Neuroscience

إعادة العيادة إلى المنزل: نظام بيئي متعدد الوسائط لجمع البيانات في المنزل لدعم التحفيز العميق التكيفي للدماغ

Published: July 14, 2023 doi: 10.3791/65305

Gabrielle Strandquist¹, Tomasz Frączek², Tanner Dixon³, Shravanan Ravi³, Raphael Bechtold⁴, Daryl Lawrence⁵, Alicia Zeng⁶, Jack Gallant⁷, Simon Little³, Jeffrey Herron⁸

¹Computer Science and Engineering, University of Washington, ²Neuroscience, University of Washington, ³Neurology, University of California, San Francisco, ⁴Bioengineering, University of Washington, ⁵Bioengineering, University of California, Berkeley, ⁶Biophysics, University of California, Berkeley, ⁷Psychology, University of California, Berkeley, ⁸Neurological Surgery, University of Washington

Summary

يعرض البروتوكول نموذجا أوليا لمنصة جمع البيانات متعددة الوسائط في المنزل التي تدعم البحث الذي يحسن التحفيز العميق التكيفي للدماغ (aDBS) للأشخاص الذين يعانون من اضطرابات الحركة العصبية. نقدم أيضا النتائج الرئيسية من نشر المنصة لأكثر من عام في منزل فرد مصاب بمرض باركنسون.

Abstract

يظهر التحفيز العميق التكيفي للدماغ (aDBS) وعدا لتحسين علاج الاضطرابات العصبية مثل مرض باركنسون (PD). يستخدم aDBS المؤشرات الحيوية المتعلقة بالأعراض لضبط معلمات التحفيز في الوقت الفعلي لاستهداف الأعراض بشكل أكثر دقة. لتمكين هذه التعديلات الديناميكية ، يجب تحديد معلمات خوارزمية aDBS لكل مريض على حدة. وهذا يتطلب ضبطا يدويا يستغرق وقتا طويلا من قبل الباحثين السريريين ، مما يجعل من الصعب العثور على التكوين الأمثل لمريض واحد أو التوسع ليشمل العديد من المرضى. علاوة على ذلك ، تظل الفعالية طويلة المدى لخوارزميات aDBS التي تم تكوينها في العيادة أثناء وجود المريض في المنزل سؤالا مفتوحا. لتنفيذ هذا العلاج على نطاق واسع ، هناك حاجة إلى منهجية لتكوين معلمات خوارزمية aDBS تلقائيا أثناء مراقبة نتائج العلاج عن بعد. في هذه الورقة ، نشارك تصميما لمنصة لجمع البيانات في المنزل لمساعدة الميدان على معالجة كلتا المشكلتين. تتكون المنصة من نظام بيئي متكامل للأجهزة والبرامج مفتوح المصدر ويسمح بجمع بيانات الفيديو العصبية والقصور الذاتي والمتعددة الكاميرات في المنزل. لضمان خصوصية البيانات التي يمكن التعرف عليها من قبل المريض ، تقوم المنصة بتشفير البيانات ونقلها من خلال شبكة خاصة افتراضية. تتضمن الطرق محاذاة تدفقات البيانات واستخراج تقديرات الوضع من تسجيلات الفيديو. لإثبات استخدام هذا النظام ، قمنا بنشر هذه المنصة في منزل فرد مصاب بمرض باركنسون وجمعنا البيانات خلال المهام السريرية ذاتية التوجيه وفترات السلوك الحر على مدار 1.5 عام. تم تسجيل البيانات بسعات التحفيز دون العلاجية والعلاجية وفوق العلاجية لتقييم شدة الأعراض الحركية في ظل ظروف علاجية مختلفة. تظهر هذه البيانات المتوافقة مع الوقت أن النظام الأساسي قادر على جمع البيانات متعددة الوسائط المتزامنة في المنزل للتقييم العلاجي. يمكن استخدام بنية النظام هذه لدعم أبحاث aDBS الآلية ، وجمع مجموعات بيانات جديدة ودراسة الآثار طويلة المدى لعلاج DBS خارج العيادة لأولئك الذين يعانون من الاضطرابات العصبية.

Introduction

يعالج التحفيز العميق للدماغ (DBS) الاضطرابات العصبية مثل مرض باركنسون (PD) عن طريق توصيل التيار الكهربائي مباشرة إلى مناطق معينة في الدماغ. هناك ما يقدر بنحو 8.5 مليون حالة من مرض باركنسون في جميع أنحاء العالم ، وقد أثبت DBS أنه علاج حاسم عندما يكون الدواء غير كاف لإدارة الأعراض ^1,2. ومع ذلك ، يمكن تقييد فعالية DBS بسبب الآثار الجانبية التي تحدث أحيانا من التحفيز الذي يتم تسليمه تقليديا بسعة ثابتة وتردد وعرض النبضة³. لا يستجيب تنفيذ الحلقة المفتوحة هذا للتقلبات في حالة الأعراض ، مما يؤدي إلى إعدادات تحفيز لا تتوافق بشكل مناسب مع الاحتياجات المتغيرة للمريض. كما يتم إعاقة التحفيز العميق للدماغ من خلال العملية التي تستغرق وقتا طويلا لضبط معلمات التحفيز ، والتي يتم إجراؤها حاليا يدويا من قبل الأطباء لكل مريض على حدة.

التحفيز العميق للدماغ التكيفي (aDBS) هو نهج مغلق الحلقة يظهر أنه تكرار تالي فعال ل DBS عن طريق ضبط معلمات التحفيز في الوقت الفعلي كلما تم اكتشاف المؤشرات الحيوية المرتبطة بالأعراض³،⁴^،⁵. أظهرت الدراسات أن تذبذبات بيتا (10-30 هرتز) في النواة تحت المهاد (STN) تحدث باستمرار أثناء بطء الحركة ، وهو تباطؤ في الحركة يميز PD ^6,7. وبالمثل ، من المعروف أن تذبذبات جاما العالية (50-120 هرتز) في القشرة تحدث خلال فترات خلل الحركة ، وهي حركة مفرطة وغير إرادية شائعة أيضا في PD⁸. نجح العمل الأخير في إدارة aDBS خارج العيادة لفترات طويلة⁵ ، ولكن لم يتم إثبات الفعالية طويلة المدى لخوارزميات aDBS التي تم تكوينها في العيادة أثناء وجود المريض في المنزل.

هناك حاجة إلى أنظمة بعيدة لالتقاط الفعالية المتغيرة زمنيا لهذه الخوارزميات الديناميكية في قمع الأعراض التي تصادفها أثناء الحياة اليومية. في حين أن نهج التحفيز الديناميكي ل aDBS من المحتمل أن يتيح علاجا أكثر دقة مع تقليل الآثار الجانبية ^3,9 ، لا يزال aDBS يعاني من عبء كبير على الأطباء لتحديد معلمات التحفيز يدويا لكل مريض. بالإضافة إلى مجموعة المعلمات الكبيرة بالفعل للبرمجة أثناء DBS التقليدية ، تقدم خوارزميات aDBS العديد من المعلمات الجديدة التي يجب أيضا تعديلها بعناية. ينتج عن هذا المزيج من معلمات التحفيز والخوارزمية مساحة معلمة واسعة مع عدد لا يمكن التحكم فيه من التركيبات الممكنة ، مما يمنع aDBS من التوسع للعديد من المرضى¹⁰. حتى في إعدادات البحث ، فإن الوقت الإضافي اللازم لتكوين وتقييم أنظمة aDBS يجعل من الصعب تحسين الخوارزميات بشكل كاف في العيادة فقط ، وهناك حاجة إلى تحديث المعلمات عن بعد. لجعل aDBS علاجا يمكن توسيع نطاقه ، يجب أتمتة التحفيز وضبط معلمة الخوارزمية. بالإضافة إلى ذلك ، يجب تحليل نتائج العلاج عبر التجارب المتكررة لإنشاء aDBS كعلاج طويل الأمد قابل للتطبيق خارج العيادة. هناك حاجة إلى نظام أساسي يمكنه جمع البيانات للتقييم عن بعد لفعالية العلاج ، ونشر التحديثات عن بعد لمعلمات خوارزمية aDBS.

الهدف من هذا البروتوكول هو توفير تصميم قابل لإعادة الاستخدام لمنصة متعددة الوسائط لجمع البيانات في المنزل لتحسين فعالية aDBS خارج العيادة ، وتمكين هذا العلاج من التوسع إلى عدد أكبر من الأفراد. على حد علمنا ، فهو أول تصميم لمنصة جمع البيانات يقوم بتقييم النتائج العلاجية عن بعد باستخدام كاميرات الفيديو المنزلية ، وأجهزة الاستشعار القابلة للارتداء ، وتسجيل الإشارات العصبية المزمنة ، وردود الفعل التي يحركها المريض لتقييم أنظمة aDBS أثناء المهام الخاضعة للرقابة والسلوك الطبيعي.

النظام الأساسي عبارة عن نظام بيئي لمكونات الأجهزة والبرامج المبنية على الأنظمة المطورة مسبقا⁵. يمكن صيانته بالكامل من خلال الوصول عن بعد بعد التثبيت الأولي للحد الأدنى من الأجهزة للسماح بجمع البيانات متعددة الوسائط من شخص في راحة منزله. أحد المكونات الرئيسية هو نظام التحفيز العصبي القابل للزرع (INS)¹¹ الذي يستشعر النشاط العصبي ويقدم التحفيز إلى STN ، ويسجل التسارع من غرسات الصدر. بالنسبة للزرع المستخدم في النشر الأولي ، يتم تسجيل النشاط العصبي من الخيوط الثنائية المزروعة في STN ومن أقطاب تخطيط كهربية الكورتيغرافي المزروعة فوق القشرة الحركية. يساعد نظام تسجيل الفيديو الأطباء على مراقبة شدة الأعراض وفعالية العلاج ، والتي تتضمن واجهة مستخدم رسومية (GUI) للسماح بسهولة إلغاء التسجيلات الجارية لحماية خصوصية المريض. تتم معالجة مقاطع الفيديو لاستخراج المسارات الحركية للموضع في ثنائي الأبعاد (2D) أو ثلاثي الأبعاد (3D) ، ويتم ارتداء الساعات الذكية على كلا المعصمين لالتقاط معلومات السرعة الزاوية والتسارع. الأهم من ذلك ، يتم تشفير جميع البيانات قبل نقلها إلى التخزين السحابي طويل الأجل ، ولا يمكن الوصول إلى الكمبيوتر الذي يحتوي على مقاطع فيديو يمكن التعرف عليها من قبل المريض إلا من خلال شبكة افتراضية خاصة (VPN). يتضمن النظام نهجين للمواءمة الزمنية اللاحقة لجميع تدفقات البيانات ، ويتم استخدام البيانات لمراقبة جودة حركة المريض عن بعد ، وتحديد المؤشرات الحيوية المتعلقة بالأعراض لتحسين خوارزميات aDBS. يظهر جزء الفيديو من هذا العمل عملية جمع البيانات والرسوم المتحركة للمسارات الحركية المستخرجة من مقاطع الفيديو التي تم جمعها.

