Name: Ilościowa ocena zdolności motorycznych niemowlęcia za pomocą wielosensorowego urządzenia do noszenia (Wideo) | JoVE Journal
Uploaded: 2024-05-17T13:30:00.000+00:00
Duration: 9 min 24 s
Description: Poznaj automatyczną analizę rozwoju motorycznego niemowląt za pomocą urządzenia MAIJU z algorytmami uczenia maszynowego. Metoda umożliwia obiektywną ocenę umiejętności ruchowych w warunkach domowych.

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

Ta praca była wspierana przez Fińską Akademię (314602, 335788, 335872, 332017, 343498), Fińską Fundację Pediatryczną (Lastentautien tutkimussäätiö), Aivosäätiö, Fundację Sigrid Juselius oraz fundusze badawcze Szpitala Dziecięcego/Centrum Diagnostycznego HUS.

Badania przeprowadzone za pomocą tego systemu zostały sprawdzone przez komisję etyki Nowego Szpitala Dziecięcego Szpitala Uniwersyteckiego w Helsinkach, a szpital wyraził zgodę na przeprowadzenie projektów badawczych opisanych w oryginalnych badaniach cytowanych w tej pracy. Uzyskano świadomą zgodę na sfilmowanie dziecka na filmie.
1. Przygotowanie kombinezonu do sesji nagraniowej
<ol>
	<li>Wybierz odpowiedni rozmiar garnituru. Obecnie rozmiary wahają się od rozmiaru 68 cm i istnieje pięć różnych opcji rozmiarów (68 cm, 74 cm, 80 cm, 86 cm i 92 cm). Upewnij się, że kombinezon jest ciasno, ale wygodnie, a dziecko może swobodnie się poruszać bez przeszkód.</li>
	<li>Rozpocznij nagrywanie, tj. zbieranie danych za pomocą aplikacji rejestratora danych, Maijulogger, zgodnie z opisem w pliku uzupełniającym 1.
	<ol>
		<li>Na pierwszej stronie wpisz "Numer identyfikacyjny podmiotu". Liczba czujników ruchu używanych w ocenie jest domyślnie ustawiona na 4, jak pokazano na pierwszej stronie.</li>
		<li>Przejdź do następnego etapu, naciskając strzałkę do przodu.</li>
	</ol>
	</li>
	<li>Wyposaż cztery czujniki w baterie (wersja CR2025).</li>
	<li>Sparuj każdy czujnik z aplikacją mobilną, wybierając i naciskając lokalizację kończyny w aplikacji i zbliżając czujnik do urządzenia mobilnego.
	<ol>
		<li>Upewnij się, że w aplikacji wyświetlany jest prawidłowy numer czujnika.</li>
		<li>Upewnij się, że poziom naładowania baterii jest wystarczający (zalecany > 80%), sprawdzając wskaźniki poniżej numeru czujnika. 
		UWAGA: W razie potrzeby wymień baterie czujnika, podnosząc tylną pokrywę.</li>
	</ol>
	</li>
	<li>Zamocuj każdy czujnik za pomocą mocowań zatrzaskowych w odpowiedniej kieszeni na rękawie.
	<ol>
		<li>Upewnij się, że czujniki są prawidłowo zorientowane.</li>
		<li>Zawsze sprawdzaj najnowszą instrukcję obsługi, aby uzyskać szczegółowe informacje. Nieprawidłowa orientacja doprowadzi do tego, że dane staną się bezużyteczne.</li>
	</ol>
	</li>
	<li>Kontynuuj, aby sprawdzić poprawność parowania czujnika, naciskając strzałkę do przodu w aplikacji.
	<ol>
		<li>Potrząśnij czujnikami jeden po drugim i sprawdź aplikację, aby zobaczyć, czy porusza się prawidłowy wskaźnik.</li>
	</ol>
	</li>
	<li>Po zakończeniu sprawdzania przejdź do strony startowej, naciskając strzałkę do przodu. 
	UWAGA: W razie potrzeby czas trwania nagrywania (gg:mm) można ustawić ręcznie, naciskając przycisk Ustawienia na początku każdego nagrania.
	<ol>
		<li>Naciśnij przycisk nagrywania, aby rozpocząć nagrywanie. Poczekaj, aż czujniki będą gotowe, zanim założysz kombinezon na niemowlę (może to potrwać kilka minut).</li>
	</ol>
	</li>
	<li>W przypadku nagrań domowych bez nadzoru ustaw blokadę ekranu na urządzeniu mobilnym, aby uniknąć jego działania przez rodzica i spakuj kombinezon do dostarczenia do odbiorcy.
	<ol>
		<li>Skorzystaj z usług kuriera lub podobnej firmy, aby dostarczyć garnitur do odbiorcy natychmiast po jego przygotowaniu.</li>
	</ol>
	</li>
</ol>
2. Przygotowanie i ubieranie niemowlęcia do sesji nagraniowej
<ol>
	<li>Upewnij się, że niemowlę jest karmione (tj. karmione i zmieniane pieluchy) oraz czuje się bezpiecznie i komfortowo, zapewniając naturalną i spontaniczną zabawę.
	<ol>
		<li>W razie potrzeby zdejmij kombinezon później, aby zmienić pieluchę.</li>
	</ol>
	</li>
	<li>Ubierz garnitur na niemowlę tak, jak to ma miejsce w zwykłym kombinezonie.
	<ol>
		<li>Sprawdź, czy kieszenie na czujniki są skierowane na zewnątrz (tj. z dala od linii środkowej ciała, zamiast obracać się w kierunku przodu lub tyłu niemowlęcia).</li>
	</ol>
	</li>
	<li>Sprawdź, czy kombinezon ściśle przylega do kończyn w każdym miejscu czujnika.
	<ol>
		<li>W razie potrzeby wyreguluj paski w pobliżu kieszeni, aby zacisnąć czujnik na kończynie. 
		UWAGA: Możliwe jest również dodanie ubrań pod kombinezon lub bandaży, aby zapiąć czujniki w przypadku, gdy kończyny są zbyt cienkie, aby można je było wystarczająco zapiąć za pomocą pasków.</li>
	</ol>
	</li>
</ol>
3. Sesja nagraniowa
<ol>
	<li>Trzymaj urządzenie mobilne w pobliżu niemowlęcia, aby zapewnić niezawodną transmisję danych przez połączenie Bluetooth (tj. w tym samym pomieszczeniu lub w promieniu 10 m w przypadku nagrywania na otwartej przestrzeni) podczas nagrywania z bezpośrednim przesyłaniem danych.
	<ol>
		<li>W razie potrzeby przechowuj urządzenie mobilne w torbie, takiej jak pokrowiec na tablet, aby ułatwić i bezpieczniej go obsługiwać. Protokół Bluetooth podejmie próbę ponownego połączenia, jeśli połączenie BLE zostanie utracone. 
		UWAGA: Nie zaleca się wstrzymywania, a następnie kontynuowania nagrywania, ponieważ może to zakłócić synchronizację między czujnikami lub czasową integralność zarejestrowanych danych, a także utratę połączenia BLE. W takich przypadkach jedyną opcją jest wyłączenie aplikacji i rozpoczęcie nagrywania od nowa.</li>
	</ol>
	</li>
	<li>Zaaranżuj otoczenie tak, aby ułatwiało zabawę zabawkami i innymi przedmiotami oraz zachęcało maluszka do swobodnego poruszania się. Na przykład oczyść miejsce do poruszania się lub połóż matę na ziemi, aby niemowlę mogło być zachęcane do ruchu, gdy zobaczy zabawki odpowiednie dla jego wieku. Celem jest zarejestrowanie naturalnego ruchu niemowlęcia.
	<ol>
		<li>Upewnij się, że niemowlę czuje się wystarczająco komfortowo i bezpiecznie, aby angażować się w spontaniczną zabawę bez odczuwania niepokoju z powodu nowych ludzi lub nieznanych miejsc.</li>
	</ol>
	</li>
	<li>Nagraj co najmniej 1 godzinę swobodnej gry lub tak długo, jak wymagają tego pytania do nauki. Wiele epok gry/ruchu można połączyć w późniejszym czasie analizy.</li>
	<li>Jeśli jest to wymagane przez konkretny protokół badania, należy sporządzić dalsze notatki, aby ułatwić szczegółową kontrolę poszczególnych wyników. Używaj zsynchronizowanych adnotacji w czasie rzeczywistym w aplikacji rejestratora danych jako dowolnego tekstu, nagrań audio lub nagrań wideo.</li>
	<li>W przypadku nagrań domowych bez nadzoru ustaw nagrywanie tak, aby zatrzymało się automatycznie (tj. ustaw czas trwania (gg:mm) nagrywania ręcznie, naciskając przycisk Ustawienia).</li>
	<li>W ustawieniach nadzorowanych zakończ nagrywanie, naciskając przycisk Stop w aplikacji.</li>
	<li>Zdejmij kombinezon i spakuj go do powrotu do laboratorium.</li>
	<li>Pierz kombinezon po każdym nagraniu po zdjęciu czujników z kieszeni kombinezonu. Jeśli to możliwe, używaj detergentów, w tym środków odprowadzających wilgoć przeznaczonych do materiałów syntetycznych11.
	<ol>
		<li>Po praniu należy sprawdzić kombinezon pod kątem wad mechanicznych przed przechowywaniem go do użytku przez następne dziecko.</li>
	</ol>
	</li>
</ol>
4. Analiza w chmurze: przesyłanie surowych danych i pobieranie wyników
<ol>
	<li>Kliknij na nagrany plik w widoku bazy danych aplikacji, a następnie kliknij Eksportuj do Babacloud, co spowoduje otwarcie strony głównej chmury obliczeniowej (https://babacloud.fi/) za pomocą przeglądarki internetowej na urządzeniu mobilnym (Plik uzupełniający 2).</li>
	<li>Wprowadź nazwę użytkownika i hasło na stronie logowania. W razie potrzeby poproś o nowe dane uwierzytelniające z adresu e-mail podanego na stronie głównej Babacloud.</li>
	<li>Wybierz nagrany plik do przesłania. Następnie wybierz numer identyfikacyjny dla tematu i dodaj wymagane informacje zgodnie ze wskazaniami przepływu pracy Babacloud. Jeśli jest to istotne dla sprawy, wprowadź również wiek osoby badanej lub inne informacje (np. czas gry) w polu "Dodaj kolejną etykietę pliku raw". Na koniec zapisz sesję przesyłania, naciskając przycisk Zapisz. 
	UWAGA: Domyślnie aplikacja rejestratora danych wygeneruje spakowany plik z danymi o ruchu, aby umożliwić łatwiejszy i szybszy transfer danych bezprzewodowo przez Wi-Fi lub sieć komórkową. Interfejs Babacloud będzie wymagał danych uwierzytelniających, które można uzyskać zgodnie z instrukcjami na ich stronie internetowej. Zarejestrowane surowe dane można również przenieść bezpośrednio z telefonu na inne urządzenie w celu dostosowanej analizy. Upewnij się, że niepotrzebne dane z pamięci urządzenia mobilnego zostały usunięte, aby uniknąć pomyłek między sesjami nagrywania. Sesje nagraniowe są automatycznie umieszczane w osobnych folderach, które są nazwane odpowiednimi sygnaturami czasowymi.</li>
	<li>Pobierz spakowany pakiet wyników analizy z serwera w chmurze za pomocą urządzenia mobilnego lub przeglądarki internetowej na komputerze. Kliknij prawidłowy identyfikator tematu, a następnie wybierz łącze do żądanej analizy, która automatycznie otworzy plik do pobrania. 
	UWAGA: W spakowanym pakiecie wyników można znaleźć dwie następujące pozycje: Szczegółową matrycę wyników, która podaje wszystkie klasyfikacje sekunda po sekundzie dla postawy, ruchu, noszenia niemowlęcia i czasu swobodnej zabawy (<silna klasa = "xfig">Rysunek 2A, plik uzupełniający 3). Raporty graficzne, które dają ogólny zarys sesji naukowej (plik uzupełniający 4).</li>
</ol>

