Name: Analiza kinematyczna chodu 3D do badań przedklinicznych na gryzoniach (Wideo) | JoVE Journal
Uploaded: 2019-08-03T13:00:00.000+00:00
Duration: 10 min 19 s
Description: Poznaj metodę analizy kinematycznej chodu 3D u szczurów przy użyciu systemu sześciu kamer. Protokół umożliwia szczegółową ocenę wzorców lokomocji bez złożonych algorytmów.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

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.

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
<ol>
	<li>Konfiguracji</li>
	<li>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 (<silna klasa = "xfig" >Rysunek 1).
	<ol>
		<li>Wyposaż każdą kamerę w lampę pierścieniową do wizualizacji znaczników odblaskowych.</li>
	</ol>
	</li>
	<li>Uruchom system przechwytywania ruchu.
	<ol>
		<li>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.</li>
	</ol>
	</li>
</ol>
2. Kalibracja systemu przechwytywania ruchu
<ol>
	<li>Nagrywanie filmu z kalibracją
	<ol>
		<li>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 (<silna klasa = "xfig">Rysunek 2).</li>
		<li>Otwórz oprogramowanie do przechwytywania ruchu i wybierz opcję Nagraj, aby nagrać wideo kalibracji.</li>
		<li>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.</li>
		<li>Nagraj co najmniej 1 minutę materiału filmowego, aby upewnić się, że dostępne są odpowiednie punkty danych różdżki do prawidłowej kalibracji przy 120 klatkach/s.</li>
		<li>Zapisz filmy jako pliki kalibracji 3D.</li>
	</ol>
	</li>
	<li>Śledzenie L-Frame
	<ol>
		<li>Kliknij prawym przyciskiem myszy grupę kamer i wybierz Śledzenie 3D. W rozwijanym oknie wybierz Filmy z kalibracją 3D, a następnie Wszystkie kamery kalibracyjne.</li>
		<li>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.</li>
	</ol>
	</li>
	<li>Śledzenie różdżki
	<ol>
		<li>Kliknij prawym przyciskiem myszy grupę kamer i wybierz Automatyczne śledzenie 3D-Wand.</li>
		<li>Zaznacz wszystkie kamery w zaznaczeniu kamery. W prawym dolnym rogu okna wybierz Opcje, usuń zaznaczenie opcji Wykryj ramkę L i wybierz opcję Rozpocznij śledzenie.</li>
		<li>Po automatycznym śledzeniu wybierz Przypisz znaczniki różdżki krótkiej, różdżki środkowej i różdżki długiej dla wszystkich sześciu kamer.</li>
		<li>W oknie Śledzenie 3D wybierz opcję Eksportuj do nieprzetworzonych danych, a następnie wybierz opcję Zastąp istniejące dane różdżki, aby zapisać śledzenie.</li>
		<li>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.</li>
	</ol>
	</li>
	<li>Obliczanie kalibracji
	<ol>
		<li>Kliknij prawym przyciskiem myszy Grupy kalibracji aparatu i wybierz Nowa grupa kalibracji różdżki.</li>
		<li>Wybierz opcję Wszystkie kamery i przytrzymaj Ctrl (kontrolny) podczas wybierania przycisku OK.</li>
		<li>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.</li>
		<li>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.</li>
		<li>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.</li>
	</ol>
	</li>
</ol>
3. Trening i przygotowanie zwierzęcia do poruszania się na bieżni
<ol>
	<li>Trening szczurów do lokomocji na bieżni
	<ol>
		<li>Zaaklimatyzuj szczury na bieżni przez 5 minut przed sesją treningową12.</li>
		<li>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.</li>
		<li>Wykonuj sesje treningowe mniej więcej o tej samej porze dnia dla każdego szczura.</li>
	</ol>
	</li>
	<li>Przed zebraniem danych znieczulij szczura, umieszczając go w komorze inkubacyjnej.
	<ol>
		<li>Dostarczaj gaz izofluranowy (1,0%-2,5%) i 0,4 l tlenu przez około 5 minut. Uszczypnij stopę szczura, aby sprawdzić głębokość znieczulenia.</li>
		<li>Kontynuuj, gdy szczur nie reaguje na uszczypnięcie łapy (ujemny odruch wycofania łapy).</li>
	</ol>
	</li>
	<li>Ogol szczura w miejscach, w których zostaną umieszczone znaczniki, aby futro nie przeszkadzało w śledzeniu znaczników (<silna klasa="xfig">Rysunek 1).
	<ol>
		<li>Zbadaj palpacyjnie skórę kostnego punktu orientacyjnego, aby umieścić znaczniki. Użyj markerów pisakowych do stawów dystalnych do łokcia i kolana (<silna klasa="xfig">Rysunek 3). 
		UWAGA: Znaczniki odblaskowe to plastikowe półkule o średnicy 0,5 cm pokryte taśmą odblaskową.</li>
		<li>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).</li>
	</ol>
	</li>
</ol>
