Artykuł metodologiczny

Analiza kinematyczna chodu 3D do badań przedklinicznych na gryzoniach

11.8K wyświetleń

⸱

DOI:

10.3791/59612

⸱

3 sierpnia 2019

 , 
1Department of Neurobiology and Behavior, Stony Brook University, 2Department of Physical Therapy, Stony Brook University

W tym artykule

Podsumowanie

Prezentowany tutaj jest protokół do zbierania i analizy trójwymiarowej kinematyki poruszania się czworonożnych u gryzoni do badań przedklinicznych.

Streszczenie

Użyteczność trójwymiarowych (3D) systemów analizy ruchu kinematycznego jest ograniczona u gryzoni. Jednym z powodów tej nieadekwatności jest stosowanie złożonych algorytmów i modelowania matematycznego, które towarzyszą procedurom gromadzenia i analizy danych 3D. Praca ta zapewnia prostą, przyjazną dla użytkownika, szczegółową metodologię szczegółowej analizy chodu 3D podczas lokomocji na bieżni u zdrowych i neurotraumatycznych szczurów przy użyciu systemu przechwytywania ruchu z sześcioma kamerami. Podano również szczegółowe informacje na temat: 1) kalibracji systemu w konfiguracji eksperymentalnej dostosowanej do poruszania się na czterech nogach, 2) zbierania danych dotyczących lokomocji na bieżni u dorosłych szczurów przy użyciu znaczników umieszczonych na wszystkich czterech kończynach, 3) dostępnych opcji śledzenia i przetwarzania wideo oraz 4) podstawowego generowania i wizualizacji danych kinematycznych 3D oraz kwantyfikacji danych za pomocą wbudowanego oprogramowania do gromadzenia danych. Na koniec sugeruje się, że użyteczność tego systemu przechwytywania ruchu powinna zostać rozszerzona o badanie różnych zachowań motorycznych przed i po neurotraumie.

Wprowadzenie

U gryzoni deficyty lokomotoryczne kończyn przednich i tylnych po zaburzeniach neurologicznych są zwykle oceniane za pomocą subiektywnych systemów punktacji1. Zautomatyzowane systemy2,3,4,5 zostały przyjęte do analizy chodu, ale mają wady, ponieważ podstawowe wyniki opierają się na analizie śladów i nie uwzględniają kluczowych zmiennych kinematycznych segmentów i stawów, które w przeciwnym razie mogłyby ujawnić prawdziwą kinematykę ruchów kończyn2. Ponieważ większość parametrów chodu jest skorelowana, potrzebny jest zbiór parametrów chodu, aby zrozumieć kompensacje przyjmowane przez szczury w celu pełnej oceny deficytów motorycznych.

W ciągu ostatniej dekady opracowano kilka systemów analizy ruchu 3D6 do badań biomedycznych na ludziach. Systemy te okazały się skuteczne i okazały się skuteczne w wychwytywaniu deficytów lokomocji u zdrowych dorosłych ludzi, a także zmienionej kinematyki chodu6,7. U gryzoni obecnie dostępne systemy ruchu kinematycznego 3D przyjmują złożone algorytmy i modelowanie zachowań ruchowych oraz wykorzystują zaawansowane techniki analizy danych8,9,10,11, co ostatecznie ogranicza ich wszechstronność. Co więcej, metody stosowane do zbierania danych za pomocą większości systemów przechwytywania ruchu 3D nie są odpowiednio wyjaśnione w literaturze. Brakuje szczegółów na temat procedur gromadzenia i analizy danych, ograniczeń i technik związanych z efektywnym korzystaniem z systemu.

W związku z tym, jednym z powszechnych poglądów wśród badaczy jest to, że oceny kinematyczne śledzenia ruchu 3D są dość pracochłonnymi i czasochłonnymi procedurami, które wymagają specjalistycznej wiedzy technicznej i skomplikowanej analizy danych. Celem tej pracy jest rozłożenie na czynniki pierwsze protokołów gromadzenia i analizy danych oraz opisanie metodologii krok po kroku, tak aby była obiektywna, łatwa do nauczenia się i można było do niej systematycznie podchodzić. Obecnie kładzie się nacisk na ocenę funkcjonalnych zachowań motorycznych w bardziej kompleksowy i systematyczny sposób po urazach neurologicznych i interwencjach w badaniach przedklinicznych.

W dziedzinie poruszania się na czworonogach, przedstawiono tutaj użycie systemu śledzenia ruchu 3D, który może dostarczyć dodatkowych informacji, takich jak postawa ciała, rotacja łapy względem osi ciała, wzajemne relacje stawów i dokładniejsze informacje dotyczące koordynacji, a wszystko to przy jednoczesnej wizualizacji całego zwierzęcia ze wszystkich płaszczyzn. To z kolei może ujawnić krytyczne różnice w zachowaniu motorycznym w obrębie i między zdrowymi i rannymi szczurami poprzez wiele wyników. Dzięki bardziej wyrafinowanej analizie kinematycznej, która jest dokładna i obiektywna, ryzyko błędnego wnioskowania o skutkach interwencji jest zminimalizowane. Dane generowane przez to oprogramowanie do przechwytywania ruchu są wizualizowane klatka po klatce pod kątem jakości ruchu i mogą być automatycznie śledzone, a gromadzenie danych lub kwantyfikacja nie wymaga żadnych dodatkowych algorytmów ani modelowania. Celem tej pracy jest dostarczenie szczegółów metodologicznych i rozważań związanych z gromadzeniem i analizą kinematyki chodu 3D podczas lokomocji na bieżni u zdrowych szczurów i szczurów z uszkodzeniem rdzenia kręgowego. Protokół ten jest przeznaczony do użytku przez badaczy przedklinicznych, którzy wykorzystują neurologiczne modele szczurów w eksperymentach.

Protokół

To badanie zostało przeprowadzone zgodnie z zaleceniami National Institutes of Health Guide for the Care and Use of Laboratory Animals. Protokół został zatwierdzony przez Komitet ds. Badań nad Zwierzętami Kanclerza Uniwersytetu Stony Brook.

1. Konfiguracja systemu przechwytywania ruchu

  1. Konfiguracji
  2. Zamontuj sześć kamer na ścianie (lub statywach) za pomocą precyzyjnie regulowanych głowic zębatych. Umieść trzy kamery powyżej po każdej stronie bieżni, przy czym każda kamera jest ustawiona pod kątem 20°-45° poniżej horyzontu, około 2,0 m od bieżni i około 0,5 m od sąsiednich kamer, aby uzyskać maksymalne pokrycie znaczników (Rysunek 1).
    1. Wyposaż każdą kamerę w lampę pierścieniową do wizualizacji znaczników odblaskowych.
  3. Uruchom system przechwytywania ruchu.
    1. W ramach projektu | Specyfikacja, zdefiniuj żądane markery dla eksperymentu.
      UWAGA: W celach demonstracyjnych używa się łącznie 22 markerów zarówno dla kończyn przednich, jak i tylnych (po 11 markerów z każdej strony) do oceny obustronnej lokomocji czworonożnej. Alternatywnie, opcja Importuj zestaw znaczników z określonym identyfikatorem znacznika umożliwia wstępnie ustawione obliczenia w oprogramowaniu.

