Zaprojektowaliśmy test rzeczywistości wirtualnej do oceny instrumentalnych czynności życia codziennego (IADL) za pomocą systemu przechwytywania ruchu. Proponujemy szczegółową analizę kinematyczną w celu interpretacji różnych ruchów uczestnika, w tym trajektorii, odległości ruchu i czasu do ukończenia, aby ocenić możliwości IADL.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł metodologiczny
Pomiar kinematyki codziennych ruchów za pomocą systemów przechwytywania ruchu w rzeczywistości wirtualnej
W tym artykule
Podsumowanie
Streszczenie
Niezdolność do wykonywania czynności instrumentalnych życia codziennego (IADL) jest prekursorem różnych chorób neuropsychologicznych. Oceny IADL oparte na kwestionariuszach są łatwe w użyciu, ale podatne na subiektywne uprzedzenia. W tym miejscu opisujemy nowatorski test rzeczywistości wirtualnej (VR) do oceny dwóch złożonych zadań IADL: obsługi transakcji finansowych i korzystania z transportu publicznego. Podczas gdy uczestnik wykonuje zadania w scenerii VR, system przechwytywania ruchu śledzi pozycję i orientację dominującej ręki i głowy w trójwymiarowym kartezjańskim układzie współrzędnych. Surowe dane kinematyczne są gromadzone i przekształcane w "miary wydajności kinematycznej", tj. trajektorię ruchu, odległość ruchu i czas do ukończenia. Trajektoria ruchu to ścieżka określonej części ciała (np. dominującej ręki lub głowy) w przestrzeni. Odległość ruchu odnosi się do całkowitej odległości trajektorii, a czas do ukończenia to czas potrzebny na wykonanie zadania IADL. Te miary kinematyczne mogą odróżniać pacjentów z zaburzeniami poznawczymi od zdrowych osób z grupy kontrolnej. Opracowanie tego kinematycznego protokołu pomiarowego pozwala na wykrycie wczesnych zaburzeń poznawczych związanych z IADL.
Wprowadzenie
Instrumentalne czynności życia codziennego (IADL), takie jak obsługa transakcji finansowych, korzystanie z transportu publicznego i gotowanie, są markerami medycznymi, ponieważ wymagają wielu funkcji neuropsychologicznych1. Upośledzone zdolności IADL są zatem uważane za prekursory chorób neurologicznych, takich jak łagodne zaburzenia poznawcze (MCI) i demencja2. Kompleksowy przegląd zadań IADL przeprowadzony przez Golda3 wykazał, że zadania bardziej wymagające poznawczo, takie jak zarządzanie finansami i korzystanie z transportu publicznego, były najwcześniejszymi predyktorami MCI i demencji.
Do tej pory najczęściej używanymi ocenami IADL są kwestionariusze samoopisowe, kwestionariusze oparte na informatorach i oceny oparte na wynikach4. Oceny IADL oparte na kwestionariuszach są opłacalne i łatwe w użyciu, ale są podatne na subiektywne uprzedzenia. Na przykład, podczas samodzielnego zgłaszania, pacjenci mają tendencję do przeceniania lub niedoceniania swoich możliwości IADL 5. Podobnie, informatorzy błędnie oceniają możliwości IADL z powodu błędnych spostrzeżeń obserwatora lub luk w wiedzy4. W związku z tym preferowane są oceny oparte na wydajności, które proszą pacjentów o wykonanie określonych zadań IADL, chociaż wiele zadań jest nieodpowiednich dla ogólnego środowiska klinicznego6.
Ostatnio, badania wirtualnej rzeczywistości (VR) wykazały, że ta technologia może mieć znaczące zastosowania w medycynie i opiece zdrowotnej, która obejmuje wszystko, od treningu, przez rehabilitację, po ocenę medyczną7. Wszyscy uczestnicy mogą być testowani w tych samych warunkach VR, które naśladują świat rzeczywisty. Na przykład Allain i wsp.8 opracował wirtualne zadanie parzenia kawy i pokazał, że pacjenci z zaburzeniami poznawczymi wykonywali to zadanie słabo. Klinger i wsp.9 opracował kolejne środowisko VR do zadań mailingowych i zakupowych i znalazł znaczący związek między czasem wykonania zadania w VR a wynikami testów neuropsychologicznych. Poprzednie badania VR dotyczące oceny IADL koncentrowały się głównie na prostych pomiarach wydajności, takich jak czas reakcji lub dokładność, podczas korzystania z konwencjonalnych urządzeń wejściowych, takich jak mysz i klawiatura8,9. Bardziej szczegółowe dane dotyczące IADL są zatem potrzebne do skutecznego badania przesiewowego pacjentów z MCI4.
