Name: Internetowy przewodnik dla klinicystów do nagrywania kompatybilnego wideo ze standaryzowanej kinematyki zadań picia do analizy widzenia komputerowego (Wideo) | JoVE Journal
Uploaded: 2025-11-28T14:40:00.000+00:00
Duration: 7 min 28 s
Description: Poznaj metodę nagrywania zadań picia do analizy kinematycznej kończyny górnej po udarze przy użyciu niedrogich kamer i wizji komputerowej. Protokół umożliwia ekstrakcję metryk ruchu z walidacją porównywalną do tradycyjnych systemów wielokamerowych.

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

Chcielibyśmy podziękować Mitchellowi Embry'emu za wkład w rozwój stron internetowych w realizacji planowanego projektu aplikacji webowej. Dziękujemy także dr Michaiłowi Koffarnusowi oraz dr Carolyn Lauckner, liderom Sojuszu Modernizacji i Mobilizacji Aplikacji MHealth (MAMMA) Uniwersytetu Kentucky (Wielka Brytania). Finansowanie zapewniła MAMMA Alliance za pośrednictwem UK College of Medicine, Wiceprezesa ds. Badań oraz UK HealthCare.

<ol><li>Tsao, C. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+Disease+and+Stroke+Statistics-2022+Update%3A+A+Report+From+the+American+Heart+Association%5BTitle%5D)+AND+%22Circulation%22%5BJournal%5D)">Heart Disease and Stroke Statistics-2022 Update: A Report From the American Heart Association.</a> Circulation. 145 (8), e153-e639 (2022).</li>
<li>Morris, J. H., van Wijck, F., Joice, S., Donaghy, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+health+related+quality+of+life+6+months+after+stroke%3A+the+role+of+anxiety+and+upper+limb+dysfunction%5BTitle%5D)+AND+%22Disability+Rehabilitat%22%5BJournal%5D)">Predicting health related quality of life 6 months after stroke: the role of anxiety and upper limb dysfunction.</a> Disability Rehabilitat. 35 (4), 291-299 (2013).</li>
<li>Winstein, C. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Guidelines+for+Adult+Stroke+Rehabilitation+and+Recovery%3A+A+Guideline+for+Healthcare+Professionals+From+the+American+Heart+Association%2FAmerican+Stroke+Association%5BTitle%5D)+AND+%22Stroke%22%5BJournal%5D)">Guidelines for Adult Stroke Rehabilitation and Recovery: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association.</a> Stroke. 47 (6), e98-e169 (2016).</li>
<li>World Report on Disability. Malta. , World Health Organization. 
 <a target="_blank" href="http://who.int/teams/noncommunicable-diseases/sensory-functions-disability-and-rehabilitation/world-report-on-disability">http://who.int/teams/noncommunicable-diseases/sensory-functions-disability-and-rehabilitation/world-report-on-disability</a> (2011).</li>
<li>Alt Murphy, M., Willén, C., Sunnerhagen, K. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+variables+quantifying+upper-extremity+performance+after+stroke+during+reaching+and+drinking+from+a+glass%5BTitle%5D)+AND+%22Neurorehabil+Neural+Repair%22%5BJournal%5D)">Kinematic variables quantifying upper-extremity performance after stroke during reaching and drinking from a glass.</a> Neurorehabil Neural Repair. 25 (1), 71-80 (2011).</li>
<li>Kwakkel, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Standardized+measurement+of+quality+of+upper+limb+movement+after+stroke%3A+Consensus-based+core+recommendations+from+the+Second+Stroke+Recovery+and+Rehabilitation+Roundtable%5BTitle%5D)+AND+%22Int+J+Stroke%22%5BJournal%5D)">Standardized measurement of quality of upper limb movement after stroke: Consensus-based core recommendations from the Second Stroke Recovery and Rehabilitation Roundtable.</a> Int J Stroke. 14 (8), 783-791 (2019).</li>
<li>Valevicius, A. M., Jun, P. Y., Hebert, J. S., Vette, A. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+optical+motion+capture+for+the+analysis+of+normative+upper+body+kinematics+during+functional+upper+limb+tasks%3A+A+systematic+review%5BTitle%5D)+AND+%22J+Electromyogr+Kinesiol%22%5BJournal%5D)">Use of optical motion capture for the analysis of normative upper body kinematics during functional upper limb tasks: A systematic review.</a> J Electromyogr Kinesiol. 40, 1-15 (2018).</li>
<li>Aprile, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+analysis+of+the+upper+limb+motor+strategies+in+stroke+patients+as+a+tool+towards+advanced+neurorehabilitation+strategies%3A+a+preliminary+study%5BTitle%5D)+AND+%22Biomed+Res+Int%22%5BJournal%5D)">Kinematic analysis of the upper limb motor strategies in stroke patients as a tool towards advanced neurorehabilitation strategies: a preliminary study.</a> Biomed Res Int. 2014, 636123(2014).</li>
<li>Kim, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+analysis+of+upper+extremity+movement+during+drinking+in+hemiplegic+subjects%5BTitle%5D)+AND+%22Clin+Biomech%22%5BJournal%5D)">Kinematic analysis of upper extremity movement during drinking in hemiplegic subjects.</a> Clin Biomech. 29 (3), 248-256 (2014).</li>
<li>Santos, G. L., Russo, T. L., Nieuwenhuys, A., Monari, D., Desloovere, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+Analysis+of+a+Drinking+Task+in+Chronic+Hemiparetic+Patients+Using+Features+Analysis+and+Statistical+Parametric+Mapping%5BTitle%5D)+AND+%22Arch+Phys+Med+Rehabil%22%5BJournal%5D)">Kinematic Analysis of a Drinking Task in Chronic Hemiparetic Patients Using Features Analysis and Statistical Parametric Mapping.</a> Arch Phys Med Rehabil. 99 (3), 501-511.e4 (2018).</li>
<li>Unger, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Upper+limb+movement+quality+measures%3A+comparing+IMUs+and+optical+motion+capture+in+stroke+patients+performing+a+drinking+task%5BTitle%5D)+AND+%22Front+Digit+Health%22%5BJournal%5D)">Upper limb movement quality measures: comparing IMUs and optical motion capture in stroke patients performing a drinking task.</a> Front Digit Health. 6, 1359776(2024).</li>
<li>Alt Murphy, M., Murphy, S., Persson, H. C., Bergström, 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+%22J+Vis+Exp%22%5BJournal%5D)">Kinematic Analysis Using 3D Motion Capture of Drinking Task in People With and Without Upper-extremity Impairments.</a> J Vis Exp. (133), e57228(2018).</li>
<li>Alt Murphy, M., Willén, C., Sunnerhagen, K. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Movement+kinematics+during+a+drinking+task+are+associated+with+the+activity+capacity+level+after+stroke%5BTitle%5D)+AND+%22Neurorehabil+Neural+Repair%22%5BJournal%5D)">Movement kinematics during a drinking task are associated with the activity capacity level after stroke.</a> Neurorehabil Neural Repair. 26 (9), 1106-1115 (2012).</li>
<li>Alt Murphy, M., Willén, C., Sunnerhagen, K. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Responsiveness+of+upper+extremity+kinematic+measures+and+clinical+improvement+during+the+first+three+months+after+stroke%5BTitle%5D)+AND+%22Neurorehabil+Neural+Repair%22%5BJournal%5D)">Responsiveness of upper extremity kinematic measures and clinical improvement during the first three months after stroke.</a> Neurorehabil Neural Repair. 27 (9), 844-853 (2013).</li>
<li>Krakauer, J. W., Carmichael, S. T., Corbett, D., Wittenberg, G. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Getting+Neurorehabilitation+Right%3A+What+Can+Be+Learned+From+Animal+Models%5BTitle%5D)+AND+%22Neurorehabil+Neural+Repair%22%5BJournal%5D)">Getting Neurorehabilitation Right: What Can Be Learned From Animal Models.</a> Neurorehabil Neural Repair. 26 (8), 923-931 (2012).</li>
<li>Huber, J., Slone, S., Bae, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer+vision+for+kinematic+metrics+of+the+drinking+task+in+a+pilot+study+of+neurotypical+participants%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Computer vision for kinematic metrics of the drinking task in a pilot study of neurotypical participants.</a> Sci Rep. 14 (1), 20668(2024).</li>
<li>Uhlrich, S. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((OpenCap%3A+3D+human+movement+dynamics+from+smartphone+videos%5BTitle%5D)+AND+%22PLoS+Comput+Biol%22%5BJournal%5D)">OpenCap: 3D human movement dynamics from smartphone videos.</a> PLoS Comput Biol. 19 (10), e1011462(2023).</li>
<li>Unger, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Differentiable+Biomechanics+for+Markerless+Motion+Capture+in+Upper+Limb+Stroke+Rehabilitation%3A+A+Comparison+with+Optical+Motion+Capture%5BTitle%5D)+AND+%22ArXiv%22%5BJournal%5D)">Differentiable Biomechanics for Markerless Motion Capture in Upper Limb Stroke Rehabilitation: A Comparison with Optical Motion Capture.</a> ArXiv. , (2024).</li>
</ol>