وقد وجه وضع البروتوكول عددا من اعتبارات التصميم:
ضمان أمن البيانات وخصوصية المريض: يتطلب جمع بيانات المرضى التي يمكن التعرف عليها أقصى درجات العناية في النقل والتخزين من أجل أن يكون قانون إخضاع التأمين الصحي لقابلية النقل والمساءلة (HIPAA)¹²^,¹³ الامتثال واحترام خصوصية المريض في منزله. في هذا المشروع ، تم تحقيق ذلك من خلال إعداد VPN مخصص لضمان خصوصية جميع حركة المرور الحساسة بين أجهزة كمبيوتر النظام.
حدود سلامة معلمة التحفيز: من الأهمية بمكان التأكد من بقاء المريض آمنا أثناء تجربة خوارزميات aDBS التي قد يكون لها تأثيرات غير مقصودة. يجب تكوين INS للمريض من قبل الطبيب للحصول على حدود آمنة لمعلمات التحفيز التي لا تسمح بتأثيرات غير آمنة من الإفراط في التحفيز أو نقص التحفيز. مع نظام INS¹¹ تستخدم هذه الميزة في هذه الدراسة ، ويتم تمكينها بواسطة مبرمج سريري.
ضمان نقض المريض: حتى ضمن حدود المعلمات الآمنة ، قد يؤدي التباين اليومي للأعراض واستجابات التحفيز إلى مواقف غير سارة للمريض حيث لا يحب خوارزمية قيد الاختبار ويرغب في العودة إلى DBS السريري العادي ذو الحلقة المفتوحة. يتضمن نظام INS المحدد وحدة القياس عن بعد للمريض (PTM) التي تسمح للمريض بتغيير مجموعة التحفيز وسعة التحفيز يدويا بالمللي أمبير. هناك أيضا تطبيق بحث متصل ب INS يستخدم للتكوين عن بعد ل INS قبل جمع البيانات¹⁴، مما يمكن المريض أيضا من إجهاض تجارب aDBS والتحكم في علاجه.
التقاط السلوك المعقد والطبيعي: تم دمج بيانات الفيديو في المنصة لتمكين الأطباء من مراقبة فعالية العلاج عن بعد ، واستخراج المسارات الحركية من تقديرات الوضع لاستخدامها في التحليلات البحثية¹⁵. في حين أن أجهزة الاستشعار القابلة للارتداء أقل تدخلا ، إلا أنه من الصعب التقاط النطاق الديناميكي الكامل لحركة الجسم بأكمله باستخدام الأنظمة القابلة للارتداء وحدها. تتيح مقاطع الفيديو التسجيل المتزامن لمجموعة كاملة من حركة المريض وأعراضه بمرور الوقت.
سهولة استخدام النظام للمرضىيتطلب جمع البيانات متعددة الوسائط في المنزل تثبيت أجهزة متعددة واستخدامها في منزل المريض ، مما قد يصبح عبئا على المرضى للتنقل.: لجعل النظام سهل الاستخدام مع ضمان تحكم المريض ، يجب فقط تشغيل الأجهزة المزروعة أو المتصلة فعليا بالمريض (في هذه الحالة بما في ذلك نظام INS والساعات الذكية) يدويا قبل بدء التسجيل. بالنسبة للأجهزة المنفصلة عن المريض (في هذه الحالة تتضمن البيانات المسجلة من كاميرات الفيديو) ، تبدأ التسجيلات وتنتهي تلقائيا دون الحاجة إلى أي تفاعل من المريض. تم توخي الحذر أثناء تصميم واجهة المستخدم الرسومية لتقليل عدد الأزرار وتجنب أشجار القائمة العميقة بحيث تكون التفاعلات بسيطة. بعد تثبيت جميع الأجهزة ، أظهر منسق الأبحاث للمريض كيفية التفاعل مع جميع الأجهزة من خلال واجهات المستخدم الرسومية التي تواجه المريض والتي تعد جزءا من كل جهاز ، مثل كيفية إنهاء التسجيلات على أي جهاز وكيفية إدخال تاريخ الدواء وتقارير الأعراض.
شفافية جمع البياناتمن الضروري الإشارة بوضوح إلى وقت تشغيل الكاميرات حتى يعرف الأشخاص متى يتم تسجيلها ويمكنهم تعليق التسجيل إذا احتاجوا إلى لحظة خصوصية.: لتحقيق ذلك ، يتم استخدام تطبيق نظام الكاميرا للتحكم في تسجيلات الفيديو باستخدام واجهة المستخدم الرسومية التي تواجه المريض. تفتح واجهة المستخدم الرسومية تلقائيا عند بدء تشغيل التطبيق وتسرد وقت وتاريخ التسجيل المجدول التالي. عندما يكون التسجيل مستمرا ، توضح الرسالة متى من المقرر أن ينتهي التسجيل. في وسط واجهة المستخدم الرسومية ، يتم عرض صورة كبيرة للضوء الأحمر. تظهر الصورة الضوء المضاء بشكل ساطع كلما كان التسجيل مستمرا ، ويتغير إلى صورة غير مضاءة عند إيقاف تشغيل التسجيلات.

يفصل البروتوكول طرق تصميم وبناء ونشر منصة لجمع البيانات في المنزل ، لفحص جودة البيانات التي تم جمعها للتأكد من اكتمالها ومتانتها ، ولبيانات ما بعد المعالجة لاستخدامها في الأبحاث المستقبلية.

الشكل 1: تدفق البيانات. يتم جمع البيانات لكل طريقة بشكل مستقل عن مكان إقامة المريض قبل معالجتها وتجميعها في نقطة نهاية تخزين واحدة عن بعد. يتم إرسال البيانات الخاصة بكل طريقة تلقائيا إلى نقطة نهاية تخزين بعيدة. بمساعدة أحد أعضاء الفريق ، يمكن بعد ذلك استردادها والتحقق من صحتها ومحاذاة الوقت عبر الطرائق ، بالإضافة إلى إخضاعها لمزيد من المعالجة المسبقة الخاصة بالطريقة. يتم تحميل مجموعة البيانات المجمعة بعد ذلك إلى نقطة نهاية تخزين بعيدة يمكن الوصول إليها بأمان من قبل جميع أعضاء الفريق للتحليل المستمر. يتم وضع جميع الأجهزة التي يمكنها الوصول إلى البيانات ، خاصة للبيانات الحساسة مثل الفيديو الخام ، داخل VPN يضمن نقل جميع البيانات بشكل آمن وتشفير البيانات المخزنة دائما. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

يتم تسجيل المرضى من خلال دراسة أكبر معتمدة من IRB و IDE في aDBS في جامعة كاليفورنيا ، سان فرانسيسكو ، البروتوكول # G180097⁵. بالإضافة إلى ذلك ، قدم المريض المسجل في هذه الدراسة موافقة مستنيرة خصيصا لهذه الدراسة.