4. Przechwytywanie ruchu
<ol>
	<li>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.</li>
	<li>Ustaw zdefiniowaną przez użytkownika prędkość bieżni i pozwól szczurowi chodzić przez około 30 sekund lub co najmniej 10 ciągłych kroków.</li>
	<li>Zatrzymaj nagrywanie i sprawdź, czy materiał zawiera co najmniej ~10 ciągłych kroków, zanim przejdziesz dalej.</li>
	<li>Utwórz nową grupę kamer dla każdej próby po zapisaniu nagranego wideo.</li>
</ol>
5. Śledzenie ruchu
<ol>
	<li> Wybierz znak " +" obok zapisanej grupy kamer. Spowoduje to wyświetlenie listy wszystkich sześciu kamer.</li>
	<li>Przypisywanie kalibracji 3D do pliku z kamery
	<ol>
		<li>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).</li>
	</ol>
	</li>
	<li>Śledzenie 2D przez pojedynczą kamerę
	<ol>
		<li>Kliknij prawym przyciskiem myszy grupę kamer, aby śledzić ruch. Wybierz opcję Śledzenie 2D.</li>
		<li>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.</li>
	</ol>
	</li>
	<li>Dostępne są różne opcje śledzenia.
	<ol>
		<li>Kliknij prawym przyciskiem myszy interesujący Cię znacznik i wybierz opcję Automatyczne śledzenie, która wykryje jasne okrągłe plamy utworzone przez znaczniki odblaskowe (<silna klasa="xfig">Rysunek 4).</li>
		<li>Alternatywnie, znaczniki ścieżek za pomocą dopasowania wzorca, które będzie wykorzystywać algorytm wbudowany w oprogramowanie do śledzenia znaczników na podstawie rozmiaru i koloru (<silna klasa = "xfig" >Rysunek 4).</li>
		<li>Ręczne śledzenie i korygowanie niewykrywalnych znaczników lub błędów w śledzeniu.</li>
	</ol>
	</li>
	<li>Używaj czarnych markerów, gdy dystalne stawy nie są możliwe, znaczniki odblaskowe.
	<ol>
		<li>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.</li>
		<li>Kliknij prawym przyciskiem myszy film ze szczurem w oknie śledzenia 2D. Wybierz opcję Przetwarzanie obrazu.</li>
		<li>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 (<silna klasa = "xfig" >Rysunek 5).</li>
	</ol>
	</li>
	<li>Korekta położenia znacznika
	<ol>
		<li>Ręczne śledzenie i korygowanie niewykrywalnych znaczników lub błędów w śledzeniu.</li>
		<li>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.</li>
		<li>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.</li>
	</ol>
	</li>
	<li>Korzystając z powyższej metody, wykonaj pełne śledzenie 2D dla wszystkich kamer używanych dla wszystkich pożądanych znaczników w zakresie klatek ciągłych kroków.</li>
	<li>Kliknij Zapisz w całym procesie śledzenia.</li>
</ol>
6. Analiza kinematyczna
<ol>
	<li>Przypisanie faz
	<ol>
		<li>Kliknij prawym przyciskiem myszy Fazy i wybierz Edytuj model fazy.</li>
		<li>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 (<silna klasa="xfig">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.</li>
		<li>Kliknij prawym przyciskiem myszy kamerę w grupie kamer i wybierz opcję pokaż wideo.</li>
		<li>Przypisz fazy cyklu chodu do każdej kończyny w oprogramowaniu za pomocą przycisku dodawania fazy lub skrótu F11.</li>
		<li>Wybierz odpowiednią kończynę do analizy i wyznacz pierwszą klatkę śledzenia jako początek fazy podjęcia.</li>
		<li>Przejdź wideo do klatki, w której kończy się faza postawy i zaczyna faza wymachu. Wyznacz tę klatkę jako początek fazy Swing.</li>
		<li>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.</li>
		<li>Powtarzaj te kroki, aż zadania faz kończyn zostaną zakończone dla każdego kroku. Powtórz te czynności dla pozostałych trzech kończyn.</li>
	</ol>
	</li>
	<li>Obliczenia współrzędnych 3D
	<ol>
		<li>Wykonuj obliczenia 3D po śledzeniu wszystkich sześciu kamer.</li>
		<li>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 (<silna klasa = "xfig" >Rysunek 7).</li>
		<li>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 <silna klasa="xfig">Rysunek 8).</li>
	</ol>
	</li>
	<li>Diagram 3D
	<ol>
		<li>Kliknij opcję Diagram 3D, aby wygenerować rysunek 3D próby.</li>
	</ol>
	</li>
	<li>Eksportuj surowe dane, klikając prawym przyciskiem myszy współrzędne 3D/Eksportuj.
	<ol>
		<li>Kliknij prawym przyciskiem myszy plik współrzędnych 3D i wybierz polecenie Eksportuj.</li>
		<li>Otwórz plik w arkuszu kalkulacyjnym i zaimportuj dane do MATLAB.</li>
		<li>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.</li>
	</ol>
	</li>
</ol>