<ol><li>Adolph, K. E., Hoch, J. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motor+development%3A+Embodied%2C+embedded%2C+enculturated%2C+and+enabling%5BTitle%5D)+AND+%22Annual+Review+of+Psychology%22%5BJournal%5D)">Motor development: Embodied, embedded, enculturated, and enabling.</a> Annual Review of Psychology. 70, 141-164 (2022).</li>
<li>Masten, A. S., Cicchetti, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Developmental+cascades+%5BEditorial%5D%5BTitle%5D)+AND+%22Development+and+Psychopathology%22%5BJournal%5D)">Developmental cascades [Editorial].</a> Development and Psychopathology. 22 (3), 491-495 (2010).</li>
<li>Piek, J. P., Dawson, L., Smith, L. M., Gasson, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+early+fine+and+gross+motor+development+on+later+motor+and+cognitive+ability%5BTitle%5D)+AND+%22Human+Movement+Science%22%5BJournal%5D)">The role of early fine and gross motor development on later motor and cognitive ability.</a> Human Movement Science. 27 (5), 668-681 (2007).</li>
<li>Adolph, K. E., Franchak, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+development+of+motor+behavior%5BTitle%5D)+AND+%22WIREs+Cognitive+Science%22%5BJournal%5D)">The development of motor behavior.</a> WIREs Cognitive Science. 8, e1430(2017).</li>
<li>Adolph, K. E., Hoch, J. E., Cole, W. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+%28of+Walking%29%3A+15+Suggestions%5BTitle%5D)+AND+%22Trends+in+Cognitive+Science%22%5BJournal%5D)">Development (of Walking): 15 Suggestions.</a> Trends in Cognitive Science. 22 (8), 699-711 (2019).</li>
<li>Wijnhoven, T. M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+gross+motor+development+in+the+WHO+multicentre+growth+reference+study%5BTitle%5D)+AND+%22Food+and+Nutrition+Bulletin%22%5BJournal%5D)">Assessment of gross motor development in the WHO multicentre growth reference study.</a> Food and Nutrition Bulletin. 25, 1 Suppl (2004).</li>
<li>Uusitalo, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hammersmith+infant+neurological+examination+and+long-term+cognitive+outcome+in+children+born+very+preterm%5BTitle%5D)+AND+%22Developmental+Medicine+and+Child+Neurology%22%5BJournal%5D)">Hammersmith infant neurological examination and long-term cognitive outcome in children born very preterm.</a> Developmental Medicine and Child Neurology. 63, 947-953 (2021).</li>
<li>Romeo, D. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hammersmith+infant+neurological+examination+for+infants+born+preterm%3A+predicting+outcomes+other+than+cerebral+palsy%5BTitle%5D)+AND+%22Developmental+Medicine+%26+Child+Neurology%22%5BJournal%5D)">Hammersmith infant neurological examination for infants born preterm: predicting outcomes other than cerebral palsy.</a> Developmental Medicine & Child Neurology. 63, 939-946 (2021).</li>
<li>De Kegel, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+reference+values+must+be+established+for+the+Alberta+Infant+Motor+Scales+for+accurate+identification+of+infants+at+risk+for+motor+developmental+delay+in+Flanders%5BTitle%5D)+AND+%22Child%3A+Care%2C+Health+and+Development%22%5BJournal%5D)">New reference values must be established for the Alberta Infant Motor Scales for accurate identification of infants at risk for motor developmental delay in Flanders.</a> Child: Care, Health and Development. 39 (2), 260-267 (2013).</li>
<li>Airaksinen, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Intelligent+wearable+allows+out-of-the-lab+tracking+of+developing+motor+abilities+in+infants%5BTitle%5D)+AND+%22Communications+Medicine%22%5BJournal%5D)">Intelligent wearable allows out-of-the-lab tracking of developing motor abilities in infants.</a> Communications Medicine. 2, 69(2022).</li>
<li>Airaksinen, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+posture+and+movement+tracking+of+infants+with+wearable+movement+sensors%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">Automatic posture and movement tracking of infants with wearable movement sensors.</a> Scientific Reports. 10, 169(2020).</li>
<li>Airaksinen, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Charting+infants%27+motor+development+at+home+using+a+wearable+system%3A+validation+and+comparison+to+physical+growth+charts%5BTitle%5D)+AND+%22eBioMedicine%22%5BJournal%5D)">Charting infants' motor development at home using a wearable system: validation and comparison to physical growth charts.</a> eBioMedicine. 92, 104591(2023).</li>
<li>Hewitt, L., Kerr, E., Stanley, R. M., Okely, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tummy+time+and+infant+health+outcomes%3A+a+systematic+review%5BTitle%5D)+AND+%22Pediatrics%22%5BJournal%5D)">Tummy time and infant health outcomes: a systematic review.</a> Pediatrics. 145, e20192168(2020).</li>
<li>Pascal, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Motor+outcome+after+perinatal+stroke+and+early+prediction+of+unilateral+spastic+cerebral+palsy%5BTitle%5D)+AND+%22European+Journal+of+Paediatric+Neurology%22%5BJournal%5D)">Motor outcome after perinatal stroke and early prediction of unilateral spastic cerebral palsy.</a> European Journal of Paediatric Neurology. 29, 54-61 (2020).</li>
<li>Tabard-Fougère, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Are+clinical+impairments+related+to+kinematic+gait+variability+in+children+and+young+adults+with+cerebral+palsy%5BTitle%5D)+AND+%22Frontiers+in+Human+Neuroscience%22%5BJournal%5D)">Are clinical impairments related to kinematic gait variability in children and young adults with cerebral palsy.</a> Frontiers in Human Neuroscience. 16, 816088(2022).</li>
<li>Fish, L. A., Jones, E. J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+survey+on+the+attitudes+of+parents+with+young+children+on+in-home+monitoring+technologies+and+study+designs+for+infant+research%5BTitle%5D)+AND+%22PLOS+One%22%5BJournal%5D)">A survey on the attitudes of parents with young children on in-home monitoring technologies and study designs for infant research.</a> PLOS One. 16, e0245793(2021).</li>
<li>Porciuncula, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Wearable+movement+sensors+for+rehabilitation%3A+a+focused+review+of+technological+and+clinical+advances%5BTitle%5D)+AND+%22Physical+Medicine+%26+Rehabilitation%22%5BJournal%5D)">Wearable movement sensors for rehabilitation: a focused review of technological and clinical advances.</a> Physical Medicine & Rehabilitation. 10 (9), S220-S232 (2018).</li>
</ol>