1. مكونات النظام في المنزل

الخادم المركزي و VPN
1. احصل على جهاز كمبيوتر شخصي (PC) يعمل بنظام تشغيل (OS) قائم على Linux مخصص لخدمة VPN. ضع الجهاز في غرفة آمنة. يقوم القرص بتشفير الجهاز لضمان أمان البيانات.
2. قم بتكوين خادم VPN ليكون متاحا للجمهور على منفذ واحد على الأقل.
  ملاحظة: في هذه الحالة ، تم تحقيق ذلك من خلال التعاون مع قسم تكنولوجيا المعلومات لمنح الخادم عنوان IP ثابت يواجه خارجيا وعنوان URL مخصص بواسطة خيارات استضافة DNS بالجامعة.
3. لتثبيت الخادم ، أكمل الخطوات التالية مرة واحدة على جهاز الكمبيوتر المحدد لخدمة VPN.
  1. تكوين جدار الحماية: قم بتشغيل الأوامر التالية في محطة الكمبيوتر لتثبيت جدار الحماية غير المعقد وتكوينه:
    sudo apt install ufw
    سودو UFW السماح SSH
    يسمح sudo ufw ب <رقم المنفذ> / UDP
    سودو يو إف دبليو تمكين
  2. تثبيت VPN للخادم: قم بتثبيت بروتوكول WireGuard VPN¹⁶ مفتوح المصدر على جهاز الكمبيوتر وانتقل إلى دليل التثبيت. في محطة الكمبيوتر ، قم بتشغيل umask 007 لتحديث قواعد الوصول إلى الدليل.
  3. توليد المفاتيح: في محطة الكمبيوتر ، قم بتشغيل
    WG جينكي | تي برايفت كي | WG Pubkey > Publickey
    يؤدي هذا إلى إنشاء زوج مفاتيح عام / خاص لخادم VPN. ستتم مشاركة هذا المفتاح العام مع أي كمبيوتر عميل يتصل بشبكة VPN.
  4. تكوين VPN: في محطة الكمبيوتر ، قم بتشغيل touch .conf لإنشاء ملف تكوين ، حيث يجب أن يتطابق اسم الملف مع اسم الواجهة. الصق قواعد الخادم التالية في هذا الملف:
    [واجهة]
    PrivateKey = <محتويات الخادم - المفتاح الخاص>
    العنوان = ##.#.#.#/ ##
    PostUp = iptables -A FORWARD -i interface_name -j قبول ؛ iptables -t nat -A POSTROUTING -o network_interface_name -j MASQUERADE
    PostDown = iptables -D FORWARD -i interface_name -j قبول ؛ iptables -t nat -D POSTROUTING -o network_interface_name -j MASQUERADE
    منفذ الاستماع = #####
    [نظير]
    PublicKey = <محتويات العميل-publickey>
    عناوين IP المسموح بها = ##.#.#.#/ ##
  5. تنشيط VPN: ابدأ تشغيل VPN عن طريق إدخال wg-quick up في الجهاز. لتمكين بروتوكول VPN من بدء التشغيل تلقائيا عند إعادة تشغيل الكمبيوتر ، قم بتشغيل ما يلي في الجهاز:
    تمكين SystemCTL WG-quick@
4. لتثبيت العميل ، أكمل الخطوات التالية لكل جهاز جديد يحتاج إلى الوصول إلى VPN.
  1. تثبيت VPN للعميل: قم بتثبيت بروتوكول VPN وفقا للإرشادات الخاصة بنظام التشغيل على صفحة تنزيل WireGuard¹⁶ .
  2. إضافة عميل إلى VPN: خذ المفتاح العام من ملف التكوين الذي تم إنشاؤه أثناء التثبيت. الصق هذا المفتاح في قسم النظير في ملف تكوين الخادم.
  3. تنشيط VPN: ابدأ تشغيل VPN وفقا للتعليمات الخاصة بنظام التشغيل على صفحة تنزيل WireGuard¹⁶ .
التخزين السحابي
1. حدد موقع تخزين سحابي لتمكين تخزين جميع تدفقات البيانات المسجلة على المدى الطويل في مكان واحد. هنا ، تم استخدام موقع تخزين سحابي قائم على خدمة الويب من Amazon كان متوافقا مع بروتوكول نقل البيانات المحدد.
نظام التعديل العصبي القابل للزرع
1. باتباع إرشادات IRB و IDE ، حدد نظام التعديل العصبي القابل للزرع (INS) ¹¹ الذي يسمح للمرضى بتغيير إعدادات التحفيز يدويا.
2. احصل على جهاز كمبيوتر لوحي وقم بتثبيت تطبيق UCSF DBS مفتوح المصدر للسماح بتسجيلات INS أو الإبلاغ عن الأدوية والأعراض أو أي تعليقات أخرى للمريض¹⁴. قم بتكوين بيانات INS التي يتم دفقها إلى الجهاز اللوحي ليتم تحميلها إلى نقطة نهاية تخزين سحابية مؤقتة متوافقة مع HIPPA ، للتخزين المؤقت قبل إلغاء تعريف البيانات وتفريغها إلى التخزين السحابي طويل الأجل.
نظام جمع الفيديو
1. احصل على جهاز كمبيوتر قادر على جمع وتخزين الكمية المطلوبة من ملفات الفيديو قبل نقلها إلى التخزين السحابي. تأكد من أن اللوحة الأم للكمبيوتر تتضمن شريحة وحدة النظام الأساسي الموثوق بها (TPM).
  ملاحظة: في هذه الحالة، تم تحديد جهاز كمبيوتر مزود بمحرك أقراص SSD بسعة 500 جيجابايت ومحرك أقراص ثابتة سعة 2 تيرابايت ووحدة معالجة رسومات بسعة 6 جيجابايت. يضمن القرص الذي تبلغ سعته 2 تيرابايت إمكانية تخزين مقاطع الفيديو مؤقتا بعد جلسة تسجيل طويلة أو في حالة فقدان الاتصال بالإنترنت لبضعة أيام ، بينما يحافظ الكمبيوتر الفردي على الحد الأدنى من تدخل الأجهزة في المنزل.
2. قم بتثبيت نظام التشغيل المطلوب واتبع التعليمات لتمكين التشفير التلقائي للقرص لضمان خصوصية المريض وتجنب تسرب البيانات. في هذه الحالة ، تم اختيار نظام تشغيل قائم على Linux مع توزيع Ubuntu لسهولة استخدامه وموثوقيته.
3. قم بتشفير أي أقراص ثابتة بشكل منفصل بعد تثبيت نظام التشغيل. تأكد من تمكين إعادة التثبيت التلقائي للقرص عند إعادة تشغيل النظام.
4. قم بتكوين شريحة TPM المدمجة بجهاز الكمبيوتر للحفاظ على الوصول إلى الكمبيوتر المشفر بالقرص بعد إعادة تشغيل^{النظام 17}.
  ملاحظة: إذا كنت تستخدم نظام تشغيل Linux ، فتأكد من تحديد لوحة أم مثبتة عليها شريحة TPM2 لتمكين هذه الخطوة. إذا تم استخدام نظام تشغيل Windows ، فيمكن معالجة تشفير القرص التلقائي وإلغاء قفله بواسطة برنامج Bitlocker.
5. قم بتكوين الكمبيوتر كعميل VPN باتباع خطوات التثبيت في 1.1.4. قم بتمكين بروتوكول VPN لبدء التشغيل تلقائيا عند إعادة تشغيل الكمبيوتر كما في القسم 1.1.3.5 لضمان وصول أجهزة الكمبيوتر البحثية دائما عن بعد إلى جهاز الكمبيوتر (مستحسن).
6. قم بإنشاء حساب مستخدم لجهاز GitHub لأتمتة تحديثات البرامج المثبتة على جهاز الكمبيوتر بسهولة. يعمل هذا الحساب كخطاف ويب لأتمتة السحب من نقطة نهاية git البعيدة ويساعد في تحديد أي تحديثات يتم دفعها من الجهاز البعيد.
7. حدد برنامجا لجدولة تسجيلات الفيديو والتحكم فيها وتثبيته على جهاز الكمبيوتر. لتحقيق أقصى قدر من خصوصية المريض وراحته ، يجب أن يشتمل البرنامج المحدد على واجهة مستخدم رسومية (GUI) للإشارة بوضوح إلى وقت استمرار التسجيلات ، ولتمكين الإنهاء السهل للتسجيلات في أي وقت.
  ملاحظة: إذا رغبت في ذلك ، يمكن تثبيت تطبيق تسجيل الفيديو المخصص للمؤلفين مع واجهة المستخدم الرسومية التي تواجه المريض عن طريق تنزيل التطبيق واتباع الإرشادات على GitHub (https://github.com/Weill-Neurohub-OPTiMaL/VideoRecordingApp).
8. حدد جهاز عرض للإشارة إلى وقت تسجيل مقاطع الفيديو ولتمكين الأشخاص من إنهاء التسجيلات بسهولة. حدد شاشة مزودة بإمكانية شاشة تعمل باللمس بحيث يمكن إنهاء التسجيلات دون الحاجة إلى تشغيل لوحة مفاتيح أو ماوس.
9. قم بتثبيت تطبيق سطح مكتب بعيد على جهاز الكمبيوتر. يتيح ذلك تشغيل تطبيق باستخدام واجهة المستخدم الرسومية بحيث تظل واجهة المستخدم الرسومية مرئية على كل من جانب المريض وجانب الباحث البعيد.
  ملاحظة: يعمل تطبيق سطح المكتب البعيد NoMachine مفتوح المصدر بشكل أفضل لنظام التشغيل Linux.
10. حدد كاميرات الويب المتوافقة مع USB بدقة عالية بما يكفي لحساب الأوضاع في المساحة المحددة.
  ملاحظة: في هذه الحالة ، تم اختيار كاميرات الويب المتوافقة مع 4K ، والتي توفر مجموعات متعددة من الدقة ومعدل الإطارات بما في ذلك دقة 4K بمعدل 30 إطارا في الثانية أو دقة HD بمعدل 60 إطارا في الثانية.
11. حدد أجهزة قوية لتركيب كاميرات الويب في منزل المريض. استخدم حوامل معقوفة مع مشابك لتثبيتها على الأثاث لمنع الكاميرات من الاهتزاز.
12. حدد بروتوكول نقل البيانات مع إمكانية التشفير وقم بتثبيته على جهاز الكمبيوتر. قم بإنشاء تكوين للوصول إلى موقع التخزين السحابي ، ثم قم بإنشاء تكوين تشفير لتغليف التكوين الأول قبل نقل البيانات.
  ملاحظة: في هذه الحالة ، تم تثبيت بروتوكول مفتوح المصدر لنقل البيانات ومزامنة الملفات مع إمكانية التشفير¹⁸. تشرح وثائق بروتوكول نقل البيانات كيفية تكوين نقل البيانات إلى التخزين السحابي. تم تثبيت البروتوكول لأول مرة على خادم VPN وتم إنشاء تكوين تشفير ينقل البيانات إلى موقع التخزين السحابي خارج الموقع.
مكونات بيانات أجهزة الاستشعار القابلة للارتداء
1. حدد الساعات الذكية التي سيتم ارتداؤها على كل معصم للمريض لتتبع الإشارات بما في ذلك الحركة وقياس التسارع ومعدل ضربات القلب.
  ملاحظة: تم اختيار Apple Watch Series 3 مع جهاز مراقبة أعراض اضطراب الحركة المدمج الذي يولد درجات أعراض PD مثل خلل الحركة ودرجات الرعاش.
2. حدد وتثبيت برنامج على كل ساعة ذكية يمكنه بدء التسجيلات وإنهائها ويمكنه نقل البيانات إلى التخزين السحابي. حدد تطبيقا يقوم بتحميل جميع تدفقات البيانات إلى البوابة الإلكترونية المرتبطة به للباحثين والأطباء لتحليل¹⁹.

