Summary
प्रोटोकॉल घर पर मल्टी-मोडल डेटा संग्रह मंच का एक प्रोटोटाइप दिखाता है जो न्यूरोलॉजिकल आंदोलन विकारों वाले लोगों के लिए अनुकूली गहरी मस्तिष्क उत्तेजना (एडीबीएस) को अनुकूलित करने वाले अनुसंधान का समर्थन करता है। हम पार्किंसंस रोग वाले व्यक्ति के घर पर एक वर्ष से अधिक समय तक मंच को तैनात करने से महत्वपूर्ण निष्कर्ष भी प्रस्तुत करते हैं।
Abstract
अनुकूली गहरी मस्तिष्क उत्तेजना (एडीबीएस) पार्किंसंस रोग (पीडी) जैसे न्यूरोलॉजिकल विकारों के उपचार में सुधार के लिए वादा दिखाता है। एडीबीएस लक्षणों को अधिक सटीक रूप से लक्षित करने के लिए वास्तविक समय में उत्तेजना मापदंडों को समायोजित करने के लिए लक्षण-संबंधी बायोमाकर्स का उपयोग करता है। इन गतिशील समायोजनों को सक्षम करने के लिए, प्रत्येक व्यक्तिगत रोगी के लिए एडीबीएस एल्गोरिदम के लिए पैरामीटर निर्धारित किए जाने चाहिए। इसके लिए नैदानिक शोधकर्ताओं द्वारा समय लेने वाली मैनुअल ट्यूनिंग की आवश्यकता होती है, जिससे एकल रोगी के लिए इष्टतम विन्यास ढूंढना या कई रोगियों को स्केल करना मुश्किल हो जाता है। इसके अलावा, रोगी के घर पर रहने के दौरान क्लिनिक में कॉन्फ़िगर किए गए एडीबीएस एल्गोरिदम की दीर्घकालिक प्रभावशीलता एक खुला सवाल बनी हुई है। बड़े पैमाने पर इस थेरेपी को लागू करने के लिए, चिकित्सा परिणामों की दूरस्थ निगरानी करते हुए एडीबीएस एल्गोरिदम मापदंडों को स्वचालित रूप से कॉन्फ़िगर करने के लिए एक पद्धति की आवश्यकता है। इस पेपर में, हम दोनों मुद्दों को संबोधित करने में क्षेत्र की मदद करने के लिए एक घर पर डेटा संग्रह मंच के लिए एक डिज़ाइन साझा करते हैं। प्लेटफ़ॉर्म एक एकीकृत हार्डवेयर और सॉफ्टवेयर पारिस्थितिकी तंत्र से बना है जो ओपन-सोर्स है और तंत्रिका, जड़त्वीय और मल्टी-कैमरा वीडियो डेटा के घर पर संग्रह की अनुमति देता है। रोगी-पहचान योग्य डेटा के लिए गोपनीयता सुनिश्चित करने के लिए, प्लेटफ़ॉर्म एक वर्चुअल प्राइवेट नेटवर्क के माध्यम से डेटा को एन्क्रिप्ट और ट्रांसफर करता है। विधियों में डेटा स्ट्रीम को समय-संरेखित करना और वीडियो रिकॉर्डिंग से पोज़ अनुमान निकालना शामिल है। इस प्रणाली के उपयोग को प्रदर्शित करने के लिए, हमने इस प्लेटफ़ॉर्म को पीडी वाले व्यक्ति के घर पर तैनात किया और 1.5 वर्षों के दौरान स्व-निर्देशित नैदानिक कार्यों और मुक्त व्यवहार की अवधि के दौरान डेटा एकत्र किया। विभिन्न चिकित्सीय स्थितियों के तहत मोटर लक्षण गंभीरता का मूल्यांकन करने के लिए उप-चिकित्सीय, चिकित्सीय और सुप्रा-चिकित्सीय उत्तेजना आयामों पर डेटा दर्ज किया गया था। ये समय-संरेखित डेटा दिखाते हैं कि प्लेटफ़ॉर्म चिकित्सीय मूल्यांकन के लिए घर पर मल्टी-मोडल डेटा संग्रह को सिंक्रनाइज़ करने में सक्षम है। इस सिस्टम आर्किटेक्चर का उपयोग स्वचालित एडीबीएस अनुसंधान का समर्थन करने, नए डेटासेट एकत्र करने और न्यूरोलॉजिकल विकारों से पीड़ित लोगों के लिए क्लिनिक के बाहर डीबीएस थेरेपी के दीर्घकालिक प्रभावों का अध्ययन करने के लिए किया जा सकता है।
Introduction
गहरी मस्तिष्क उत्तेजना (डीबीएस) मस्तिष्क में विशिष्ट क्षेत्रों में सीधे विद्युत प्रवाह पहुंचाकर पार्किंसंस रोग (पीडी) जैसे न्यूरोलॉजिकल विकारों का इलाज करता है। दुनिया भर में पीडी के अनुमानित 8.5 मिलियन मामले हैं, और डीबीएस एक महत्वपूर्ण चिकित्सा साबित हुई है जब लक्षणों के प्रबंधन के लिए दवा अपर्याप्त है। हालांकि, डीबीएस प्रभावशीलता को साइड-इफेक्ट्स से बाधित किया जा सकता है जो कभी-कभी उत्तेजना से होता है जो पारंपरिक रूप से निश्चित आयाम, आवृत्ति और पल्स चौड़ाई3 पर वितरित किया जाता है। यह ओपन-लूप कार्यान्वयन लक्षण स्थिति में उतार-चढ़ाव के प्रति उत्तरदायी नहीं है, जिसके परिणामस्वरूप उत्तेजना सेटिंग्स होती हैं जो रोगी की बदलती जरूरतों से उचित रूप से मेल नहीं खाती हैं। डीबीएस उत्तेजना मापदंडों को ट्यून करने की समय लेने वाली प्रक्रिया से और बाधित होता है, जो वर्तमान में प्रत्येक व्यक्तिगत रोगी के लिए चिकित्सकों द्वारा मैन्युअल रूप से किया जाता है।
एडेप्टिव डीबीएस (एडीबीएस) एक बंद-लूप दृष्टिकोण है जो वास्तविक समय में उत्तेजना मापदंडों को समायोजित करके डीबीएस का एक प्रभावी अगला पुनरावृत्ति दिखाया गया है जब भी लक्षण से संबंधित बायोमार्कर 3,4,5 का पता लगाया जाता है। अध्ययनों से पता चला है कि सबथैलेमिक न्यूक्लियस (एसटीएन) में बीटा दोलन (10-30 हर्ट्ज) ब्रैडीकिनेसिया के दौरान लगातार होते हैं, आंदोलन की धीमी गति जो पीडी 6,7 की विशेषता है। इसी तरह, कॉर्टेक्स में उच्च-गामा दोलन (50-120 हर्ट्ज) डिस्केनेसिया की अवधि के दौरान होने के लिए जाने जाते हैं, एक अत्यधिक और अनैच्छिक आंदोलन जो आमतौर पर पीडी8 में भी देखा जाता है। हाल के काम ने लंबे समय तक क्लिनिक के बाहर एडीबीएस को सफलतापूर्वक प्रशासित किया है, हालांकि एडीबीएस एल्गोरिदम की दीर्घकालिक प्रभावशीलता जो क्लिनिक में कॉन्फ़िगर की गई थी, जबकि एक मरीज घर परहै, स्थापित नहीं किया गया है।