E.I. jest założycielem firmy Planno Oy, która zajmuje się doradztwem w zakresie inżynierii tekstylnej. Inni autorzy nie mają żadnego interesu w ujawnianiu informacji.

Ilościowa ocena i śledzenie rozwoju sprawności motorycznej niemowląt za pomocą rozwiązania ubieralnego, takiego jak MAIJU, jest technicznie proste do nauczenia się i wykonania, a także może być łatwo wdrożone w opiece zdrowotnej lub praktyce badań klinicznych 10,11,12. W porównaniu z innymi istniejącymi metodami oceny motorycznej, ten rodzaj domowego rejestrowania spontanicznej aktywności motorycznej niemowląt poprawia ekologiczną trafność oceny. Ponadto zapewnia ilościową, przejrzystą i w pełni zautomatyzowaną analizę sprawności motorycznej niemowląt. Co najważniejsze, metryki wykorzystywane w analizie są intuicyjne i wytłumaczalne, co umożliwia ich łatwe porównanie z innymi ocenami klinicznymi i badawczymi, takimi jak czynniki środowiskowe, rozwój poznawczy czy oceny psychospołeczne. Holistyczna ocena rozwoju motorycznego zapewnia dokładność, która dobrze wypada w porównaniu z konwencjonalnymi miarami wzrostu fizycznego12.
Krytyczne kroki w protokole obejmują staranne przygotowanie kombinezonu do noszenia. Przygotowując się do nagrania, wybór odpowiedniego rozmiaru kombinezonu ma kluczowe znaczenie, ponieważ mocowania czujników w rękawach i nogawkach muszą być ciasno osadzone, aby uzyskać wiarygodne nagranie ruchów ciała. Ponadto, aby nagranie zakończyło się sukcesem, konieczne jest umieszczenie czujników w kieszeniach o prawidłowej orientacji, jak wskazano w protokole. Mocowania czujnika nie pozwolą na obracanie się czujników podczas nagrywania. Jednak nieprawidłowo zorientowany czujnik rejestruje dane, które są trudne, jeśli nie niemożliwe, do późniejszego naprawienia. Podczas nagrywania należy zachęcać niemowlę do swobodnego i samodzielnego poruszania się. Długość nagrania może się różnić w zależności od podanych pytań badania. Wiele epok ruchu spontanicznego jest łączonych, aby zgromadzić wystarczającą ilość spontanicznego ruchu na każdą sesję nagraniową.
Elastyczna i praktyczna obsługa rozwiązania ubieralnego MAIJU pozwala na jego wykorzystanie w różnych kontekstach zarówno w warunkach nadzorowanych, jak i nienadzorowanych, takich jak laboratoria badawcze lub domy. Ostatnie wyniki naszych badań klinicznych pokazują, że w pełni nienadzorowane nagrania przeprowadzone w domu mogą zapewnić porównywalne wyniki z nagraniami wykonanymi pod pełnym lub częściowym nadzorem12. Mimo to na spontaniczne zachowania motoryczne dziecka może mieć wpływ kilka czynników, takich jak otoczenie (np. zabawa na zewnątrz vs. w pomieszczeniu, układ przestrzeni, meble i zabawki), poziom czujności dziecka oraz zaangażowanie rodziców podczas nagrywania w domu. Gdy nagrania są wykonywane w domu bez nadzoru, ważne jest, aby zachęcać dziecko do spontanicznej zabawy, tj. do samodzielnej zabawy lub poruszania się, bez konieczności noszenia lub trzymania dziecka przez kogoś innego, a także trzymania nagrywającego telefonu komórkowego w zasięgu Bluetooth (w tym samym pomieszczeniu)10. Większość naszych obecnych sytuacji rozwiązywania problemów podczas nagrań jest spowodowana utratą połączenia Bluetooth. Postępy w technologii czujników w niedalekiej przyszłości poprawią łączność Bluetooth, a nadchodzące wprowadzenie większej pamięci czujnika umożliwi nagrywanie w trybie offline poprzez przechowywanie danych o ruchu bezpośrednio w pamięci czujnika.
Nagrania pozaszpitalne z wykorzystaniem tego rodzaju rozwiązania ubieralnego są łatwo skalowalne i mogą poprawić bezpieczeństwo niemowląt, np. poprzez umożliwienie zdalnego monitorowania w okolicznościach takich jak pandemia. Nasze obecne algorytmy klasyfikatorów zostały przeszkolone tak, aby specyficznie rozpoznawać dane zdolności motoryczne, postawy i ruchy pokazane w schemacie opisu ruchliwości (Rysunek 2A). Zjawiska te zostały zidentyfikowane jako charakterystyczne dla ruchu niemowlęcia w ciągu pierwszych dwóch lat życia. Inne rodzaje ruchów lub pozycji obserwowane u starszych dzieci, takie jak bieganie lub skakanie, będą wymagały zmodyfikowanych schematów opisu ruchów i odpowiednich algorytmów, które zostaną przeszkolone w celu ich identyfikacji. Analiza zależna od postawy i kontekstu jest potencjalnie owocnym podejściem, w którym aktywność motoryczna niemowlęcia jest analizowana oddzielnie w różnych pozycjach, aby wspierać badanie, np. rozwojowe korelaty zachowania niemowlęcia 5,6,7,8,9,13 . Alternatywnie, zależna od kontekstu analiza ruchu może również pomóc w ocenie asymetrii funkcji motorycznych podczas przewidywania rozwoju jednostronnego porażenia mózgowego 10,12,14,15. Co więcej, ocena zdolności motorycznych za pomocą systemu MAIJU może być łączona z innymi modalnościami badania, np. śledzeniem ruchu gałek ocznych, obrazowaniem lub nagrywaniem wideo, w celu uzyskania danych multimodalnych, obejmujących różne typy i konteksty. Dane multimodalne mogą być przydatne np. w ocenie efektów interakcji społecznych lub skuteczności interwencji terapeutycznej.
Aby nowatorskie technologie ubieralne odniosły sukces w pozaszpitalnych środowiskach monitorowania niemowląt, należy zająć się pewnymi ograniczeniami, wyzwaniami i obawami etycznymi. Nasze potoki analityczne zostały przeszkolone i zweryfikowane na typowo rozwijających się niemowlętach w Finlandii 10,11,12. Surowe wyniki analizy z czystymi pozycjami i ruchami powinny być uniwersalne. Jednak ich trajektorie rozwojowe mogą wymagać dostosowania do różnych kultur i lokalizacji geograficznych. Zgodnie z opiniami rodziców na temat urządzeń do noszenia, są one postrzegane pozytywnie ze względu na przyjazność dla niemowląt16. Rodzice mogą jednak zgłaszać obawy dotyczące prywatności, dostępu do danych i praktycznych aspektów rodziny (np. wielu opiekunów, gości i różne harmonogramy). Zależność od żywotności baterii czujników i telefonu nagrywającego można uznać za ograniczenie metody. Z naszego doświadczenia wynika, że model baterii (CR2025) zwykle wystarcza na cały dzień (12-24 godziny) przy ciągłym przesyłaniu danych. Warto zauważyć, że zależy to zarówno od marki baterii, jak i siły połączenia Bluetooth potrzebnego do bezprzewodowej transmisji danych, które stale się zmienia, aby zmaksymalizować transmisję danych w środowisku nagrywania. Na przykład duża odległość między niemowlęciem a telefonem lub ściana między nimi dostosowałaby połączenie Bluetooth do znacznie większego zużycia baterii. Warto zauważyć, że baterie większości urządzeń mobilnych są również rozładowywane w mniej więcej tym samym czasie, jeśli korzystasz z ciągłego przesyłania strumieniowego Bluetooth. W praktyce stosowane obecnie ciągłe przesyłanie danych przez połączenie Bluetooth oznacza, że zarówno czujniki, jak i urządzenia mobilne wymagają codziennego ładowania/wymiany baterii. Wprowadzenie w niedalekiej przyszłości czujników o większej pojemności pamięci pozwoli na przechowywanie danych w pamięci czujnika, co pozwoli na ponad tydzień ciągłego nagrywania. Wyeliminuje to potrzebę energochłonnego przesyłania strumieniowego Bluetooth, a także noszenia telefonu w zasięgu Bluetooth, który może być postrzegany jako ograniczający w sytuacjach nagrywania i podatny na błędy ludzkie.
Ogólnie rzecz biorąc, śledzenie wczesnego rozwoju neurologicznego wymaga metod, które są wrażliwe na naturalną zmienność neurobehawioralną. Rozwój motoryki dużej jest skomplikowanym procesem, na który składają się zmiany kolejności i czasu, zarówno na poziomie indywidualnym, jak i kulturowym4. Wykrywanie nietypowego rozwoju motorycznego jest skuteczne w rozpoznawaniu niemowląt zagrożonych szerokim zakresem zaburzeń neurorozwojowych. Tradycyjne baterie testowe ze standaryzowanymi ocenami neurorozwojowymi są wykonywane w kontrolowanych środowiskach, takich jak szpitale, i są przynajmniej częściowo subiektywne 7,8,9. Obecne postępy w technologii czujników i analizie sygnału umożliwiły rejestrowanie spontanicznych zdolności motorycznych niemowląt przez dłuższy czas w warunkach pozaszpitalnych i ilościowe określenie zachowań motorycznych z dokładnością porównywalną z ludzkimi obserwatorami 10,11,12. Nowatorska technologia ubieralna oferuje zautomatyzowane i skalowalne metody monitorowania ruchu i skuteczności interwencji terapeutycznej u niemowląt w sposób ekologicznie uzasadniony i obiektywny. Co więcej, nowy indeks neurorozwojowy Baba Infant Motor Score (BIMS) umożliwia oszacowanie dojrzałości zdolności motorycznych niemowląt poprzez indywidualne śledzenie rozwoju neurologicznego10,12. Może być stosowany w wielu przyszłych zastosowaniach, takich jak opracowywanie wykresów wzrostu motorycznego niemowląt12. Poprzez trenowanie automatycznych klasyfikatorów dla innych określonych ruchomości (np. dla starszych dzieci lub dorosłych) za pomocą różnych rodzajów schematów opisu ruchu i algorytmów, czujniki ruchu do noszenia na ciele mają potencjał do zastosowań klinicznych, takich jak zaburzenia ruchowe lub monitorowanie skutków interwencji terapeutycznych niezależnie od etapu rozwoju danej osoby17. Obecnie jednak należy to postrzegać jako metodologię badawczą, która nie powinna być wykorzystywana do informowania o diagnozie klinicznej lub celach leczenia.