Analiza kinematyczna danych z przechwytywania ruchu w czasie rzeczywistym to potężne podejście do ilościowego dokumentowania szczegółowych danych dotyczących wydajności związanych z zadaniami IADL. Na przykład White i wsp.10 opracował wirtualną kuchnię, która rejestruje dane dotyczące kąta stawów uczestnika podczas codziennych zadań życiowych i wykorzystał zebrane dane do ilościowej oceny skuteczności fizjoterapii. Dimbwadyo-Terrer i wsp.11 opracował immersyjne środowisko VR do oceny wydajności kończyn górnych podczas wykonywania podstawowych codziennych zadań życiowych i pokazał, że dane kinematyczne zarejestrowane w środowisku VR silnie korelują ze skalami funkcjonalnymi kończyny górnej. Te analizy kinematyczne z wykorzystaniem systemów przechwytywania ruchu mogą zapewnić dalsze możliwości szybkiej oceny upośledzenia poznawczego pacjenta12. Włączenie szczegółowych danych kinematycznych do badań przesiewowych u pacjentów z MCI znacznie poprawiło klasyfikację pacjentów w porównaniu ze zdrowymi osobami z grupy kontrolnej13.
Tutaj opisujemy protokół do oceny kinematyki codziennych ruchów za pomocą systemów przechwytywania ruchu w immersyjnym środowisku VR. Protokół składał się z dwóch złożonych zadań IADL: "Zadanie 1: Wypłać pieniądze" (obsługa transakcji finansowych) i "Zadanie 2: Wsiądź do autobusu" (korzystanie z transportu publicznego). Podczas wykonywania zadań system przechwytywania ruchu śledził pozycję i orientację dominującej ręki i głowy. Po wykonaniu zadania 1 zebrano dominującą trajektorię ręki, odległość ruchu i czas do ukończenia. W zadaniu 2 zebrano trajektorię głowy, odległość ruchu i czas do ukończenia. Sekcja Reprezentatywne wyniki w tym artykule zawiera szczegółowe informacje na temat wstępnego testu pacjentów z MCI (tj. zdolności IADL są upośledzone) w porównaniu ze zdrowymi osobami z grupy kontrolnej (tj. zdolności IADL są nienaruszone).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Protokół
Wszystkie opisane tutaj procedury eksperymentalne zostały zatwierdzone przez Institutional Review Board of Hanyang University, zgodnie z Deklaracją Helsińską (HYI-15-029-2). 6 zdrowych osób z grupy kontrolnej (4 mężczyzn i 2 kobiety) oraz 6 pacjentów MCI (3 mężczyzn i 3 kobiety) zostało zrekrutowanych z centrum medycznego trzeciego stopnia, Szpitala Uniwersyteckiego Hanyang.
1. Rekrutacja uczestników
- Rekrutacja pacjentów z MCI (tj. upośledzonymi zdolnościami IADL) i zdrowych osób z grupy kontrolnej (tj. normalnych zdolności IADL) w wieku od 70 do 80 lat.
- Z pomocą neurologa z ponad 10-letnim doświadczeniem klinicznym przejrzyj historię medyczną pacjentów i wyklucz pacjentów z historią chorób neurologicznych/psychiatrycznych lub operacji mózgu.
UWAGA: Skorzystaj z następujących testów neuropsychologicznych: Mini Mental State Examination-Dementia Screening, Korean Instrumental Activities of Daily Living, Free and Cued Selective Reminding Test, Digit Span Test-Forward/Backward, Trail Making Test-A/B13 oraz kryteria Alberta i wsp.14 do diagnozy MCI.
2. Zainstaluj oprogramowanie VR i podłącz komputery
- Ustaw sprzęt w dedykowanym pomieszczeniu podobnie jak Rysunek 1. Wykonaj ten protokół w immersyjnym środowisku wirtualnym wielkości pomieszczenia (4 x 2,5 x 2,5m3) zawierającym 4 komputery, 4 stereoskopowe projektory trójwymiarowe (3D) i 8 kamer śledzących ruch, aby śledzić pozycję i orientację dominującej ręki i głowy podczas dwóch zadań IADL.