2. Kalibracja systemu przechwytywania ruchu

  1. Nagrywanie filmu z kalibracją
    1. Umieść ramkę kalibracyjną w kształcie litery L (zwaną dalej "ramą L") prostopadle na bieżni, tak aby długa noga ramy L była skierowana w kierunku chodzenia szczura (Rysunek 2).
    2. Otwórz oprogramowanie do przechwytywania ruchu i wybierz opcję Nagraj, aby nagrać wideo kalibracji.
    3. Przesuń ramkę kalibracyjną w kształcie trójzębu (zwaną dalej "różdżką") po obszarze bieżni w przestrzeni, tak aby pokryć wszystkie obszary, po których szczur będzie chodził.
      UWAGA: Ramka L zawiera cztery znaczniki, które ustalają globalny układ współrzędnych, a różdżka zawiera trzy znaczniki, które skalibrują przestrzeń chodzenia 3D szczura.
    4. Nagraj co najmniej 1 minutę materiału filmowego, aby upewnić się, że dostępne są odpowiednie punkty danych różdżki do prawidłowej kalibracji przy 120 klatkach/s.
    5. Zapisz filmy jako pliki kalibracji 3D.
  2. Śledzenie L-Frame
    1. Kliknij prawym przyciskiem myszy grupę kamer i wybierz Śledzenie 3D. W rozwijanym oknie wybierz Filmy z kalibracją 3D, a następnie Wszystkie kamery kalibracyjne.
    2. Korzystając z funkcji stałego punktu, śledź początek klatki L, krótką klatkę L, środkową klatkę L i długą klatkę L w każdym z sześciu filmów kalibracyjnych. Zdefiniuj wszystkie punkty i wybierz przycisk Szukaj automatycznie.
      UWAGA: Pozycja ramy L musi pozostać stała względem bieżni podczas całego eksperymentu, aby zapobiec przesunięciu układu współrzędnych.
  3. Śledzenie różdżki
    1. Kliknij prawym przyciskiem myszy grupę kamer i wybierz Automatyczne śledzenie 3D-Wand.
    2. Zaznacz wszystkie kamery w zaznaczeniu kamery. W prawym dolnym rogu okna wybierz Opcje, usuń zaznaczenie opcji Wykryj ramkę L i wybierz opcję Rozpocznij śledzenie.
    3. Po automatycznym śledzeniu wybierz Przypisz znaczniki różdżki krótkiej, różdżki środkowej i różdżki długiej dla wszystkich sześciu kamer.
    4. W oknie Śledzenie 3D wybierz opcję Eksportuj do nieprzetworzonych danych, a następnie wybierz opcję Zastąp istniejące dane różdżki, aby zapisać śledzenie.
    5. Wybierz Tak w oknie, które pojawi się po ostatnim kroku, aby zapisać najdokładniejsze dane.
      UWAGA: To nowe śledzenie zostanie zapisane jako Śledzenie w zakładce Automatyczne śledzenie na lewym pasku bocznym. Zapisane śledzenie można uzyskać dostęp i edytować je później.
  4. Obliczanie kalibracji
    1. Kliknij prawym przyciskiem myszy Grupy kalibracji aparatu i wybierz Nowa grupa kalibracji różdżki.
    2. Wybierz opcję Wszystkie kamery i przytrzymaj Ctrl (kontrolny) podczas wybierania przycisku OK.
    3. Zmień długość różdżki na 100,00 mm, przesunięcie podłogi ramy L na 7,00 mm, iteracje wykrywania wartości odstających na 4 i dozwolone odchylenie długości różdżki na 0,300.
    4. Zmień opcję Kamera, w której różdżka musi być widoczna, na 4 i włącz następujące opcje: napraw proporcje, napraw parametr pochylenia i ustal punkt główny (Tabela 1).
      UWAGA: Te ustawienia zostały eksperymentalnie określone jako optymalne dla tej konfiguracji.
    5. Akceptuj kalibracje z odchyleniem standardowym długości różdżki mniejszej niż 3 mm i wartością resztkową mniejszą niż 0,004,
      UWAGA: Jeśli kamery lub powiązane z nimi urządzenia zostaną przesunięte poza ten punkt, konieczna będzie ponowna kalibracja systemu.

3. Trening i przygotowanie zwierzęcia do poruszania się na bieżni

  1. Trening szczurów do lokomocji na bieżni
    1. Zaaklimatyzuj szczury na bieżni przez 5 minut przed sesją treningową12.
    2. Trenuj szczury, aby chodziły z pełnym obciążeniem kończyn z prędkością 13 cm/s przez 15 minut/sesję rano przez 1 tydzień. Trenuj wszystkie szczury, aż będą w stanie konsekwentnie chodzić (minimum 10 ciągłych kroków) na bieżni12.
    3. Wykonuj sesje treningowe mniej więcej o tej samej porze dnia dla każdego szczura.
  2. Przed zebraniem danych znieczulij szczura, umieszczając go w komorze inkubacyjnej.
    1. Dostarczaj gaz izofluranowy (1,0%-2,5%) i 0,4 l tlenu przez około 5 minut. Uszczypnij stopę szczura, aby sprawdzić głębokość znieczulenia.
    2. Kontynuuj, gdy szczur nie reaguje na uszczypnięcie łapy (ujemny odruch wycofania łapy).
  3. Ogol szczura w miejscach, w których zostaną umieszczone znaczniki, aby futro nie przeszkadzało w śledzeniu znaczników (Rysunek 1).
    1. Zbadaj palpacyjnie skórę kostnego punktu orientacyjnego, aby umieścić znaczniki. Użyj markerów pisakowych do stawów dystalnych do łokcia i kolana (Rysunek 3).
      UWAGA: Znaczniki odblaskowe to plastikowe półkule o średnicy 0,5 cm pokryte taśmą odblaskową.
    2. Umieść znaczniki zgodnie z potrzebami na kostnych punktach orientacyjnych przed zebraniem danych (Rysunek 3).
      UWAGA: U zdrowych, nieneurotraumatycznych szczurów markery odblaskowe umieszczone nad dystalnymi stawami są często usuwane przez szczury. W celach demonstracyjnych znaczniki odblaskowe umieszcza się nad bliższymi punktami orientacyjnymi kostnymi (grzebień biodrowy, biodro, staw kolanowy kończyn tylnych, stawy barkowe i łokciowe kończyny przedniej), a markery długopisowe są używane do bardziej dystalnych punktów orientacyjnych. W naszych rękach przyniosło to powtarzalne wyniki między szczurami i w ich obrębie (dane niepublikowane).

4. Przechwytywanie ruchu

  1. Wybierz czerwony przycisk kamery na górnym pasku oprogramowania do przechwytywania ruchu, aby nagrać próbę. Wyznacz miejsce zapisu na komputerze i wybierz opcję Rozpocznij nagrywanie, aby nagrywać z prędkością 120 klatek/s.
  2. Ustaw zdefiniowaną przez użytkownika prędkość bieżni i pozwól szczurowi chodzić przez około 30 sekund lub co najmniej 10 ciągłych kroków.
  3. Zatrzymaj nagrywanie i sprawdź, czy materiał zawiera co najmniej ~10 ciągłych kroków, zanim przejdziesz dalej.
  4. Utwórz nową grupę kamer dla każdej próby po zapisaniu nagranego wideo.