Kinematyczna ocena zadania picia została zalecona do wykorzystania w badaniach rehabilitacji po udarze6. Jednak kwestie praktyczne zostały wskazane jako bariery w wdrażaniu kinematyki w badaniach rehabilitacyjnych, a do tych obaw należą koszty i wymagania techniczne technologii przechwytywania ruchu konwencjonalnie stosowanych do pomiaru biomechaniki człowieka15. Te obawy w konsekwencji utrudniają przyjmowanie kliniczne i przeniesienie oceny kinematycznej do praktyki klinicznej. Alternatywnie, bardziej praktyczne podejście do wydobycia kinematyki za pomocą widzenia komputerowego można zrealizować za pomocą jednej kamery stereo, komputera osobistego oraz przedmiotów powszechnie spotykanych w ambulatorium16. Przedstawiamy protokół zaprojektowany dla klinicystów, który wykorzystuje internetowy przewodnik do rejestrowania obrazów i wideo kompatybilnych z procesem pracy komputerowego widzenia, aby wydobyć kinematyczne metryki zadania picia. Długoterminowym celem jest zwiększenie dostępności do tych wskaźników, które zostały wcześniej opracowane i zalecane do wykorzystania w badaniach rehabilitacji po udarze 5,6,12,13,14.
Synchronizacja wideo jest ważna dla podejść dwukamerowych do widzenia komputerowego. Układy z dwoma kamerami naśladują ludzkie oczy, które jednocześnie postrzegają scenę w rzeczywistym świecie z nieco innych perspektyw, co pozwala na postrzeganie głębi. W przypadku widzenia komputerowego odpowiednia synchronizacja jest kluczowa dla dokładności informacji trójwymiarowych (np. położenia ludzkiego nadgarstka w kartezjańskim układzie współrzędnych) określanych na podstawie dwóch dwuwymiarowych źródeł (np. położenie pikseli ludzkiego nadgarstka na zdjęciu). Z naszego doświadczenia wynika, że podwójne aparaty mogą zapewnić rozsądne efekty, gdy są zsynchronizowane z dokładnością do 1 ms16. Kilka czynników może obniżać synchronizację, w tym niestabilna szybkość klatek kamery, ograniczona szybkość transmisji danych w kablach, nieefektywność oprogramowania oraz ograniczone specyfikacje sprzętowe (np. niska pamięć RAM lub procesory niskiej klasy). Aby złagodzić problemy z synchronizacją, protokół ten wykorzystuje gotową kamerę stereo, która korzysta z mniejszej powierzchni fizycznej i jest zaprojektowana jako urządzenie plug-and-play (np. pojedyncze połączenie USB ze standardowym komputerem osobistym), które automatycznie rejestruje zsynchronizowane obrazy z dwóch wbudowanych czujników obrazu.
Charakterystyka kamery wymaga starannego rozważenia przy każdej aplikacji do widzenia komputerowego. Teoretycznie obrazy o wyższej rozdzielczości i zapisy ruchu człowieka z wyższą liczbą klatek na sekundę oferują więcej danych do wykrywania kluczowych punktów anatomicznych z większą dokładnością przestrzenno-czasową. Jednak nieunikniona jest konieczność równowagi między ilością danych a dostępnymi zasobami obliczeniowymi do ich przetwarzania. Opisany protokół opiera się na kamerze stereo, która nagrywa wideo w rozdzielczości 1280 x 720 pikseli przy częstotliwości 60 Hz, co jest porównywalne z wcześniejszymi badaniami wykorzystującymi widzenie komputerowe do kinematyki zadań pitnych16,18. W nagrywaniu tych filmów zaobserwowaliśmy wiarygodne sukcesy przy użyciu wyższej klasy komputera konsumenckiego (np. procesor 3,2 GHz z 128 GB RAM) oraz mieszane sukcesy przy użyciu laptopa (np. procesor 2,6 GHz z 16 GB RAM). Przy użyciu komputerów niższej klasy typowym problemem jest brak klatek wideo, które często prezentują się jako wideo wyjściowe z czasem krótszym niż planowane 20 sekund nagrywania. Warto zauważyć, że choć obliczenia danych są częstym winowajcą brakujących klatek wideo, transmisja danych również jest istotna. W środowisku opieki zdrowotnej, na przykład, ustawienia bezpieczeństwa związane z portami dostępu do komputerów (np. pendrive'ami) mogą powodować opóźnienia w transmisji danych, które zakłócają niezawodne nagrywanie wideo.
Zakłócenia w linii widzenia będą wyzwaniem dla kluczowych etapów pracy w zakresie widzenia komputerowego, w tym kalibracji i estymacji pozycji człowieka. Kalibracja opiera się na cyfrowych obrazach wzoru szachownicy o standardowych rozmiarach, co pozwala komputerowi odwzorować piksele obrazu na fizyczne wymiary świata rzeczywistego. Wyraźna wizualizacja wzoru szachownicy zwiększa skuteczność tego mapowania. Zakłócenia wizualne mogą powstać z różnych powodów, w tym między innymi: (i) problemy z oświetleniem (np. jasne odblaski z pobliskiego okna lub ciemne cienie); (ii) nadmiernie szybkie ruchy szachownicy (np. rozmycie obrazu spowodowane długim czasem naświetlania aparatu); lub (iii) niewłaściwych właściwości wewnętrznej kamery (np. nieprawidłowa ogniskowa lub poważne zniekształcenia obiektywu). Estymacja pozycji człowieka wykorzystuje sztuczną inteligencję do automatycznego adnotowania anatomicznych punktów orientacyjnych na podstawie obrazów jednej osoby (estymacja pojedynczej pozy) lub wielu osób (estymacja wielopozycyjną). Jasna wizualizacja człowieka jest wtedy kluczowa dla skuteczności oszacowania pozy. Niektóre zakłócenia wizualne mogą być tolerowane w zależności od parametrów widzenia komputerowego (np. architektura AI, progi predykcji). Jednak aby ocenić przydatność filmu do oceny ludzkiej pozy, należy uważać na następujące pułapki: (i) obecność świadków w przypadku oceny pojedynczej pozy; (ii) segmenty ciała sporadycznie poza polem widzenia kamery; oraz (iii) samozakrycia spowodowane nakładaniem się segmentów ciała.
Oddzielenie zbierania danych od samego procesu przetwarzania komputerowego widzenia niesie zarówno zalety, jak i wady. Istotną wadą jest opóźnienie w dostępie klinicznie istotnych informacji dla klinicystów i pacjentów, aby podejmować decyzje. Potencjalną zaletą jest zmniejszenie zakłóceń interakcji klinicysta z pacjentem. Na przykład, zakładając, że kalibracja jest wykonywana przed wizytą pacjenta, nagranie 10 powtórzeń zadania picia, opisanego w wcześniejszej literaturze12 , idealnie wymagałoby mniej niż 4 minuty nagrywania wideo plus czas potrzebny na zapoznanie się z protokołem u pacjentów naiwnych. Co więcej, to rozdzielenie może zwiększyć akceptację klinicystów poprzez podział odpowiedzialności za informacje. W ramach tego podziału obowiązków klinicysta przejmuje odpowiedzialność za to, kiedy i dlaczego odbywają się oceny wideo, a data scientists/engineers przejmują odpowiedzialność za udoskonalenie przepływu pracy w zakresie widzenia komputerowego, który odpowiada za dokładne i wiarygodne wskaźniki kliniczne (np. kinematyka zadań związanych z piciem). W rzeczywistości można to porównać do obecnej rzeczywistości wielu testów opartych na krwi (np. pełne panele metaboliczne) oraz obrazowych (np. badania MRI), które są rutynowo zlecane przez klinicystów. Wreszcie, to rozdzielenie może być korzystne w miarę dalszego rozwoju dziedziny AI. Dane wideo zebrane dziś mogą być wielokrotnie analizowane przez bardziej zaawansowane rozwiązania do widzenia komputerowego przyszłości, które mogą wydobyć więcej kinematycznych wskaźników z większą szybkością, dokładnością i niezawodnością.
Naszym celem jest dalsze zwiększanie dostępu do kinematyki kończyn górnych w społeczności rehabilitacyjnej, która obejmuje klinicystów w placówkach ambulatoryjnych, a przewidywalnie także osoby pracujące w domu (np. telerehabilitacja). Ten protokół oraz aplikację internetową należy traktować jako wczesny etap rozwoju, który jak dotąd uwzględniał bardzo skoncentrowaną aktywność (czyli zadanie picia) oraz stosunkowo skoncentrowaną grupę interesariuszy (czyli klinicystów, użytkowników i uczestników, którzy mogą łatwo wykonywać zadanie picia). Przyszłe wersje będą konieczne, aby uwzględnić bardziej zróżnicowaną grupę użytkowników, bardziej zróżnicowane aktywności oraz bardziej zróżnicowane grupy osób (np. osoby z poważnymi deficytami wymagające dostosowania do aktywności). Dodatkowo, przyszły rozwój będzie obejmował ważne punkty kontrolne przed szerokim wdrożeniem, takie jak integracja z elektroniczną dokumentacją medyczną oraz utrzymanie prywatności i poufności pacjenta. Te przyszłe wersje prawdopodobnie również będą wprowadzać nowe technologie i udoskonalać obecnie dostępne technologie. Na przykład obecny protokół zakłada workflow widzenia komputerowego oparty na widzeniu dwuocznym (np. kamery stereo). Logicznym kolejnym rozwojem jest protokół z widzeniem monokularnym (np. prostsze kamery), który może być możliwy do zrealizowania dzięki wykorzystaniu AI trenowanej na zbiorach danych lornecznych. Warto zauważyć, że obecny protokół dostarcza danych obrazowych i wideo kompatybilnych z nowoczesnymi rozwiązaniami do widzenia komputerowego, które już są wypierane pod względem wydajności przez nowsze rozwiązania18. Opisany tutaj protokół internetowy może pozwolić klinicystom na wdrożenie w swojej praktyce podstaw widzenia komputerowego, które prawdopodobnie znacznie się rozwiną, gdy technologia AI przeniknie do branży medycznej.