UWAGA: Technologie VR użyte w tym artykule to sprzęt komputerowy i oprogramowanie, które oferują wciągające i interaktywne doświadczenia 3D, dzięki którym realistyczne obiekty i wydarzenia mogą być prezentowane w środowisku wirtualnym. Szczegóły dotyczące sprzętu i oprogramowania są opisane w Tabeli Materiałów. - Upewnij się, że wszystkie komputery są wyposażone w wymagane oprogramowanie (pakiet redystrybucyjny programu Visual Studio 2012 (x86), DirectX i MiddleVR lub odpowiednik). W przypadku MiddleVR, czyli oprogramowania pośredniczącego, sprawdź stronę website15, aby uzyskać najnowsze wersje bibliotek dla urządzeń wejściowych, stereoskopii, klastrowania i interakcji.
- Podłącz komputery do stereoskopowych projektorów 3D. Ustawienia graficzne to rozdzielczość 1920 x 1080 pikseli.
- Utwórz grupę domową systemu Windows 10, aby połączyć 4 komputery z siecią domową. Na komputerze podstawowym utwórz folder i udostępnij go innym komputerom grupy domowej.
- Na komputerze podstawowym zainicjuj oprogramowanie pośredniczące. Kliknij przycisk "Klaster". Ustaw komputer podstawowy jako serwer, a inne komputery jako klientów. Spowoduje to zsynchronizowanie stanu wszystkich urządzeń. Kliknij przycisk "Węzły 3D". Określ położenie, orientację i rozmiar ekranu środowiska wirtualnego.
- Uzupełnij ustawienia na podstawie website15 i zapisz plik konfiguracyjny.
3. Konfiguracja systemów przechwytywania ruchu w środowisku wirtualnym
- Zamontuj 8 kamer śledzących ruch w środowisku wirtualnym, aby w pełni pokryć objętość przechwytywania. Zamocuj kamery bezpiecznie, tak aby pozostały nieruchome podczas przechwytywania. Upewnij się, że obiekty w środowisku wirtualnym będą widoczne przez co najmniej 2 kamery przez cały czas.
- Zainstaluj oprogramowanie OptiTrack Motive, tj. oprogramowanie do przechwytywania ruchu, na głównym komputerze, korzystając z instrukcji instalacji16. Podłącz główny komputer do systemów przechwytywania ruchu za pomocą Ethernet kategorii 6.
- Skalibruj systemy przechwytywania ruchu, wykonując następujące czynności, zgodnie z opisem w instrukcji oprogramowania16.
- Usuń wszystkie zbędne odbicia lub niepotrzebne znaczniki z woluminu przechwytywania.
- Kliknij przycisk "Maska widoczna", aby zamaskować niechciane odbicia lub zakłócenia otoczenia.
- Kliknij przycisk "Rozpocznij różdżkę". Użyj różdżki kalibracyjnej, aby wspomóc przechwytywanie ramek próbek w celu obliczenia odpowiednich pozycji i orientacji w przestrzeni 3D.
- Kliknij przycisk "Oblicz", aby skalibrować system na podstawie pobranych próbek.
- Sprawdź wyniki kalibracji (w kolejności od najgorszej do najlepszej): Słaba, Dostateczna, Dobra, Świetna, Doskonała i Wyjątkowa. Jeśli wynik jest lepszy niż świetny, kliknij przycisk "Zastosuj". Jeśli nie, kliknij przycisk "Anuluj" i powtórz proces różdżkowania.
- Umieść kwadrat kalibracyjny w przestrzeni 3D, w której ma się znajdować początek układu współrzędnych. Kliknij przycisk "Ustaw płaszczyznę podłoża", aby ustanowić śledzony początek układu współrzędnych 3D.
- Wybierz powiązane znaczniki odblaskowe dla dominującej ręki i głowy. Kliknij przycisk "Ciało sztywne", a następnie kliknij przycisk "Utwórz z wybranych znaczników".
