, gevalideerde klinische tests mogelijk maken in zowel klinische als externe/thuisomgevingen.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Experimentele procedures werden goedgekeurd door de West Virginia University Institutional Review Board (IRB), protocol # 1311129283, en hielden zich aan de principes van de Verklaring van Helsinki. De risico's van dit protocol zijn klein, maar het is noodzakelijk om alle procedures en mogelijke risico's aan de deelnemers uit te leggen en er is schriftelijke, geïnformeerde toestemming verkregen met documentatie die is goedgekeurd door de institutionele ethische beoordelingscommissie.

1. Systeemkenmerken en ontwerp

OPMERKING: De opzet van dit protocol bestaat uit de volgende elementen: (1) EMG-sensoren en -basis, (2) EMG-data-acquisitie (DAQ)-software, (3) een motion capture-systeem en (4) een VR-headset met bijbehorende software. Deze componenten zijn gevisualiseerd in figuur 1.

  1. Installatie van de systeemcomponenten
    1. Sluit het EMG-systeem aan.
      1. Sluit het EMG-basisstation aan op de stroomvoorziening.
      2. Sluit het EMG-basisstation aan op een speciale computer (Figuur 1C) met de DAQ-scripts.
        OPMERKING: Voorbeeldscripts zijn te vinden op: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0. Sommige commerciële producten kunnen worden geleverd met gelicentieerde DAQ-software, die ook kan worden gebruikt.
    2. Sluit het motion capture systeem aan.
      1. Sluit een tweede speciale computer (Afbeelding 1A) aan op een netwerkrouter.
      2. Sluit de netwerkrouter aan op een motion capture-server.
      3. Sluit de motion capture-server aan op een computermonitor voor visualisatie.
      4. Sluit de camera's aan op de motion capture-server.
    3. Sluit het VR-systeem aan.
      1. Sluit de VR-headset aan op een derde speciale computer met de bijbehorende DAQ-scripts (Afbeelding 1B).
        OPMERKING: Voorbeeldscripts zijn te vinden op: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0
      2. Laad de VR-gameomgeving met de beoogde taken op de computer die is gekoppeld aan de VR-headset (Figuur 1B).
    4. Bereid het gebied voor waar het onderwerp de taak zal voltooien.
      1. Gebruik een armloze, stevige stoel om ervoor te zorgen dat er geen interferentie is met het normale bereik van het onderwerp.
      2. Voor de veiligheid en nauwkeurigheid van de verzamelde gegevens moet u bevestigen dat het testgebied vrij is van alle obstakels.
    5. Synchroniseer de systemen.
      1. Gebruik een aangepaste softwarefunctie om systemen op tijd te synchroniseren met een eenmalige server.
      2. U kunt ook één computer of een voorkeursberichtenbeheerder gebruiken.

figure-protocol-1
Afbeelding 1: Opstelling van experimentele apparatuur. (A) De marker motion capture-camera's worden op de vloer en in het plafond rond de experimentele ruimte geplaatst, waardoor een optimale ruimte ontstaat voor het volgen van bewegingen. Een speciale computer wordt gebruikt om de motion capture-software uit te voeren en de gegevens op te slaan. (B) De headset die wordt gebruikt om de gewijzigde BBT in VR weer te geven, is aangesloten op een speciale computer waar de virtuele beoordelings- en taakgegevens worden opgeslagen. (C) De EMG-basis is verbonden met een speciale computer waar spieractiviteitsgegevens worden geregistreerd en opgeslagen tijdens de uitvoering van de taak. EMG-sensoren en LED-markeringen voor het vastleggen van bewegingen worden beide tijdens de sessie op de arm van het onderwerp geplaatst (zie afbeelding 2). Afkortingen: VR = virtual reality; EMG = elektromyografie. Klik hier om een grotere versie van deze figuur te bekijken.

2. Experimentele procedures

OPMERKING: een visuele weergave van de experimentele stroom die in dit protocol wordt beschreven, wordt weergegeven in figuur 2.