<ol><li>Basso, D. M., Beattie, M. S., Bresnahan, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+sensitive+and+reliable+locomotor+rating+scale+for+open+field+testing+in+rats%5BTitle%5D)+AND+%22Journal+of+Neurotrauma%22%5BJournal%5D)">A sensitive and reliable locomotor rating scale for open field testing in rats.</a> Journal of Neurotrauma. 12 (1), 1-21 (1995).</li>
<li>Cheng, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gait+analysis+of+adult+paraplegic+rats+after+spinal+cord+repair%5BTitle%5D)+AND+%22Experimental+Neurology%22%5BJournal%5D)">Gait analysis of adult paraplegic rats after spinal cord repair.</a> Experimental Neurology. 148 (2), 544-557 (1997).</li>
<li>Hamers, F. P., Lankhorst, A. J., van Laar, T. J., Veldhuis, W. B., Gispen, W. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+quantitative+gait+analysis+during+overground+locomotion+in+the+rat%3A+its+application+to+spinal+cord+contusion+and+transection+injuries%5BTitle%5D)+AND+%22Journal+of+Neurotrauma%22%5BJournal%5D)">Automated quantitative gait analysis during overground locomotion in the rat: its application to spinal cord contusion and transection injuries.</a> Journal of Neurotrauma. 18 (2), 187-201 (2001).</li>
<li>Beare, J. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gait+analysis+in+normal+and+spinal+contused+mice+using+the+TreadScan+system%5BTitle%5D)+AND+%22Journal+of+Neurotrauma%22%5BJournal%5D)">Gait analysis in normal and spinal contused mice using the TreadScan system.</a> Journal of Neurotrauma. 26 (11), 2045-2056 (2009).</li>
<li>Nakamura, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Low-cost+three-dimensional+gait+analysis+system+for+mice+with+an+infrared+depth+sensor%5BTitle%5D)+AND+%22Neuroscience+Research%22%5BJournal%5D)">Low-cost three-dimensional gait analysis system for mice with an infrared depth sensor.</a> Neuroscience Research. 100, 55-62 (2015).</li>
<li>Pfister, A., West, A. M., Bronner, S., Noah, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparative+abilities+of+Microsoft+Kinect+and+Vicon+3D+motion+capture+for+gait+analysis%5BTitle%5D)+AND+%22Journal+of+Medical+Engineering+%26+Technology%22%5BJournal%5D)">Comparative abilities of Microsoft Kinect and Vicon 3D motion capture for gait analysis.</a> Journal of Medical Engineering & Technology. 38 (5), 274-280 (2014).</li>
<li>Alt Murphy, M., Murphy, S., Persson, H. C., Bergstrom, U. B., Sunnerhagen, K. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+Analysis+Using+3D+Motion+Capture+of+Drinking+Task+in+People+With+and+Without+Upper-extremity+Impairments%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%22%5BJournal%5D)">Kinematic Analysis Using 3D Motion Capture of Drinking Task in People With and Without Upper-extremity Impairments.</a> Journal of Visualized Experiments. (133), (2018).</li>
<li>Karakostas, T., Hsiang, S., Boger, H., Middaugh, L., Granholm, A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Three-dimensional+rodent+motion+analysis+and+neurodegenerative+disorders%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Three-dimensional rodent motion analysis and neurodegenerative disorders.</a> Journal of Neuroscience Methods. 231, 31-37 (2014).</li>
<li>Madete, J. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Challenges+facing+quantification+of+rat+locomotion+along+beams+of+varying+widths%5BTitle%5D)+AND+%22Journal+of+Engineering+in+Medicine%22%5BJournal%5D)">Challenges facing quantification of rat locomotion along beams of varying widths.</a> Journal of Engineering in Medicine. 224 (11), 1257-1265 (2010).</li>
<li>Neckel, N. D., Dai, H. N., Burns, M. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel+multidimensional+analysis+of+rodent+gait+reveals+the+compensation+strategies+employed+during+spontaneous+recovery+from+spinal+cord+and+traumatic+brain+injury%5BTitle%5D)+AND+%22Journal+of+Neurotrauma%22%5BJournal%5D)">A novel multidimensional analysis of rodent gait reveals the compensation strategies employed during spontaneous recovery from spinal cord and traumatic brain injury.</a> Journal of Neurotrauma. , (2018).</li>
<li>Valdez, S. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+hind-limb+kinematics+using+a+bio-inspired+algorithm+with+a+local+search%5BTitle%5D)+AND+%22Biomedical+Engineering+Online%22%5BJournal%5D)">Modeling hind-limb kinematics using a bio-inspired algorithm with a local search.</a> Biomedical Engineering Online. 17, (2018).</li>
<li>Shah, P. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+quadrupedal+step+training+to+re-engage+spinal+interneuronal+networks+and+improve+locomotor+function+after+spinal+cord+injury%5BTitle%5D)+AND+%22Brain%3A+A+Journal+of+Neurology%22%5BJournal%5D)">Use of quadrupedal step training to re-engage spinal interneuronal networks and improve locomotor function after spinal cord injury.</a> Brain: A Journal of Neurology. 136 (Pt 11), 3362-3377 (2013).</li>
<li>Barros Filho, T. E., Molina, A. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+the+sensitivity+and+reproducibility+of+the+Basso%2C+Beattie%2C+Bresnahan+%28BBB%29+scale+in+Wistar+rats%5BTitle%5D)+AND+%22Clinics+%28Sao+Paulo%29%22%5BJournal%5D)">Analysis of the sensitivity and reproducibility of the Basso, Beattie, Bresnahan (BBB) scale in Wistar rats.</a> Clinics (Sao Paulo). 63 (1), 103-108 (2008).</li>