- W oprogramowaniu do przechwytywania ruchu otwórz menu "Przesyłanie strumieniowe". Sprawdź, czy podany numer portu to 3883, a następnie zaznacz pole "Dane ramki rozgłoszeniowej" w kategorii "VRPN Streaming Engine". Kliknij "Ctrl" + "S", aby zapisać plik kalibracyjny.
- Na komputerze podstawowym zainicjuj oprogramowanie pośredniczące. Kliknij przycisk "Urządzenia". Dodaj VRPN Tracker, aby uzyskać dane śledzenia z systemu przechwytywania ruchu, a następnie zapisz plik konfiguracyjny.
4. Przygotowanie środowiska wirtualnego do użycia
- Usuń wszystkie przedmioty odbijające światło (tj. zegarki, pierścionki, kolczyki, metale itp.) ze środowiska wirtualnego.
- Włącz komputery, stereoskopowe projektory 3D i systemy przechwytywania ruchu (360 klatek na sekundę).
- Po uruchomieniu 4 komputerów uruchom oprogramowanie VRDaemon. Na przykład kliknij dwukrotnie "VRDaemon.exe", który znajduje się w "C:\Program Files (x86)\MiddleVR\bin".
- Na komputerze głównym uruchom oprogramowanie do przechwytywania ruchu. Kliknij przycisk w pobliżu górnego menu oznaczony "Otwórz istniejący projekt". Załaduj plik kalibracji kamery.
- Na komputerze podstawowym zainicjuj oprogramowanie pośredniczące. Kliknij przycisk "Symulacje". Załaduj odpowiednie pliki symulacyjne i konfiguracyjne z folderu udostępnionego.
- W oprogramowaniu pośredniczącym naciśnij przycisk "Uruchom", aby uruchomić wciągającą aplikację wirtualną z wybranymi plikami symulacyjnymi i konfiguracyjnymi.
5. Zapoznaj uczestnika z wirtualnym środowiskiem
- Zapewnij uczestnikowi okulary stereoskopowe o wadze około 50 g. Częstotliwość wyświetlania okularów stereoskopowych wynosi 192 Hz. Upewnij się, że okulary stereoskopowe są wygodnie umieszczone na oczach i uszach; patrz Rysunek 2A.
- Przymocuj odblaskowe znaczniki o wadze mniejszej niż 1 g do dominującej ręki i głowy uczestnika. Uważaj, aby mocno przymocować odblaskowe znaczniki; patrz Rysunek 2B. Poinformuj uczestnika, że może swobodnie poruszać się lub obracać w środowisku wirtualnym za pomocą ruchu głowy i może klikać wirtualne obiekty dominującą ręką. Wirtualna ręka pojawia się w środowisku wirtualnym, aby naśladować pozycję palca wskazującego uczestnika; zobacz Rysunek 3.
- Poproś uczestnika, aby swobodnie poruszał się (tj. wstał, usiadł, poszedł w lewo i poszedł w prawo) w środowisku wirtualnym przez 5 minut, aby zapoznać się ze środowiskiem VR. Następnie poproś uczestnika, aby klikał wirtualne przyciski przez 5 minut, aby zapoznać się z tym, jak wchodzić w interakcje z wirtualnymi obiektami za pomocą dominującej ręki. Zapewnij kolejną 10-minutową sesję szkoleniową, jeśli uczestnik o nią poprosi.
- Sprawdź, czy uczestnik jest odporny na chorobę VR za pomocą kwestionariusza choroby symulatora17.
UWAGA: Zsynchronizowane śledzenie ruchu na wyświetlaczu stereoskopowym może powodować chorobę VR, która może powodować dyskomfort, ból głowy, świadomość żołądka, nudności, wymioty, bladość, pocenie się, zmęczenie, senność, dezorientację i apatię. Jeśli uczestnik skarży się na zmęczenie lub wynik choroby na symulatorze jest zbyt wysoki, przerwij protokół.
6. Wykonaj "Zadanie 1: Wypłać pieniądze"
UWAGA: Zrównoważ sekwencje Zadania 1 i Zadania 2, aby usunąć efekt przeniesienia.
- Wyjaśnij uczestnikowi szczegóły zadania i podaj 8 kroków działania, które należy wykonać, aby wykonać zadanie w środowisku wirtualnym. Kroki są następujące: (1) włóż kartę do bankomatu, (2) wybierz menu "wypłać", (3) wybierz kwotę do wypłaty, (4) wybierz typ rachunku, (5) wprowadź PIN (osobisty numer identyfikacyjny), (6) wybierz opcję paragonu, (7) wyjmij kartę i (8) wyjmij pieniądze z bankomatu (patrz Rysunek 4).