दैनिक जीवन के दौरान आने वाले लक्षणों को दबाने में इन गतिशील एल्गोरिदम की समय-अलग प्रभावशीलता को पकड़ने के लिए रिमोट सिस्टम की आवश्यकता होती है। जबकि एडीबीएस का गतिशील उत्तेजना दृष्टिकोण संभावित रूप से कम दुष्प्रभावों3,9 के साथ अधिक सटीक उपचार को सक्षम बनाता है, एडीबीएस अभी भी प्रत्येक रोगी के लिए उत्तेजना मापदंडों को मैन्युअल रूप से पहचानने के लिए चिकित्सकों पर उच्च बोझ से ग्रस्त है। पारंपरिक डीबीएस के दौरान प्रोग्राम करने के लिए मापदंडों के पहले से ही बड़े सेट के अलावा, एडीबीएस एल्गोरिदम कई नए पैरामीटर पेश करते हैं जिन्हें सावधानीपूर्वक समायोजित किया जाना चाहिए। उत्तेजना और एल्गोरिथ्म मापदंडों का यह संयोजन संभावित संयोजनों की एक अप्रबंधनीय संख्या के साथ एक विशाल पैरामीटर स्थान उत्पन्न करता है, जो एडीबीएस कोकई रोगियों तक स्केलिंग करने से रोकता है। यहां तक कि अनुसंधान सेटिंग्स में, एडीबीएस सिस्टम को कॉन्फ़िगर और आकलन करने के लिए आवश्यक अतिरिक्त समय पूरी तरह से क्लिनिक में एल्गोरिदम को पर्याप्त रूप से अनुकूलित करना मुश्किल बनाता है, और मापदंडों के रिमोट अपडेट की आवश्यकता होती है। एडीबीएस को एक उपचार बनाने के लिए जो स्केल, उत्तेजना और एल्गोरिदम पैरामीटर ट्यूनिंग को स्वचालित कर सकता है। इसके अलावा, क्लिनिक के बाहर एक व्यवहार्य दीर्घकालिक उपचार के रूप में एडीबीएस को स्थापित करने के लिए चिकित्सा के परिणामों का बार-बार परीक्षणों में विश्लेषण किया जाना चाहिए। एक ऐसे मंच की आवश्यकता है जो चिकित्सा प्रभावशीलता के दूरस्थ मूल्यांकन के लिए डेटा एकत्र कर सके, और दूरस्थ रूप से एडीबीएस एल्गोरिदम मापदंडों के अपडेट को तैनात कर सके।
इस प्रोटोकॉल का लक्ष्य क्लिनिक के बाहर एडीबीएस प्रभावशीलता में सुधार के लिए एक मल्टी-मोडल एट-होम डेटा संग्रह मंच के लिए एक पुन: प्रयोज्य डिजाइन प्रदान करना है, और इस उपचार को अधिक से अधिक व्यक्तियों को स्केल करने में सक्षम बनाना है। हमारे ज्ञान के लिए, यह पहला डेटा संग्रह प्लेटफ़ॉर्म डिज़ाइन है जो नियंत्रित कार्यों और प्राकृतिक व्यवहार के दौरान एडीबीएस सिस्टम का मूल्यांकन करने के लिए इन-होम वीडियो कैमरों, पहनने योग्य सेंसर, क्रोनिक न्यूरल सिग्नल रिकॉर्डिंग और रोगी-संचालित प्रतिक्रिया का उपयोग करके चिकित्सीय परिणामों का दूरस्थ रूप से मूल्यांकन करता है।
प्लेटफ़ॉर्म हार्डवेयर और सॉफ्टवेयर घटकों का एक पारिस्थितिकी तंत्र है जो पहले से विकसित सिस्टम5 पर बनाया गया है। यह न्यूनतम हार्डवेयर की प्रारंभिक स्थापना के बाद रिमोट एक्सेस के माध्यम से पूरी तरह से बनाए रखने योग्य है ताकि किसी व्यक्ति से उनके घर के आराम में मल्टी-मोडल डेटा संग्रह की अनुमति मिल सके। एक प्रमुख घटक प्रत्यारोपण योग्य न्यूरोस्टिम्यूलेशन सिस्टम (आईएनएस) 11 है जो तंत्रिका गतिविधि को महसूस करता है और एसटीएन को उत्तेजना प्रदान करता है, और छाती प्रत्यारोपण से त्वरण रिकॉर्ड करता है। प्रारंभिक तैनाती में उपयोग किए जाने वाले प्रत्यारोपण के लिए, एसटीएन में प्रत्यारोपित द्विपक्षीय लीड से और मोटर कॉर्टेक्स पर प्रत्यारोपित इलेक्ट्रोकॉर्टिकोग्राफी इलेक्ट्रोड से तंत्रिका गतिविधि दर्ज की जाती है। एक वीडियो रिकॉर्डिंग सिस्टम चिकित्सकों को लक्षण गंभीरता और चिकित्सा प्रभावशीलता की निगरानी करने में मदद करता है, जिसमें रोगी की गोपनीयता की रक्षा के लिए चल रही रिकॉर्डिंग को आसानी से रद्द करने की अनुमति देने के लिए एक ग्राफिकल यूजर इंटरफेस (जीयूआई) शामिल है। वीडियो को दो आयामी (2 डी) या तीन आयामी (3 डी) में स्थिति के किनेमेटिक प्रक्षेप पथ निकालने के लिए संसाधित किया जाता है, और कोणीय वेग और त्वरण जानकारी को पकड़ने के लिए दोनों कलाई पर स्मार्ट घड़ियां पहनी जाती हैं। महत्वपूर्ण रूप से, सभी डेटा को दीर्घकालिक क्लाउड स्टोरेज में स्थानांतरित करने से पहले एन्क्रिप्ट किया जाता है, और रोगी-पहचान योग्य वीडियो वाले कंप्यूटर को केवल वर्चुअल प्राइवेट नेटवर्क (वीपीएन) के माध्यम से एक्सेस किया जा सकता है। सिस्टम में सभी डेटा धाराओं के पोस्ट-हॉक समय-संरेखण के लिए दो दृष्टिकोण शामिल हैं, और डेटा का उपयोग रोगी के आंदोलन की गुणवत्ता की दूरस्थ रूप से निगरानी करने और एडीबीएस एल्गोरिदम को परिष्कृत करने के लिए लक्षण-संबंधी बायोमार्कर की पहचान करने के लिए किया जाता है। इस काम का वीडियो भाग एकत्र किए गए वीडियो से निकाले गए किनेमेटिक प्रक्षेपपथ के डेटा संग्रह प्रक्रिया और एनिमेशन को दर्शाता है।