Większość naszych zadań górnych kończyn w codziennym życiu wymaga obu kończyn. Utrata zdolności kończyn górnych występuje często po urazach neurologicznych, przy czym około 80% osób po udarzedoświadcza deficytów kończyn górnych. Te deficyty są znane z obniżania funkcji i jakości życia2. Rehabilitacja pozostaje podstawową interwencją w celu przywrócenia funkcji3, a rehabilitacja została opisana jako cykl oparty na precyzyjnej ocenie4. Ocena kinematyczna kończyny górnej zyskała coraz większą uwagę w ciągu ostatnich dwóch dekad. Ta uwaga wynika częściowo z ograniczeń obecnych ocen klinicznych, które dostrzegły wady, takie jak subiektywność ludzkich oceniających oraz słaba rozdzielczość subtelnych zmian5.
Kinematyka to poddziedzina biomechaniki polegająca na badaniu ruchu człowieka podczas ruchów ciała, kończyn i stawów. Wśród wcześniejszych badań badania kinematyczne dotyczące zadania picia zdobyły znaczną uwagę środowiska naukowego6. Popularność zadania picia w ocenie kinematycznej przypisuje się złożoności ruchu, celowej specyficzności zadania oraz cyklicznemu ruchowi7. Oprócz grupy badań u neurotypowych dorosłych i dzieci, zadanie picia było również badane w szerokim spektrum chorób neurologicznych 8,9,10,11. W populacjach po udarach badania te zidentyfikowały ważne wskaźniki kinematyczne, które są prawidłowe, wiarygodne i reagują na zmiany kliniczne 12,13,14. Jednak ocena kinematyczna od dawna uznawana jest za niepraktyczną ze względu na złożone/kosztowne systemy oraz potrzebną wiedzę techniczną15.
Wraz z rozwojem sztucznej inteligencji praktyczne bariery w ocenie kinematycznej są znacznie zmniejszane. Na przykład wizja komputerowa – poddziedzina AI wydobywająca informacje z obrazów cyfrowych – może być obecnie wykorzystana do stworzenia systemów rejestracji ruchu bez markerów, wykorzystując stosunkowo proste kamery i komputery 16,17,18. Aby wykorzystać te postępy w widzeniu komputerowym, celem niniejszego artykułu metodycznego jest opisanie narzędzia internetowego opracowanego do prowadzenia klinicystów w następujących kwestiach: (i) wdrożeniu ustandaryzowanego protokołu aktywności dla zadania picia oraz (ii) nagrywaniu nagrań wideo z zadania picia zgodnym z workflow widzenia komputerowego do wydobywania metryk kinematycznych. Chociaż te kinematyczne metryki nie są jeszcze częścią standardowej opieki klinicznej, celem niniejszego protokołu jest zaangażowanie klinicystów, którzy chcieliby zintegrować badania biomechaniczne ze swoją praktyką. Oczekiwany wpływ to znacznie lepszy dostęp kliniczny do kinematycznych wskaźników kończyny górnej, które mają wspierać obecne protokoły leczenia rehabilitacyjnego oraz wspierać badania i rozwój nowych protokołów leczenia.