الشكل 2: مكونات تسجيل الفيديو. مكونات الأجهزة لدعم جمع بيانات الفيديو ضئيلة ، بما في ذلك جهاز كمبيوتر برج واحد وكاميرات ويب متصلة ب USB وشاشة صغيرة لعرض واجهة المستخدم الرسومية التي تواجه المريض. الشاشة مزودة بشاشة تعمل باللمس للسماح بالإنهاء السهل لأي تسجيلات جارية أو مجدولة عن طريق الضغط على الأزرار المرئية على واجهة المستخدم الرسومية. يعرض مركز واجهة المستخدم الرسومية صورة لضوء تسجيل يتحول إلى لون أحمر ساطع عندما تقوم كاميرات الفيديو بالتسجيل بنشاط. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

2. التكوين في المنزل

تثبيت الأجهزة
1. حدد مساحة مناسبة لتركيب كاميرات الويب التي تقلل من الاضطرابات في المنزل. تحديد المساحة من خلال المناقشات مع المريض ؛ هنا تم اختيار منطقة المكتب المنزلي كموقع مثالي لتحقيق التوازن بين حجم التسجيل والخصوصية.
2. قم بتركيب كاميرات الويب في المنطقة المحددة على أجهزة التركيب المحددة. يمنع تثبيت حوامل معقوفة على الأثاث الثقيل القريب الكاميرات من الاهتزاز كلما خطو شخص ما في مكان قريب.
3. ضع الكمبيوتر بالقرب من كاميرات الويب المثبتة بحيث يمكن توصيل كبلات USB بجهاز الكمبيوتر.
4. ضع الكمبيوتر اللوحي ومكونات INS والساعات الذكية والهواتف الذكية بالقرب من مأخذ الطاقة بحيث يمكن لجميع الأجهزة أن تظل متصلة وجاهزة للاستخدام في أي وقت.
5. تأكد من أن VPN قيد التشغيل عن طريق تشغيل route -n في محطة الكمبيوتر. إذا لم يكن الأمر كذلك ، فاتبع التعليمات لتنشيط VPN في القسم 1.1.3.5.
ابدأ تشغيل تطبيق تسجيل الفيديو
1. جدول تسجيل الفيديو: قبل جمع أي بيانات ، ناقش جدول التسجيل المناسب مع المريض. قم بتكوين هذا الجدول على برنامج تسجيل الفيديو.
  ملاحظة: في حالة استخدام تطبيق تسجيل الفيديو المخصص للمؤلفين ، يمكن العثور على إرشادات لإعداد جدول زمني على GitHub (https://github.com/Weill-Neurohub-OPTiMaL/VideoRecordingApp#installation-guide).
2. تحديث برنامج التسجيل: تأكد من تحميل أحدث إصدار من برنامج تسجيل الفيديو المحدد إلى جهاز الكمبيوتر باستخدام حساب مستخدم جهاز GitHub المثبت في 1.4.6.
3. بدء تسجيلات الفيديو: قم بتسجيل الدخول إلى جهاز الكمبيوتر من خلال برنامج سطح المكتب البعيد المثبت وابدأ تشغيل برنامج تسجيل الفيديو.
  ملاحظة: في حالة استخدام تطبيق تسجيل الفيديو المخصص للمؤلفين ، يمكن العثور على إرشادات لبدء التطبيق على GitHub (https://github.com/Weill-Neurohub-OPTiMaL/VideoRecordingApp#installation-guide).
معايرة كاميرا الفيديو
1. تعطيل التركيز البؤري التلقائي: لحساب المعلمات الجوهرية مثل تشويه العدسة والمنظور، اتبع الإرشادات المستندة إلى نظام التشغيل وكاميرات الويب المحددة لإيقاف تشغيل التركيز البؤري التلقائي.
  ملاحظة: في نظام التشغيل Linux، يتم الوصول إلى كاميرات الويب عبر الفيديو الخاص بواجهة برمجة تطبيقات Linux، والتي تقوم افتراضيا بتشغيل التركيز البؤري التلقائي في كل مرة يتم فيها إعادة تشغيل الكمبيوتر المتصل بالكاميرات. يعد تكوين برنامج نصي لتعطيل هذا تلقائيا أمرا ضروريا للحفاظ على التركيز البؤري المكتسب أثناء معايرة الكاميرا لمعالجة 3D Pose.
2. المعايرة الجوهرية: احصل على نمط رقعة الشطرنج 6 × 8 مع مربعات 100 مم لدعم المعايرة ثلاثية الأبعاد لبرنامج تقدير الوضع²⁰. سجل مقطع فيديو من كل كاميرا ويب فردية بينما يقوم الباحث بزاوية رقعة الشطرنج في إطار جميع الكاميرات. تأكد من أن رقعة الشطرنج تحتوي على عدد زوجي من الصفوف وعدد غير متساو من الأعمدة (أو العكس). سيؤدي ذلك إلى إزالة الغموض فيما يتعلق بالتناوب.
3. المعايرة الخارجية: سجل مقطع فيديو من جميع كاميرات الويب الثلاث في وقت واحد. تأكد من تسجيل مقاطع الفيديو بنفس الدقة مثل أي مقاطع فيديو تتم معالجتها لتقديرات 3D Pos. لضمان مزامنة الوقت بدقة عبر جميع مقاطع الفيديو ، قم بوميض ضوء IR LED في بداية التسجيل ونهايته. استخدم برنامج تحرير الفيديو لمزامنة مقاطع الفيديو يدويا عن طريق وضع علامة على الإطارات في بداية مؤشر LED وتقليم مقاطع الفيديو بطول متساو.
4. مصفوفات المعايرة: قم بتمرير مقاطع الفيديو المسجلة في الخطوتين السابقتين من خلال OpenPose²¹ لإنشاء مصفوفات معايرة جوهرية وخارجية.
  ملاحظة: يستخدم OpenPose مكتبة OpenCV لمعايرة الكاميرا ، ويمكن العثور على مزيد من التعليمات من خلال الوثائق الموجودة على OpenPose GitHub^20,22.

3. جمع البيانات

تعليمات المريض لبدء التسجيل
1. تحقق من بطارية الجهاز والطاقة: جهاز INS قيد التشغيل دائما لتوفير تحفيز مستمر للموضوع. لبدء تسجيل البيانات العصبية ، اطلب من المريض تشغيل الكمبيوتر اللوحي والتأكد من أن وحدات القياس عن بعد السريرية (CTMs) لكل من أجهزة INS اليمنى واليسرى قيد التشغيل ومشحونة بالكامل.
2. وضع CTM: ضع CTMs على جانبي الصدر. للحصول على أقصى قدر من الاتصال وتقليل فقد الحزمة، ضع أجهزة CTM بالقرب من غرسات الصدر أثناء التسجيلات. المواقع الإضافية لوضع CTMs هي جيوب الصدر من سترة أو باستخدام وشاح متخصص.
3. تنشيط اتصال الجهاز اللوحي: بمجرد تمهيد الجهاز اللوحي ، اطلب من المريض فتح تطبيق DBS وتحديد اتصال ، والذي يطالب باتصال Bluetooth ب CTMs وبالتالي أجهزة INS¹⁴.
4. تنشيط الكاميرا: اطلب من المريض التأكد من أن كاميرات الفيديو متصلة بجهاز الكمبيوتر من خلال كبلات USB الخاصة بها ، وأن الكاميرات قد تم تشغيلها.
  ملاحظة: في حالة استخدام تطبيق تسجيل الفيديو المخصص للمؤلفين ، تتم الإشارة بوضوح إلى التسجيلات الجارية على واجهة المستخدم الرسومية التي تواجه المريض من خلال صورة كبيرة لضوء أحمر مضاء بشكل ساطع. يتغير هذا إلى ضوء أحمر غير مضاء عند إيقاف تشغيل التسجيلات. تحتوي كاميرات الويب المحددة أيضا على ضوء مؤشر أبيض صغير.
5. تنشيط الساعة الذكية: اطلب من المريض تشغيل الساعات الذكية والهواتف الذكية عن طريق الضغط باستمرار على زر الطاقة . بعد ذلك ، اطلب منهم فتح تطبيق الساعة الذكية لبدء تسجيل البيانات وتتبع أعراض PD.
سيناريوهات محاذاة البيانات وتسجيلها المستندة إلى الإيماءات
1. اكتب أي مهام مطلوبة للمريض للقيام بها أثناء تسجيلات البيانات قبل البدء في جمع البيانات.
2. نظرا لأن المزامنة المستندة إلى الساعة متعددة الأجهزة لمحاذاة الطوابع الزمنية يمكن أن تكون غير موثوقة ، اطلب من المريض إجراء إيماءة يمكن استخدامها لمزامنة الطوابع الزمنية من البيانات المسجلة في بداية كل تسجيل جديد ، حتى عند التخطيط للتسجيل خلال فترات السلوك الحر.
  ملاحظة: صمم المؤلفون لفتة بسيطة حيث نقر المريض على كل من أجهزة INS المزروعة مع إبقاء أيديهم على مرأى من الكاميرات. يخلق هذا النقر أنماطا مميزة في التسجيلات بالقصور الذاتي من الساعات الذكية ومقياس التسارع INS ويسهل ملاحظته في مقاطع الفيديو.
تعليمات المريض لإنهاء التسجيل
1. قم بتبديل مجموعة التحفيز مرة أخرى إلى المجموعة المفضلة للمريض المعين سريريا.
2. في واجهة المستخدم الرسومية التي تواجه المريض لتطبيق DBS ، أدخل تقرير الأعراض.
3. أغلق تطبيق DBS ، الذي سيفصل CTMs ويختتم تدفق INS.
4. أغلق تطبيق تسجيل الساعات الذكية وأعد أجهزة CTM والهواتف الذكية وأجهزة الساعات الذكية إلى منافذ الشحن الخاصة بها.
تفريغ البيانات
1. انقل مقاطع الفيديو الأولية إلى التخزين السحابي من خلال بروتوكول نقل البيانات باستخدام تكوين مشفر. قم بإنشاء مهمة cron على جهاز كمبيوتر تسجيل الفيديو لنقل مقاطع الفيديو المسجلة تلقائيا إلى التخزين السحابي من خلال بروتوكول نقل البيانات¹⁸.
  ملاحظة: اعتمادا على دقة مقاطع الفيديو وعدد الساعات المسجلة كل يوم ، يجب أن تكون سرعة الإنترنت عالية بما يكفي لتمكين نقل جميع مقاطع الفيديو إلى التخزين السحابي في غضون 24 ساعة. إذا كان نقل البيانات بطيئا جدا ، فقد تنفد مساحة القرص ، مما يتسبب في فشل تسجيلات الفيديو الإضافية المجدولة في اليوم التالي.
2. احفظ بيانات INS في نقطة نهاية السحابة الآمنة HIPAA التي تم تكوينها في الخطوة 1.3.2. قم بتنزيل بيانات INS من نقطة نهاية السحابة الآمنة HIPAA وقم بإلغاء تحديد البيانات. احفظ البيانات التي تم إلغاء تحديدها في التخزين السحابي الخارجي.
  ملاحظة: تم استخدام كود المعالجة المسبقة OpenMind مفتوح المصدر²³ لإلغاء تحديد البيانات وتحويلها من ملفات json إلى تنسيق جدول. تم تكوين الجهاز اللوحي للمريض بنقطة نهاية سحابية آمنة HIPAA للتخزين المؤقت لبيانات INS الخام ؛ ومع ذلك ، يمكن أيضا استخدام نفس موقع التخزين السحابي المستخدم للتخزين طويل الأجل لهذه الخطوة بشرط أن يكون متوافقا مع HIPAA ، ويتم تشفير البيانات قبل التفريغ.
3. إذا رغبت في ذلك ، احفظ نسخة من بيانات الساعة الذكية على وحدة تخزين سحابية خارجية بحيث يمكن الوصول إلى جميع تدفقات البيانات في مكان واحد.