कई डिजाइन विचारों ने प्रोटोकॉल के विकास को निर्देशित किया:
डेटा सुरक्षा और रोगी गोपनीयता सुनिश्चित करना: पहचाने जाने योग्य रोगी डेटा एकत्र करने के लिए स्वास्थ्य बीमा पोर्टेबिलिटी और जवाबदेही अधिनियम (एचआईपीएए) होने के लिए ट्रांसमिशन और स्टोरेज में अत्यधिक सावधानी की आवश्यकता होती है।12,13 अनुपालन और अपने घर में रोगी की गोपनीयता का सम्मान करना। इस परियोजना में, सिस्टम कंप्यूटरों के बीच सभी संवेदनशील ट्रैफ़िक की गोपनीयता सुनिश्चित करने के लिए एक कस्टम वीपीएन स्थापित करके इसे हासिल किया गया था।
उत्तेजना पैरामीटर सुरक्षा सीमाएं: यह सुनिश्चित करना महत्वपूर्ण है कि एडीबीएस एल्गोरिदम की कोशिश करते समय रोगी सुरक्षित रहता है जिसके अनपेक्षित प्रभाव हो सकते हैं। रोगी के आईएनएस को एक चिकित्सक द्वारा उत्तेजना मापदंडों के लिए सुरक्षित सीमाओं के लिए कॉन्फ़िगर किया जाना चाहिए जो अति-उत्तेजना या अंडर-उत्तेजना से असुरक्षित प्रभावों की अनुमति नहीं देते हैं। आईएनएस प्रणाली के साथ11 इस अध्ययन में उपयोग किया जाता है, यह सुविधा एक क्लिनिशियन प्रोग्रामर द्वारा सक्षम है।
रोगी वीटो सुनिश्चित करना: सुरक्षित पैरामीटर सीमाओं के भीतर भी, लक्षणों और उत्तेजना प्रतिक्रियाओं की दैनिक परिवर्तनशीलता के परिणामस्वरूप रोगी के लिए अप्रिय परिस्थितियां हो सकती हैं जहां वे परीक्षण के तहत एक एल्गोरिथ्म को नापसंद करते हैं और सामान्य नैदानिक ओपन-लूप डीबीएस पर लौटना चाहते हैं। चयनित आईएनएस प्रणाली में एक रोगी टेलीमेट्री मॉड्यूल (पीटीएम) शामिल है जो रोगी को एमए में अपने उत्तेजना समूह और उत्तेजना आयाम को मैन्युअल रूप से बदलने की अनुमति देता है। एक आईएनएस-कनेक्टेड रिसर्च एप्लिकेशन भी है जिसका उपयोग डेटा संग्रह से पहले आईएनएस के रिमोट कॉन्फ़िगरेशन के लिए किया जाता है।14, जो रोगी को एडीबीएस परीक्षणों को निरस्त करने और उनकी चिकित्सा को नियंत्रित करने में भी सक्षम बनाता है।
जटिल और प्राकृतिक व्यवहार को पकड़ना: वीडियो डेटा को प्लेटफॉर्म में शामिल किया गया था ताकि चिकित्सकों को चिकित्सा प्रभावशीलता की दूरस्थ निगरानी करने में सक्षम बनाया जा सके, और अनुसंधान विश्लेषण में उपयोग के लिए पोज अनुमानों से किनेमेटिक प्रक्षेपवक्र निकाला जा सके।15. जबकि पहनने योग्य सेंसर कम घुसपैठ करते हैं, अकेले पहनने योग्य प्रणालियों का उपयोग करके पूरे शरीर की गति की पूर्ण गतिशील सीमा को पकड़ना मुश्किल है। वीडियो समय के साथ रोगी की गति और उनके लक्षणों की पूरी श्रृंखला की एक साथ रिकॉर्डिंग को सक्षम करते हैं।
रोगियों के लिए सिस्टम प्रयोज्यता: घर पर मल्टी-मोडल डेटा एकत्र करने के लिए रोगी के घर में कई उपकरणों को स्थापित करने और उपयोग करने की आवश्यकता होती है, जो रोगियों के लिए नेविगेट करने के लिए बोझिल हो सकता है। रोगी नियंत्रण सुनिश्चित करते हुए सिस्टम का उपयोग करना आसान बनाने के लिए, केवल उन उपकरणों को जो रोगी से प्रत्यारोपित या शारीरिक रूप से जुड़े होते हैं (इस मामले में इसमें आईएनएस सिस्टम और स्मार्ट घड़ियाँ शामिल हैं) रिकॉर्डिंग शुरू करने से पहले मैन्युअल रूप से चालू किया जाना चाहिए। उन उपकरणों के लिए जो रोगी से अलग हैं (इस मामले में इसमें वीडियो कैमरों से रिकॉर्ड किया गया डेटा शामिल है), रिकॉर्डिंग किसी भी रोगी बातचीत की आवश्यकता के बिना स्वचालित रूप से शुरू और समाप्त होती है। बटन की संख्या को कम करने और गहरे मेनू पेड़ों से बचने के लिए जीयूआई डिजाइन के दौरान देखभाल की गई थी ताकि बातचीत सरल हो। सभी उपकरणों को स्थापित करने के बाद, एक शोध समन्वयक ने रोगी को दिखाया कि रोगी-सामना करने वाले जीयूआई के माध्यम से सभी उपकरणों के साथ कैसे बातचीत करें जो प्रत्येक डिवाइस का एक हिस्सा हैं, जैसे कि किसी भी डिवाइस पर रिकॉर्डिंग को कैसे समाप्त किया जाए और उनके दवा इतिहास और लक्षण रिपोर्ट कैसे दर्ज की जाए।
डेटा संग्रह पारदर्शिता: स्पष्ट रूप से इंगित करना कि कैमरे कब चालू हैं, अनिवार्य है ताकि लोगों को पता चले कि उन्हें कब रिकॉर्ड किया जा रहा है और यदि उन्हें गोपनीयता के एक पल की आवश्यकता है तो रिकॉर्डिंग को निलंबित कर सकते हैं। इसे प्राप्त करने के लिए, एक कैमरा-सिस्टम एप्लिकेशन का उपयोग रोगी-सामना करने वाले जीयूआई के साथ वीडियो रिकॉर्डिंग को नियंत्रित करने के लिए किया जाता है। जब एप्लिकेशन प्रारंभ होता है तो जीयूआई स्वचालित रूप से खुलता है और अगले शेड्यूल किए गए रिकॉर्डिंग के समय और दिनांक को सूचीबद्ध करता है। जब रिकॉर्डिंग चल रही होती है, तो एक संदेश बताता है कि रिकॉर्डिंग कब समाप्त होने वाली है। जीयूआई के केंद्र में, लाल बत्ती की एक बड़ी छवि प्रदर्शित की जाती है। छवि दिखाती है कि जब भी रिकॉर्डिंग चल रही होती है, तो प्रकाश उज्ज्वल रूप से जलाया जाता है, और रिकॉर्डिंग बंद होने पर एक गैर-रोशनी वाली छवि में बदल जाता है।