  1. EMG instellen
    1. Om de plaatsing van de EMG-sensor voor de beste signaalkwaliteit te bepalen, palpert u de spierbuik terwijl de deelnemer de relevante spier samentrekt27. Zie Tabel 1 voor de spierselectie die in dit protocol wordt gebruikt.
    2. Reinig met een alcoholdoekje zorgvuldig elke elektrode en de beoogde sensorplaatsingsplaats op de arm van de proefpersoon.
      OPMERKING: Grondige reiniging van zowel de EMG-sensoren als de huid van de proefpersoon zorgt voor een lage elektrode-huidimpedantie. Dit zorgt ervoor dat opgenomen EMG-gegevens een hoge signaal-ruisverhouding hebben. Overtollig haar op de plaats waar de sensor wordt geplaatst, kan gegevens van lage kwaliteit veroorzaken, zelfs als ze goed worden schoongemaakt. In dit geval kan het nodig zijn om het haar te scheren.
    3. Nadat u de EMG-elektroden en de huid van de proefpersoon hebt voorbereid, plaatst u de EMG-sensoren op de proefpersoon en zorgt u voor een goed contact tussen de elektroden en de huid. Bipolaire elektroden moeten zo worden geplaatst dat de sensoren evenwijdig zijn aan de richting van de spiervezels.
  2. Motion capture-systeem instellen
    OPMERKING: Dit is mogelijk niet nodig als alleen een VR-headset wordt gebruikt om handbewegingen te volgen voor kinematica.
    1. Kalibreer de motion tracking-camera's met behulp van de instructies van de fabrikant. Beweeg de kalibratiestaaf door de experimentele ruimte om de bewegingsvolgcamera's te kalibreren en de 3D-as van de ruimte in te stellen.
      OPMERKING: Het motion capture-systeem voor markeringen dat in dit protocol wordt gebruikt, bevat een kalibratiestaaf met LED-markeringen.
    2. Plaats de LED-motion capture-markeringen op de benige oriëntatiepunten van de bovenste extremiteit en romp van het onderwerp die nodig zijn om de gewenste biomechanische modellen te construeren.
    3. Gebruik de meegeleverde motion capture-software om ervoor te zorgen dat alle markeringen worden herkend en gevolgd door de motion capture-camera's. Instrueer de proefpersoon om verschillende oefenbewegingen uit te voeren, terwijl het onderzoekspersoneel de markergegevens in realtime visueel controleert.
  3. Taak voor het beoordelen van VR-vaardigheden instellen
    1. Plaats een stoel in het midden van de experimentele motion capture-ruimte. Gebruik een stoel die vergelijkbaar is met de stoel die wordt gebruikt voor de traditionele, real-world test.
    2. Kalibreer de VR-headset in de stoel waar de proefpersoon de beoordelingstaak zal uitvoeren. Eenmaal gekalibreerd, instrueert u de proefpersoon om in de stoel te gaan zitten en plaatst u de VR-headset op zijn hoofd.
    3. Terwijl het onderwerp zit, meet je de afstand tussen de schouder van het onderwerp en de grond, evenals de lengte van de arm van het onderwerp. Gebruik deze afstanden om de locatie in te stellen waar de tabel en de beoordelingstaak in VR zullen verschijnen.
    4. Voer in het VR-taakbeheerscript de metingen van het onderwerp in en programmeer het gewenste aantal herhalingen van blokspawnen.
      OPMERKING: In deze gewijzigde BBT zullen individuele blokken één voor één spawnen om de reproduceerbaarheid te vergroten.
  4. Instrueer de proefpersoon om de gewijzigde BBT-beoordeling in VR uit te voeren.
    1. Geef een korte uitleg van de taak aan het onderwerp.
      1. Het virtuele blok spawnt aan de linker- of rechterkant, afhankelijk van de experimentator.
      2. Leg aan de proefpersoon uit dat ze het virtuele blok moeten oppakken, over de partitie moeten vervoeren en op het doel in het tegenoverliggende compartiment moeten plaatsen (Figuur 2).
        OPMERKING: In de virtuele gemodificeerde BBT die hier wordt gebruikt, zal het blok automatisch verdwijnen en zo vaak opnieuw spawnen op de startpositie als bepaald door de experimentator.
    2. Begin met het verzamelen van EMG-gegevens.
    3. Begin met het verzamelen van motion capture-gegevens.
    4. Start de VR-vaardigheidsbeoordelingstaak.
      1. Laat de taak het vooraf ingestelde aantal herhalingen uitvoeren voordat deze automatisch wordt beëindigd.
    5. Bewaar de EMG- en kinematische gegevens voor post-hocanalyse.
    6. Bepaal een klinisch relevante score voor de Modified BBT post-hoc als het aantal blokken dat met succes over de barrière is gedragen of herhalingen van de taak in 60 s.