- Na komputerze podstawowym zainicjuj oprogramowanie pośredniczące. Na karcie "Symulacje" wybierz plik symulacji dla zadania 1 i plik konfiguracyjny. Naciśnij przycisk "Uruchom"; "Zadanie 1: Wypłać pieniądze" zostanie uruchomione w środowisku wirtualnym.
UWAGA: Aby zapoznać się z plikiem Zadanie 1, zobacz załączony plik "Zadanie 1 Wycofaj Money.zip" w pliku uzupełniającym 1. Należy pamiętać, że zadanie wirtualne zostało opracowane przy użyciu aparatu Unity 3D. - Jeśli "Zadanie 1: Wypłać pieniądze" jest uruchomione w środowisku wirtualnym, poinstruuj uczestnika, aby wykonał następujące czynności: "Wypłać 70 000 KRW (równowartość około 60 USD) z bankomatu na zakupy. Wybierz dwa różne rodzaje banknotów, jeden o nominale 50 000 KRW o nominale 50 000 KRW i dwa banknoty o nominale 10 000 KRW o nominale 20 000 KRW. Hasło do transakcji to dzisiejsza data. Na przykład, jeśli eksperyment jest przeprowadzany 11 listopada, to PIN to 1111. Prosimy o zachowanie paragonu do dalszego wykorzystania."
- Po zakończeniu zadania sprawdź zapisane dane kinematyczne w plikach CSV (wartości oddzielone przecinkami) do dalszej analizy z folderu współdzielonego.
UWAGA: Korzystając z systemów motion capture, podczas "Zadania 1: Wypłać pieniądze" nagrywaj pozycję i orientację dominującej ręki podczas wykonywania zadania z częstotliwością nagrywania 1 ms. - Daj uczestnikowi około 5 minut przerwy przed rozpoczęciem "Zadania 2: Wsiądź do autobusu".
7. Wykonaj "Zadanie 2: Wsiądź do autobusu"
- Wyjaśnij uczestnikowi szczegóły zadania i podaj instrukcje, jak wykonać "Zadanie 2: Wsiądź do autobusu" w następujący sposób: "Poczekaj na przystanku autobusowym i wsiądź do autobusu docelowego. Informacje o autobusie docelowym zostaną podane na ekranie VR przez określony numer linii, kolor i miejsce docelowe. Kiedy autobus docelowy przyjedzie, pamiętaj, aby wyjść z przystanku autobusowego i udać się do drzwi wejściowych autobusu docelowego. 8 różnych autobusów docelowych zostanie losowo wygenerowanych i zaprezentowanych." Zobacz Rysunek 5.
- Na komputerze podstawowym zainicjuj oprogramowanie pośredniczące. Na karcie "Symulacje" wybierz plik symulacji dla zadania 2 i plik konfiguracyjny. Naciśnij przycisk "Uruchom", a następnie "Zadanie 2: Wsiądź do autobusu" zostanie uruchomione w środowisku wirtualnym.
UWAGA: Aby uzyskać informacje na temat pliku Zadanie 2, zobacz załączony plik "Zadanie 2 Wykonaj Bus.zip" w pliku uzupełniającym 2. Należy pamiętać, że zadanie wirtualne zostało opracowane przy użyciu aparatu Unity 3D. - Jeśli "Zadanie 2: Wsiądź do autobusu" odbywa się w środowisku wirtualnym, poinstruuj uczestnika, aby poczekał na przystanku autobusowym. Kliknij "Spacja" na klawiaturze, aby autobusy przyjechały na przystanek.
- Po zakończeniu zadania sprawdź zapisane dane kinematyczne w plikach CSV pod kątem dalszej analizy z folderu współdzielonego.