प्रोटोकॉल में घर पर डेटा संग्रह मंच को डिजाइन करने, निर्माण करने और तैनात करने के तरीकों का विवरण दिया गया है, पूर्णता और मजबूती के लिए एकत्र किए गए डेटा की गुणवत्ता की जांच के लिए, और भविष्य के अनुसंधान में उपयोग के लिए पोस्ट-प्रोसेसिंग डेटा के लिए।
चित्र 1: डेटा प्रवाह। प्रत्येक साधन के लिए डेटा को संसाधित करने और एकल रिमोट स्टोरेज एंडपॉइंट में एकत्रित करने से पहले रोगी के निवास से स्वतंत्र रूप से एकत्र किया जाता है। प्रत्येक साधन के लिए डेटा स्वचालित रूप से दूरस्थ संग्रहण समापन बिंदु पर भेजा जाता है। टीम के सदस्यों में से एक की मदद से, इसे पुनः प्राप्त किया जा सकता है, वैधता के लिए जांच की जा सकती है, तौर-तरीकों में संरेखित समय के साथ-साथ अधिक साधन-विशिष्ट पूर्व-प्रसंस्करण के अधीन किया जा सकता है। संकलित डेटासेट को तब एक दूरस्थ भंडारण समापन बिंदु पर अपलोड किया जाता है जिसे निरंतर विश्लेषण के लिए टीम के सभी सदस्यों द्वारा सुरक्षित रूप से एक्सेस किया जा सकता है। डेटा एक्सेस वाली सभी मशीनें, विशेष रूप से कच्चे वीडियो जैसे संवेदनशील डेटा के लिए, एक वीपीएन के भीतर संलग्न होती हैं जो यह सुनिश्चित करती है कि सभी डेटा सुरक्षित रूप से स्थानांतरित किए जाते हैं और संग्रहीत डेटा हमेशा एन्क्रिप्ट किया जाता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
मरीजों को कैलिफोर्निया विश्वविद्यालय, सैन फ्रांसिस्को, प्रोटोकॉल # G1800975 में एडीबीएस में एक बड़े आईआरबी और आईडीई अनुमोदित अध्ययन के माध्यम से नामांकित किया जाता है। इस अध्ययन में नामांकित रोगी ने विशेष रूप से इस अध्ययन के लिए सूचित सहमति भी प्रदान की।
1. घर पर सिस्टम घटक
- केंद्रीय सर्वर और VPN
- वीपीएन की सेवा के लिए समर्पित लिनक्स-आधारित ऑपरेटिंग सिस्टम (ओएस) चलाने वाले एक व्यक्तिगत कंप्यूटर (पीसी) का अधिग्रहण करें। मशीन को एक सुरक्षित कमरे में रखें। डेटा सुरक्षा सुनिश्चित करने के लिए डिस्क मशीन को एन्क्रिप्ट करती है।
- वीपीएन सर्वर को कम से कम एक पोर्ट पर सार्वजनिक रूप से सुलभ होने के लिए कॉन्फ़िगर करें।
नोट: इस मामले में, यह सर्वर को बाहरी रूप से स्थैतिक-आईपी पता और विश्वविद्यालय के डीएनएस होस्टिंग विकल्पों द्वारा एक कस्टम यूआरएल देने के लिए आईटी विभाग के साथ सहयोग करके हासिल किया गया था। - सर्वर स्थापना के लिए, VPN की सेवा के लिए चयनित PC पर एक बार निम्न चरणों को पूरा करें.
- फ़ायरवॉल कॉन्फ़िगरेशन: सरल फ़ायरवॉल स्थापित करने और कॉन्फ़िगर करने के लिए PC टर्मिनल में निम्न आदेश चलाएँ:
Sudo apt स्थापित UFW
Sudo ufw अनुमति SSH
sudo ufw allow/udp
sudo ufw enable - सर्वर वीपीएन स्थापना: पीसी पर ओपन-सोर्स वायरगार्ड वीपीएन प्रोटोकॉल16 स्थापित करें और इंस्टॉलेशन निर्देशिका पर नेविगेट करें। PC टर्मिनल में, निर्देशिका पहुँच नियमों को अद्यतन करने के लिए umask 007 चलाएँ।
- कुंजी पीढ़ी: पीसी टर्मिनल में, चलाएं
WG Genkey | निजी कुंजी | WG pubkey > publickey
यह वीपीएन सर्वर के लिए एक सार्वजनिक / निजी कुंजी जोड़ी उत्पन्न करता है। यह सार्वजनिक कुंजी वीपीएन से कनेक्ट होने वाले किसी भी क्लाइंट पीसी पर साझा की जाएगी। - वीपीएन कॉन्फ़िगरेशन: पीसी टर्मिनल में, कॉन्फ़िगरेशन फ़ाइल बनाने के लिए टच
.conf चलाएं, जहां फ़ाइल नाम इंटरफ़ेस के नाम से मेल खाना चाहिए। इस फ़ाइल में निम्न सर्वर नियम चिपकाएँ:
[इंटरफ़ेस]
PrivateKey =
पता = ##.#.#.#/ ##
पोस्टअप = इपिटल-ए फॉरवर्ड-आई interface_name -जे स्वीकार; iptables -t nat-A POSTROUTING -o network_interface_name-j MASquerade
पोस्टडाउन = इप्टेबल्स -डी फॉरवर्ड -आई interface_name -जे स्वीकार; iptables -t nat-D POSTROUTING -o network_interface_name-j MASuvade
ListenPort = #####
[सहकर्मी]
PublicKey =
अनुमत आईपी = ##.#.#.#/ ## - वीपीएन को सक्रिय करना: टर्मिनल में डब्ल्यूजी-क्विक अप
दर्ज करके वीपीएन शुरू करें। जब भी पीसी रीबूट होता है तो वीपीएन प्रोटोकॉल को स्वचालित रूप से प्रारंभ करने में सक्षम करने के लिए, टर्मिनल में निम्न चलाएँ:
SystemCTL सक्षम WG-quick@
- फ़ायरवॉल कॉन्फ़िगरेशन: सरल फ़ायरवॉल स्थापित करने और कॉन्फ़िगर करने के लिए PC टर्मिनल में निम्न आदेश चलाएँ:
- क्लाइंट स्थापना के लिए, प्रत्येक नई मशीन के लिए निम्न चरणों को पूरा करें जिसे वीपीएन तक पहुंच की आवश्यकता है।