figure-protocol-2
Figuur 2: Experimenteel protocol, VR-taak en onderwerpopstelling. (A) Stroomdiagram dat het hier gebruikte experimentele protocol beschrijft. (B) Voorbeeldweergave van gewijzigde BBT geïmplementeerd in VR-omgeving. Anatomische metingen worden gebruikt om de VR-taak te kalibreren, zodat de virtuele tafel op de juiste relatieve locatie spawnt. (C) Plaatsing van LED-motion capture-markeringen en EMG-sensoren op het onderwerp. EMG-sensoren worden op de spieren van belang geplaatst en LED-motion capture-markeringen worden over benige oriëntatiepunten geplaatst. Afkortingen: VR = virtual reality; EMG = elektromyografie; LED = lichtgevende diode. Klik hier om een grotere versie van deze figuur te bekijken.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

EMG-, kinematica- en krachtgegevens die zijn verkregen van proefpersonen die dit protocol gebruiken, kunnen worden gebruikt om bewegingen te karakteriseren bij herhalingen van dezelfde taak, maar ook tijdens verschillende taken. De hier getoonde gegevens vertegenwoordigen de resultaten van gezonde controledeelnemers om de haalbaarheid van deze opstelling aan te tonen. Representatieve EMG-profielen die zijn opgenomen van een gezonde proefpersoon die de gemodificeerde BBT in VR uitvoert, worden weergegeven in

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

EMG-systeem
De hardware van het EMG-systeem bestaat uit 15 EMG-sensoren die worden gebruikt om spieractiveringsgegevens te verkrijgen. Een in de handel verkrijgbare Application Programming Interface (API) werd gebruikt om aangepaste EMG-opnamesoftware te genereren. De hardware van het VR-systeem bestaat uit een virtual reality-headset die wordt gebruikt om de meeslepende VR-omgeving weer te geven en een kabel om de headset te verbinden met de speciale computer waar de virtuele beoordelingstaak is opge...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs hebben geen belangenconflicten te melden.

Dankbetuigingen

Dit werk werd ondersteund door het kantoor van de adjunct-secretaris van Defensie voor gezondheidszaken via het Restoring Warfighters with Neuromusculoskeletal Injuries Research Program (RESTORE) onder Award No. W81XWH-21-1-0138. Meningen, interpretaties, conclusies en aanbevelingen zijn die van de auteurs en worden niet noodzakelijkerwijs onderschreven door het ministerie van Defensie.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Armless ChairN/AEen stoel waarin proefpersonen moeten zitten, moet armloos zijn zodat hun armen niet worden gestoord.
ComputerDell TechnologiesEr werden drie computers gebruikt om het data-acquisitie-apparatuur te begeleiden.
Leap Motion ControllerUltraleapOptisch handtrackingmodule die de beweging van de hand en vingers vastlegt. De controller heeft twee 640 x 240-pixel nabij-infraroodcamera's (120 Hz), die in staat zijn om bewegingen tot 60 cm van het apparaat te volgen en in een gezichtsveld van 140 x 120°. Dit apparaat werd aan de VR-bril bevestigd of boven het hoofd bevestigd tijdens het bewegen.
MATLABMathWorks, Inc. Programmeerplatform dat werd gebruikt om aangepaste data-acquisitiesoftware te ontwikkelen
Oculus Quest 2MetaImmersieve virtual reality-bril uitgerust met handtracking mogelijkheid via 4 ingebouwde infraroodcamera's (72-120 Hz). Kan worden vervangen door andere vergelijkbare apparaten (bijv. HTC Vive, HP Reverb, Playstation VR).
Oculus Quest 2 Link cableMetaWordt gebruikt om de bril op de computer aan te sluiten waar de VR-game was opgeslagen
PhaseSpace Motion CapturePhaseSpace, Inc.Gemarkeerd bewegingsregistratiesysteem, bestaande uit een server, camera's met 60° gezichtsveld, rood lichtemitterende diode (LED) als markers en een kalibratie-object
Trigno Wireless SystemDelsys, Inc.Door Delsys Inc., inclusief EMG, versnellingsmeter, krachtsensoren, een basisstation en verzameling software. De Trigno-MATLAB Application Programming Interface (API) werd gebruikt om aangepaste opnamesoftware te ontwikkelen.
UnReal Engine 4Epic GamesSoftware die werd gebruikt om de aangepaste Box and Block Task in VR te maken en uit te voeren

Referenties

  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).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Meer artikelen verkennen

Virtual Box And BlockMotion CaptureOppervlakte-elektromyografieBeoordeling van spieractiviteitVirtual Reality-revalidatiemonitoring van patiënten op afstandhandfunctie-testkwantificering van motorische beperkingenEMG-sensorenbewegingen van de bovenste ledematen
Opstelling voor de kwantitatieve beoordeling van beweging en spieractiviteit tijdens een virtuele gemodificeerde box- en bloktest
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.