5. Śledzenie ruchu

  1. Wybierz znak " +" obok zapisanej grupy kamer. Spowoduje to wyświetlenie listy wszystkich sześciu kamer.
  2. Przypisywanie kalibracji 3D do pliku z kamery
    1. Przejdź do grupy Kalibracja kamery i kliknij prawym przyciskiem myszy Kalibracja obliczeniowa. Wybierz opcję Przypisz parametry kamery 3D. Przypisz plik kalibracji do odpowiednich plików aparatu w zapisanej grupie kamer. Najedź kursorem na plik kamery, aby zweryfikować kalibrację (odczytuje się jako prawidłowa kalibracja 3D).
  3. Śledzenie 2D przez pojedynczą kamerę
    1. Kliknij prawym przyciskiem myszy grupę kamer, aby śledzić ruch. Wybierz opcję Śledzenie 2D.
    2. Wybierz od siedmiu do dziesięciu najlepszych ciągłych i spójnych kroków do śledzenia. Zapisz numer klatki przy pierwszym kontakcie kończyny odniesienia na bieżni dla każdego kroku.
      UWAGA: W celach demonstracyjnych jako kończynę odniesienia wybrano lewą tylną kończynę.
  4. Dostępne są różne opcje śledzenia.
    1. Kliknij prawym przyciskiem myszy interesujący Cię znacznik i wybierz opcję Automatyczne śledzenie, która wykryje jasne okrągłe plamy utworzone przez znaczniki odblaskowe (Rysunek 4).
    2. Alternatywnie, znaczniki ścieżek za pomocą dopasowania wzorca, które będzie wykorzystywać algorytm wbudowany w oprogramowanie do śledzenia znaczników na podstawie rozmiaru i koloru (Rysunek 4).
    3. Ręczne śledzenie i korygowanie niewykrywalnych znaczników lub błędów w śledzeniu.
  5. Używaj czarnych markerów, gdy dystalne stawy nie są możliwe, znaczniki odblaskowe.
    1. Śledź czarne znaczniki za pomocą zaawansowanego przetwarzania obrazu, odwracając czarne znaczniki do jasnych punktów w celu automatycznego śledzenia.
      UWAGA: Opcja Przetwarzanie obrazu może być używana do śledzenia znaczników, które są trudne do wykrycia lub zobaczenia.
    2. Kliknij prawym przyciskiem myszy film ze szczurem w oknie śledzenia 2D. Wybierz opcję Przetwarzanie obrazu.
    3. Wybierz Widok zaawansowany i dodaj kombinację czterech filtrów (jasność, kontrast, gamma), aby znacznik był jak najciemniejszy w porównaniu z otoczeniem. Na koniec dodaj Odwrócony, a znacznik stanie się jasnym znacznikiem, który może być śledzony automatycznie (Rysunek 5).
  6. Korekta położenia znacznika
    1. Ręczne śledzenie i korygowanie niewykrywalnych znaczników lub błędów w śledzeniu.
    2. Aby ręcznie śledzić wideo, wybierz żądany znacznik na prawym pasku bocznym. Kliknij prawym przyciskiem myszy i wybierz Śledzenie ręczne. Rozpocznij śledzenie wybranego znacznika na filmie ze szczurem, który pojawia się klatka po klatce.
    3. Aby skorygować błędy, przejdź do ramki, w której wystąpił błąd śledzenia. Kliknij prawym przyciskiem myszy odpowiednią zakładkę znacznika na prawym pasku bocznym i kliknij Usuń punkt. Ponownie śledź punkt ręcznie w dokładnej pozycji.
  7. Korzystając z powyższej metody, wykonaj pełne śledzenie 2D dla wszystkich kamer używanych dla wszystkich pożądanych znaczników w zakresie klatek ciągłych kroków.
  8. Kliknij Zapisz w całym procesie śledzenia.

6. Analiza kinematyczna

  1. Przypisanie faz
    1. Kliknij prawym przyciskiem myszy Fazy i wybierz Edytuj model fazy.
    2. Dostosuj fazy cyklu chodu dla każdej kończyny zgodnie z deficytami, które zdecydujesz się badać (np. dodanie faz oporu, fazy uginania palców u nóg itp.) w ramach tradycyjnych faz postawy i wymachu w cyklu kroków. Zdefiniuj fazy eksperymentu (Rysunek 6).
      UWAGA: W celach demonstracyjnych pokazano tutaj trzy fazy, a lewa kończyna tylna jest używana jako kończyna referencyjna dla siedmiu do dziesięciu cykli chodu.
    3. Kliknij prawym przyciskiem myszy kamerę w grupie kamer i wybierz opcję pokaż wideo.
    4. Przypisz fazy cyklu chodu do każdej kończyny w oprogramowaniu za pomocą przycisku dodawania fazy lub skrótu F11.
    5. Wybierz odpowiednią kończynę do analizy i wyznacz pierwszą klatkę śledzenia jako początek fazy podjęcia.
    6. Przejdź wideo do klatki, w której kończy się faza postawy i zaczyna faza wymachu. Wyznacz tę klatkę jako początek fazy Swing.
    7. Przejdź wideo do pierwszej klatki, w której stopa zaczyna opadać. Oznacz tę klatkę jako początek fazy środkowego wymachu.
      UWAGA: W tym przypadku faza podparcia w cyklu kroków dla każdej kończyny jest zdefiniowana jako pierwsza klatka, w której kończyna styka się z powierzchnią bieżni. Faza wymachu definiowana jest jako pierwsza klatka, w której kończyna opuszcza powierzchnię bieżni. Środkowa faza wymachu to rama, w której kończyna osiągnęła maksymalny prześwit i zaczyna opadać. Pełny cykl chodu jest definiowany od początku początkowej postawy do przypisania fazy podporu w następnym cyklu chodu.
    8. Powtarzaj te kroki, aż zadania faz kończyn zostaną zakończone dla każdego kroku. Powtórz te czynności dla pozostałych trzech kończyn.
  2. Obliczenia współrzędnych 3D
    1. Wykonuj obliczenia 3D po śledzeniu wszystkich sześciu kamer.
    2. Kliknij prawym przyciskiem myszy grupę kamer i wybierz Nowe obliczenia 3D, kliknij Wszystkie, aby wybrać kamerę, a następnie wybierz OK.
      UWAGA: Pojawi się nowy folder. Ten folder zawiera wszystkie dane współrzędnych 3D dla wszystkich śledzonych znaczników. Aby wyświetlić i/lub edytować fazy, kliknij prawym przyciskiem myszy współrzędne 3D na lewym pasku bocznym i wybierz Edytuj fazy (Rysunek 7).
    3. Generuj interesujące dane, takie jak wykresy wysokości lub prędkości stawów z punktami danych, przeciągając interesujący Cię znacznik do widoku obok przypisanych faz chodu. (np. kinematyka stawów w Rysunek 8).
  3. Diagram 3D
    1. Kliknij opcję Diagram 3D, aby wygenerować rysunek 3D próby.
  4. Eksportuj surowe dane, klikając prawym przyciskiem myszy współrzędne 3D/Eksportuj.
    1. Kliknij prawym przyciskiem myszy plik współrzędnych 3D i wybierz polecenie Eksportuj.
    2. Otwórz plik w arkuszu kalkulacyjnym i zaimportuj dane do MATLAB.
    3. Utwórz program do tworzenia wykresów koordynacji wysokości kroku kończyny.
      UWAGA: Dane współrzędnych 3D można eksportować do oprogramowania analitycznego lub niestandardowych zdefiniowanych skryptów makr w celu wygenerowania większej ilości danych poza tym, co oferują funkcje oprogramowania.