UWAGA: Korzystając z systemów motion capture, podczas "Zadania 2: Wsiądź do autobusu" nagrywaj pozycję i orientację głowy podczas wykonywania zadania z częstotliwością nagrywania 1 ms. - Protokół jest kompletny. Pomóż uczestnikowi zdjąć okulary stereoskopowe i odłączyć odblaskowe znaczniki od dominującej ręki i głowy.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wyniki
Pliki CSV z zadania „Zadanie 1: Wypłata pieniędzy” przeanalizowano przy użyciu oprogramowania statystycznego R w celu obliczenia trajektorii dominującej ręki, dystansu ruchu oraz czasu wykonania. Trajektoria ruchu dominującej ręki została przedstawiona na wizualizacji (Rycina 6). Dystans ruchu dominującej ręki obliczono poprzez zsumowanie całkowitych odległości pomiędzy kolejnymi pozycjami dłoni podczas wykonywania Zadania 1. Odległość między pozycjami stanow...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Dyskusja
Szczegółowo opracowaliśmy kinematyczny protokół pomiarowy codziennych ruchów za pomocą systemów przechwytywania ruchu w immersyjnym środowisku VR. Po pierwsze, środowisko eksperymentalne poprowadziło uczestników do konfiguracji, przygotowania i zapoznania się z immersyjnym środowiskiem VR. Po drugie, opracowaliśmy dwa ustandaryzowane zadania IADL w VR. Po trzecie, Krok 3 i Krok 5 w sekcji Protokół są najbardziej krytycznymi krokami w celu zminimalizowania choroby VR. Podczas konfigurowania systemów przechwytywania ruchu ...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Oświadczenia
Autorzy deklarują brak konfliktu interesów.
Podziękowania
K.S. i A.L. wnoszą równy wkład. Badania te były wspierane przez Program Badań Podstawowych za pośrednictwem Narodowej Fundacji Badawczej Korei (NRF) finansowany przez Ministerstwo Nauki, ICT i Planowania Przyszłości (NRF-2016R1D1A1B03931389).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Komputer | NIE | DOTYCZY NIE DOTYCZY | Wymagania komputerowe: - Pojedyncze gniazdo H3 (LGA 1150) obsługuje - Intel® Xeon® E3-1200 v3, 4. generacji Procesory Core i7/i5/i3 - Intel® C226 Express PCH - Do 32 GB DDR3 ECC/non-ECC 1600MHz UDIMM w 4 gniazdach - Dwa porty Gigabit Ethernet LAN - 8x SATA3 (6 Gb/s) - 2x PCI-E 3.0 x16, 3x PCI-E 2.0 x1 i 2x PCI 5V 32-bit - 6x USB 3.0 (2 z tyłu + 4 przez nagłówki) - 10x USB 2.0 (4 z tyłu + 6 przez nagłówki) - HD Złącze kanałowe audio 7.1 firmy Realtek ALC1150 - 1x złącze zasilania DOM i 1x wyjście SPDIF Header - Zasilacz o wysokiej sprawności 800W - Intel Xeon E3-1230v3 - DDR3 PC12800 8GB ECC - WD 1TB BLUE WD 10EZEX 3,5" - NVIDIA QUADRO K5000 i |
| Stereoskopowy projektor 3D | Barco | F35 AS3D WUXGA | Rozdzielczość: - WQXGA (2,560 x 1,600) - Panorama (2,560 x 1,080) - WUXGA (1,920 x 1,200), 1080p (1,920 x 1,080) |
| Okulary stereoskopowe | Volfoni | Edge 1.2 | Aby uzyskać więcej informacji, odwiedź stronę http://volfoni.com/en/edge-1-2/ |
| Systemy przechwytywania ruchu | NaturalPoint OptiTrack | 17W | Aby uzyskać więcej informacji, odwiedź stronę http://optitrack.com/products/prime-17w/ |
| OptiTrack (oprogramowanie do przechwytywania ruchu) | NaturalPoint OptiTrack | Motive 2.0 | Aby uzyskać więcej informacji, odwiedź stronę https://optitrack.com/downloads/motive.html |
| MiddleVR (oprogramowanie pośredniczące) | MiddleVR | MiddleVR dla Unity | Aby uzyskać więcej informacji, odwiedź stronę http://www.middlevr.com/middlevr-for-unity/ |
| VRDaemon (Oprogramowanie pośredniczące) oprogramowanie) | MiddleVR | MiddleVR dla Unity | Aby uzyskać więcej informacji, odwiedź stronę http://www.middlevr.com/middlevr-for-unity/ |
| Unity3D (silnik gry) | Unity Technologies | Personal | Aby uzyskać więcej informacji, odwiedź https://unity3d.com/unity |
Bibliografia
- Reppermund, S., et al. Impairment in instrumental activities of daily living with high cognitive demand is an early marker of mild cognitive impairment: the Sydney Memory and Ageing Study. Psychol. Med. 43 (11), 2437-2445 (2013).