Wczesny rozwój motoryczny jest niezbędny dla wyższego poziomu sprawności neurokognitywnej, która ujawnia się później, wspierając niemowlęta w eksploracji środowiska. Dlatego zarówno klinicyści, jak i badacze są bardzo zainteresowani oceną wczesnego rozwoju motoryki dużej1,2,3. Aby zapewnić wsparcie dla medycyny opartej na dowodach lub badań naukowych, ważne jest, aby oceny motoryki dużej były ilościowe, wiarygodne, obiektywne i ekologicznie uzasadnione. Jednak istnieje niedobór takich metod dostępnych zarówno w badaniach klinicznych, jak i podstawowych.
Typowy wczesny rozwój motoryczny przebiega poprzez przewidywalną sekwencję nowo nabytych umiejętności. Są one często obserwowane u niemowląt jako osiągające dyskretne kamienie milowe motoryczne4, gdzie stanie i chodzenie są często uważane za ważne punkty orientacyjne na drodze do bardziej złożonego repertuaru zachowań5. Oprócz bezpośredniej obserwacji lub ankiet rodzicielskich na temat kamieni milowych motoryki, opracowano kilka powszechnie stosowanych standardowych baterii6,7,8,9 do przeprowadzania ocen niemowląt w środowisku laboratoryjnym lub szpitalnym. Oceny te mają jednak wiele zastrzeżeń: wymagają znacznej wiedzy specjalistycznej od wyszkolonych specjalistów, są częściowo subiektywne i kategoryczne oraz oceniają wyniki niemowląt w środowisku (szpitalu lub laboratorium), które jest nienaturalne z perspektywy niemowlęcia.
Rejestrowanie spontanicznej aktywności motorycznej niemowląt przez dłuższy czas w naturalnym środowisku, takim jak ich dom, umożliwia dokładniejsze pomiary zdolności motorycznych. W jednej z takich wykonalnych metod ocena jest przeprowadzana dla pełnej sekwencji rozwoju zdolności motorycznych niemowlęcia od leżenia na wznak do płynnego chodzenia za pomocą systemu do noszenia, takiego jak MAIJU wearable (Motor Assessment of the Infants with a JUmpsuit)10,11,12. System ubieralny MAIJU (<silna klasa="xfig">Rysunek 1) obejmuje odzież tekstylną na całe ciało wyposażoną w czujniki ruchu, które umożliwiają nienadzorowane oceny i nagrania poza szpitalem/laboratorium, które są analizowane za pomocą zautomatyzowanego rurociągu, zapewniając ocenę postawy i wzorców ruchowych sekunda po sekundzie. Te algorytmiczne detekcje mogą być stosowane osobno dla każdej postawy i typu ruchu lub mogą być łączone w celu holistycznej oceny poziomu dojrzałości zdolności motorycznych niemowlęcia. Niedawno opublikowanym, bezjednostkowym wyrazem takiej miary dojrzałości motorycznej jest BIMS (Baba Infant Motor Score)10,12.
Ten artykuł oopisuje ocenę sprawności motorycznej niemowląt za pomocą wielosensorowego kombinezonu do noszenia; uzasadnienie, praktyczna wydajność, potok analizy i potencjalne perspektywy na przyszłość dla wykorzystania wskaźników, które można uzyskać z automatycznego potoku analizy dostępnego dla nagrań za pomocą wielosensorowego urządzenia do noszenia10,11,12. Metoda jest odpowiednia do szczegółowej oceny ilościowej spontanicznych aktywności motorycznych u wszystkich niemowląt, które wykazują zdolności motoryczne między leżeniem na wznak a płynnym chodzeniem.
Wielosensorowy system do noszenia składa się z trzech elementów: 1) całego ciała wyposażonego w cztery czujniki ruchu, 2) urządzenia mobilnego korzystającego z niestandardowej aplikacji iOS, oraz 3) potoku analizy opartego na chmurze (Babacloud, do którego dane uwierzytelniające można uzyskać od autorów)11. Wodoodporne czujniki bezwładnościowej jednostki pomiarowej (IMU) przesyłają zsynchronizowane dane (3-osiowy akcelerometr i żyroskop) z częstotliwością próbkowania 13-52 Hz do telefonu komórkowego za pomocą niskoenergetycznego połączenia Bluetooth. Dane są początkowo przechowywane w pamięci (czujnika lub) urządzenia mobilnego, a następnie analizowane w trybie offline na serwerze w chmurze po zatrzymaniu nagrywania.