<li>Jacobs, B. Y., Kloefkorn, H. E., Allen, K. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gait+analysis+methods+for+rodent+models+of+osteoarthritis%29%5BTitle%5D)+AND+%22Currend+Pain+and+Headache+Reports%22%5BJournal%5D)">Gait analysis methods for rodent models of osteoarthritis).</a> Currend Pain and Headache Reports. 18 (10), 456(2014).</li>
<li>Kloefkorn, H. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+Gait+Analysis+Through+Hues+and+Areas+%28AGATHA%29%3A+A+Method+to+Characterize+the+Spatiotemporal+Pattern+of+Rat+Gait%5BTitle%5D)+AND+%22Annals+of+Biomedical+Engineering%22%5BJournal%5D)">Automated Gait Analysis Through Hues and Areas (AGATHA): A Method to Characterize the Spatiotemporal Pattern of Rat Gait.</a> Annals of Biomedical Engineering. 45 (3), 711-725 (2017).</li>
<li>Chen, H., Du, J., Zhang, Y., Barnes, K., Jia, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Establishing+a+reliable+gait+evaluation+method+for+rodent+studies%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Establishing a reliable gait evaluation method for rodent studies.</a> Journal of Neuroscience Methods. 283, 92-100 (2017).</li>
<li>Zorner, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Profiling+locomotor+recovery%3A+comprehensive+quantification+of+impairments+after+CNS+damage+in+rodents%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">Profiling locomotor recovery: comprehensive quantification of impairments after CNS damage in rodents.</a> Nature Methods. 7 (9), 701-708 (2010).</li>
<li>Preisig, D. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-speed+video+gait+analysis+reveals+early+and+characteristic+locomotor+phenotypes+in+mouse+models+of+neurodegenerative+movement+disorders%5BTitle%5D)+AND+%22Behavioural+Brain+Research%22%5BJournal%5D)">High-speed video gait analysis reveals early and characteristic locomotor phenotypes in mouse models of neurodegenerative movement disorders.</a> Behavioural Brain Research. 311, 340-353 (2016).</li>
<li>Fiander, M. D., Chedrawe, M. A., Lamport, A. C., Akay, T., Robertson, G. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sagittal+Plane+Kinematic+Gait+Analysis+in+C57BL%2F6+Mice+Subjected+to+MOG35-55+Induced+Experimental+Autoimmune+Encephalomyelitis%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%22%5BJournal%5D)">Sagittal Plane Kinematic Gait Analysis in C57BL/6 Mice Subjected to MOG35-55 Induced Experimental Autoimmune Encephalomyelitis.</a> Journal of Visualized Experiments. (129), (2017).</li>
<li>Fiander, M. D., Stifani, N., Nichols, M., Akay, T., Robertson, G. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+gait+parameters+are+highly+sensitive+measures+of+motor+deficits+and+spinal+cord+injury+in+mice+subjected+to+experimental+autoimmune+encephalomyelitis%5BTitle%5D)+AND+%22Behavioural+Brain+Research%22%5BJournal%5D)">Kinematic gait parameters are highly sensitive measures of motor deficits and spinal cord injury in mice subjected to experimental autoimmune encephalomyelitis.</a> Behavioural Brain Research. 317, 95-108 (2017).</li>
<li>Bhimani, A. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+gait+analysis+in+a+spinal+contusion+rat+model%5BTitle%5D)+AND+%22Neuroscience+Biobehavioral+Reviews%22%5BJournal%5D)">Functional gait analysis in a spinal contusion rat model.</a> Neuroscience Biobehavioral Reviews. 83, 540-546 (2017).</li>
<li>Courtine, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Transformation+of+nonfunctional+spinal+circuits+into+functional+states+after+the+loss+of+brain+input%5BTitle%5D)+AND+%22Nature+Neuroscience%22%5BJournal%5D)">Transformation of nonfunctional spinal circuits into functional states after the loss of brain input.</a> Nature Neuroscience. 12 (10), 1333-1167 (2009).</li>
<li>Shah, P. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unique+Spatiotemporal+Neuromodulation+of+the+Lumbosacral+Circuitry+Shapes+Locomotor+Success+after+Spinal+Cord+Injury%5BTitle%5D)+AND+%22Journal+of+Neurotrauma%22%5BJournal%5D)">Unique Spatiotemporal Neuromodulation of the Lumbosacral Circuitry Shapes Locomotor Success after Spinal Cord Injury.</a> Journal of Neurotrauma. 33 (18), 1709-1723 (2016).</li>
<li>Fouad, K., Hurd, C., Magnuson, D. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+testing+in+animal+models+of+spinal+cord+injury%3A+not+as+straight+forward+as+one+would+think%5BTitle%5D)+AND+%22Frontiers+in+Integrative+Neuroscience%22%5BJournal%5D)">Functional testing in animal models of spinal cord injury: not as straight forward as one would think.</a> Frontiers in Integrative Neuroscience. 7, 85(2013).</li>
<li>Miller, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mechanical+testing+for+three-dimensional+motion+analysis+reliability%5BTitle%5D)+AND+%22Gait+%26+Posture%22%5BJournal%5D)">Mechanical testing for three-dimensional motion analysis reliability.</a> Gait & Posture. 50, 116-119 (2016).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