<table><tbody><tr><td>Ramię montażowe kamery, dwuczęściowe, pojedyncze przegubowe z platformą kamery</td><td>Manfrotto</td><td>196B-2</td><td>Mocowanie do kamery stereo</td></tr><tr><td>Statyw aparatu, kompatybilny ze standardowymi montażowymi 1/4 cala i 3/8 cala</td><td>iFootage</td><td>CB3 Base</td><td>Statyw do montażu kamery stereo</td></tr><tr><td>Clipboard, standardowy rozmiar literowy</td><td>Nie ma</td><td>Nie ma</td><td>Powierzchnia do poprawy wzoru kalibracyjnego</td></tr><tr><td>Kubek, plastikowy 8 oz</td><td>Nie ma</td><td>Nie ma</td><td>Pojemnik na wodę do zadania pitnego</td></tr><tr><td>Krzesło regulowane wysokością, z blokowanymi kołami typu caster</td><td>Vermund Larsen A/S</td><td>Niepodległość VELA</td><td>Katedra przedmiotu</td></tr><tr><td>Stół regulowany wysokościowo, z blokującymi kołami krzyżowymi</td><td>Midmark Corporation</td><td>6215 Prostokątna stacja robocza</td><td>Stół do przygotowania do zadania picia</td></tr><tr><td>Wydruk tablicy kalibracyjnej</td><td>Nie ma</td><td>Nie ma</td><td>Wzór do wideo Calibraiton</td></tr><tr><td>Wydruk podkładki do ćwiczeń do picia,</td><td>Nie ma</td><td>Nie ma</td><td>Podkładka do pomocy przy ustawianiu zadania picia</td></tr><tr><td>Kamera stereo, ogniskowa 4mm, bez polaryzatora, kabel USB 3.0 5m</td><td>Stereolabs</td><td>Zed 2i</td><td>Kamera stereo do nagrywania wideo</td></tr><tr><td>Taśma</td><td>Nie ma</td><td>Nie ma</td><td>Klej do wydruków</td></tr></tbody></table>

internetowy przewodnik dla klinicystów do nagrywania kompatybilnego wideo ze standaryzowanej kinematyki zadań picia do analizy widzenia komputerowego