- क्लाइंट वीपीएन स्थापना: वायरगार्ड16 डाउनलोड पृष्ठ पर ओएस-विशिष्ट निर्देशों के अनुसार वीपीएन प्रोटोकॉल स्थापित करें।
- वीपीएन में क्लाइंट जोड़ना: स्थापना के दौरान उत्पन्न कॉन्फ़िगरेशन फ़ाइल से सार्वजनिक कुंजी लें। इस कुंजी को सर्वर की कॉन्फ़िगरेशन फ़ाइल के सहकर्मी अनुभाग में चिपकाएँ।
- वीपीएन को सक्रिय करना: वायरगार्ड16 डाउनलोड पेज पर ओएस-विशिष्ट निर्देशों के अनुसार वीपीएन शुरू करें।
- Cloud storage
- सभी रिकॉर्ड किए गए डेटा स्ट्रीम को एक ही स्थान पर दीर्घकालिक रूप से संग्रहीत करने में सक्षम करने के लिए क्लाउड स्टोरेज साइट का चयन करें। यहां, एक अमेज़ॅन वेब सेवा-आधारित क्लाउड स्टोरेज साइट जो चयनित डेटा ट्रांसफर प्रोटोकॉल के साथ संगत थी, का उपयोग किया गया था।
- इम्प्लांटेबल न्यूरोमॉड्यूलेशन सिस्टम
- आईआरबी और आईडीई दिशानिर्देशों का पालन करते हुए, एक प्रत्यारोपण योग्य न्यूरोमॉड्यूलेशन सिस्टम (आईएनएस)11 का चयन करें जो रोगियों को मैन्युअल रूप से अपनी उत्तेजना सेटिंग्स को बदलने की अनुमति देता है।
- एक टैबलेट पीसी प्राप्त करें और आईएनएस रिकॉर्डिंग, दवाओं और लक्षणों की रिपोर्टिंग या किसी अन्य रोगीकी टिप्पणियों की अनुमति देने के लिए ओपन-सोर्स यूसीएसएफ डीबीएस एप्लिकेशन स्थापित करें। डेटा डी-आइडेंटिफिकेशन से पहले अस्थायी स्टोरेज के लिए टैबलेट पर स्ट्रीम किए गए आईएनएस डेटा को अस्थायी एचआईपीपीए-अनुरूप क्लाउड स्टोरेज एंडपॉइंट पर अपलोड करने के लिए कॉन्फ़िगर करें।
- वीडियो संग्रह प्रणाली
- क्लाउड स्टोरेज में स्थानांतरित करने से पहले वांछित मात्रा में वीडियो फ़ाइलों को इकट्ठा करने और संग्रहीत करने में सक्षम पीसी प्राप्त करें। सुनिश्चित करें कि पीसी मदरबोर्ड में एक विश्वसनीय प्लेटफ़ॉर्म मॉड्यूल (टीपीएम) चिप शामिल है।
नोट: इस मामले में, एक 500 जीबी एसएसडी, एक 2 टीबी एचडीडी और एक 6 जीबी जीपीयू के साथ एक पीसी का चयन किया गया था। एक 2 टीबी डिस्क यह सुनिश्चित करती है कि वीडियो को लंबे रिकॉर्डिंग सत्र के बाद या कुछ दिनों के लिए इंटरनेट कनेक्शन खोने के मामले में बफर किया जा सकता है, जबकि एकल पीसी हार्डवेयर को घर में न्यूनतम हस्तक्षेप रखता है। - वांछित ओएस स्थापित करें और रोगी की गोपनीयता सुनिश्चित करने और डेटा रिसाव से बचने के लिए स्वचालित डिस्क एन्क्रिप्शन सक्षम करने के लिए संकेतों का पालन करें। इस मामले में उबंटू वितरण के साथ एक लिनक्स-आधारित ओएस को इसके उपयोग और विश्वसनीयता में आसानी के लिए चुना गया था।
- ओएस स्थापित होने के बाद किसी भी हार्ड डिस्क को अलग से एन्क्रिप्ट करें। सिस्टम रीबूट पर स्वचालित डिस्क री-माउंटिंग सक्षम करना सुनिश्चित करें।
- सिस्टम रीबूट17 के बाद डिस्क-एन्क्रिप्टेड पीसी तक पहुंच बनाए रखने के लिए पीसी के ऑन-बोर्ड टीपीएम चिप को कॉन्फ़िगर करें।
नोट: यदि लिनक्स ओएस का उपयोग कर रहे हैं, तो इस चरण को सक्षम करने के लिए स्थापित टीपीएम 2 चिप के साथ मदरबोर्ड का चयन करना सुनिश्चित करें। यदि विंडोज ओएस का उपयोग किया जाता है, तो स्वचालित डिस्क एन्क्रिप्शन और अनलॉकिंग को बिटलॉकर प्रोग्राम द्वारा नियंत्रित किया जा सकता है। - 1.1.4 में स्थापना चरणों का पालन करके एक VPN क्लाइंट के रूप में पीसी कॉन्फ़िगर करें। जब भी पीसी को रीबूट किया जाता है तो वीपीएन प्रोटोकॉल को स्वचालित रूप से शुरू करने के लिए सक्षम करें जैसा कि अनुभाग 1.1.3.5 में है ताकि यह सुनिश्चित किया जा सके कि शोधकर्ता कंप्यूटर हमेशा पीसी (अनुशंसित) को दूरस्थ रूप से एक्सेस कर सकें।
- पीसी पर स्थापित सॉफ़्टवेयर के लिए अद्यतनों को आसानी से स्वचालित करने के लिए एक GitHub मशीन उपयोगकर्ता खाता बनाएँ। यह खाता दूरस्थ गिट एंडपॉइंट से खींचने को स्वचालित करने के लिए एक वेबहुक के रूप में कार्य करता है और रिमोट मशीन से धक्का दिए गए किसी भी अपडेट की पहचान करने में मदद करता है।
- वीडियो रिकॉर्डिंग शेड्यूल और नियंत्रित करने के लिए सॉफ़्टवेयर का चयन करें और इसे पीसी पर स्थापित करें। रोगी की गोपनीयता और आराम को अधिकतम करने के लिए, चयनित सॉफ़्टवेयर में एक ग्राफिकल यूजर इंटरफेस (जीयूआई) शामिल होना चाहिए ताकि स्पष्ट रूप से इंगित किया जा सके कि रिकॉर्डिंग कब चल रही है, और किसी भी समय रिकॉर्डिंग की आसान समाप्ति को सक्षम करने के लिए।
नोट: यदि वांछित है, तो रोगी-सामना करने वाले जीयूआई के साथ लेखकों के कस्टम वीडियो रिकॉर्डिंग एप्लिकेशन को डाउनलोड करके और गिटहब (https://github.com/Weill-Neurohub-OPTiMaL/VideoRecordingApp) पर निर्देशों का पालन करके स्थापित किया जा सकता है। - वीडियो कब रिकॉर्ड किए जा रहे हैं और लोगों को रिकॉर्डिंग आसानी से समाप्त करने में सक्षम बनाने के लिए एक मॉनिटर का चयन करें। टचस्क्रीन क्षमता वाले मॉनिटर का चयन करें ताकि कीबोर्ड या माउस संचालित करने की आवश्यकता के बिना रिकॉर्डिंग को समाप्त किया जा सके।