Wyniki

Niniejszy protokół przedstawia metodologię ilościowego gromadzenia i analizy danych kinematycznych 3D podczas lokomocji gryzoni na bieżni z wykorzystaniem prostego, wbudowanego oprogramowania. Wyniki pokazują, że protokół ten jest wykonalny w zakresie zbierania i analizowania kinematyki lokomocji czworonogów u zdrowych szczurów oraz szczurów po urazie rdzenia kręgowego. Badacze z doświadczeniem w pracy ze szczurami mogą umieścić markery na zwierzętach, a następnie skalibrować i obsłużyć system przechwytywania ruchu bez żadnych istotnych problemów. Dane są generowane w łatwy sposób, bez konieczności stosowania złożonych algorytmów.

W niniejszym przypadku protokół został zaimplementowany u szczurów zdrowych oraz z uszkodzeniem rdzenia kręgowego (prawa hemisekcja na poziomie C5). Na potrzeby niniejszego opracowania przedstawiono jedynie reprezentatywne wyniki. Ogólnie rzecz biorąc, różnorodne parametry kinematyczne ruchu stawów i segmentów kończyn można było łatwo uzyskać z współrzędnych 3D każdego markera. Istotne różnice między cyklami chodu patologicznego i zdrowego zostały łatwo wykryte przy użyciu wielu wskaźników, w tym (ale nie ograniczając się do nich) pomiarów wysokości kroku, prędkości stawów, kątów w stawach (Rycina 9), czasu trwania faz cyklu kroku dla wszystkich czterech kończyn oraz koordynacji kończyn (Rycina 10). Analiza danych jakościowych w formie wykresów i schematów szkieletowych może pomóc w doborze narzędzi ilościowych wykorzystanych do wyznaczenia końcowych wyników tego podejścia analitycznego (Rycina 11).

U reprezentatywnego zdrowego szczura profil kąta w stawie łokciowym wykazywał gładkie, pojedyncze piki z powtarzalnymi sąsiednimi cyklami chodu, które prezentowały pełny zakres ruchu (Rysunek 9). Naprzemienne czasy trwania fazy podporowej i fazy przenoszenia na zapisach sugerowały spójną koordynację wewnątrzkończynową. W przeciwieństwie do tego, profil kąta w stawie łokciowym u reprezentatywnego szczura z urazem rdzenia kręgowego wykazywał liczne zniekształcone piki, które były mniej powtarzalne i charakteryzowały się mniejszym zakresem ruchu. Oprócz zmian w postaci wydłużenia fazy podporowej i skrócenia fazy przenoszenia, stwierdzono deficyt koordynacji wewnątrzkończynowej dla RFL.

Na przedstawionych reprezentatywnych danych wykreślonych dla koordynacji stwierdzono, że wykresy koordynacji (Rysunek 10) wygenerowane dla reprezentatywnych zdrowych szczurów wykazały wyraźną, naprzemienną rytmiczną koordynację kończyn po tej samej stronie podczas cykli chodu (wzór w kształcie litery L) oraz synchroniczny wzór w kształcie litery D z kończynami po przeciwnej stronie. Dla porównania, reprezentatywny szczur po urazie rdzenia kręgowego (prawostronna hemisekcja na poziomie C5) wykazał słabą, nienaprzemienną i nierytmiczną koordynację kończyn po tej samej stronie oraz nietypową naprzemienną rytmiczną koordynację (wzór w kształcie litery L) w jednej z par kończyn po przeciwnej stronie (Rysunek 10). Biorąc pod uwagę obserwowany deficyt prawej przedniej kończyny w nagranym filmie z ruchu, sugeruje to, że RFL i LHL nie były w stanie udźwignąć pełnej masy ciała bez wsparcia LFL lub RHL w dowolnym momencie. Tendencja ta sugeruje istnienie mechanizmu kompensacyjnego w celu poradzenia sobie z wymuszoną prędkością chodzenia na bieżni.

Dzięki zastosowaniu systemu 3D łatwo było generować dane ilościowe, wymagało to jednak korzystania z oddzielnych kart i wyboru spośród wielu opcji dostępnych w oprogramowaniu. Obecnie trwają prace nad opracowaniem zautomatyzowanego szablonu, który pozwoli na generowanie danych ilościowych i jakościowych w ramach jednego raportu dla najistotniejszych wyników (bez konieczności indywidualnego generowania poszczególnych parametrów), podobnie jak ma to miejsce w przypadku systemów kinematyki wykorzystywanych w badaniach klinicznych. Dzięki temu kilka punktów końcowych może zostać zestawionych i wyeksportowanych w formie raportu, który można łatwo zwizualizować bezpośrednio po przeprowadzeniu próby.

Układ do analizy chodu szczura z bieżnią; schemat przedstawia rozmieszczenie kamer i lokalizację markerów stawowych.
Rycina 1: Układ eksperymentalny. (A) Schemat układu do gromadzenia danych kinematycznych z wykorzystaniem sześciu kamer dla zadania polegającego na chodzeniu na bieżni. Po obu stronach bieżni umieszczono zestaw trzech kamer w celu zarejestrowania (klatka po klatce) ruchów markerów lewych i prawych podczas lokomocji. (B) Schemat przedstawiający rozmieszczenie markerów nad punktami kostnymi kończyn przednich i tylnych gryzonia w celu uchwycenia kinematyki lokomocji czworonożnej. Po każdej stronie szczura umieszczono łącznie 11 markerów. Zacieniowane obszary wskazują miejsca, w których szczur został ogolony. Kliknij tutaj, aby zobaczyć powiększoną wersję tej ryciny.