Web-based Clinician Guide to Record Compatible Video of Standardized Drinking Task Kinematics for Computer Vision Analysis

Ocena kończyny górnej jest kluczowa dla cyklu rehabilitacji. W ciągu ostatnich dwóch dekad kinematyczna ocena aktywności związanych z piciem okazała się trafna i reaguje na zmiany kliniczne w populacjach rehabilitacyjnych dotkniętych szeroko zakrojonymi chorobami, w tym udarem i chorobami układu mięśniowo-szkieletowego. Te podstawowe badania nad kinematyką zadań picia doprowadziły do konsensusu zarekomendowań dotyczących wdrożenia kinematyki kończyn górnych w badaniach rehabilitacyjnych. Jednak pojawiły się praktyczne obawy, które zagrażają przyjęciu w środowisku badawczym i przełożeniu na praktykę kliniczną. Bariery w wdrożeniu obejmują złożoność techniczną konwencjonalnych metod przechwytywania ruchu do zdobywania kinematyki oraz dokładność protokołów aktywności stojących za kinematyką. Jeśli chodzi o to pierwsze, przełomy w poddziedzinie AI znanej jako widzenie komputerowe znacząco zmniejszają obciążenie techniczne związane z analizą kinematyczną. W odniesieniu do tej drugiej strony prezentujemy obecnie aplikację internetową (aplikację), zaprojektowaną do prowadzenia klinicystów przez nagrywanie wideo wysoce standaryzowanego protokołu czynności związanych z piciem, wykorzystując gotową kamerę stereo, komputer osobisty oraz podstawowe materiały dostępne w ambulatoryjnym środowisku klinicznym. Ponadto demonstrujemy kompatybilność tego nagrania wideo z specjalnie zbudowanym pipeline'em komputerowego widzenia do wydobywania kinematycznych metryk zadania picia. Dzięki ciągłym badaniom walidacyjnym i użyteczności przewidujemy, że takie narzędzie znacząco poprawi dostęp do wysoce standaryzowanych kinematycznych metryk kończyn górnych, które mają przyczynić się do rozwoju badań i opieki klinicznej w populacjach rehabilitacyjnych z uszkodzeniami kończyn górnych.