4. توصيف النظام

تصور البيانات الأولية: في بيئة الترميز المطلوبة ، تصور جميع تدفقات البيانات الأولية لضمان تسجيل البيانات ونقلها بشكل مناسب دون فقد أو تلف.
ملاحظة: يحتوي التطبيق الذي تم تحديده لإدارة تسجيلات الساعات الذكية على تطبيق متصفح مفيد لتصور بيانات الساعة الذكية²⁴.
تأخيرات إطار الفيديو والطابع الزمني: افحص أي تأخيرات بين الطوابع الزمنية التي تم إنشاؤها من كاميرات الويب المختلفة. قم بتحليل التأخيرات عن طريق تسجيل مقاطع الفيديو باستخدام ضوء LED قابل للبرمجة يتم وضعه في إطار جميع كاميرات الويب.
ملاحظة: كشف التحليل أن وظيفة تجزئة الفيديو²⁵ التي تم استيرادها بواسطة تطبيق تسجيل الفيديو المخصص كانت مصدر زيادة تأخيرات الطابع الزمني. أدى تسجيل مقاطع الفيديو بدون وظيفة التجزئة إلى تأخيرات بين إطار كاميرا الويب والطابع الزمني لم تزداد بمرور الوقت (انظر الملف التكميلي 1 والشكل التكميلي 1).

5. المعالجة المسبقة للبيانات بعد التخصيص والمواءمة

طرح البيانات
1. قم بتثبيت برنامج لحساب تقديرات المركز المشترك من مقاطع الفيديو المسجلة.
  ملاحظة: تم تحديد مكتبة OpenPose لأنها تتضمن تتبع اليد والوجه في كل من 2D و 3D.
2. لا تتعامل مكتبة OpenPose تلقائيا مع الحالات التي يكون فيها عدة أشخاص في الإطار ، لذا استخدم نصا برمجيا للمعالجة اللاحقة للتأكد من أن تقديرات وضع كل شخص مستمرة من إطار إلى آخر. يوفر OpenPose رمزا لإنشاء رسوم متحركة بسهولة ، إما في 2D أو 3D ، لإجراء فحوصات بصرية على جودة تقدير الوضع.
محاذاة الوقت القائمة على الإيماءات
1. لكل جهاز INS (يسار ويمين) ، اتبع الخطوات الموضحة أدناه باستخدام واجهة المستخدم الرسومية لمحاذاة بيانات المؤلفين (https://github.com/Weill-Neurohub-OPTiMaL/ManualTimeAlignerGUI).
  1. قراءة البيانات: يمكنك الوصول إلى بيانات INS وقياس تسارع الساعات الذكية المحفوظة من التخزين السحابي لجلسة البيانات المطلوبة.
    ملاحظة: يمكن إضافة سلسلة زمنية إضافية إذا رغبت في ذلك. يوضح الشكل 3 موضع وضع طرف الإصبع الأوسط الأيمن باللون الأخضر.
  2. تصور تدفقات البيانات في واجهة المستخدم الرسومية: استخدم واجهة المستخدم الرسومية لمحاذاة الوقت اليدوي لتراكب قياس تسارع INS وقياس تسارع الساعة الذكية وبيانات الوضع.
  3. تكبير عناصر المحاذاة: قم بتكبير محور الوقت وحرك نافذة العرض إلى قسم النقر على الصدر في التسجيل. قم بإزاحة السلسلة الزمنية للمحاذاة بحيث تتداخل الذروة من نقرات الصدر على كل من INS والسلسلة الزمنية للساعة الذكية قدر الإمكان.
    ملاحظة: تم تصميم واجهة المستخدم الرسومية لتسهيل المحاذاة اليدوية للسلاسل الزمنية العشوائية إلى وقت حقيقي مشترك. يوضح الشكل 3 السلاسل الزمنية الحقيقية باللون الأزرق، بينما تظهر السلاسل الزمنية المحاذية بالبرتقالي والأخضر. يتم ذكر الأدلة الرئيسية لمحاذاة واجهة المستخدم الرسومية على GitHub ReadMe (https://github.com/Weill-Neurohub-OPTiMaL/ManualTimeAlignerGUI#time-alignment).
  4. تأكيد المحاذاة: انقل نافذة واجهة المستخدم الرسومية إلى كل مهمة من مهام النقر على الصدر في التسجيل وتأكد من أن المحاذاة تظل متسقة طوال السلسلة الزمنية. اضغط على زر تبديل المحاذاة وكرر المحاذاة على تدفقات البيانات المتبقية.
  5. علامات التحذير: للإشارة إلى ما إذا كانت البيانات مفقودة أو متغيرة أو تحذيرات عامة أخرى تتعلق بجودة البيانات، قم بتعيين علامات التحذير في واجهة المستخدم الرسومية باستخدام مفاتيح D وS وF على التوالي.
محاذاة وقت الارتباط المتقاطع صفر (ZNCC)
1. حدد الإشارة التي من المرجح أن تكون الأقرب إلى الوقت الحقيقي. عادة ما يكون هذا إما هو الشخص الذي يحتوي على أعلى تردد للعينة أو أسرع تحديث لوقت الإنترنت.
2. أعد تشكيل الإشارتين للحصول على نفس تردد أخذ العينات الزمني ، وسجل z-score كلتا الإشارتين بشكل فردي. هذا يضمن أن درجات ZNCC الناتجة سيتم تسويتها لتكون بين -1 و 1 ، مما يعطي تقديرا لمستوى التشابه بين الإشارتين ، وهو أمر مفيد لالتقاط الأخطاء.
3. احسب الارتباط المتبادل للإشارة الثانية والإشارة الأولى في كل فارق زمني.
4. إذا لم تكن معلومات الطور للإشارتين مهمة ، خذ القيمة المطلقة لمنحنى الارتباط المتقاطع المقاس.
  ملاحظة: إذا كان السلوك دوريا بشكل كبير ، فلن تكون معلومات المرحلة ضرورية ، كما في هذه الحالة.
5. تحليل منحنى ZNCC. إذا كانت هناك ذروة واحدة واضحة ، مع درجة ذروة ZNCC أعلى من 0.3 ، فإن وقت هذه الذروة يتوافق مع الفارق الزمني بين الإشارتين. إذا كانت هناك قمم متعددة ، أو لا توجد ذروة واضحة ، أو كانت درجة ZNCC منخفضة عبر جميع الفواصل الزمنية ، فيجب محاذاة الإشارتين يدويا.

الشكل 3: محاذاة البيانات القائمة على الإيماءات. يعرض النصف العلوي من الشكل واجهة المستخدم الرسومية للمحاذاة اليدوية بعد محاذاة تدفقات البيانات الثلاثة. الخط الأزرق هو بيانات قياس تسارع الساعات الذكية ، والخط البرتقالي هو بيانات قياس التسارع من INS ، والخط الأخضر هو موضع وضع 2D لطرف الإصبع الأوسط الأيمن من كاميرا ويب واحدة. يظهر الجزء العلوي الأيمن الإزاحة بين الوقت الحقيقي من الساعة الذكية و INS بالإضافة إلى علامات تحذير مختلفة لتحديد أي مشكلات تنشأ. في هذا المثال ، كان INS متقدما ب 20.8 ثانية على الساعة الذكية. يتم تكبير الرسم البياني السفلي الأيسر لإظهار نقرات الصدر الخمس التي يقوم بها المريض لمحاذاة البيانات. القمم الخمس واضحة بما فيه الكفاية في كل دفق بيانات لضمان المحاذاة المناسبة. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

تصميم ونشر منصة النموذج الأولي
قمنا بتصميم منصة نموذجية ونشرناها في منزل مريض واحد (الشكل 1). بعد التثبيت الأول للأجهزة في المنزل ، يمكن صيانة النظام الأساسي وجمع البيانات بالكامل من خلال الوصول عن بعد. تحتوي أجهزة INS والساعات الذكية والكاميرات على تطبيقات تواجه المريض تسمح للمرضى ببدء التسجيلات وإيقافها. يتيح جهاز جمع الفيديو تسجيلات الفيديو التلقائية بعد تكوين جدول معتمد. يمكن للمرضى بسهولة إلغاء تسجيل مستمر بمجرد الضغط على زر في واجهة المستخدم الرسومية لتطبيق تسجيل الفيديو (الشكل 2). تم تشفير جميع البيانات التي تم جمعها ونقلها إلى موقع تخزين سحابي للباحثين لمعالجتها وتحليلها.