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.

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.

<table><tbody><tr><td>6-kamerowy system przechwytywania ruchu Basler (Scout scA640-120gu).</td><td>Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Niemcy</td><td>Nie dotyczy</td><td>Urządzenie rejestrujące do analizy ruchu.</td></tr><tr><td>Ramka kalibracyjna i różdżka</td><td>Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Niemcy</td><td>N/A</td><td>Kalibracja w kształcie litery L definiująca globalny system współrzędnych i różdżka w kształcie trójzębu (100 mm)</td></tr><tr><td>Markery</td><td>Shah Lab</td><td>N/A</td><td>Urządzenie rejestrujące do analizy ruchu. Markery są wykonane na zamówienie w naszym laboratorium z 0,5 cm wyłupiastych oczu pokrytych odblaskową taśmą.</td></tr><tr><td>Matlab</td><td>Mathworks, Inc, Natic,</td><td>Kalifornia N/A Oprogramowanie</td><td>do analizy danych</td></tr><tr><td>Klatka dla gryzoni</td><td>Wykonane na zamówienie w Stony Brook.</td><td>Nie dotyczy</td><td>Przezroczysta klatka z pleksiglasu używana do trzymania gryzonia na bieżni.</td></tr><tr><td>Simi Reality Motion Systems</td><td>Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Niemcy</td><td>Nie</td> dotyczy <td>oprogramowania do śledzenia 3D.</td></tr><tr><td>Bieżnia</td><td>Mk Automation Inc., Bloomfield, CT 06002</td><td>N/A</td><td>Bieżnia używana do poruszania się gryzoni.</td></tr></tbody></table>

analiza kinematyczna chodu 3d do badań przedklinicznych na gryzoniach

3D Kinematic Gait Analysis for Preclinical Studies in Rodents

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.

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

Analiza kinematyczna chodu 3D do badań przedklinicznych na gryzoniach

The utility of three-dimensional (3D) kinematic motion analysis systems is limited in rodents. Part of the reason for this inadequacy is the use of ...