Główną motywacją dla internetowego przewodnika dla klinicystów jest zmniejszenie barier technicznych, które mogłyby zniechęcać klinicystów do korzystania z widzenia komputerowego do oceny biomechaniki kończyn górnych u pacjentów. Internetowy przewodnik dla klinicystów ma wygenerować dwa główne wyjścia dla użytkownika: (i) serię zsynchronizowanych obrazów wzoru kalibracji szachownicy opartych na podwójnych czujnikach obrazu kamery stereo oraz (ii) dla każdego badania przeprowadzonego przez badanego – parę zsynchronizowanych nagrań z zadaniem standaryzowanego picia (Rysunek 3). Przewodnik internetowy zawiera instrukcje w różnych formatach, w tym pisemne procedury, demonstracje wideo/audio oraz interaktywny wirtualny przegląd przez szkołę. Aby zmniejszyć obciążenie administracyjne, kuratoracja danych jest zautomatyzowana. Dane obrazowe i wideo są zapisywane w preferowanym cyfrowym folderze plików, zgodnie z wskazaniem użytkownika, np. na komputerze stacjonarnym lub w instytucjonalnej chmurze. Dane są automatycznie organizowane w skompresowane foldery, w tym zagnieżdżone podfoldery i standaryzowane nazwy plików oparte na identyfikatorze tematu, dacie/godzinie pozyskania danych, boczności ręki, typie/lateralności kamery oraz numerze próby.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/69336/69336fig2.jpg" /> 
Rysunek 2: Konfiguracja kliniki ambulatoryjnej do nagrywania obrazów i wideo. Kinematykę zadania picia można wyodrębnić z kompatybilnego wideo za pomocą widzenia komputerowego, co można osiągnąć za pomocą przedstawionego zestawu kamery stereo, komputera oraz przedmiotów powszechnie spotykanych w klinice (krzesła, stoły, materiały do druku, clipboardy, kubki, woda pitna). Chociaż dokładne umiejscowienie i orientacja aparatu różnią się w zależności od modelu urządzenia, (A) pokazana jest przybliżona pozycja, (B) którą można dostosować, aby uchwycić oczekiwaną przestrzeń pracy, która w pełni obejmuje ciało i kończyny górne podczas zadania picia. <a href="https://www.jove.com/files/ftp_upload/69336/69336fig2large.jpg" target="_blank">Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/69336/69336fig3.jpg" /> 
Rysunek 3: Kompatybilne obrazy i wideo stworzone przez internetowy przewodnik dla klinicystów. Główne wyniki internetowego przewodnika dla klinicystów obejmują (A) serię zsynchronizowanych obrazów wzoru kalibracji szachownicy oraz (B) parę zsynchronizowanych filmów rejestrujących wyniki wszystkich faz czynności związanych z piciem. <a href="https://www.jove.com/files/ftp_upload/69336/69336fig3large.jpg" target="_blank">Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.</a>
Na podstawie zebranych obrazów i danych wideo można następnie wyodrębnić biomechanikę kończyn górnych podczas zadania picia za pomocą widzenia komputerowego. Co ważne, zbieranie surowych danych i zastosowanie widzenia komputerowego można oddzielić od tego elementu. W wcześniejszej literaturze opisano różne procesy związane z widzeniem komputerowym do zastosowań do takich danych16,18 lub użytkownicy mogą stosować własne, niestandardowe workflow. Na przykład wcześniej opracowaliśmy workflow komputerowego widzenia do szacowania trójwymiarowej postawy człowieka (rysunek 4) i następnie wyodrębniania trzech metryk kinematycznych. Krótko mówiąc, ten workflow w zakresie widzenia komputerowego obejmuje następujące kluczowe kroki: (i) kalibrację w celu wyodrębnienia właściwości kamery wewnętrznej i zewnętrznej do mapowania pikseli na wymiary rzeczywiste; (ii) wykrywanie pozycji człowieka w celu oznaczania lokalizacji pikseli kluczowych punktów anatomicznych ludzkiego ciała na obrazach dwuwymiarowych; (iii) zastosowanie procedury podnoszenia do obliczania informacji trójwymiarowych z dwuwymiarowych obrazów; oraz (iv) zastosowanie filtrów do wygładzania trajektorii, np. średniej kroczącej i filtrów Kalmana. Bardziej szczegółowy opis wykracza poza zakres bieżącej pracy, ale można go znaleźć w poprzedniej pracy16. Stosując ten przepływ pracy, wyodrębnione metryki kinematyczne ilościowo określają płynność ruchu (np. liczbę jednostek ruchowych, NMU), kompensację (np. przemieszczenie tułowia, TD) oraz czas ruchu (MT), które w badaniach rehabilitacji po udarze wykazano jako prawidłowe, wiarygodne i reagujące na zmiany kliniczne 5,13,14. W porównaniu do konwencjonalnego systemu przechwytywania ruchu opartego na markerach, ten workflow komputerowego widzenia daje niewielki błąd (błąd NMU -0,12 jednostki,błąd TD 3,4 mm i błądMT 0,15 s) w porównaniu z szacunkami klinicznie istotnych zmian (3-7 NMU, 20-50 mm TD i 2,5-5 s MT)16. Aby zilustrować konkretną metrykę kinematyczną, tj. płynność ruchu według NMU (rysunek 5), wykres profilu prędkości nadgarstka podczas zadania picia przedstawia NMU (np. każda jednostka ruchu oznaczona czerwoną gwiazdką) mierzoną podczas studium przypadku osoby z historią udaru (51 lat, dominująca prawa ręka, historia udaru niedokrwiennego prawej rdzenia rdzenia skutkującego łagodną lewą półparezą, Udar >6 miesięcy wcześniej, choroby współistniejące, w tym nadciśnienie i zespół cieśni prawej rękawki).
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/69336/69336fig4.jpg" /> 
Rysunek 4: Zastosowanie widzenia komputerowego do obrazów i wideo do wyodrębniania danych o ruchu człowieka. Opisano różne procesy komputerowe widzenia, aby osiągnąć kinematykę zadania picia. (A) Początkowy krok kalibracji wymaga obrazów 2D do odwzorowania pikseli na wymiary rzeczywistego świata, (B) które można przekształcić w współrzędne 3D za pomocą geometrii rzutowej. Następnie, stosując estymację pozycji człowieka do filmów z zadaniem picia, (C) można automatycznie wykrywać 2D punkty kluczowe anatomiczne, które można przekształcić w (D) 3D punkty kluczowe dla różnych obliczeń i wizualizacji metrycznych, np. trajektorii punktów kluczowych. <a href="https://www.jove.com/files/ftp_upload/69336/69336fig4large.jpg" target="_blank">Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/69336/69336fig5.jpg" /> 
Rysunek 5: Kinematyczna metryka płynności ruchu podczas zadania picia. Na podstawie trójwymiarowych danych ruchu człowieka z zadania picia można uzyskać różnorodne kinematyczne metryki po udarze. Na podstawie osoby będącej w przewlekłej fazie rekonwalescencji po udarze, z obrazu za pomocą komputerowego obrazu można wyodrębnić kinematyczną metrykę płynności ruchu (np. liczbę jednostek ruchu, NMU, co jest widoczne przez liczbę czerwonych gwiazdek na profilu prędkości nadgarstka), aby odsłonić obiektywną różnicę w funkcji motorycznej między (A) lewą a (B) prawą kończyną górną. <a href="https://www.jove.com/files/ftp_upload/69336/69336fig5large.jpg" target="_blank">Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.</a>

Zalecano stosowanie kinematycznych parametrów zadania picia w rehabilitacji po udarze kończyn górnych, jednak konwencjonalne podejścia do badań kinematycznych są uważane za niepraktyczne. Obecny protokół opisuje internetowy przewodnik do nagrywania nagrań z zadania picia, które są kompatybilne z komputerowym widzeniem i pozwalają wyodrębnić zalecane metryki kinematyczne.

Internetowy przewodnik dla klinicystów do nagrywania kompatybilnego wideo ze standaryzowanej kinematyki zadań picia do analizy widzenia komputerowego

Assessment of the upper limb is paramount to the cycle of rehabilitation. Over the last two decades, kinematic assessment of the drinking task activity ...