- PC पर कोई दूरस्थ डेस्कटॉप अनुप्रयोग स्थापित करें। यह जीयूआई के साथ एक एप्लिकेशन चलाने में सक्षम बनाता है जैसे कि जीयूआई रोगी पक्ष और दूरस्थ शोधकर्ता पक्ष दोनों पर दिखाई देता है।
नोट: ओपन-सोर्स नोमशीन रिमोट डेस्कटॉप एप्लिकेशन ने लिनक्स ओएस के लिए सबसे अच्छा काम किया। - दिए गए स्थान में पोज़ की गणना के लिए पर्याप्त रूप से उच्च-रिज़ॉल्यूशन वाले यूएसबी-संगत वेबकैम का चयन करें।
नोट: इस मामले में 4k-संगत वेबकैम चुने गए थे, जो 30 fps पर 4k रिज़ॉल्यूशन या 60 fps पर HD रिज़ॉल्यूशन सहित कई रिज़ॉल्यूशन और फ्रेमरेट संयोजन प्रदान करते हैं। - रोगी के घर में वेबकैम बढ़ाने के लिए मजबूत हार्डवेयर का चयन करें। कैमरों को हिलने से रोकने के लिए उन्हें फर्नीचर में सुरक्षित करने के लिए क्लिप के साथ गूज़नेक माउंट का उपयोग करें।
- एन्क्रिप्शन क्षमता के साथ एक डेटा ट्रांसफर प्रोटोकॉल का चयन करें और इसे पीसी पर स्थापित करें। क्लाउड स्टोरेज साइट तक पहुंचने के लिए एक कॉन्फ़िगरेशन बनाएं, फिर डेटा ट्रांसफर से पहले पहले कॉन्फ़िगरेशन को लपेटने के लिए एक एन्क्रिप्शन कॉन्फ़िगरेशन बनाएं।
नोट: इस मामले में एन्क्रिप्शन क्षमता के साथ एक ओपन-सोर्स डेटा ट्रांसफर और फ़ाइल सिंकिंगप्रोटोकॉल स्थापित किया गया था। डेटा स्थानांतरण प्रोटोकॉल दस्तावेज़ीकरण बताता है कि क्लाउड संग्रहण में डेटा स्थानांतरण को कैसे कॉन्फ़िगर करें. प्रोटोकॉल पहले वीपीएन सर्वर पर स्थापित किया गया था और एक एन्क्रिप्शन कॉन्फ़िगरेशन बनाया गया था जो डेटा को ऑफसाइट क्लाउड स्टोरेज साइट पर स्थानांतरित करता है।
- क्लाउड स्टोरेज में स्थानांतरित करने से पहले वांछित मात्रा में वीडियो फ़ाइलों को इकट्ठा करने और संग्रहीत करने में सक्षम पीसी प्राप्त करें। सुनिश्चित करें कि पीसी मदरबोर्ड में एक विश्वसनीय प्लेटफ़ॉर्म मॉड्यूल (टीपीएम) चिप शामिल है।
- पहनने योग्य-सेंसर डेटा घटक
- गति, एक्सेलेरोमेट्री और हृदय गति सहित संकेतों को ट्रैक करने के लिए रोगी की प्रत्येक कलाई पर पहने जाने वाले स्मार्ट घड़ियों का चयन करें।
नोट: ऐप्पल वॉच सीरीज़ 3 को एक अंतर्निहित आंदोलन विकार लक्षण मॉनिटर के साथ चुना गया था जो पीडी लक्षण स्कोर जैसे डिस्केनेसिया और कंपकंपी स्कोर उत्पन्न करता है। - प्रत्येक स्मार्ट वॉच पर सॉफ़्टवेयर का चयन करें और इंस्टॉल करें जो रिकॉर्डिंग शुरू और समाप्त कर सकता है और क्लाउड स्टोरेज में डेटा स्थानांतरित कर सकता है। एक एप्लिकेशन का चयन करें जो शोधकर्ताओं और चिकित्सकों के विश्लेषण के लिए अपने संबंधित ऑनलाइन पोर्टल पर सभी डेटा स्ट्रीम अपलोड करताहै।
- गति, एक्सेलेरोमेट्री और हृदय गति सहित संकेतों को ट्रैक करने के लिए रोगी की प्रत्येक कलाई पर पहने जाने वाले स्मार्ट घड़ियों का चयन करें।
चित्र 2: वीडियो रिकॉर्डिंग घटक। वीडियो डेटा संग्रह का समर्थन करने के लिए हार्डवेयर घटक न्यूनतम हैं, जिसमें एक टॉवर पीसी, यूएसबी-कनेक्टेड वेबकैम और रोगी-सामना करने वाले जीयूआई को प्रदर्शित करने के लिए एक छोटा मॉनिटर शामिल है। मॉनिटर टचस्क्रीन-सक्षम है जो जीयूआई पर दिखाई देने वाले बटन दबाकर किसी भी चल रही या निर्धारित रिकॉर्डिंग को आसानी से समाप्त करने की अनुमति देता है। जीयूआई का केंद्र एक रिकॉर्डिंग लाइट की एक छवि दिखाता है जो एक उज्ज्वल लाल रंग में बदल जाता है जब वीडियो कैमरे सक्रिय रूप से रिकॉर्ड कर रहे होते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
2. इन-होम कॉन्फ़िगरेशन
- हार्डवेयर स्थापना
- वेबकैम बढ़ाने के लिए एक उपयुक्त स्थान निर्धारित करें जो घर में व्यवधान को कम करता है। रोगी के साथ चर्चा के माध्यम से स्थान निर्धारित करें; यहां होम ऑफिस क्षेत्र को गोपनीयता के खिलाफ रिकॉर्डिंग वॉल्यूम को संतुलित करने के लिए इष्टतम साइट के रूप में चुना गया था।
- चयनित माउंटिंग हार्डवेयर पर पहचाने गए क्षेत्र में वेबकैम माउंट करें. पास के भारी फर्नीचर पर हंसनेक माउंट की क्लिपिंग कैमरों को हिलने से रोकती है जब भी कोई पास कदम रखता है।
- पीसी को माउंटेड वेबकैम के पर्याप्त रूप से करीब रखें ताकि उनके यूएसबी केबल पीसी से कनेक्ट हो सकें।
- टैबलेट पीसी, आईएनएस घटकों, स्मार्ट घड़ियों और स्मार्ट फोन को एक पावर आउटलेट के पास रखें ताकि सभी डिवाइस प्लग इन रह सकें और किसी भी समय उपयोग करने के लिए तैयार हों।
- पीसी टर्मिनल में रूट-एन चलाकर पुष्टि करें कि वीपीएन चालू है। यदि नहीं, तो अनुभाग 1.1.3.5 में वीपीएन को सक्रिय करने के निर्देशों का पालन करें.