<table><tbody><tr><td>Urządzenie z systemem iOS (wersja 16.5 lub nowsza)</td><td>Apple</td><td>nie dotyczy</td><td></td></tr><tr><td>kombinezonu MAIJU</td><td>Planno Ltd</td><td>nie dotyczy</td><td>dostosowanego do celu</td></tr><tr><td>Maijulogger (aplikacja mobilna) i oprogramowanie układowe czujnika</td><td>BABA Center (www.babacenter.fi), Kaasa solutions GmbH</td><td>n/a</td><td>skonstruowane przez Kaasa Solutions, dystrybuowane przez Baba Center</td></tr><tr><td>Czujnik ruchu Movesense</td><td>Movesense (www.movesense.com)</td><td>N/a</td><td></td></tr></tbody></table>

ilościowa ocena zdolności motorycznych niemowlęcia za pomocą wielosensorowego urządzenia do noszenia

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable

Opracowanie obiektywnych i ilościowych metod wczesnej oceny motoryki dużej jest niezbędne do lepszego zrozumienia rozwoju neurologicznego i wspierania wczesnych interwencji terapeutycznych. W tym miejscu przedstawiamy metodę ilościowego określania sprawności motorycznej za pomocą wielosensorowego urządzenia do noszenia, MAIJU (Motorility Assessment of Infants with a JUmpsuit), które oferuje zautomatyzowaną, skalowalną, ilościową i obiektywną ocenę przy użyciu w pełni zautomatyzowanego potoku opartego na chmurze. Ten kombinezon do noszenia jest wyposażony w cztery czujniki ruchu, które rejestrują zsynchronizowane dane z telefonem komórkowym za pomocą niskoenergetycznego połączenia Bluetooth. Analiza offline na serwerze w chmurze generuje w pełni przeanalizowane wyniki w ciągu kilku minut dla każdego nagrania. Wyniki te obejmują graficzny raport z sesji nagraniowej oraz szczegółową matrycę wyników, która podaje klasyfikacje sekunda po sekundzie pod względem postawy, ruchu, noszenia niemowlęcia i czasu swobodnej zabawy. Nasze ostatnie wyniki pokazują zalety takiej ilościowej oceny motorycznej, która zapewnia potencjalnie skuteczną metodę rozróżniania zmian w rozwoju motorycznym niemowlęcia.