Ustawienie równowagi statycznej z osiami współrzędnych; schemat ramki 3D; analiza eksperymentu fizycznego.
Rysunek 2: Markery do kalibracji. (A) Przypisania zestawów markerów dla systemu kalibracji sondy, z wykorzystaniem dwóch ramek kalibracyjnych: L-Frame oraz sondy (B) Układ współrzędnych jest zdefiniowany przez L-Frame, gdzie początek L-Frame (przecięcie dwóch ramion ramki) określono jako (0,0). Dwa ramiona L-Frame, krótkie i długie, definiują odpowiednio osie x i y, a oś z jest zdefiniowana jako prostopadła do płaszczyzny XY. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Model szczura z wszczepionymi czujnikami, z zaznaczonym stawem śródstopno-paliczkowym i grzebieniem biodrowym.
Rysunek 3: Typy markerów. (A) Fotografia dolnej części tułowia szczura przedstawiająca dwa zastosowane typy markerów. (B) Fotografia przedstawiająca marker odblaskowy umieszczony na grzebieniu biodrowym za pomocą dwustronnej taśmy przeznaczonej do przylegania do skóry (zaznaczone czerwonym okręgiem). (C) Fotografia przedstawiająca umieszczenie markera punktowego nad prawym stawem śródstopno-paliczkowym (zaznaczone czerwonym okręgiem). Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Proces analizy ruchu; algorytm dopasowania wzorca; schemat ilustrujący konfigurację śledzenia.
Rycina 4: Śledzenie ruchu. (A) Obraz przedstawia interfejs śledzenia ruchu, w którym wiele markerów można śledzić jednocześnie, korzystając z funkcji „Track automatically” (śledź automatycznie) oraz „Track using pattern matching” (śledź za pomocą dopasowania wzorca). (B) Powiększony widok markera odblaskowego, który w funkcji „Track automatically” podczas przypisywania markerów jest wykrywany jako jasny, biały, okrągły punkt. Oprogramowanie rozpoznaje ten punkt jako jasnoniebieską okrągłą plamkę. Czerwona kropka jest ostatecznie rozpoznawana jako środek określonego markera. Wycentrowana czerwona kropka wewnątrz okrągłego markera zmniejsza ryzyko błędów eksperymentalnych podczas śledzenia danych. Odchylenie od środka sugeruje, że kolejne pomiary i analizy mogą być niedokładne. (C) Powiększony widok markera odblaskowego wybranego do dopasowania wzorca. Na podstawie rozmiaru, kształtu i koloru wybranego markera oprogramowanie automatycznie identyfikuje markery odpowiadające temu opisowi w kolejnych klatkach wideo. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Etapy przetwarzania obrazu: schemat efektów jasności, kontrastu, gamma i inwersji na obrazach.
Rysunek 5: Podstawowe i zaawansowane opcje śledzenia. (A) Nagrania wideo mogą być przetwarzane w oprogramowaniu poprzez kliknięcie prawym przyciskiem myszy na wideo podczas analizy, aby niewyraźne lub rozmyte markery były wyraźnie widoczne, co umożliwia automatyczne śledzenie. W celach demonstracyjnych przedstawiono dwa typy ustawień przetwarzania obrazu, dostosowane do różnych warunków oświetlenia otoczenia podczas zbierania danych w celu ułatwienia śledzenia. (B) Reprezentatywna klatka wideo przed przetwarzaniem obrazu. (C) W przypadku podstawowego przetwarzania obrazu (typ przetwarzania I) dostosowano ustawienia jasności i kontrastu dla lepszej widoczności. (D) Korzystając z zaawansowanych ustawień przetwarzania obrazu (typ przetwarzania II), marker prawego stawu śródstopno-paliczkowego (marker czarny) został poddany inwersji, dzięki czemu może być śledzony automatycznie. Prosimy kliknąć tutaj, aby wyświetlić większą wersję tego rysunku.

Fazy analizy chodu podczas lokomocji gryzoni; schemat przedstawiający fazy podporowe i przeniesienia z markerami.
Rycina 6: Przypisanie faz. Cykl chodu dla każdej kończyny można podzielić na oddzielne fazy zgodnie z projektem eksperymentalnym. W celach demonstracyjnych przedstawiono trzy fazy cyklu chodu. (A) Faza podporowa jest definiowana jako pierwsza klatka, w której kończyna styka się z powierzchnią bieżni. (B) Faza przeniesienia jest definiowana jako pierwsza klatka, w której kończyna odrywa się od powierzchni bieżni. (C) Środkowa faza przeniesienia to pierwsza klatka po całkowitym uniesieniu kończyny, w której łapa zaczyna opadać. W (D) pełny cykl chodu definiuje się od początku pierwszej fazy podporowej do przypisania fazy podporowej w kolejnym cyklu chodu. Kliknij tutaj, aby zobaczyć powiększoną wersję tej ryciny.

Schemat analizy chodu z wyborem markerów, osiami współrzędnych, wyborem fazy i wykresami ruchu.
Rysunek 7: Zaawansowane opcje analizy fazy kroku. Ta opcja umożliwia szczegółowy wgląd w śledzenie i przypisania faz, a także możliwość zmiany przypisanych faz. (A) Pole wyboru markerów do przeglądania i wybierania żądanego markera. (B) Okno wyboru współrzędnych: zaznaczenie interesującej współrzędnej (w tym przypadku współrzędnych z) zostanie wyświetlone na czerwono w głównym oknie schematu. (C) Okno wyboru fazy: przypisane fazy dla kończyny można przeglądać w odniesieniu do markerów i współrzędnych wybranych w (A) i (B). Fazy można również edytować za pomocą tego okna. (D) Okno schematu: współrzędne dla konkretnego markera mogą być porównywane jednocześnie podczas poszczególnych faz cyklu chodu. Kolor zielony i żółty reprezentują odpowiednio fazę podporową i fazę przenoszenia dla prawej kończyny tylnej podczas lokomocji czworonożnej. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Schemat analizy chodu; wybór prędkości w osi Z; porównanie wyników faz; dane markerów z bieżni.
Rysunek 8: Przykładowe trójwymiarowe dane kinematyczne. (A) Różne wyniki z każdego markera stawowego mogą zostać przedstawione graficznie na podstawie zbioru współrzędnych 3D po śledzeniu wideo (B) Reprezentatywne dane wygenerowane dla cykli fazy podporowej i fazy przenoszenia dla każdej kończyny przedniej i tylnej podczas chodu czworonożnego u szczura. Kolory reprezentują fazy podporowe i przenoszenia kolejnych cykli kroków. Czerwony i zielony odpowiadają odpowiednio fazom podporowym prawej kończyny przedniej i tylnej. Niebieski i morski odpowiadają odpowiednio fazom podporowym lewej kończyny przedniej i tylnej. Żółty odpowiada fazie przenoszenia każdej kończyny. (C) Wiele grup danych (osobne markery lub wyniki) można z łatwością porównać jednocześnie. Dane prędkości współrzędnej z markerów lewego i prawego stawu kolanowego zostały wybrane arbitralnie, aby zaprezentować prędkość pionową markera stawu kolanowego względem powierzchni bieżni. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Wykres kąta stawu łokciowego u zdrowego i uszkodzonego szczura, pokazujący porównanie ruchu w serii czasowej.
Rycina 9: Reprezentatywne dane kinematyki kątowej stawów u zdrowych szczurów oraz szczurów z uszkodzeniem szyjnego odcinka rdzenia kręgowego podczas lokomocji na bieżni. (A) Profil kąta w stawie łokciowym u reprezentatywnego zdrowego szczura wykazuje gładkie, pojedyncze piki przebiegów kąta stawowego z jednolitymi, sąsiednimi cyklami chodu, które prezentują pełny zakres ruchu. Czerwone i żółte paski oznaczają odpowiednio fazę podporową i fazę przeniesienia cyklu kroku kończyny przedniej. (B) W przeciwieństwie do tego, przebiegi u reprezentatywnego szczura z uszkodzeniem rdzenia kręgowego są względnie bardziej zniekształcone i wykazują niespójne, wielokrotne piki przy ogólnie mniejszym zakresie ruchu stawowego. Kliknij tutaj, aby zobaczyć powiększoną wersję tej ryciny.