جمع البيانات
بالنسبة لعمليات النشر الأولى ودورات جمع البيانات ، طلبنا من المريض إجراء مهام سريرية ذاتية التوجيه. تم أخذ المهام من مقياس تصنيف مرض باركنسون الموحد (UPDRS)²⁶ ، وهي رعاش الراحة ، والتنصت على الإصبع من الإبهام إلى السبابة ، وفتح اليد وإغلاقها ، وإسناد كب المعصم ، وحركة الجلوس للوقوف والمشي ، ومهمة الكتابة. تم تكرار جميع المهام ثلاث مرات لكل يوم تسجيل. لكل تكرار ، تم تعيين سعة تحفيز مختلفة للكشف عن الأعراض المحتملة المرتبطة بالتحفيز لمرض باركنسون. يوضح الشكل 4 مثالا مخططا لما قد يبدو عليه أسبوع من البيانات التي تم جمعها مع النظام.

الشكل 4: توافر البيانات. عرض تخطيطي لما قد يبدو عليه أسبوع من البيانات التي تم جمعها مع النظام. يظهر الرسم العلوي مستوى التحفيز (الأزرق) على مدار عدة دورات نهارية / ليلية. تعتمد تغييرات التحفيز لهذا المريض على جدول نومه وأوقات تناول الدواء (الخطوط الحمراء العمودية). في الأوقات التعسفية على مدار اليوم ، يمكن تمكين نظام جمع البيانات عن بعد لجمع البيانات لطرائق متعددة ، تظهر كمربعات ملونة. يظهر أحد الأمثلة على جميع تدفقات البيانات المتوازية والمحاذاة زمنيا ، والتي تم تحديدها لأسفل إلى الجانب الأيسر من الجسم ، في الرسم السفلي. خلال هذا التسجيل ، طلب من المريض إجراء سلسلة من التقييمات السريرية خلال ظروف التحفيز منخفضة وعلاجية وعالية السعة. تتوافق جميع البيانات المعروضة هنا مع البيانات الحقيقية التي تم جمعها ولكن تم ضغطها عبر تجارب منفصلة لسهولة التصور وإظهار التنوع. الاختصارات: LFP = إمكانات المجال المحلي ، STN = نواة تحت المهاد ، Accel = مقياس التسارع ، الدوران = الجيروسكوب ، 2D = ثنائي الأبعاد. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

المحاذاة اليدوية
توفر واجهة المستخدم الرسومية للمحاذاة اليدوية نظاما أساسيا سهل الاستخدام لمحاذاة تدفقات متعددة من البيانات. كما هو موضح في الشكل 3 ، توفر صنابير الصدر قطعة أثرية يمكن التعرف عليها بوضوح في جميع طرائق البيانات (INS ، والساعات الذكية ، ومقاطع الفيديو) التي يمكن استخدامها في المحاذاة اليدوية. كانت واجهة المستخدم الرسومية وسيلة مفيدة لمواءمة البيانات ، ولكن يمكن استبدالها بأي أداة محاذاة أخرى يرغب الباحثون في استخدامها. في بعض الحالات ، يكون لتدفقات البيانات انحراف طفيف. سيكون الحل المستقبلي المحتمل لهذه المشكلة هو تقسيم بيانات الجلسة إلى تجارب مختلفة ، لكل منها تسلسل نقرة الصدر الخاص بها. يمكن بعد ذلك محاذاة كل تجربة على حدة لتقليل تأثير الانجراف.

محاذاة وقت الارتباط المتقاطع صفر (ZNCC)
تعمل طريقة ZNCC بشكل جيد في بعض الحالات ولكن لديها بعض نقاط الضعف الحرجة. على سبيل المثال ، بالنسبة لبعض الحركات ، يمكن إزاحة إشارتي مقياس التسارع فيما يتعلق ببعضهما البعض. إذا تم تضمين كل من محاذاة الطور وحركة إزاحة الطور في العصور التي تم تحليلها ، فيمكن أن يكون ل ZNCC إما ذروة متعددة أو حتى معدومة. يسمح تطبيع ZNCC بتحديد هذه المحاذاة تلقائيا وتجاهلها حسب الحاجة. تعمل هذه الطريقة بشكل أفضل إذا كانت كلتا الإشارتين خاليتين نسبيا من الضوضاء ونافذة على حقبة ذات تأثيرات كبيرة ومتزامنة في كلا المسارين. تم تحقيق أفضل النتائج عندما طلب من المريض إجراء سلسلة من الصنابير القوية بكلتا يديه على صدره. غير أنه من الناحية العملية، كان التحقق اليدوي من المواءمة الآلية ضروريا في حالات كافية تكون فيها ميزة استخدام الطريقة الآلية ضئيلة.

جودة البيانات
كان فقدان البيانات أثناء النقل الآلي ضئيلا لأن عملية بروتوكول نقل البيانات تدعم النسخ الخام لضمان إمكانية استرداد أي خسائر. حدث فقدان البيانات من مشكلات الاتصال بانتظام ، نظرا لأن Bluetooth وتردد الراديو في بعض الأحيان يكون لهما انقطاع غير متوقع في الاتصال ويكون النطاق محدودا. حدثت فجوات قصيرة تصل إلى 2 ثانية تقريبا عدة مرات في الساعة ، وحدثت فجوات أطول تصل إلى دقيقتين مرة واحدة كل ساعتين تقريبا. بالإضافة إلى فقدان البيانات ، لوحظت آثار تحفيز كبيرة في البيانات العصبية ، والتي تعتمد شدتها على التسجيل ومجموعات التحفيز المختارة. تحدث أكبر القطع الأثرية بالقرب من تردد التحفيز ، خارج نطاقات الاهتمام. لم يلاحظ أي قطع أثرية في البيانات من الساعات الذكية. تم تسجيل مقاطع الفيديو بمعدل إطارات ثابت. ومع ذلك ، تم تحديد الإطارات المكررة في مقاطع الفيديو. نتج عن ذلك معدل إطارات فعلي أقل ببضعة إطارات من معدل الإطارات النظري كما هو مذكور في مواصفات كاميرا الويب. ومع ذلك ، كان أكثر وضوحا من الإطارات المكررة هو فترات التجميد التي تم تحديدها في مقاطع الفيديو على فترات متفاوتة اعتمادا على يوم التسجيل. ولوحظت بانتظام فترات تجميد تبلغ حوالي 10 إطارات أو أقل؛ ومع ذلك ، لوحظت أيضا مقاطع أطول من 2 إلى 30 ثانية تقريبا في فترات غير منتظمة.

جمع البيانات الطولية
يوضح الجدول 1 البيانات التي جمعها النموذج الأولي للمنصة بشكل دوري على مدار 1.5 عام. في ذلك الوقت ، تم جمع مئات الساعات من البيانات ، مع ما مجموعه 293 ساعة من بيانات INS عبر جانبي الجسم ، و 224 ساعة من بيانات الساعات الذكية لكلتا الساعتين ، و 2037 ساعة من بيانات الفيديو عبر ثلاث كاميرات ويب. يوضح هذا أن النظام الأساسي يدعم جمع البيانات في المنزل على مدى فترات زمنية طويلة مع توفير فرصة نادرة لمراقبة التغيرات الطولية في البيانات العصبية ومتطلبات التحفيز المقابلة.

نوع البيانات	إجمالي المدة (hh: mm: ss)	مجموع الأيام	حجم التخزين
عصبي	293:17:33	90	28.94 غيغابايت
شاهد	224:06:05	89	35.67 غيغابايت
فيديو	2037:06:11	228	146,073.77 غيغابايت

الجدول 1: نظرة عامة طولية على البيانات المجمعة. جمعت المنصة المنشورة البيانات خلال عدة تجارب على مدار 1.5 عام. تم تسجيل ما يقرب من 90 يوما مع جمع تدفقات البيانات العصبية والفيديو والساعات الذكية.

تقديرات 2D و 3D تشكل
تتوفر الآن العديد من حزم برامج تقدير الوضعية. تم اختبار تقدير الوضع باستخدام OpenPose ، حزمة برامج مفتوحة المصدر²¹. تم تثبيت هذا بنجاح باتباع الوثائق المقدمة من GitHub للمنظمة ، بالإضافة إلى العديد من البرامج التعليمية غير الرسمية الأخرى الموجودة على الويب. يختلف وقت معالجة OpenPose بشكل كبير بناء على كيفية تثبيت مكتبة OpenPose وتبعياتها الواسعة ، وحجم وحدة معالجة الرسومات المستخدمة ، وما إذا كانت العقارب الاختيارية ونقاط الوجه الرئيسية تتم معالجتها. كان من السهل نسبيا تنفيذ وضعية 2D ، ولكن وضع 3D كان أكثر صعوبة بشكل ملحوظ وأسفرت النتائج الأولية ثلاثية الأبعاد عن جودة غير متسقة مساوية لتلك الموجودة في 2D Pose. قد يكون تقدير وضع 3D منخفض الجودة قد تأثر سلبا بمعايرة الكاميرا دون المستوى الأمثل ، أو الفترات التي تم فيها تشغيل التركيز التلقائي للكاميرا عن طريق الخطأ ، أو متأصل في برنامج OpenPose نفسه. ومع ذلك ، قد توفر مقاطع الفيديو عالية الجودة المتزامنة من زوايا متعددة مدخلات غنية لمجموعة متنوعة من حزم برامج تقدير الوضع المتاحة. يوصى بإكمال إعداد الاختبار خارج منزل المريض ، مع قياس الأداء اليدوي لمختلف حزم برامج تقدير الوضع المتاحة.

الشكل التكميلي 1: تحليل تأخر إطار الفيديو. تم اكتشاف تأخيرات في الطوابع الزمنية الناتجة عن تطبيق تسجيل الفيديو أثناء توصيف النظام. للتحقيق في سبب التأخيرات ، تم تحديد رقم الإطار والطابع الزمني الناتج عن كل كاميرا عن طريق تسجيل ضوء LED أحمر يومض على فترات عشوائية ، ثم تم حساب الاختلافات في تأخيرات الطابع الزمني عبر الكاميرات. (أعلى) تم قياس شدة LED (بوحدات RGB) على كل كاميرا من الكاميرات الثلاث ، مما يدل على إزاحة الوقت التي لوحظت بين الكاميرات الثلاث (يشار إليها بأسهم حمراء). (أسفل) تظهر ثلاث مخططات تأخر الطابع الزمني بين الكاميرا في عدد الإطارات لسلسلة من ومضات LED على التسجيل بأكمله. تم تقسيم كل تسجيل إلى مقاطع متعددة وكان تأخر الإطار ثابتا تقريبا بمرور الوقت. الرجاء الضغط هنا لتنزيل هذا الملف.