Nasze badania dotyczą precyzyjnej rehabilitacji kończyn górnych, a my skupiamy się na wykorzystaniu przystępnych narzędzi, do których ludzie mają dostęp, takich jak kamery wideo, czujniki noszone oraz technologie AI.So otwartego źródła, z których obecnie korzystamy, to technologia AI, np. wizja komputerowa, a także technologie sensorów, czyli kamery wideo i czujniki noszone. Te technologie naprawdę zmieniły zasady gry w naszej dziedzinie, ponieważ pozwoliły nam mierzyć odzyskiwanie częściej, bardziej obiektywnie i potencjalnie z dokładniejszym ziarnym rozdzielczością, by uchwycić rzeczy, których obecnie możemy przeoczyć. Na początek ustaw krzesło o regulowanej wysokości z oparciem, tak aby obiekt mógł siedzieć z dłońmi założonymi do dołu na stole, a zagięcie nadgarstków wyrównane z krawędzią stołu.Reguluj wysokość siedziska, aby osiągnąć około 90 stopni zgięcia zarówno bioder, jak i kolan. Zmodyfikuj wysokość stołu tak, aby obiekt utrzymywał wyprostowaną postawę, z ramionami wygodnie osadzonymi po bokach i łokciami zgiętymi pod kątem 90 stopni. Wyrównaj przednią krawędź podkładki z krawędzią stołu bezpośrednio przed obiektem.Upewnij się, że pole docelowe na podkładce jest wyśrodkowane względem linii środkowej osoby. Następnie umieść plastikowy kubek o masie 250 mililitrów w kwadratowym pudełku na podkładce, umieszczając go 30 centymetrów od krawędzi stołu i bezpośrednio przed obiektem. Napełnij kubek 100 mililitrami wody pitnej.Teraz ustaw kamerę stereo, aby uchwycić widok z góry na obiekt i kubek. Dostosuj pozycję kamery, aby mieć pewność, że docelowa głośność jest w pełni widoczna. Aby kalibrować, otwórz moduł Aktywności Kalibracyjnej, przechodząc do panelu aplikacji internetowej i wybierając Przewodnik Aktywności Kalibracji z menu.Przed rozpoczęciem nagrywania trzymaj wzór szachownicy mniej więcej na wysokości klatki piersiowej, prostopadle do powierzchni stołu. Rozpocznij nagrywanie, klikając ikonę Start nagrywania w aplikacji webowej. Po rozpoczęciu kalibracji przesuń wzór szachownicy do przodu w kierunku kamery w płynny i kontrolowany sposób.Następnie odwróć ruch i przesuń wzór szachownicy do tyłu, z dala od kamery, zachowując płynny i kontrolowany ruch. Powtarzaj ruchy do przodu i do tyłu, aż przechwycenie obrazu zostanie zakończone. Przejrzyj nagranie kalibracyjne.Upewnij się, że cały wzór szachownicy pozostaje widoczny przez cały film, a oświetlenie zapewnia wyraźną widoczność. Jeśli nagranie nie jest zadowalające, kliknij opcję Powtórz, aby ponownie rozpocząć nagrywanie wideo przy kolejnej próbie. Po pomyślnej kalibracji kliknij ikonę Zapisz Obrazy kalibracyjne.Gdy pojawi się komunikat Zapisz, wybierz wybrany docelowy folder do przechowywania obrazów kalibracyjnych. Po potwierdzeniu zapisu obrazów wybierz Potwierdź zapis, aby kontynuować. Poinstruuj podmiot, aby podczas początkowego nagrania używał określonej ręki, prawej lub lewej.Poproś badanego, aby ćwiczył ćwiczenie picia, aby poznać procedurę. Otwórz moduł aktywności Drinking Task, przechodząc do menu dashboardu aplikacji webowej i wybierając Przewodnik po zadaniach pijackich. Przed nagraniem poinformuj uczestnika o trzysekundowym odliczaniu wizualnym i dźwiękowym udostępnionym przez aplikację, a następnie o wskazówkę do rozpoczęcia zadania.Rozpocznij nagrywanie wideo, klikając ikonę Start nagrywania, i polec osobie wykonać zadanie picia po wskazaniu. Gdy zostaje zawołany do rozpoczęcia zadania picia, pozwól badanemu wykonać aktywność używając określonej ręki. Następnie polec im przywrócić kubek do pierwotnie wyznaczonego miejsca, a rękę do pierwotnej pozycji wyjściowej.Przejrzyj nagranie nagrania z czynnością pijącą. Upewnij się, że nagrane wideo pokazuje twarz, tułów, kończyny górne oraz kubek w każdej formie kadru badanego. Sprawdź, czy badany wykonał całe zadanie picia, podnosząc kubek, biorąc łyk, wracając kubek do pierwotnej pozycji i przesuwając ciało oraz ręce z powrotem do pozycji startowej.Aby przeprowadzić kolejne badania z tym samym badanym, wybierz opcję Powtórz kolejne badanie i kontynuuj nagrywanie oraz przeglądanie nowych badań, korzystając z tych samych instrukcji. Po nagraniu wszystkich pożądanych prób wybierz opcję Zakończ się wszystkimi próbami, aby rozpocząć zapis pliku wideo. W polu Notatki wpisz komentarze istotne dla przyszłego przetwarzania, analizy lub interpretacji danych.Następnie wybierz Pakuj i Dodaj notatki, aby kontynuować. Kliknij ikonę Zapisz Picie Zadań Wideo i wybierz miejsce docelowe folderu, gdy pojawi się ten komunikat. Po zakończeniu zapisu pliku wideo kliknij Potwierdź zapis, aby sfinalizować.Workflow Computer Vision wyodrębniał trójwymiarowe pozowane dane z dwuwymiarowych filmów poprzez zastosowanie kalibracji, wykrywania pozycji, procedur podnoszenia oraz wygładzania filtrów. Korzystając z wyodrębnionych danych o pozycji 3D, obliczono kinematyczne metryki, w tym liczbę jednostek ruchu, przemieszczenie bagażnika oraz czas ruchu. Profile prędkości nadgarstka podczas zadania picia wykazały różną liczbę jednostek ruchu między lewą a prawą kończyną górną u osoby z przewlekłą hemiparezą po udarze.Biomechanika kończyn górnych nie wymaga już skomplikowanych systemów wielokamerowych, które historycznie były wymagane do tych pomiarów. I udowodniliśmy, że prostsze podejście, wykorzystujące takie rzeczy jak kamery wideo i widzenie komputerowe, pozwala nam uzyskać te same pomiary z równą wiarygodnością. Te badania poprawiają dostęp do biomechaniki kończyn górnych, a naszym prawdziwym celem jest przyspieszenie badań nad rehabilitacją precyzyjną oraz wzmocnienie przeniesienia tych badań do kliniki dla pacjentów.Moje przyszłe badania będą więc skupiać się głównie na biomechanice kończyn górnych dłoni z umiejętnościami motoryki małej. Naszym dodatkowym celem jest opracowanie interwencji wykorzystujących biomechaniczne sprzężenie zwrotne, aby poprawić wyniki pacjentów.

web-based-clinician-guide-to-record-compatible-video-standardized

Research

JoVE Journal

Neuroscience

Neuronauka

Opisano protokół do przechwytywania i statystycznej analizy reakcji emocjonalnej populacji na napoje i płynne pokarmy w laboratorium oceny sensorycznej przy użyciu oprogramowania do automatycznej analizy wyrazu twarzy.