Schemat analizy chodu z koordynacją kończyn: zdrowy vs. urazowy, porównanie wysokości kroku.
Rysunek 10: Reprezentatywne dane dotyczące koordynacji kończyn u zdrowego szczura oraz szczura z urazem szyjnego odcinka rdzenia kręgowego podczas lokomocji na bieżni. (A) Wartości współrzędnej z markerów śródstopno-paliczkowych (MCP) i śródstopno-paliczkowych stopy (MTP), przedstawiające pomiary wysokości kroku, są wykreślone w sześciu różnych kombinacjach między kończynami z około 10 kroków podczas chodu czworonożnego. Przedstawiono reprezentatywne przykłady wszystkich sześciu możliwych par koordynacji kończyn. (B) Zdrowy szczur wykazuje wyraźną naprzemienną koordynację rytmiczną (wzór w kształcie litery L) dla wszystkich par (i, ii, iii, iv). Gdy kończyny są w fazie (v, vi), pary koordynacyjne układają się we wzór w kształcie litery D. (C) U szczura z urazem szyjnego odcinka rdzenia kręgowego należy zwrócić uwagę na (i) słabą koordynację między dwiema przednimi kończynami, (iii) parowanie ipsilateralne prawej strony oraz (iv) nietypową koordynację dla jednej z kontralateralnych par kończyn. Należy zauważyć, że wykresy koordynacji (B, C) nie mają tej samej skali. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

Schemat analizy chodu i przechwytywanie ruchu zdrowego szczura do badania biomechaniki.
Rysunek 11: Animowany model szkieletowy 3D. Przykład modelu szkieletowego 3D wygenerowanego na podstawie danych śledzenia. Kliknij tutaj, aby pobrać ten rysunek.  

Parametr kalibracjiDane kalibracyjne
Długość pręta [mm]100
Przesunięcie podłogowe ramy L [mm]7
Iteracje w celu wykrywania wartości odstających4
Dopuszczalne odchylenie długości pręta0.3
Różdżka musi być widoczna w co najmniej __ kamerach4
Korekta proporcji obrazuSprawdzono
Korekta parametru skośnościSprawdzono
Korekta punktu głównegoSprawdzono

Tabela 1: Zaawansowane ustawienia kalibracji. W tabeli podsumowano parametry wykorzystane do dokładnej kalibracji zestawu sześciu kamer. Ustawienia te zostały przetestowane eksperymentalnie i uznane za optymalne dla naszej konfiguracji.

Dyskusja

Ten artykuł dotyczący protokołu demonstruje zastosowanie systemu śledzenia ruchu do zbierania i analizy danych kinematycznych 3D podczas poruszania się na czworonożnej bieżni u gryzoni. Do ważnych cech systemu analizy ruchu kinematycznego 3D należy szczegółowa kwantyfikacja kinematyki ruchu stawów (kinematyka fazy krokowej, kąty stawów, zakres ruchu, prędkości kroków) z wielu stawów i kończyn jednocześnie, wykrywanie deficytów motorycznych niemierzalnych gołym okiem, eliminacja subiektywnych uprzedzeń w gromadzeniu i analizie danych oraz łatwa wizualizacja całej kończyny i kinematyki postawy, którą można porównać z jednoczesnym zestawieniem całości szczur w ruchu. Bez konieczności stosowania dodatkowych algorytmów i modelowania, metody te pokazują zdolność oprogramowania do ilościowej analizy kinematyki chodu z dużą szczegółowością, wydajnością, łatwością, precyzją i powtarzalnością.

U gryzoni deficyty lokomotoryczne kończyn przednich i tylnych po urazie rdzenia kręgowego (SCI) są powszechnie oceniane za pomocą subiektywnych i standaryzowanych systemów punktacji lokomotorycznej, takich jak system punktacji BBB1. Subiektywne systemy punktacji na ogół wprowadzają stronniczość testera, ponieważ różni badacze mogą przypisywać różne wyniki dla tego samego deficytu motorycznego lub ten sam wynik dla różnych deficytów motorycznych, co skutkuje zmniejszoną odtwarzalnością i czułością testu13. Co więcej, niemożność wykrycia subtelnych deficytów niesie ze sobą ryzyko błędnego wnioskowania o skutkach interwencji.

Aby zwalczyć te problemy, niektórzy badacze przyjęli zautomatyzowane systemy 2,3,4,5 oraz systemy z użyciem lub bez użycia złożonych algorytmów 14,15. Testy te przeprowadzają analizę cyklu krokowego, która ujawnia profile obciążenia i wzorce sekwencji kroków pochodzące z ruchów ułożenia łap szczurów chodzących po pasie startowym. Jednak główną wadą analizy chodu wideo w płaszczyźnie brzusznej jest to, że samo ciało osoby badanej nie jest bezpośrednio widoczne 2,3. Dane te ograniczają się do informacji uzyskanych z odcisków stóp i ruchów łap, kwestionując wybór i interpretację parametrów chodu w ocenie deficytów (patrz Chen i wsp.16). Szczegóły ruchu, które ujawniają dynamiczną kinematykę segmentową ruchu i ustawienia kończyn, nie są dokładnie możliwe do uzyskania do analizy lokomocji 3,5. Niemożliwe jest uzyskanie krytycznych odchyleń danych dotyczących kąta stawów (tj. zakresu ruchów, prędkości ruchów itp.), relacji stawów względem siebie w obrębie kończyny i między kończynami oraz podstawowej mechaniki ciała, która zmienia wzorce chodu. W związku z tym to, czy jakiekolwiek obserwowalne upośledzenie chodu jest następstwem zmian w pojedynczych i/lub wielokrotnych ruchach stawów segmentowych (tj. koordynacja proksymalno-dystalna wewnątrz kończyn, relacje posturalne tułowia w odniesieniu do pozycji i cyklu chodu kończyn itp.) pozostaje zamaskowane.

Niewiele obecnie dostępnych systemów rejestruje kinematykę chodu i ocenia dysfunkcję motoryczną jakościowo i ilościowo, ale są one rzadziej stosowane. Szybki system analizy chodu z dużą prędkością całego ciała filmuje spontaniczne cykle chodu z trzech stron (jednej brzusznej i dwóch bocznych) i śledzi punkty orientacyjne na kości, aby uzyskać szereg wyników chodu17,18. Analiza kinematyczna chodu w płaszczyźnie strzałkowej jest stosowana przez niektórych badaczy w celu uzyskania danych o ruchu 2D zainteresowanej kończyny tylnej19,20. Jednak trzeci wymiar ruchu, który występuje prostopadle do płaszczyzny patrzenia (bocznej lub strzałkowej), jest niewykrywalny w analizach 11,18,19.