- Graf, C. The Lawton instrumental activities of daily living scale. Am. J. Nurs. 108 (4), 52-62 (2008).
- Gold, D. A. An examination of instrumental activities of daily living assessment in older adults and mild cognitive impairment. J. Clin. Exp. Neuropsychol. 34 (1), 11-34 (2012).
- Jekel, K., et al. Mild cognitive impairment and deficits in instrumental activities of daily living: a systematic review. Alzheimers. Res. Ther. 7 (1), 17(2015).
- Suchy, Y., Kraybill, M. L., Franchow, E. Instrumental activities of daily living among community-dwelling older adults: discrepancies between self-report and performance are mediated by cognitive reserve. J. Clin. Exp. Neuropsychol. 33 (1), 92-100 (2011).
- Desai, A. K., Grossberg, G. T., Sheth, D. N. Activities of Daily Living in patients with Dementia. CNS drugs. 18 (13), 853-875 (2004).
- Ma, M., Jain, L. C., Anderson, P. Virtual, augmented reality and serious games for healthcare 1. 68, Springer Science & Business Pubs. Berlin. (2014).
- Allain, P., et al. Detecting everyday action deficits in Alzheimer's disease using a nonimmersive virtual reality kitchen. J. Int. Neuropsychol. Soc. 20 (5), 468-477 (2014).
- Klinger, E., et al. AGATHE: A tool for personalized rehabilitation of cognitive functions based on simulated activities of daily living. IRBM. 34 (2), 113-118 (2013).
- White, D., Burdick, K., Fulk, G., Searleman, J., Carroll, J. A virtual reality application for stroke patient rehabilitation. ICMA. 2, 1081-1086 (2005).
- Dimbwadyo-Terrer, I., et al. Activities of daily living assessment in spinal cord injury using the virtual reality system Toyra: functional and kinematic correlations. Virtual Real. 20 (1), 17-26 (2016).
- Preische, O., Heymann, P., Elbing, U., Laske, C. Diagnostic value of a tablet-based drawing task for discrimination of patients in the early course of Alzheimer's disease from healthy individuals. J. Alzheimers. Dis. 55 (4), 1463-1469 (2017).
- Seo, K., Kim, J. K., Oh, D. H., Ryu, H., Choi, H. Virtual daily living test to screen for mild cognitive impairment using kinematic movement analysis. PLOS ONE. 12 (7), e0181883(2017).
- Albert, M. S., et al. The diagnosis of mild cognitive impairment due to Alzheimer's disease: Recommendations from the National Institute on Aging-Alzheimer's Association workgroups on diagnostic guidelines for Alzheimer's disease. Alzheimers. Dement. 7 (3), 270-279 (2011).
- MiddleVR. User Guide. [FR]. , Available from: http://www.middlevr.com/doc/current/ c2014-c2017 (2017).
- OptiTrack. Motive Quick Start Guide. , Available from: https://optitrack.com/public/documents/motive-quick-start-guide-v1.10.0.pdf c1996-c2017 (2017).
- Kennedy, R. S., Lane, N. E., Berbaum, K. S., Lilienthal, M. G. Simulator sickness questionnaire: An enhanced method for quantifying simulator sickness. Int. J. Aviat. Psychol. 3 (3), 203-220 (1993).
- Singh, N. B., Baumann, C. R., Taylor, W. R. Can Gait Signatures Provide Quantitative Measures for Aiding Clinical Decision-Making? A Systematic Meta-Analysis of Gait Variability Behavior in Patients with Parkinson's Disease. Front. Hum. Neurosci. 10, 319(2016).
- Hernandez, F., et al. Six degree-of-freedom measurements of human mild traumatic brain injury. Ann. Biomed. Eng. 43 (8), 1918-1934 (2015).
- Gamito, P., et al. Cognitive training on stroke patients via virtual reality-based serious games. Disabil. Rehabil. 39 (4), 385-388 (2017).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Przedruki i uprawnienia