Kinematyka 3D ruchu i lokomocji jest coraz częściej stosowana. Jednak złożoność większości systemów ogranicza ich zastosowanie w badaniach przedklinicznych. To, co robimy w tej pracy, to dostarczenie szczegółowej i prostej metody zbierania danych 3D podczas poruszania się na czworonożnych nogach u dorosłych szczurów.Opisany system zapewnia dogłębną analizę danych jakościowych i ilościowych, bez konieczności stosowania skomplikowanych algorytmów. Moją ulubioną częścią systemu jest jego wszechstronność zastosowania. Udało nam się go wykorzystać do poruszania się, a także do funkcji sięgania i chwytania.Tutaj zademonstruję jego zastosowanie do chodzenia na bieżni. Zamontuj sześć kamer w ścianie, w odległości dwóch metrów od bieżni, za pomocą precyzyjnie regulowanych głowic zębatych. Lekko pochyl się w dół poniżej horyzontu, aby uzyskać maksymalne pokrycie znaczników.Wyposaż każdą kamerę w lampę pierścieniową do wizualizacji znaczników odblaskowych. Zdefiniuj żądane znaczniki dla eksperymentu. Użyj markerów zarówno dla kończyn przednich, jak i tylnych, aby ocenić obustronną lokomocję czworonożną.Tutaj użyliśmy 22 markerów. Można to jednak dostosować zgodnie z projektem eksperymentalnym. Skalibruj system przechwytywania ruchu za pomocą systemu różdżki, który składa się z ramki L i różdżki.Umieść ramę L prostopadle na bieżni tak, aby długa noga ramy L była skierowana w kierunku, w którym szczur będzie chodził. Otwórz oprogramowanie do przechwytywania ruchu. Wybierz Nagraj", aby nagrać wideo z kalibracją.Przesuń ramkę kalibracyjną różdżki po całym obszarze bieżni w przestrzeni, tak aby pokryć wszystkie obszary, w których szczur będzie chodził. Nagraj co najmniej jedną minutę materiału filmowego, aby upewnić się, że dostępne są odpowiednie punkty danych różdżki do dokładnej kalibracji. Zapisz filmy jako plik kalibracji 3D.Kliknij prawym przyciskiem myszy grupę kamer i wybierz Śledzenie 3D"po nagraniu filmów kalibracyjnych. Wybierz filmy z kalibracją 3D"i wybierz Wszystkie kamery kalibracyjne"Śledź znaczniki L-frame na wszystkich sześciu filmach za pomocą funkcji stałego punktu. Zdefiniuj wszystkie punkty, a następnie wybierz przycisk "Szukaj automatycznie".Po śledzeniu wyjdź z okna i wybierz Automatyczne śledzenie różdżki 3D"Wybierz opcje" i odznacz Wykryj L-Frame"Rozpocznij śledzenie. Po zakończeniu śledzenia przez oprogramowanie kliknij Przypisz znaczniki"Przypisz różdżkę krótką"Różdżka w środku"i Różdżka długa"znaczniki dla wszystkich sześciu kamer. Po śledzeniu różdżki i ramki L kliknij prawym przyciskiem myszy Grupa kalibracji aparatu" i wybierz Nowa grupa kalibracji różdżki "Wybierz wszystkie kamery" i przytrzymaj Control podczas wybierania OK "Zmień długość różdżki, wysokość ramki L i liczbę kamer zgodnie z tym, co zostało użyte podczas kalibracji.Akceptuj kalibracje z odchyleniem standardowym długości różdżki mniejszym niż trzy milimetry i resztką kalibracji 0,004 lub mniejszą. Ten system jest dostępny na rynku. W tym raporcie przedstawiamy dokładny przewodnik po badaniach i efektywnym ich wykorzystaniu.To, co najbardziej podoba mi się w tym konkretnym protokole i systemie jako takim, to to, że istnieje wiele więcej wyników i można wybrać predefiniowane interesujące wyniki, które są specyficzne dla danego schorzenia. Przyzwyczajaj szczury do bieżni przez 5 minut przed każdą sesją treningową. Trenuj szczury, aby chodziły z pełnym ciężarem ciała na kończynach z różnymi prędkościami.Trenuj wszystkie szczury, aż będą w stanie konsekwentnie chodzić na bieżni. Przed zebraniem danych ogol szczury w regionach, w których zostaną umieszczone znaczniki. Zbadaj palpacyjnie skórę w celu uzyskania kostnego punktu orientacyjnego, aby dokładnie umieścić znaczniki.Używaj markerów długopisowych do stawów dystalnych do łokcia i kolana. Wybierz czerwony