Protokół gromadzenia i analizy danych stosowany w technologii automatycznej analizy mimiki twarzy i analizy czasowej do oceny sensorycznej

Ten manuskrypt opisuje metodę testowania równoczesnej ważności pomiarów kinematycznych zarejestrowanych przez aplikację na smartfony w porównaniu z systemem przechwytywania ruchu 3D w płaszczyźnie strzałkowej. Protokół ten umożliwi lekarzom skonfigurowanie smartfonów do rejestrowania ruchu człowieka.

Wideoanaliza ruchu za pomocą smartfonów (ViMAS): badanie pilotażowe

Ten protokół opisuje obiektywną metodę oceny sprawności ruchowej i funkcji sensomotorycznej kończyny górnej zastosowanej u osób po udarze mózgu i zdrowych osób z grupy kontrolnej. Zapewniona jest ustandaryzowana procedura testowa, analiza kinematyczna i zmienne wynikowe do trójwymiarowego przechwytywania ruchu zadania picia.

Analiza kinematyczna z wykorzystaniem przechwytywania ruchu 3D podczas picia u osób z i bez upośledzenia kończyn górnych

Zaprojektowaliśmy test rzeczywistości wirtualnej do oceny instrumentalnych czynności życia codziennego (IADL) za pomocą systemu przechwytywania ruchu. Proponujemy szczegółową analizę kinematyczną w celu interpretacji różnych ruchów uczestnika, w tym trajektorii, odległości ruchu i czasu do ukończenia, aby ocenić możliwości IADL.

Pomiar kinematyki codziennych ruchów za pomocą systemów przechwytywania ruchu w rzeczywistości wirtualnej

Paradygmat świata wizualnego monitoruje ruchy gałek ocznych uczestników w przestrzeni wizualnej, gdy słuchają lub mówią w języku mówionym. Paradygmat ten może być wykorzystany do zbadania przetwarzania online szerokiego zakresu pytań psycholingwistycznych, w tym stwierdzeń semantycznie złożonych, takich jak zdania rozłączne.

Wykorzystanie ruchów gałek ocznych zarejestrowanych w paradygmacie świata wizualnego do zbadania przetwarzania języka mówionego online

Uraz mózgu może uszkodzić zarówno układ oczny, jak i somatyczny układ motoryczny. Charakterystyka kontroli motorycznej po urazie dostarcza biomarkerów, które pomagają w wykrywaniu, monitorowaniu i prognozowaniu choroby. Dokonujemy przeglądu metody pomiaru kontroli ruchu gałek ocznych i ręki w zdrowiu i patologicznej koordynacji, z paradygmatami patrzenia i zasięgu do oceny koordynacji między okiem a ręką.

Efektywne rejestrowanie spektrum koordynacji oko-ręka do spektrum braku koordynacji

Prezentowany tutaj jest protokół oceny obuocznych ruchów gałek ocznych i kontrolowanych przez spojrzenie badań przesiewowych centralnego pola widzenia u uczestników z utratą widzenia centralnego.

Ocena obuocznego centralnego pola widzenia i obuocznych ruchów gałek ocznych w warunkach widzenia dychoptycznego

Protokół jest proponowany do uchwycenia naturalnej funkcji ręki osób z upośledzeniem ręki podczas ich codziennych czynności za pomocą egocentrycznej kamery. Celem protokołu jest zapewnienie, że nagrania są reprezentatywne dla typowego użycia dłoni przez daną osobę podczas codziennych czynności w domu.

Uchwycenie reprezentatywnego użycia dłoni w domu za pomocą egocentrycznego wideo u osób z upośledzeniem kończyn górnych

Protokół pokazuje prototyp domowej platformy do zbierania danych multimodalnych, która wspiera badania optymalizujące adaptacyjną głęboką stymulację mózgu (aDBS) dla osób z neurologicznymi zaburzeniami ruchu. Przedstawiamy również kluczowe wnioski z wdrażania platformy przez ponad rok w domu osoby z chorobą Parkinsona.

Przeniesienie kliniki do domu: multimodalny ekosystem gromadzenia danych w domu wspierający adaptacyjną głęboką stymulację mózgu

Metodologia badała wkład wzrokowy i przedsionkowy w stabilizację spojrzenia podczas rotacji optokinetycznej i całego ciała. Stymulacje przeprowadzono poprzez badania wzrokowe, przedsionkowe i wizuo-przedwostykowe. Wzmocnienie ruchu oczu skrętne i częstotliwości oczopląsów służyły jako wskaźniki podkorowego przekazywania informacji o ruchu specyficznym dla sensorycznych do odruchowej odpowiedzi pnia mózgu w każdym badaniu.

Wykorzystanie śledzenia oczu do oceny względnego znaczenia bodźców wzrokowych i przedsionkowych dla przetwarzania ruchu podkorowego w płaszczyźnie przechylania

Poznaj metodę nagrywania zadań picia do analizy kinematycznej kończyny górnej po udarze przy użyciu niedrogich kamer i wizji komputerowej. Protokół umożliwia ekstrakcję metryk ruchu z walidacją porównywalną do tradycyjnych systemów wielokamerowych.

Internetowy przewodnik dla klinicystów do nagrywania kompatybilnego wideo ze standaryzowanej kinematyki zadań picia do analizy widzenia komputerowego (Wideo) | JoVE Journal

Internetowy przewodnik dla klinicystów do nagrywania kompatybilnego wideo ze standaryzowanej kinematyki zadań picia do analizy widzenia komputerowego

Przeglądaj więcej filmów