Inne, bardziej wyrafinowane, 3D, trzysegmentowe systemy gromadzenia danych o postawie ciała gryzoni wykorzystują modelowanie matematyczne 3D gromadzenia danych, a także system analizy do śledzenia i ilościowego określania ruchu 3D segmentów ciała gryzonia, z uwzględnieniem wzorców ruchu głowy8. Madete i wsp.9 opracowali optoelektroniczny system przechwytywania ruchu oparty na markerach, aby określić ilościowo kinematykę postawy ciała 3D podczas poruszania się po powierzchni na belkach kroczących przy użyciu systemu siedmiu kamer. Główne wyniki badane w dwóch ostatnich pracach koncentrują się przede wszystkim na ogólnej postawie gryzonia, a nie na analizie chodu. Systemy przechwytywania ruchu 3D zapewniają wysoką przepustowość danych kinematycznych chodu 3D przy użyciu wielu kamer i skomplikowanych systemów oprogramowania, zgodnie z recenzją Bhimani i wsp.21. Starsze wersje prezentowanego systemu analizy ruchu 3D były również wykorzystywane we wcześniejszych pracach u szczurów z neurotraumą i bez neurotraumy 12,22,23.

Pomimo dostępności systemów zbierania i analizy ruchu 3D do celów badawczych, przedkliniczne zastosowanie tej techniki u gryzoni pozostaje stosunkowo ograniczone. Jednym z powodów tego problemu jest to, że protokoły gromadzenia i analizy danych opierają się w dużej mierze na wykorzystaniu modeli kinematycznych i skomplikowanych algorytmów, które pasują do modelu kinematycznego tylnej kończyny szczura podczas chodzenia, aby wygenerować dokładną kinematykę chodu o wysokiej rozdzielczości 8,9,11,22 . Przedstawiona tutaj szczegółowa metodologia zawiera szczegółowe informacje na temat procedury stosowanej w całym procesie doświadczalnym, w tym obchodzenia się ze zwierzętami, szkolenia, przygotowania doświadczalnego, gromadzenia danych i etapów analizy.

Podano również szczegółowe informacje na temat kalibracji systemu, która jest podstawową częścią protokołu, która zapewni odtwarzalność między sąsiednimi badaniami w obrębie i między uczestnikami. Opisane techniki krok po kroku wprowadzają obiektywizm do procedury zbierania danych i sprawiają, że są one wysoce powtarzalne. Dane wygenerowane za pomocą tego oprogramowania do przechwytywania ruchu mogą być wizualizowane klatka po klatce w celu uzyskania jakości ruchu i automatycznie śledzone. Dalej opisano, w jaki sposób to gromadzenie danych lub kwantyfikacja nie wymaga żadnych dodatkowych algorytmów ani modelowania. Studenci, pracownicy i badacze mogą korzystać z prostego oprogramowania statystycznego do generowania podstawowych wyników kinematycznych bez polegania na specjalistycznej wiedzy technicznej.

System ten może być również używany do poruszania się po ziemi, sięgania i chwytania oraz innych eksperymentalnych konfiguracji dopasowanych do celu eksperymentalnego. W razie potrzeby liczbę i rodzaj znaczników można również dostosować do ogona, grzbietu, tułowia lub uszu. Większą zaletą prezentowanego oprogramowania w porównaniu do systemów jest możliwość zbierania danych wideo o wysokiej rozdzielczości obiektu. W związku z tym złożone zestawy obliczeń (np. ruchy kątowe, linie drążka łączące wiele połączeń itp.) mogą być nakładane na nagrane wideo. Rozmieszczenie znaczników i wygenerowane dane 3D można zweryfikować z rzeczywistymi ruchami szczura w ruchu. W przeciwieństwie do innego systemu przechwytywania ruchu 3D, przechwytywane są tylko markery, a każda ponowna analiza musi być wykonywana na diagramach drążków (szkielet), a nie na wideo rzeczywistego obiektu. W związku z tym brakuje weryfikacji rozmieszczenia markerów na rzeczywistym ruchu obiektu.

Opierając się na doświadczeniach z tym systemem, kalibracja odgrywa kluczową rolę w powodzeniu gromadzenia danych. Kalibracja systemu jest bardzo wrażliwa na zmiany. a niewielki ruch jednej kamery może zagrozić całemu procesowi zbierania i analizy danych współrzędnych 3D. Do zbierania danych potrzebne są tylko dwie kamery po każdej stronie płaszczyzny obserwacji, ale zdecydowanie zaleca się użycie trzeciej kamery, aby zapewnić większą dokładność poprzez porównywanie lokalizacji każdego znacznika z innymi kamerami. Wraz ze wzrostem liczby kamer śledzących zwiększy się również dokładność współrzędnych 3D dla określonego znacznika. W sytuacjach, w których markery stają się zasłonięte z powodu deficytów chodu (takich jak uginanie palców u nóg lub przeciąganie w przypadku chodu po urazie neurourazowym), stany te mogą wymagać intensywnego ręcznego śledzenia. Niemniej jednak ilość danych ostatecznie wygenerowanych ze śledzenia jest warta czasu zainwestowanego w ręczne śledzenie markerów, co czyni je nieocenionym narzędziem w wykrywaniu subtelnych deficytów motorycznych.

Z naszego doświadczenia wynika, że wszelkie uciążliwości związane z użytkowaniem systemu wykraczają poza korzystanie z samego sprzętu i technologii. Podobnie jak w przypadku innych protokołów oceny zachowań motorycznych, metoda, za pomocą której szczury są traktowane i szkolone do tego zadania, ma ogromny wpływ na wyniki. Na przykład izolowanie szczurów od ich kohorty ma kluczowe znaczenie podczas testów; W przeciwnym razie szczury, które nie są testowane, ale nadal są obecne podczas testowania, wykazują ostateczne pogorszenie wydajności zadań. Optymalna temperatura w pomieszczeniu, oświetlenie i poziom hałasu to inne wyznaczniki. Fouad i in. opublikowali inne wyzwania, które towarzyszą funkcjonalnym testom motorycznym u szczurów24. Rzeczywiście, zaślepieni użytkownicy z tego laboratorium, którzy prawidłowo postępowali zgodnie z metodologią, nie napotkali żadnych poważnych przeszkód w gromadzeniu danych, śledzeniu ruchu i analizie danych.

W tym artykule opisano system przechwytywania ruchu 3D do skutecznego zbierania i analizowania danych lokomotorycznych, dzięki czemu naukowcy mogą szybko zebrać ogromne ilości szczegółowych danych lokomotorycznych od wielu szczurów. Obecnie pracujemy nad stworzeniem zautomatyzowanego szablonu analizy danych, który można wbudować w oprogramowanie i uzyskać zdolność do generowania raportu z góry określonych wyników w ciągu kilku sekund dla lokomocji na bieżni u gryzoni, podobnie jak ma to miejsce w badaniach na ludziach przy użyciu systemów przechwytywania i analizy ruchu 6,25. Opracowanie tego szablonu pozwoli badaczom przedklinicznym na uzyskanie szczegółowych danych o lokomotywie gryzoni za pomocą kilku kliknięć przyciskiem myszy. Oczekuje się, że metody przedstawione w tej pracy okażą się przydatne dla badaczy przedklinicznych w bardziej obiektywnej ocenie zachowań motorycznych gryzoni. Obecnie pracujemy nad wykorzystaniem tego systemu do zbierania wysokoprzepustowych danych kinematycznych 3D podczas typowych, wykwalifikowanych zachowań kończyn przednich, takich jak sięganie i chwytanie. Co ważne, przydatność tej metody można rozszerzyć na szczury z różnymi urazami neurotraumatycznymi i nieneurotraumatycznymi.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