Przedstawiona metoda ilościowo ocenia sprawność motoryczną niemowląt poprzez klasyfikację rodzajów postaw i ruchów dla każdej sekundy sesji nagraniowej. W związku z tym pakiet wyników z automatycznego potoku analizy obejmuje pełną macierz klasyfikacji (Plik uzupełniający 3) oraz podsumowanie graficzne (Plik uzupełniający 4) z całej sesji nagraniowej. W zależności od konkretnego pytania badawczego, wyniki te mogą być analizowane na różnych poziomach.
Do opracowania i walidacji tej metody wykorzystano weryfikację wyników. 
Poniżej przedstawiamy cztery poziomy weryfikacji wyników wykorzystanych do opracowania i walidacji tej metodologii. Plik uzupełniający 5 zawiera reprezentatywne przykłady kluczowych eksperymentów walidacyjnych, które zostały wcześniej opublikowane w pełnym szczególe10,11,12.
W pierwszej kolejności algorytmy automatyczne wytrenowane do detekcji ruchu i postawy zostały zwalidowane względem sekunda po sekundzie przeprowadzonych obserwacji ludzkich dotyczących zachowań ruchowych niemowląt. Wykorzystaliśmy kilku równolegle szkolonych ekspertów, którzy w sposób zaślepiony analizowali zsynchronizowane nagrania wideo wraz z zapisami z urządzeń ubieralnych. Wszystkie poszczególne kategorie postaw i ruchów porównywano oddzielnie z indywidualnymi adnotacjami ludzkimi; stwierdzono bardzo wysoką zgodność między algorytmem a człowiekiem w przypadku postaw (średnia kappa 0,93), natomiast w przypadku kategorii ruchów stwierdzono znaczną zgodność (kappa dla poszczególnych podkategorii mieściła się głównie w zakresie 60–80%). Patrz Plik uzupełniający 5A dla przykładowej macierzy pomyłek10Ponadto oceniono poziom zgodności między sędziami, aby potwierdzić, że algorytmy działają na poziomie zbliżonym do ludzkiego.10,11.
Po drugie, oceniliśmy, w jakim stopniu kwantyfikacja kategorii ruchu i postawy oparta na klasyfikatorze pokrywa się z odpowiadającą jej kwantyfikacją z adnotacji ludzkich drugiego poziomu. Przykładowe wykresy rozrzutu przedstawione w Pliku uzupełniającym 5B10 wykazują, że dla kilku kluczowych kategorii występuje niemal idealna zgodność (współczynnik korelacji &gt;0,96) pomiędzy algorytmiczną a ludzką kwantyfikacją wizualną. Bezpośrednio potwierdza to tezę, że specyficzne dla wieku rozkłady kwantyfikacji motoryki (Rysunek 3A,B) są wiarygodne12.
Po trzecie, koncepcja holistycznej oceny dojrzałości motorycznej została zwalidowana poprzez opracowanie modelu przewidywania wieku rozwojowego na podstawie kombinacji parametrów ruchu (patrz wyżej), który był bardzo silnie skorelowany z rzeczywistym wiekiem niemowląt o typowym rozwoju (r=0,89; Plik uzupełniający 5C). Następnie przewidywany wiek przeskalowano do wartości 0-100 jako bezwymiarową miarę BIMS (Baba Infant Motor Score10), a użyteczność tej miary do tworzenia wykresów wzrostu motorycznego (Plik uzupełniający 5D) zwalidowano na kohorcie niemowląt o typowym rozwoju, u których zaobserwowano wyraźne, zależne od wieku i przewidywalne trajektorie wzrostu. Potwierdziliśmy również względną dokładność tej metody, wykazując, że precyzja wykresów wzrostu motorycznego jest porównywalna z powszechnie znanymi wykresami wzrostu fizycznego12.
Po czwarte, potencjał wykrywania nieprawidłowości za pomocą podanych wskaźników został potwierdzony w eksperymencie dowodowym, w którym wykazano, że poszczególne parametry motoryczne wyraźnie różnicują niemowlęta o odpowiednio słabej i dobrej sprawności motorycznej (Plik uzupełniający 5E)10.
Potencjalne pytania do dalszych badań na różnych poziomach analizy 
Rycina 3 przedstawia przykłady dalszego wykorzystania informacji dostarczanych przez kombinezon ubieralny oraz zautomatyzowany potok analizy. Po pierwsze, wczesny rozwój postawy i umiejętności ruchowych można przedstawić jako funkcję wieku i porównać z rozkładami zależnymi od wieku (Rycina 3A, „wykresy wzrostu”12) lub śledzić rozwój w czasie dla każdego osobno (Rycina 3B). Po drugie, gdy pytanie badawcze wymaga bardziej holistycznej oceny motoryki grubej, można zastosować kombinację proporcji postawy i ruchów danej osoby (jak pokazano w plikach uzupełniających5D, obliczonych z szeregów czasowych w pliku uzupełniającym 5C), aby wygenerować indeks taki jak BIMS (Baba Infant Motor Score). Takie miary umożliwiają bezpośrednie zastosowanie w wykresach wzrostu motorycznego (pliki uzupełniające 5C,D) oraz obliczanie pochodnych statystycznych, takich jak z-score (Rycina 3A). Wykorzystanie pełnych szeregów czasowych detekcji algorytmu (Rycina 3C oraz plik uzupełniający 3) pozwala na prowadzenie badań nad szczegółową strukturą czasową motoryki niemowląt, odpowiadając na pytania takie jak „Ile przejść między postawami wykonuje niemowlę w jednostce czasu?” lub „Jaki jest rozkład epok stania podczas spontanicznej zabawy?”.
<img alt="Schemat procesu rejestracji niemowlęcia; przesyłanie danych, analiza; interpretacja ruchu i postawy." class="xfigimg" src="/files/ftp_upload/65949/65949fig01.jpg" data-altupdatedat="1788304762000" data-alt="Rysunek 1"> 
Rysunek 1: Przegląd wielosensorowego systemu ubieralnego oraz typowy przebieg badania od rejestracji do analizy. Rysunek 1 dostosowany na podstawie pracy Airaksinen et al.12 opublikowany na licencji CC_BY. Zdjęcie niemowlęcia opublikowano za zgodą rodziców. <a href="https://www.jove.com/files/ftp_upload/65949/65949fig01large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Analiza ruchu człowieka; schemat i wykres; postawa, kategorie ruchów, dane szeregów czasowych." class="xfigimg" src="/files/ftp_upload/65949/65949fig02.jpg" data-altupdatedat="1788304762000" data-alt="Rysunek 2"> 
Rysunek 2: Kategoryzacja postawy i ruchu oraz przykładowa wizualizacja surowych danych i wyników analizy (A) Schemat kategoryzacji postawy i ruchu stosowany przez klasyfikatory algorytmiczne w pełni zautomatyzowanego rurociągu analitycznego dla urządzenia ubieralnego z wieloma czujnikami. Rysunek ten został przedrukowany z pracy Airaksinen et al.10 (B) Przykład 10 min surowych danych z czujnika akcelerometru z każdego z czterech ramion, pochodzących z zapisów MAIJU. Poziome paski poniżej przedstawiają wyniki automatycznych klasyfikatorów dla detekcji postawy (górny pasek) i ruchu (dolny pasek) dla tego samego 10 min interwału. <a href="https://www.jove.com/files/ftp_upload/65949/65949fig02large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Wykresy i tabele bayesowskiego modelu niemowląt; analiza rozwoju; rejestracja MAIJU; prognozowanie wzrostu." class="xfigimg" src="/files/ftp_upload/65949/65949fig03v2.jpg" data-altupdatedat="1788304762000" data-alt="Rycina 3"> 
Rysunek 3Przykładowe wyniki uzyskane z surowych danych wyjściowych klasyfikatora. (A(A) Przykład porównania danych dotyczących wieku niemowlęcia oraz skali Baba Infant Motor Score (BIMS). Zielona krzywa w kształcie litery S przedstawia trajektorię rozwojową BIMS w większej populacji. Kropka przedstawia przykład pojedynczej osoby z pomiarem w 14. miesiącu życia, z wynikiem BIMS ok. 74, co odpowiada poziomowi nieco poniżej średniej typowej dla danego wieku (zielona linia). (B) Przykład kohorty z indywidualnymi trajektoriami rozwoju motorycznego z zastosowaniem skali Baba Infant Motor Score (BIMS). Każda linia reprezentuje niemowlę badane w kilku punktach czasowych w zależności od wieku (kropki na linii). Linie są zabarwione zgodnie z przeciętnym odchyleniem względem średniej typowej dla wieku (niebieska krzywa w kształcie litery S w tle; patrz również panel A).C) Reprezentatywna macierz wyjściowa z automatycznego klasyfikatora pochodząca z potoku przetwarzania Babacloud. Pierwsza kolumna przedstawia czas upływający od początku nagrania (w sekundach) dla każdego okna analizy w klasyfikacji (czas trwania okna 2,3 s, z 50% zakładką). Druga i trzecia kolumna pokazują detekcje klasyfikatora odpowiednio dla postawy i ruchu. Trzecia i czwarta kolumna to klasyfikatory pomocnicze przedstawiające epoki, w których niemowlę było przenoszone przez inną osobę oraz gdy niemowlę zajmowało się samodzielną zabawą. (D) Ilustracja raportu podsumowującego. Panele A i B zostały opracowane na podstawie pracy Airaksinen i wsp.10. <a href="https://www.jove.com/files/ftp_upload/65949/65949fig03largev2.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
Plik uzupełniający 1: Krótki przewodnik po rejestracji za pomocą urządzenia ubieralnego MAIJU. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file1%20.zip" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>
Plik uzupełniający 2: Krótki przewodnik po transferze danych z Maijulogger na serwer analizy w Babacloud. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file_2.zip" target="_blank">Prosimy kliknąć tutaj, aby pobrać ten plik.</a>
Plik uzupełniający 3: Przykład szczegółowej macierzy klasyfikacji zawierającej wszystkie klasyfikacje sekunda po sekundzie dla postawy, ruchu, noszenia niemowlęcia oraz swobodnej zabawy. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file_3.zip" target="_blank">Prosimy kliknąć tutaj, aby pobrać ten plik.</a>
Plik uzupełniający 4: Pełny przykład pliku PDF z graficznym raportem podsumowującym. Plik ten pochodzi z pliku algorytmu i zawiera (A) podstawowe informacje wstępne o sesji nagraniowej (ID i wiek badanego, datę nagrania, czas trwania oraz całkowitą liczbę epok wykorzystanych do końcowych analiz). (B) Graficzną prezentację pełnego nagrania, wskazującą rozkład postaw podczas całego zapisu oraz epoki wykluczone z oceny ilościowej. (C) Typowe rozkłady przedstawione na wykresach skrzypcowych (violin plots) dla wszystkich sześciu postaw (po lewej stronie) i 12 typów ruchów (po prawej stronie). Podobnie, rysunki po prawej stronie przedstawiają typy ruchów odpowiadające każdej postawie, ukazując również sekwencję stopniowo rozwijanych sprawności ruchowych (kropki wskazują wyniki z pojedynczego nagrania, a kolorowe wykresy skrzypcowe wskazują rozkłady postaw/ruchów zależne od wieku w odpowiednim zbiorze danych). Należy zaznaczyć, że surowe wartości wskazane przez kropki pokazują rzeczywiste ilości danej sprawności ruchowej i mogą być bezpośrednio wykorzystywane w innych kontekstach. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file_4.zip" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>
Plik uzupełniający 5: Eksperymenty walidacyjne na różnych poziomach analizy. (A) Macierze pomyłek pokazujące zgodność między adnotacjami ludzkimi (klasa docelowa) a detekcjami algorytmu (klasa przewidywana) dla kategorii postawy oraz ruchu. (B) Porównanie ilościowych parametrów motorycznych w pełnych sesjach nagraniowych pomiędzy adnotacjami ludzkimi a detekcjami pochodzącymi z automatycznego klasyfikatora. (C) Korelacja między przewidywaniem wieku rozwojowego na podstawie danych z urządzeń ubieralnych (lewa oś Y) a jego przeliczeniem w celu wygenerowania wyniku BIMS (prawa oś Y). Rzeczywisty wiek niemowlęcia w czasie nagrania przedstawiono na osi X. (D) Korelacja przewidywanego wieku z wiekiem rzeczywistym przy zastosowaniu dopasowanej funkcji. Wartości obrazują dopasowanie do modelu przy użyciu średniej grupowej w przedstawionych oknach czasowych (kolor niebieski), wszystkich wartości surowych (kolor czarny) lub przy uwzględnieniu pomiarów powtórzonych dla każdej osoby (kolor zielony). (E) Porównanie indywidualnych miar motorycznych pomiędzy grupami niemowląt o dobrej i słabej sprawności sugeruje, że kilka automatycznie wykrytych wskaźników motorycznych może różnicować te grupy niemowląt. Panele A, B, C zostały opracowane na podstawie Airaksinen et al.10. Panel D został opracowany na podstawie Airaksinen et al.12. Panel E został opracowany na podstawie Airaksinen et al.11. <a href="https://www.jove.com/files/ftp_upload/65949/supplemental_file_5.zip" target="_blank">Kliknij tutaj, aby pobrać ten plik.</a>