- वीडियो रिकॉर्डिंग अनुप्रयोग प्रारंभ करें
- वीडियो रिकॉर्डिंग शेड्यूल: किसी भी डेटा को इकट्ठा करने से पहले, रोगी के साथ एक उपयुक्त रिकॉर्डिंग शेड्यूल पर चर्चा करें। वीडियो रिकॉर्डिंग सॉफ़्टवेयर पर इस शेड्यूल को कॉन्फ़िगर करें।
नोट: यदि लेखक के कस्टम वीडियो रिकॉर्डिंग एप्लिकेशन का उपयोग कर रहे हैं, तो शेड्यूल सेट करने के निर्देश GitHub (https://github.com/Weill-Neurohub-OPTiMaL/VideoRecordingApp#installation-guide) पर पाए जा सकते हैं। - रिकॉर्डिंग सॉफ़्टवेयर अपडेट करें: सुनिश्चित करें कि चयनित वीडियो रिकॉर्डिंग सॉफ़्टवेयर का नवीनतम संस्करण 1.4.6 में स्थापित GitHub मशीन उपयोगकर्ता खाते का उपयोग करके पीसी पर अपलोड किया गया है।
- वीडियो रिकॉर्डिंग प्रारंभ करें: स्थापित दूरस्थ डेस्कटॉप सॉफ़्टवेयर के माध्यम से पीसी में लॉग इन करें और वीडियो रिकॉर्डिंग सॉफ़्टवेयर प्रारंभ करें।
नोट: यदि लेखक के कस्टम वीडियो रिकॉर्डिंग एप्लिकेशन का उपयोग कर रहे हैं, तो एप्लिकेशन शुरू करने के निर्देश GitHub (https://github.com/Weill-Neurohub-OPTiMaL/VideoRecordingApp#installation-guide) पर पाए जा सकते हैं।
- वीडियो रिकॉर्डिंग शेड्यूल: किसी भी डेटा को इकट्ठा करने से पहले, रोगी के साथ एक उपयुक्त रिकॉर्डिंग शेड्यूल पर चर्चा करें। वीडियो रिकॉर्डिंग सॉफ़्टवेयर पर इस शेड्यूल को कॉन्फ़िगर करें।
- वीडियो कैमरा अंशांकन
- ऑटोफोकस अक्षम करें: लेंस और परिप्रेक्ष्य विरूपण जैसे आंतरिक मापदंडों की गणना के लिए, ऑटोफोकस बंद करने के लिए चयनित ओएस और वेबकैम के आधार पर निर्देशों का पालन करें।
नोट: लिनक्स पर, वेबकैम को लिनक्स एपीआई के लिए वीडियो के माध्यम से एक्सेस किया जाता है, जो डिफ़ॉल्ट रूप से हर बार कैमरों से जुड़े कंप्यूटर को पुनरारंभ करने पर ऑटोफोकस चालू करता है। स्वचालित रूप से अक्षम करने के लिए एक स्क्रिप्ट को कॉन्फ़िगर करना 3 डी पोज़ को संसाधित करने के लिए कैमरा अंशांकन के दौरान प्राप्त फ़ोकस को संरक्षित करना आवश्यक है। - आंतरिक अंशांकन: मुद्रा अनुमान सॉफ्टवेयर20 के 3 डी अंशांकन का समर्थन करने के लिए 100 मिमी वर्गों के साथ 6 x 8 चेकरबोर्ड पैटर्न प्राप्त करें। प्रत्येक व्यक्तिगत वेबकैम से एक वीडियो रिकॉर्ड करें, जबकि एक शोधकर्ता सभी कैमरों के चेकरबोर्ड को इन-फ्रेम एंगल करता है। सुनिश्चित करें कि चेकरबोर्ड में पंक्तियों की एक समान संख्या और स्तंभों की असमान संख्या (या इसके विपरीत) है। यह रोटेशन के बारे में अस्पष्टता को दूर करेगा।
- बाह्य अंशांकन: एक साथ सभी तीन वेबकैम से एक वीडियो रिकॉर्ड करें। सुनिश्चित करें कि वीडियो 3 डी पोज़ अनुमानों के लिए संसाधित किए जाने वाले किसी भी वीडियो के समान रिज़ॉल्यूशन पर रिकॉर्ड किए गए हैं। सभी वीडियो में सटीक समय सिंक्रनाइज़ेशन सुनिश्चित करने के लिए, रिकॉर्डिंग की शुरुआत और अंत में एक आईआर एलईडी लाइट फ्लैश करें। एलईडी की शुरुआत में फ्रेम को चिह्नित करके और वीडियो को समान लंबाई में ट्रिम करके वीडियो को मैन्युअल रूप से सिंक करने के लिए वीडियो संपादन सॉफ़्टवेयर का उपयोग करें।
- अंशांकन मैट्रिक्स: आंतरिक और बाह्य अंशांकन मैट्रिक्स उत्पन्न करने के लिए ओपनपोज़21 के माध्यम से पिछले दो चरणों में रिकॉर्ड किए गए वीडियो को पास करें।
नोट: OpenPose कैमरा अंशांकन के लिए OpenCV लाइब्रेरी का उपयोग करता है, और आगे के निर्देश OpenPose GitHub20,22 पर प्रलेखन के माध्यम से पाया जा सकता है।
- ऑटोफोकस अक्षम करें: लेंस और परिप्रेक्ष्य विरूपण जैसे आंतरिक मापदंडों की गणना के लिए, ऑटोफोकस बंद करने के लिए चयनित ओएस और वेबकैम के आधार पर निर्देशों का पालन करें।
3. डेटा संग्रह
- रिकॉर्डिंग शुरू करने के लिए रोगी के निर्देश
- डिवाइस बैटरी और पावर की जांच करें: विषय के लिए निरंतर उत्तेजना प्रदान करने के लिए आईएनएस डिवाइस हमेशा चालू रहता है। तंत्रिका डेटा की रिकॉर्डिंग शुरू करने के लिए, रोगी को टैबलेट पीसी चालू करने के लिए कहें और सुनिश्चित करें कि बाएं और दाएं आईएनएस उपकरणों के लिए क्लिनिशियन टेलीमेट्री मॉड्यूल (सीटीएम) चालू हैं और पूरी तरह से चार्ज हैं।
- सीटीएम प्लेसमेंट: सीटीएम को छाती के दोनों किनारों पर रखें। अधिकतम कनेक्टिविटी के लिए और पैकेट हानि को कम करने के लिए, रिकॉर्डिंग के दौरान सीटीएम को छाती प्रत्यारोपण के करीब रखें। सीटीएम रखने के लिए अतिरिक्त स्थान जैकेट की छाती की जेब या एक विशेष स्कार्फ का उपयोग कर रहे हैं।
- टैबलेट कनेक्शन सक्रिय करें: एक बार टैबलेट बूट हो जाने के बाद, रोगी को डीबीएस एप्लिकेशन खोलने और कनेक्ट का चयन करने के लिए कहें, जो सीटीएम और बाद में आईएनएस डिवाइस14 के लिए ब्लूटूथ कनेक्शन का संकेत देता है।
- कैमरा सक्रियण: रोगी से यह पुष्टि करने के लिए कहें कि वीडियो कैमरे अपने यूएसबी केबल के माध्यम से पीसी से जुड़े हैं, और कैमरे चालू हो गए हैं।