przycisk kamery na górnym pasku oprogramowania do przechwytywania ruchu, aby nagrać próbę. Pozwól szczurowi chodzić przez około 30 sekund lub co najmniej 10 ciągłych kroków.Utwórz nową grupę kamer dla każdej próby po zapisaniu nagranego wideo. Oprogramowanie przedstawione w tym protokole może być wykorzystywane przez studentów, pracowników i badaczy bez konieczności posiadania specjalistycznej wiedzy technicznej. Ten proces jest przyjazny dla użytkownika i można go łatwo opanować przy niewielkiej wprawie.Protokół ten można wdrożyć w ciągu około 45 minut do jednej godziny, w zależności od pożądanej ilości danych. Kliknij prawym przyciskiem myszy grupę kamer, aby śledzić ruch. Wybierz śledzenie 2D"Wybierz od siedmiu do 10 najlepszych ciągłych i spójnych kroków śledzenia.Kliknij prawym przyciskiem myszy interesujący Cię znacznik i wybierz Automatyczne śledzenie"który wykryje jasne okrągłe plamy utworzone przez znaczniki odblaskowe. Alternatywnie, śledź znaczniki za pomocą dopasowywania wzorców, które będą wykorzystywać algorytm wbudowany w oprogramowanie do śledzenia znaczników na podstawie rozmiaru i koloru. Śledź czarne znaczniki za pomocą zaawansowanego przetwarzania obrazu, odwracając czarne znaczniki do jasnych punktów w celu automatycznego śledzenia.Ręczne śledzenie i korygowanie niewykrywalnych znaczników lub błędów w śledzeniu. Kliknij prawym przyciskiem myszy Fazy"i wybierz Edytuj model fazy"Dostosuj fazy cyklu chodu dla każdej kończyny zgodnie z deficytami, które zdecydujesz się badać. Przypisz fazy cyklu chodu do każdej kończyny w oprogramowaniu za pomocą przycisku Dodaj fazę" lub skrótu F11.Wykonuj obliczenia 3D po śledzeniu wszystkich sześciu kamer. Kliknij prawym przyciskiem myszy grupę kamer i wybierz Nowe obliczenia 3D"Pojawi się nowy folder. Generuj interesujące dane, takie jak wykresy wysokości lub prędkości stawów z punktami danych, przeciągając interesujący Cię znacznik, aby wyświetlić go obok przypisanych faz chodu.Kliknij diagram 3D", aby wygenerować trójwymiarową figurę badania. Ten rysunek przedstawia profil kąta łokcia u reprezentatywnego zdrowego szczura chodzącego po bieżni. Należy pamiętać, że zdrowe stawki są w stanie stale rosnąć przez dłuższy czas.Gładkie, pojedyncze szczyty reprezentują cykle chodu z pełnym zakresem ruchu. Naprzemienny czas trwania fazy podporu i wymachu, ze stałym czasem trwania każdego kroku, wskazuje na normalną koordynację wewnątrzkończynową. Natomiast ciągłe chodzenie jest mniej powszechne po kontuzji.Profil kąta łokcia reprezentatywnego szczura z rdzeniem rdzeniowym wykazuje wiele zniekształconych szczytów, które są mniej spójne i mają mniejszy zakres ruchu. Ponadto wydłużona faza podparcia i skrócony czas trwania fazy wymachu sugerują brak koordynacji wewnątrzkończynowej prawej kończyny przedniej. Rysunek ten przedstawia reprezentatywne dane wykreślone dla koordynacji wewnątrzkończynowej między dwiema parami kończyn.Reprezentatywny zdrowy szczur wykazuje dobrze zdefiniowaną naprzemienną koordynację rytmiczną, która jest postrzegana jako wzór w kształcie litery L na wykresie linii rozproszonej. W przeciwieństwie do tego, reprezentatywny szczur z uszkodzeniem rdzenia kręgowego w odcinku szyjnym wykazuje słabą, nienaprzemienną, nierytmiczną koordynację między dwiema kończynami przednimi. Po obejrzeniu tego filmu powinieneś dobrze zrozumieć, jak skonfigurować i skalibrować system przechwytywania ruchu z wieloma kamerami, jak przygotować szczura do przechwytywania ruchu, jak nagrywać lokomocję na bieżni oraz jak uzyskać i przeanalizować wyjściowe dane kinematyczne 3D.Ostatecznym celem naukowców jest zatem zastosowanie tych wysoce ustandaryzowanych narzędzi oceny motorycznej i rutynowe prowadzenie badań w celu rozszyfrowania wpływu interwencji na regenerację motoryczną po neurotraumie.