Ten artykuł przedstawia ocenę sprawności motorycznej niemowląt za pomocą urządzenia do noszenia na ciele z wieloma sensorami i jego w pełni zautomatyzowanym potokiem analizy opartym na głębokim uczeniu. Metoda określa ilościowo postawę i wzorce ruchowe niemowląt od leżenia na wznak do momentu, gdy opanują samodzielne chodzenie.

Ilościowa ocena zdolności motorycznych niemowlęcia za pomocą wielosensorowego urządzenia do noszenia

Developing objective and quantitative methods of early gross motor assessment is essential to better understand neurodevelopment and to support early ...

MAIJU to urządzenie do noszenia z wieloma czujnikami, które wygląda jak zwykłe miejsce z pływaniem do niego lub w rozmiarze niemowlęcia, gdzie znajdują się cztery czujniki, po jednym na każdej kończynie. MAIJU służy do rejestrowania ruchu niemowląt, w zasadzie w dowolnym miejscu, ale jest to szczególnie przydatne, gdy chcesz zmierzyć ruch niemowląt w niekontrolowanej sytuacji, takiej jak ich spontaniczna aktywność w domu. MAIJU służy do oceny rozwoju motorycznego, monitorowanie kamieni milowych rozwoju, takich jak toczenie się, siedzenie, chodzenie, co jest istotną częścią ogólnej obserwacji rozwoju.Z punktu widzenia opieki zdrowotnej problemy z rozwojem motorycznym są bardzo powszechne, a w wielu badaniach terapeutycznych używamy również sprawności motorycznej jako kluczowej miary wyników, a zarówno dla celów, jak i celów, potrzebujemy lepszych metod oceny motorycznej. W porównaniu z tradycyjnymi, ustandaryzowanymi metodami kamieni milowych, MAIJU jest zautomatyzowaną, skalowalną i bardziej obiektywną metodą niż poprzednie. Możesz iść wziąć go w dowolnym miejscu na świecie i to da Ci porównywalne wyniki.Po pierwsze, wybierz odpowiedni rozmiar kombinezonu, aby kombinezon przylegał ciasno, ale wygodnie, a dziecko mogło swobodnie się poruszać bez przeszkód. Uruchom aplikację MAIJU logger, która przeprowadzi Cię przez przygotowania. Wyposaż czujniki w baterie przed każdym nagraniem.Sparuj każdy czujnik z rejestratorem MAIJU, wybierając lokalizację kończyny w aplikacji i zbliżając czujnik do urządzenia mobilnego. Upewnij się, że w aplikacji wyświetlany jest prawidłowy numer czujnika. Upewnij się również, że poziom naładowania baterii przekracza 80%, sprawdzając wskaźnik poniżej numeru czujnika.Po połączeniu każdego czujnika z aplikacją, umieść go i zamocuj w uchwycie zatrzaskowym w odpowiedniej kieszeni. Podczas umieszczania czujników w kieszeniach postępuj zgodnie z prowadnicą położenia na uchwycie, aby zapewnić prawidłową orientację. Nieprawidłowa orientacja doprowadzi do tego, że dane staną się bezużyteczne.Przejdź do sprawdzenia poprawności parowania czujnika. Potrząśnij czujnikami jeden po drugim i sprawdź aplikację, aby zobaczyć, czy porusza się właściwy wskaźnik. Po zakończeniu sprawdzania przejdź do strony startowej.W razie potrzeby czas trwania nagrania można ustawić ręcznie w ustawieniach. Możesz teraz rozpocząć nagrywanie, naciskając przycisk nagrywania. Poczekaj, aż czujniki będą gotowe.Może to potrwać kilka chwil. W przypadku nagrań domowych bez nadzoru zablokuj ekran urządzenia mobilnego i spakuj kombinezon do dostarczenia do odbiorcy. Skorzystaj z usług kuriera lub podobnej firmy, aby dostarczyć garnitur do odbiorcy natychmiast po jego przygotowaniu.Upewnij się, że niemowlę jest karmione piersią i czuje się bezpiecznie podczas naturalnej zabawy, zanim założysz kombinezon na niemowlę. W razie potrzeby kombinezon można później zdjąć w celu zmiany pieluchy. Ubierz garnitur na niemowlę tak, jak robisz to ze zwykłym kombinezonem.Sprawdź, czy kieszenie na czujniki są skierowane na zewnątrz, a kombinezon ściśle przylega do kończyn w każdym miejscu czujnika. W razie potrzeby wyreguluj paski w pobliżu kieszeni czujników. Trzymaj urządzenie mobilne w tym samym pomieszczeniu lub w odległości nie większej niż 10 metrów od niemowlęcia, aby zapewnić niezawodną transmisję danych przez połączenie Bluetooth.Oczekuje się, że rodzice nie będą obsługiwać urządzenia mobilnego, dlatego praktyczne może być trzymanie urządzenia w kieszeni, która była używana do transportu kurierskiego. Nie zaleca się wstrzymywania, a następnie kontynuowania nagrywania, ponieważ może to zakłócić połączenie między czujnikami a urządzeniem mobilnym. Zaaranżuj otoczenie tak, aby ułatwiało zabawę zabawkami i innymi przedmiotami, a także zachęcało maluszka do swobodnego poruszania się na miarę swoich możliwości.Celem jest rejestrowanie naturalnych ruchów niemowlęcia, a więc upewnienie się, że niemowlę czuje się wystarczająco komfortowo i bezpiecznie, aby zaangażować się w spontaniczną zabawę bez odczuwania niepokoju z powodu nowych osób lub nieznanych miejsc O ile nie wskazano inaczej, kontynuuj nagrywanie przez co najmniej godzinę swobodnej zabawy. Może składać się z wielu epok. W przypadku nagrań domowych bez nadzoru nagrywanie jest ustawione tak, aby zatrzymało się automatycznie.W ustawieniach nadzorowanych zakończ nagrywanie, naciskając przycisk stop w aplikacji. Kombinezon można zdjąć i spakować w celu zwrócenia do laboratorium. Po zwróceniu kombinezonu do laboratorium, zarejestrowane dane są przesyłane z urządzenia mobilnego na serwery Baba Cloud w celu analizy obliczeniowej, Zarejestrowane dane są przechowywane na urządzeniu mobilnym jako plik zip, który można wyeksportować z bazy danych w aplikacji.Uruchamia przesyłanie na stronę Baba Cloud. Podczas przesyłania danych wybierz numer identyfikacyjny tematu. Następnie dodaj wymagane informacje zgodnie ze wskazaniami przepływu pracy Baba Cloud.Szczegółowe instrukcje dotyczące korzystania z interfejsu Baba Cloud można znaleźć w pisemnym raporcie. Po przesłaniu zautomatyzowanego lejka analitycznego będzie on pracował na danych i wygeneruje wyniki w ciągu kilku minut. Wyniki pojawią się na stronie internetowej Baba Cloud pod podanym identyfikatorem podmiotu. Metoda określa ilościowo sprawność motoryczną niemowląt poprzez klasyfikację pozycji i ruchów w każdej sekundzie sesji pomiarowej.Odbywa się to za pomocą zautomatyzowanego potoku analizy opartego na algorytmach uczenia maszynowego. Wyniki wyjściowe klasyfikatora to macierz tekstowa, w której czas jest wyświetlany w pierwszej kolumnie, a odpowiadające mu kategorie postawy i ruchu są wyświetlane w następnych kolumnach. W poniższych kolumnach mogą również znajdować się inne dane wyjściowe klasyfikatora, takie jak wykrywanie przenoszenia.Następnie potok oblicza proporcję czasu spędzonego w każdej pozycji i typie ruchu, a ich zmiany zależne od wieku można przedstawić, na przykład, w postaci wykresów skrzypiec. Jeśli przy przesyłaniu danych do analizy zostanie podany wiek dziecka, raport będzie przedstawiał aktualne dane w odniesieniu do typowych proporcji wieku. W przypadku niektórych celów bardziej przydatne jest połączenie wszystkich danych dotyczących ruchu i postawy w całościowe oszacowanie.Jedną z takich miar jest Baba Infant motor Score (BIMS). Modeluje typowy postęp rozwojowy umiejętności motorycznych poprzez przewidywanie wieku dziecka na podstawie wszystkich zarejestrowanych danych, które są następnie normalizowane do wyniku BIM. Aby uzyskać pełną elastyczność analityczną, zawsze możesz pobrać surowe dane z czujnika i przeprowadzić bardziej szczegółowe badania, takie jak wykrywanie nieprawidłowości lub analiza ruchu zależnego od kontekstu, który koncentruje się tylko na określonych pozycjach.Podsumowując, zautomatyzowany potok analizy zapewni Ci wiele alternatywnych i uzupełniających środków. Miary te mogą być wykorzystywane do śledzenia rozwoju lub jego aspektu. Umożliwiają one ilościowe badanie różnic w populacji lub mogą być wykorzystywane jako miara wyników w interwencjach terapeutycznych.Metryki pochodzące z potoku analizy mają być ogólne. Można je wykorzystać na wiele sposobów, aby odpowiedzieć na pytania dotyczące badania, a Ty możesz opracować dalsze środki zoptymalizowane pod kątem Twoich badań. Technologie podobne do MAIJU otwierają nowe drzwi w badaniach naukowych i medycznych, a w szczególności przenoszą oprzyrządowanie z laboratorium na świat.To bardzo ważne, że MAIJU jest w stanie rejestrować niemowlęta w ich własnym środowisku, co oznacza, że to, co mierzymy, to ich rzeczywista wydajność, a nie to, co zrobiłyby w być może przerażającym i dziwnym środowisku szpitalnym lub laboratoryjnym. Podsumowując, uważam, że MAIJU jest doskonałym narzędziem do pomiaru sprawności motorycznej niemowląt. Jednak MAIJU jest, powinieneś myśleć o MAIJU bardziej jako o umożliwiaczu, a nie wykonawcy, a użyteczność lub korzyści płynące z MAIJU zależą w pełni od twoich kreatywnych sposobów korzystania z niego.