الملف التكميلي 1: إطار الفيديو وطريقة تحليل الطابع الزمني. الرجاء الضغط هنا لتنزيل هذا الملف.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

نشارك تصميم نموذج أولي في المنزل لمنصة جمع بيانات متعددة الوسائط لدعم الأبحاث المستقبلية في أبحاث التعديل العصبي. التصميم مفتوح المصدر ومعياري ، بحيث يمكن استبدال أي قطعة من الأجهزة ، ويمكن تحديث أي مكون برمجي أو تغييره دون انهيار النظام الأساسي العام. في حين أن طرق جمع البيانات العصبية وإلغاء تحديدها خاصة ب INS المحدد ، فإن الطرق المتبقية والنهج العام لجمع البيانات السلوكية لا أدرية يتم استخدام الجهاز القابل للزرع لها. قمنا بنشر المنصة في منزل فرد مصاب بمرض باركنسون وجمعنا البيانات خلال كل من الفترات التجريبية والطبيعية. أثناء عمليات النشر وجمع البيانات ومعالجة البيانات اللاحقة ، تم اكتشاف العديد من الجوانب التي كانت حاسمة بشكل خاص لتمكين تكرار البحث بنجاح.

كان أحد الأعضاء القيم في فريقنا هو منسق الأبحاث الذي سافر إلى منزل المريض لتثبيت الأجهزة ، وإعداد VPN ، وإجراء معايرة الكاميرا ل 3D pose ، وإرشاد المريض عبر كيفية استخدام واجهة المستخدم الرسومية التي تواجه المريض لكل جهاز. الأهم من ذلك ، أن منسق البحث كان بمثابة نقطة الاتصال الرئيسية بين المريض وفريق البحث. فضل المريض استخدام وظيفة الدردشة عبر البريد الإلكتروني لإرسال الرسائل بسرعة ذهابا وإيابا. كان وجود نقطة اتصال متسقة ويمكن الوصول إليها مفيدا بشكل خاص بطريقتين:

لإنشاء قناة اتصال مألوفة للمريض لطلب تغييرات على التسجيلات المجدولة والإبلاغ عن أي صعوبات في استخدام النظام. ساعد ذلك منسق البحث على تحديد الأوقات المناسبة للمريض لإجراء تجارب التسجيل. كانت الصعوبة الرئيسية في استخدام النظام المبلغ عنها هي الحاجة إلى تتبع عمر البطارية للعديد من الأجهزة.

للسماح لاستكشاف أخطاء النظام وإصلاحها بأن تكون أقل إزعاجا للمريض. نشأت معظم استكشاف الأخطاء وإصلاحها من مشاكل الاتصال بالشبكة التي حدثت في المتوسط مرة كل أسبوعين. في حين أن إعادة تشغيل الأجهزة عادة ما تحل هذه المشكلات ، إلا أن الساعات تتطلب في كثير من الأحيان عمليات إعادة تشغيل متعددة ، والتي أفاد المريض أنها مرهقة.

من الضروري ضمان وصول قوي عن بعد إلى الأجهزة الموضوعة في منزل المريض. لتحقيق ذلك ، يعد وجود اتصال إنترنت مستقر أمرا بالغ الأهمية. من الضروري أيضا تكوين جهاز مشفر على القرص لإلغاء القفل تلقائيا عند إعادة تشغيل الجهاز. مما لا يثير الدهشة ، أن كابل إيثرنت أسفر باستمرار عن اتصالات الشبكة الأسرع والأكثر موثوقية. أقل توقعا كانت الحاجة إلى تكوين شريحة TPM ، ضرورية بسبب اختيار Linux كنظام تشغيل. إذا تم استخدام نظام تشغيل Windows ، فسيهتم برنامج Bitlocker الخاص بهم بذلك تلقائيا. أخيرا ، يضمن تكوين جهاز الكمبيوتر المنشور لتمكين VPN تلقائيا وإعادة تركيب محرك الأقراص الثابتة عند إعادة تشغيل النظام استمرار الوصول عن بعد دون الحاجة إلى إعادة زيارة منزل المريض بشكل متكرر. كان دمج VPN وبروتوكول تشفير البيانات في تصميم النظام الأساسي أمرا محوريا لأمن البيانات وسلامتها. تسمح VPN بتوصيل شبكة من أجهزة الكمبيوتر دون الحاجة إلى إعادة توجيه منفذ مخصص ليتم تكوينها على جهاز التوجيه الخاص بالمريض. يوفر برنامج بروتوكول تشفير البيانات مفتوح المصدر Rclone تشفيرا جاهزا للبيانات ووسيلة قابلة للأتمتة بسهولة لنقل البيانات من أجهزة المرضى إلى التخزين السحابي¹⁸. يقوم بروتوكول تشفير البيانات بعمل نسخ احتياطية من البيانات الأولية أثناء خطوات نقل البيانات لضمان إمكانية استرداد الخسائر. ضمنت هذه الخطوات الحفاظ على البيانات الخاصة للمريض آمنة وغير تالفة.

لتكون قادرا على إجراء تحليل هادف للبيانات ، من الضروري أن تكون البيانات التي تم جمعها من أجهزة متعددة متوافقة مع الوقت. من المحتمل ألا تكون الساعات الموجودة على كل جهاز متوافقة تماما مع وقت الإنترنت المشترك ، حتى لو اقترح المصنعون أنها كذلك. بالإضافة إلى ذلك ، يمكن أن تواجه بعض الأجهزة الانجراف في أوقات غير متوقعة ، وتغيير إزاحاتها بالنسبة للأجهزة الأخرى. هذا يخلق صعوبة في العمل نحو خوارزميات تكيفية مؤتمتة بالكامل في الوقت الفعلي ، وستحتاج الأبحاث المستقبلية إلى التفكير بعناية في حلول لهذه المشكلة. تم استكشاف طرق المحاذاة التلقائية باستخدام الارتباط المتبادل الطبيعي. هذا يعمل بشكل جيد في كثير من الحالات ؛ ومع ذلك ، يجب أن تكون الانجرافات الزمنية في حدها الأدنى ، ويجب أن تحتوي البيانات على إشارات يمكن تحديدها بوضوح. نظرا لأنه تمت مواجهة كل من الانجراف الكبير والفترات التي واجهت فيها البيانات الكثير من الضوضاء أو فقدان الحزمة ، لا يمكن الاعتماد على هذه الطريقة المؤتمتة بالكامل بشكل كامل. لتقليل عبء محاذاة البيانات يدويا ، أنشأنا واجهة مستخدم رسومية بسيطة للسماح للباحثين بالتحقق بصريا من تدفقات البيانات بسهولة وسرعة نسبية.

إن تضمين بيانات الفيديو في النظام يمكن الأطباء من قياس شدة الأعراض من خلال المراقبة عن بعد ، ويمكن للباحثين الحصول على ملصقات الأحداث. بالإضافة إلى ذلك ، يمكن حساب تقديرات الوضع من مقاطع الفيديو كمقياس مستمر لجودة الحركة مثل قياس سرعة وسلاسة حركات الأصابع بمرور الوقت. ومع ذلك ، فإن جمع مقاطع الفيديو عالية الدقة من كاميرات متعددة يتطلب مساحة تخزين كبيرة. على سبيل المثال ، يستغرق جمع 8 ساعات من مقاطع الفيديو بدقة 4K بتنسيق MJPEG من ثلاث كاميرات حوالي 0.5 تيرابايت من مساحة التخزين. سرعان ما يصبح تسجيل وتخزين كميات كبيرة من البيانات مكلفا ، مما يخلق عنق زجاجة اقتصادي لنشر هذا النظام للعديد من المرضى. من أجل توسيع نطاق هذه المنصات للعديد من المرضى ، يحتاج مصممو النظام المستقبليون إلى تقليل كمية البيانات المطلوبة للتخزين طويل الأجل. يجب أن تفكر الأنظمة المستقبلية في تضمين معالجة الوضع في الوقت الفعلي بحيث يمكن حذف مقاطع الفيديو على الفور بعد معالجة الوضعية. يمكن أن توفر الوضعية في الوقت الفعلي أيضا ملاحظات حول المهارات الحركية الدقيقة في خوارزميات الحلقة المغلقة ، والتي تقع خارج نطاق هذا العمل. إذا كانت هناك حاجة إلى الاحتفاظ ببعض بيانات الفيديو لمراجعة الطبيب أو تصنيف الأحداث ، فيمكن تقليلها إلى دقة أقل قبل حفظها على التخزين السحابي.

أخيرا ، لمعالجة عيوب التصميم وأخطاء التنفيذ التي تنشأ دائما عند بناء نظام متكامل بكفاءة ، فإن الحصول على نسخة طبق الأصل من الأجهزة التي سيتم نشرها لاستخدامها كمنصة اختبار أمر قيم للغاية. كان هذا صحيحا لاختبار الأجهزة والبرامج التي تم اختيارها لجمع مقاطع الفيديو ومعالجة بيانات الوضع. كانت العملية الكاملة للحصول على مقاطع الفيديو وتقديرات الوضع في كل من مساحة 2D و 3D أكثر صعوبة مما كان متوقعا. يسمح جهاز الاختبار باستكشاف الأخطاء وإصلاحها واختبار الضغط لعدد من الخطوات المهمة قبل النشر ، بما في ذلك:

معايرة الكاميرات بشكل صحيح ضمن قيود تخطيط غرفة معينة.
تحديد دقة الفيديو المناسبة ومعدل الإطارات لدعم تقدير الوضع عالي الجودة. بالنسبة للغرف الصغيرة أو البيئات الشبيهة بالمكاتب ، من المحتمل أن يكون تسجيل الفيديو عالي الدقة كافيا ، حيث أن حجم الأفراد في الفيديو المسجل كبير بما يكفي بحيث يمكن حساب الوضع بسهولة بينما يتطلب مساحة تخزين أقل بكثير من فيديو 4K.
اكتشاف الأخطاء في مقاطع الفيديو المسجلة ، مثل تجميد الإطارات أو الفواصل الزمنية بين ملفات الفيديو المكتوبة بالتتابع.
الكشف عن الإعدادات الافتراضية غير المتوقعة للبرامج مثل إعادة ضبط التركيز البؤري التلقائي للكاميرا عند إعادة تشغيل الجهاز، مما يحجب فائدة معايرة الكاميرا.
التجربة والخطأ للعثور على إصدارات متوافقة من مكتبات البرامج التي يجب تثبيتها مسبقا لتمكين OpenPose من العمل على وحدة معالجة رسومات متوسطة الحجم.