Nasze specjalne podziękowania dla Pawana Sharmy za pomoc w przygotowaniu eksperymentalnego filmu i intelektualny wkład w ten projekt. Dziękujemy również Christopherowi Palacio za jego wkład w pomoc w demonstracji protokołu wideo.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
6-kamerowy system przechwytywania ruchu Basler (Scout scA640-120gu).Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, NiemcyNie dotyczyUrządzenie rejestrujące do analizy ruchu.
Ramka kalibracyjna i różdżkaSimi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, NiemcyN/AKalibracja w kształcie litery L definiująca globalny system współrzędnych i różdżka w kształcie trójzębu (100 mm)
MarkeryShah LabN/AUrządzenie rejestrujące do analizy ruchu. Markery są wykonane na zamówienie w naszym laboratorium z 0,5 cm wyłupiastych oczu pokrytych odblaskową taśmą.
MatlabMathworks, Inc, Natic,Kalifornia N/A Oprogramowaniedo analizy danych
Klatka dla gryzoniWykonane na zamówienie w Stony Brook.Nie dotyczyPrzezroczysta klatka z pleksiglasu używana do trzymania gryzonia na bieżni.
Simi Reality Motion SystemsSimi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, NiemcyNieoprogramowania do śledzenia 3D.
BieżniaMk Automation Inc., Bloomfield, CT 06002N/ABieżnia używana do poruszania się gryzoni.
dotyczy

Bibliografia

  1. Basso, D. M., Beattie, M. S., Bresnahan, J. C. A sensitive and reliable locomotor rating scale for open field testing in rats. Journal of Neurotrauma. 12 (1), 1-21 (1995).
  2. Cheng, H., et al. Gait analysis of adult paraplegic rats after spinal cord repair. Experimental Neurology. 148 (2), 544-557 (1997).
  3. Hamers, F. P., Lankhorst, A. J., van Laar, T. J., Veldhuis, W. B., Gispen, W. H. Automated quantitative gait analysis during overground locomotion in the rat: its application to spinal cord contusion and transection injuries. Journal of Neurotrauma. 18 (2), 187-201 (2001).
  4. Beare, J. E., et al. Gait analysis in normal and spinal contused mice using the TreadScan system. Journal of Neurotrauma. 26 (11), 2045-2056 (2009).
  5. Nakamura, A., et al. Low-cost three-dimensional gait analysis system for mice with an infrared depth sensor. Neuroscience Research. 100, 55-62 (2015).
  6. Pfister, A., West, A. M., Bronner, S., Noah, J. A. Comparative abilities of Microsoft Kinect and Vicon 3D motion capture for gait analysis. Journal of Medical Engineering & Technology. 38 (5), 274-280 (2014).
  7. Alt Murphy, M., Murphy, S., Persson, H. C., Bergstrom, U. B., Sunnerhagen, K. S. Kinematic Analysis Using 3D Motion Capture of Drinking Task in People With and Without Upper-extremity Impairments. Journal of Visualized Experiments. (133), (2018).
  8. Karakostas, T., Hsiang, S., Boger, H., Middaugh, L., Granholm, A. C. Three-dimensional rodent motion analysis and neurodegenerative disorders. Journal of Neuroscience Methods. 231, 31-37 (2014).
  9. Madete, J. K., et al. Challenges facing quantification of rat locomotion along beams of varying widths. Journal of Engineering in Medicine. 224 (11), 1257-1265 (2010).
  10. Neckel, N. D., Dai, H. N., Burns, M. P. A novel multidimensional analysis of rodent gait reveals the compensation strategies employed during spontaneous recovery from spinal cord and traumatic brain injury. Journal of Neurotrauma. , (2018).
  11. Valdez, S. I., et al. Modeling hind-limb kinematics using a bio-inspired algorithm with a local search. Biomedical Engineering Online. 17, (2018).
  12. Shah, P. K., et al. Use of quadrupedal step training to re-engage spinal interneuronal networks and improve locomotor function after spinal cord injury. Brain: A Journal of Neurology. 136 (Pt 11), 3362-3377 (2013).
  13. Barros Filho, T. E., Molina, A. E. Analysis of the sensitivity and reproducibility of the Basso, Beattie, Bresnahan (BBB) scale in Wistar rats. Clinics (Sao Paulo). 63 (1), 103-108 (2008).
  14. Jacobs, B. Y., Kloefkorn, H. E., Allen, K. D. Gait analysis methods for rodent models of osteoarthritis). Currend Pain and Headache Reports. 18 (10), 456(2014).
  15. Kloefkorn, H. E., et al. Automated Gait Analysis Through Hues and Areas (AGATHA): A Method to Characterize the Spatiotemporal Pattern of Rat Gait. Annals of Biomedical Engineering. 45 (3), 711-725 (2017).
  16. Chen, H., Du, J., Zhang, Y., Barnes, K., Jia, X. Establishing a reliable gait evaluation method for rodent studies. Journal of Neuroscience Methods. 283, 92-100 (2017).
  17. Zorner, B., et al. Profiling locomotor recovery: comprehensive quantification of impairments after CNS damage in rodents. Nature Methods. 7 (9), 701-708 (2010).
  18. Preisig, D. F., et al. High-speed video gait analysis reveals early and characteristic locomotor phenotypes in mouse models of neurodegenerative movement disorders. Behavioural Brain Research. 311, 340-353 (2016).
  19. Fiander, M. D., Chedrawe, M. A., Lamport, A. C., Akay, T., Robertson, G. S. Sagittal Plane Kinematic Gait Analysis in C57BL/6 Mice Subjected to MOG35-55 Induced Experimental Autoimmune Encephalomyelitis. Journal of Visualized Experiments. (129), (2017).
  20. Fiander, M. D., Stifani, N., Nichols, M., Akay, T., Robertson, G. S. Kinematic gait parameters are highly sensitive measures of motor deficits and spinal cord injury in mice subjected to experimental autoimmune encephalomyelitis. Behavioural Brain Research. 317, 95-108 (2017).
  21. Bhimani, A. D., et al. Functional gait analysis in a spinal contusion rat model. Neuroscience Biobehavioral Reviews. 83, 540-546 (2017).
  22. Courtine, G., et al. Transformation of nonfunctional spinal circuits into functional states after the loss of brain input. Nature Neuroscience. 12 (10), 1333-1167 (2009).
  23. Shah, P. K., et al. Unique Spatiotemporal Neuromodulation of the Lumbosacral Circuitry Shapes Locomotor Success after Spinal Cord Injury. Journal of Neurotrauma. 33 (18), 1709-1723 (2016).
  24. Fouad, K., Hurd, C., Magnuson, D. S. Functional testing in animal models of spinal cord injury: not as straight forward as one would think. Frontiers in Integrative Neuroscience. 7, 85(2013).
  25. Miller, E., et al. Mechanical testing for three-dimensional motion analysis reliability. Gait & Posture. 50, 116-119 (2016).

Przedruki i uprawnienia

Tagi

Lokomocja gryzonisystem przechwytywania ruchuch d na bie nirozmieszczenie marker wkalibracja systemuledzenie danychanaliza danych 3Dfazy cyklu chodubadania nad neurotraum
Analiza kinematyczna chodu 3D do badań przedklinicznych na gryzoniach
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.