quantified-assessment-infant-s-gross-motor-abilities-using

Research

JoVE Journal

Neuroscience

Neuronauka

Monitorowanie aktywności mózgu podczas wykonywania zadań motorycznych w pozycji pionowej jest bardzo przydatne podczas badania neuronalnego źródła zaburzeń ruchowych. Tutaj demonstrujemy protokół, który łączy funkcjonalną spektroskopię w bliskiej podczerwieni z ciągłym monitorowaniem aktywności mięśniowej i kinematycznej podczas 4 rodzajów zadań motorycznych.

Funkcjonalna spektroskopia w bliskiej podczerwieni czuciowych i ruchowych obszarów mózgu z jednoczesnym monitorowaniem kinematycznym i EMG podczas zadań motorycznych

Opisana jest metoda, w której 3-4 miesięczne niemowlęta uczą się zadania poprzez odkrywanie, a ruchy ich nóg są rejestrowane w celu ilościowego określenia procesu uczenia się.

Kwantyfikacja uczenia się u małych niemowląt: śledzenie działań nóg podczas zadania uczenia się przez odkrywanie

Ten protokół opisuje metodę ilościowego określania wydajności kończyn górnych w codziennym życiu za pomocą akcelerometrów noszonych na nadgarstku.

Metoda ilościowego określania wydolności kończyn górnych w życiu codziennym za pomocą akcelerometrów

Obiektywny pomiar funkcji mięśni jest wyzwaniem, szczególnie u dzieci. W oparciu o dostępny na rynku cyfrowy czujnik 3D, opracowano przyjazny dla dzieci test do gier, aby ocenić funkcję kończyny górnej na potrzeby badań klinicznych.

Obiektywna i przyjazna dla dziecka ocena funkcji ramienia za pomocą czujnika 3D

Obecne badanie miało na celu zautomatyzowanie kwantyfikacji deficytów motorycznych u szczurów. Wstępny model oceny ocenia utratę motoryczną wynikającą z implantacji mikroelektrody wewnątrzkorowej w korze ruchowej. Informujemy o rozwoju i wykorzystaniu algorytmu śledzenia za pomocą łatwego do adaptacji, prostego i łatwo dostępnego oprogramowania do kodowania.

Nowatorski system śledzenia funkcji motorycznych pojedynczego zwierzęcia za pomocą prostego, łatwo dostępnego oprogramowania

To innowacyjne urządzenie wykorzystuje czujniki magneto-inercyjne, aby umożliwić analizę chodu i aktywności w niekontrolowanych środowiskach. Obecnie w procesie kwalifikacji jako miernik wyniku w Europejskiej Agencji Medycznej, jednym z wniosków będzie pełnienie funkcji klinicznego punktu końcowego w badaniach klinicznych w chorobach nerwowo-mięśniowych.

Domowy monitor do analizy chodu i aktywności

Monitorowanie sportowców jest niezbędne do poprawy wyników i zmniejszenia ryzyka kontuzji w sportach zespołowych. Obecne metody monitorowania sportowców nie obejmują kończyn dolnych. Przymocowanie wielu inercyjnych jednostek pomiarowych do kończyn dolnych może poprawić monitorowanie sportowców w terenie.

Metoda oparta na inercyjnej jednostce miary do oceny kinematyki stawów biodrowych i kolanowych u sportowców sportów zespołowych na boisku

Dzieci ze spastycznym porażeniem mózgowym (SCP) mają spastyczność kończyn, zaburzenia ruchowe i nieprawidłową postawę z powodu uszkodzenia obszaru motorycznego kory mózgowej, co skutkuje niezdolnością do normalnego stania i chodzenia. Dlatego złagodzenie spastyczności kończyn i poprawa funkcji motorycznych u dzieci z SCP stały się ważnymi celami terapeutycznymi.

Powtarzana przezczaszkowa stymulacja magnetyczna połączona z treningiem obserwacji działania u dzieci ze spatycznym porażeniem mózgowym

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

Lokomocja jest często badana jako wynik behawioralny w różnych modelach chorób w dziedzinach takich jak neuronauka i ortopedia. Niniejszy artykuł wideo ma na celu opisanie metody pomiaru sił reakcji podłoża oraz kinematyki u szczurów podczas swobodnej lokomocji.

Wyznaczanie kinematyki i siły reakcji podłoża: demonstracja ilościowej oceny zdolności lokomocyjnych szczurów młodych, dorosłych w średnim wieku oraz geriatrycznych

Poznaj automatyczną analizę rozwoju motorycznego niemowląt za pomocą urządzenia MAIJU z algorytmami uczenia maszynowego. Metoda umożliwia obiektywną ocenę umiejętności ruchowych w warunkach domowych.

Ilościowa ocena zdolności motorycznych niemowlęcia za pomocą wielosensorowego urządzenia do noszenia

Przeglądaj więcej filmów