يتمثل أحد القيود الخاصة لهذا العمل في نشر المنصة في دراسة تجريبية واحدة في منزل فرد واحد ، مما يمنعنا من اكتشاف أي تعميمات بين المشاركين. ومع ذلك ، طوال عملية التصميم والتطوير ، تم تصميم النظام ليكون قابلا للتطوير ويدعم عمليات نشر متعددة لدعم الدراسات عن بعد ، وكان الغرض من هذه الدراسة التجريبية هو إثبات الجدوى التكنولوجية لمنصة مراقبة متطورة في المنزل. إن تعديل هذا التصميم التجريبي بناء على بعض النتائج الحاسمة التي تمت مناقشتها ونشر النظام الأساسي في المزيد من المنازل سيسمح بمزيد من التحسين للتصميم لدعم الأبحاث المستقبلية في aDBS في المنزل. بالإضافة إلى ذلك ، فإن جمع البيانات خلال نقاط زمنية إضافية عندما لا يقوم الفرد بإجراء تجارب محددة مسبقا سيوفر رؤى لتحسين التحليلات وفعالية العلاج بشكل عام. قد يوفر aDBS طريقة مفضلة لعلاج الأمراض العصبية بما في ذلك PD مقارنة ب DBS التقليدي الذي يمكن أن يكون له آثار جانبية غير مقبولة. يتطلب تقديم هذا العلاج المهم للعديد من الأفراد أتمتة ضبط المعلمات وتحليل فعالية العلاج خارج العيادة عبر الزمن. توفر المنصة نهجا جديدا لجمع كاميرا الفيديو المنزلية والساعات الذكية والتسجيل العصبي وبيانات تقرير المريض أثناء الأنشطة التجريبية والطبيعية من راحة منزل المريض. سيساهم النظام أيضا في إنشاء مجموعات بيانات جديدة متعددة الوسائط لدعم الاكتشافات المستقبلية في علاج الأمراض العصبية¹⁵.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

ليس لدى المؤلفين أي تضارب في المصالح للكشف عنه.

Acknowledgments

تستند هذه المادة إلى العمل المدعوم من برنامج زمالة أبحاث الخريجين التابع لمؤسسة العلوم الوطنية (DGE-2140004) ، و Weill Neurohub ، والمعهد الوطني للصحة (UH3NS100544). أي آراء أو نتائج أو استنتاجات أو توصيات معبر عنها في هذه المادة هي آراء المؤلف (المؤلفين) ولا تعكس بالضرورة آراء المؤسسة الوطنية للعلوم أو Weill Neurohub أو المعهد الوطني للصحة. نشكر تيانجياو تشانغ على مشاورات الخبراء حول تصميم المنصة ودمج بيانات الفيديو. نشكر المريض بشكل خاص على مشاركته في هذه الدراسة وعلى التعليقات والنصائح حول أمان الشبكة وتصميم النظام الأساسي.

Materials

Name	Company	Catalog Number	Comments
Analysis RCS Data Processing	OpenMind		https://github.com/openmind-consortium/Analysis-rcs-data, open-source
Apple Watches	Apple, Inc		Use 2 watches for each patient, one on each wrist
BRIO ULTRA HD PRO BUSINESS WEBCAM	Logitech	960-001105	Used 3 in our platform design
DaVinci Resolve video editing software	DaVinci Resolve		used to support camera calibration
Dell XPS PC	Dell		2T hard disk drive, 500GB SSD
Dropbox	Dropbox
ffmpeg	N/A		open-source, install to run the Video Recording App
Gooseneck mounts for webcams	N/A
GPU	Nvidia		A minimum of 8GB GPU memory is recommended to run OpenPose, 12GB is ideal
Java 11	Oracle		Install to run the Video Recording App
Microsoft Surface tablet	Microsoft
NoMachine	NoMachine		Ideal when using a Linux OS, open-source
OpenPose	N/A		open-source
Rclone file transfer program	Rclone		Encrypts data and copies or moves data to offsite storage, open-source
StrivePD app	RuneLabs		We installed the app on the Apple Watches to start recordings and upload data to an online portal.
Summit RC+S neuromodulation system	Medtronic		For investigational use only
touchscreen-compatible monitor	N/A
Video for Linux 2 API	The Linux Kernel		Install if using a Linux OS for video recording
Wasabi	Wasabi		Longterm cloud data storage
WireGuard VPN Protocol	WireGuard		open-source

DOWNLOAD MATERIALS LIST

References

World Health Organization. Parkinson disease. , https://www.who.int/news-room/fact-sheets/detail/parkinson-disease (2022).
Herrington, T. M., Cheng, J. J., Eskandar, E. N. Mechanisms of deep brain stimulation. Journal of Neurophysiology. 115 (1), 19-38 (2016).
Little, S., et al. Adaptive deep brain stimulation for Parkinson's disease demonstrates reduced speech side effects compared to conventional stimulation in the acute setting. Journal of Neurology, Neurosurgery & Psychiatry. 87 (12), 1388-1389 (2016).
Mohammed, A., Bayford, R., Demosthenous, A. Toward adaptive deep brain stimulation in Parkinson's disease: a review. Neurodegenerative Disease Management. 8 (2), 115-136 (2018).
Gilron, R., et al. Long-term wireless streaming of neural recordings for circuit discovery and adaptive stimulation in individuals with Parkinson's disease. Nature Biotechnology. 39 (9), 1078-1085 (2021).
Ray, N. J., et al. Local field potential beta activity in the subthalamic nucleus of patients with Parkinson's disease is associated with improvements in bradykinesia after dopamine and deep brain stimulation. Experimental Neurology. 213 (1), 108-113 (2008).
Neumann, W. J., et al. Subthalamic synchronized oscillatory activity correlates with motor impairment in patients with Parkinson's disease. Movement Disorders: Official Journal of the Movement Disorder Society. 31 (11), 1748-1751 (2016).
Swann, N. C., et al. Adaptive deep brain stimulation for Parkinson's disease using motor cortex sensing. J. Neural Eng. 11, (2018).
Little, S., et al. Adaptive deep brain stimulation in advanced Parkinson disease. Annals of Neurology. 74 (3), 449-457 (2013).
Connolly, M. J., et al. Multi-objective data-driven optimization for improving deep brain stimulation in Parkinson's disease. Journal of Neural Engineering. 18 (4), 046046 (2021).
Stanslaski, S., et al. Creating neural "co-processors" to explore treatments for neurological disorders. 2018 IEEE International Solid - State Circuits Conference - (ISSCC). , 460-462 (2018).
Rights (OCR), O. for C. The HIPAA Privacy Rule. HHS.gov. , https://www.hhs.gov/hipaa/for-professionals/privacy/index.html (2008).
Rights (OCR), O. for C. The Security Rule. HHS.gov. , https://www.hhs.gov/hipaa/for-professionals/security/index.html (2009).
Perrone, R., Gilron, R. SCBS Patient Facing App (Summit Continuous Bilateral Streaming). , https://github.com/openmind-consortium/App-SCBS-PatientFacingApp (2021).
Strandquist, G., et al. In-Home Video and IMU Kinematics of Self Guided Tasks Correlate with Clinical Bradykinesia Scores. , (2023).
Donenfeld, J. A. WireGuard: Next Generation Kernel Network Tunnel. Proceedings 2017 Network and Distributed System Security Symposium. , (2017).
etzion. Ubuntu 20.04 and TPM2 encrypted system disk - Running Systems. , https://run.tournament.org.il/ubuntu-20-04-and-tpm2-encrypted-system-disk/ (2021).
Craig-Wood, N. Rclone. , https://github.com/rclone/rclone (2023).
Chen, W., et al. The Role of Large-Scale Data Infrastructure in Developing Next-Generation Deep Brain Stimulation Therapies. Frontiers in Human Neuroscience. 15, 717401 (2021).
Hidalgo, G. inés, et al. CMU-Perceptual-Computing-Lab/openpose. , https://github.com/CMU-Perceptual-Computing-Lab/openpose (2023).
Cao, Z., Hidalgo, G., Simon, T., Wei, S. E., Sheikh, Y. OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields. IEEE Transactions on Pattern Analysis and Machine Intelligence. 43 (1), 172-186 (2021).
Cao, Z. openpose/calibration_module.md at master · CMU-Perceptual-Computing-Lab/openpose. , https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/master/doc/advanced/calibration_module.md (2023).
Sellers, K. K., et al. Analysis-rcs-data: Open-Source Toolbox for the Ingestion, Time-Alignment, and Visualization of Sense and Stimulation Data From the Medtronic Summit RC+S System. Frontiers in Human Neuroscience. 15, 398 (2021).
Ranti, C. Rune Labs Stream API. , https://docs.runelabs.io/ (2023).
ffmpeg development community. FFmpeg Formats Documentation. , https://ffmpeg.org/ffmpeg-formats.html (2023).
Goetz, C. G., et al. Movement Disorder Society-sponsored revision of the Unified Parkinson's Disease Rating Scale (MDS-UPDRS): Scale presentation and clinimetric testing results: MDS-UPDRS: Clinimetric Assessment. Movement Disorders. 23 (15), 2129-2170 (2008).

Neuroscience

إعادة العيادة إلى المنزل: نظام بيئي متعدد الوسائط لجمع البيانات في المنزل لدعم التحفيز العميق التكيفي للدماغ

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Disclosures

Acknowledgments

Materials

References

Tags

Cite this Article

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Disclosures

Acknowledgments

Materials

References

Tags

Cite this Article

Get cutting-edge science videos from JoVE sent straight to your inbox every month.