3d-kinematic-gait-analysis-for-preclinical-studies-in-rodents

Research

JoVE Journal

Behavior

Zachowanie

Analiza chodu kinematycznego w płaszczyźnie strzałkowej dostarcza bardzo precyzyjnych informacji o tym, jak wykonywany jest ruch. Opisujemy zastosowanie tych technik do identyfikacji deficytów chodu u myszy poddanych demielinizacji o podłożu autoimmunologicznym. Metody te mogą być również wykorzystane do scharakteryzowania deficytów chodu dla innych modeli myszy z upośledzoną lokomocją.

Analiza kinematyczna chodu w płaszczyźnie strzałkowej u myszy C57BL/6 poddanych eksperymentalnemu autoimmunologicznemu zapaleniu mózgu i rdzenia wywołanemu MOG35-55

Precyzyjna ocena reakcji na ból w neuropatycznym modelu zwierzęcym jest kluczowa dla zbadania patofizjologii chorób bólowych i opracowania nowych leków przeciwbólowych. Przedstawiamy czułą i obiektywną metodę określania funkcji sensorycznej tylnej łapy gryzonia za pomocą zautomatyzowanego systemu analizy chodu.

Zautomatyzowana analiza chodu u myszy z przewlekłym urazem zwężenia

W tym badaniu przedstawiono przyjazną dla klinicystów metodę trójwymiarowej analizy chodu, która została zaprojektowana do przeprowadzenia w klinice rehabilitacyjnej. Metoda składa się z uproszczonej metody pomiaru i intuicyjnych danych liczbowych, które ułatwiają lekarzom zrozumienie wyników.

Klinicznie zorientowana metoda trójwymiarowej analizy chodu do oceny zaburzeń chodu

W tym badaniu demonstrujemy wykorzystanie kinematycznej analizy chodu opartej na obrazowaniu w płaszczyźnie brzusznej do monitorowania subtelnych zmian w koordynacji ruchowej, jak również postępu neurodegeneracji wraz z wiekiem w modelach mysich (np. linie myszy z mutacją endofiliny).

Analiza chodu zależnych od wieku zaburzeń motorycznych u myszy z neurodegeneracją

Opisujemy nowatorski system analizy chodu, Paw-Print Analysis of Contrast-Enhanced Recordings (PrAnCER), zautomatyzowany system o otwartym dostępie do kwantyfikacji cech chodu u szczurów, który wykorzystuje nowatorską półprzezroczystą podłogę do automatycznego ilościowego określania chodu. System ten został zwalidowany przy użyciu haloperidolowego modelu choroby Parkinsona.

Analiza odcisków łap w nagraniach ze wzmocnieniem kontrastowym (PrAnCER): tani, zautomatyzowany system analizy chodu o otwartym dostępie do oceny deficytów motorycznych

Analiza śladów to tania alternatywa dla cyfrowych programów do analizy chodu dla badaczy kwantyfikujących nieprawidłowości ruchowe u myszy. Ze względu na swoją szybkość, prostotę i potencjał podłużny idealnie nadaje się do fenotypowania behawioralnego modeli mysich.

Tania analiza chodu do fenotypowania behawioralnego mysich modeli choroby nerwowo-mięśniowej

Wprowadzamy metodę analizy kinematycznej, która wykorzystuje trójwymiarowy aparat do przechwytywania ruchu zawierający cztery kamery i oprogramowanie do przetwarzania danych do przeprowadzania ocen funkcjonalnych podczas podstawowych badań z udziałem modeli gryzoni.

Analiza kinematyczna 3D do oceny funkcjonalnej w szczurzym modelu uszkodzenia nerwu kulszowego

Tutaj opisujemy system RatWalker, zbudowany przez przeprojektowanie aparatu MouseWalker, aby dostosować go do zwiększonych rozmiarów i wagi szczurów. System ten wykorzystuje sfrustrowane całkowite odbicie wewnętrzne (FTIR), szybkie przechwytywanie wideo i oprogramowanie do analizy w otwartym dostępie do śledzenia i ilościowego określania parametrów chodu.

Zastosowanie systemu RatWalker do analizy chodu w genetycznym modelu szczurzym choroby Parkinsona

Obecny protokół opisuje trójwymiarowe śledzenie/ocenę ruchu, aby zobrazować zmianę ruchu szczurów po ekspozycji na symulowane środowisko nieużywania.

Kompleksowe zrozumienie zmian chodu wywołanych bezczynnością u gryzoni

Protokół ten ustanawia pipeline oceny kinematyki tylnej kończyny szczura za pomocą testu na bieżni bez markerów z automatycznym oznaczaniem trajektorii wielostawowych opartym na głębokim uczeniu, co umożliwia powtarzalną ilościową ilościową identyfikację ruchu.

Wielostawowe synchroniczne śledzenie oparte na uczeniu głębokim do obiektywnej ilościowej kinematyki ruchowej kończyn tylnych u szczurów

Poznaj metodę analizy kinematycznej chodu 3D u szczurów przy użyciu systemu sześciu kamer. Protokół umożliwia szczegółową ocenę wzorców lokomocji bez złożonych algorytmów.

Analiza kinematyczna chodu 3D do badań przedklinicznych na gryzoniach

Przeglądaj więcej filmów