नोट: यदि लेखकों के कस्टम वीडियो रिकॉर्डिंग एप्लिकेशन का उपयोग कर रहे हैं, तो चल रही रिकॉर्डिंग को स्पष्ट रूप से रोगी-सामना करने वाले जीयूआई पर लाल बत्ती की एक बड़ी छवि द्वारा इंगित किया जाता है जो उज्ज्वल रूप से जलाया जाता है। रिकॉर्डिंग बंद होने पर यह एक गैर-रोशनी वाली लाल बत्ती में बदल जाता है। चयनित वेबकैम में एक छोटा सफेद संकेतक प्रकाश भी होता है। - स्मार्ट वॉच सक्रियण: रोगी को पावर बटन दबाकर स्मार्ट घड़ियों और स्मार्ट फोन को चालू करने के लिए कहें। इसके बाद, उन्हें डेटा रिकॉर्डिंग और पीडी लक्षण ट्रैकिंग शुरू करने के लिए स्मार्ट वॉच एप्लिकेशन खोलने के लिए कहें।
- जेस्चर-आधारित डेटा-संरेखण और रिकॉर्डिंग परिदृश्य
- डेटा संग्रह शुरू करने से पहले डेटा रिकॉर्डिंग के दौरान रोगी के लिए कोई वांछित कार्य लिखें।
- चूंकि टाइम स्टैम्प को संरेखित करने के लिए मल्टी-डिवाइस क्लॉक-आधारित सिंक्रनाइज़ेशन अविश्वसनीय हो सकता है, इसलिए रोगी को एक इशारा करने के लिए कहें जिसका उपयोग हर नई रिकॉर्डिंग की शुरुआत में रिकॉर्ड किए गए डेटा से टाइम स्टैम्प को सिंक्रनाइज़ करने के लिए किया जा सकता है, तब भी जब मुफ्त व्यवहार की अवधि के दौरान रिकॉर्ड करने की योजना बनाई जा सकती है।
नोट: लेखकों ने एक सरल इशारा तैयार किया जहां रोगी ने कैमरों के दृश्य में अपने हाथों को रखते हुए दोनों प्रत्यारोपित आईएनएस उपकरणों को टैप किया। यह टैपिंग स्मार्ट घड़ियों और आईएनएस एक्सेलेरोमीटर से जड़त्वीय रिकॉर्डिंग में विशिष्ट पैटर्न बनाता है और वीडियो में निरीक्षण करना आसान है।
- रिकॉर्डिंग समाप्त करने के लिए रोगी के निर्देश
- उत्तेजना समूह को रोगी के पसंदीदा चिकित्सकीय रूप से असाइन किए गए समूह में वापस स्विच करें।
- DBS अनुप्रयोग के रोगी-सामना करने वाले GUI में, एक लक्षण रिपोर्ट दर्ज करें।
- DBS अनुप्रयोग बंद करें, जो CTM को डिस्कनेक्ट कर देगा और INS स्ट्रीमिंग समाप्त कर देगा।
- स्मार्ट वॉच रिकॉर्डिंग एप्लिकेशन को बंद करें और सीटीएम, स्मार्टफोन और स्मार्ट वॉच डिवाइस को उनके चार्जिंग पोर्ट पर वापस कर दें।
- डेटा ऑफ़लोडिंग
- एन्क्रिप्टेड कॉन्फ़िगरेशन का उपयोग करके डेटा ट्रांसफर प्रोटोकॉल के माध्यम से कच्चे वीडियो को क्लाउड स्टोरेज में स्थानांतरित करें। डेटा ट्रांसफर प्रोटोकॉल18 के माध्यम से रिकॉर्ड किए गए वीडियो को क्लाउड स्टोरेज में स्वचालित रूप से स्थानांतरित करने के लिए वीडियो रिकॉर्डिंग पीसी पर एक क्रोन जॉब बनाएं।
नोट: वीडियो के रिज़ॉल्यूशन और प्रत्येक दिन रिकॉर्ड किए गए घंटों की संख्या के आधार पर, इंटरनेट की गति पर्याप्त रूप से उच्च होनी चाहिए ताकि सभी वीडियो को 24 घंटे के भीतर क्लाउड स्टोरेज में स्थानांतरित किया जा सके। यदि डेटा स्थानांतरण बहुत धीमा है, तो डिस्क स्थान समाप्त हो सकता है, जिससे अगले दिन के लिए निर्धारित अतिरिक्त वीडियो रिकॉर्डिंग विफल हो सकती है। - चरण 1.3.2 में कॉन्फ़िगर किए गए HIPAA-सुरक्षित क्लाउड समापन बिंदु पर INS डेटा सहेजें। HIPAA-सुरक्षित क्लाउड एंडपॉइंट से INS डेटा डाउनलोड करें और डेटा की पहचान करें। पहचाने गए डेटा को बाहरी क्लाउड संग्रहण में सहेजें.
नोट: ओपन सोर्स ओपनमाइंड प्रीप्रोसेसिंग कोड23 का उपयोग डेटा को डीआइडेंटिफाई करने और इसे जेएसओएन फाइलों से टेबल प्रारूप में बदलने के लिए किया गया था। रोगी के टैबलेट को कच्चे आईएनएस डेटा के अस्थायी भंडारण के लिए एचआईपीएए-सुरक्षित क्लाउड एंडपॉइंट के साथ कॉन्फ़िगर किया गया था; हालांकि दीर्घकालिक भंडारण के लिए उपयोग की जाने वाली एक ही क्लाउड स्टोरेज साइट का उपयोग इस चरण के लिए भी किया जा सकता है, बशर्ते कि यह HIPAA अनुरूप हो, और डेटा को ऑफ़लोड करने से पहले एन्क्रिप्ट किया गया हो। - यदि वांछित हो, तो बाहरी क्लाउड स्टोरेज पर स्मार्ट वॉच डेटा की एक प्रति सहेजें ताकि सभी डेटा स्ट्रीम एक ही स्थान पर सुलभ हों।
- एन्क्रिप्टेड कॉन्फ़िगरेशन का उपयोग करके डेटा ट्रांसफर प्रोटोकॉल के माध्यम से कच्चे वीडियो को क्लाउड स्टोरेज में स्थानांतरित करें। डेटा ट्रांसफर प्रोटोकॉल18 के माध्यम से रिकॉर्ड किए गए वीडियो को क्लाउड स्टोरेज में स्वचालित रूप से स्थानांतरित करने के लिए वीडियो रिकॉर्डिंग पीसी पर एक क्रोन जॉब बनाएं।
4. सिस्टम लक्षण वर्णन
- कच्चा डेटा विज़ुअलाइज़ेशन: वांछित कोडिंग वातावरण में, यह सुनिश्चित करने के लिए सभी कच्चे डेटा स्ट्रीम की कल्पना करें कि डेटा रिकॉर्ड किया गया था और नुकसान या भ्रष्टाचार के बिना उचित रूप से स्थानांतरित किया गया था।
नोट: स्मार्ट वॉच रिकॉर्डिंग को प्रबंधित करने के लिए चुने गए एप्लिकेशन में एक ब्राउज़र ऐप है जो स्मार्ट वॉच डेटा24 को विज़ुअलाइज़ करने के लिए सहायक है। - वीडियो फ्रेम और टाइमस्टैम्प अंतराल: विभिन्न वेबकैम से उत्पन्न टाइमस्टैम्प के बीच किसी भी अंतराल का निरीक्षण करें। सभी वेबकैम के फ्रेम में रखे प्रोग्राम करने योग्य एलईडी लाइट के साथ वीडियो रिकॉर्ड करके अंतराल का विश्लेषण करें।
नोट: विश्लेषण से पता चला है कि कस्टम वीडियो रिकॉर्डिंग ऐप द्वारा आयातित एक वीडियो सेगमेंटिंग फ़ंक्शन25 बढ़ते टाइमस्टैम्प अंतराल का स्रोत था। सेगमेंटिंग फ़ंक्शन के बिना वीडियो रिकॉर्ड करने के परिणामस्वरूप वेबकैम फ्रेम और टाइमस्टैम्प अंतराल के बीच अंतर हुआ जो समय के साथ नहीं बढ़ा ( पूरक फ़ाइल 1 और पूरक चित्र 1 देखें)।
5. पोस्ट-हॉक डेटा प्री-प्रोसेसिंग और संरेखण
- पोज़ डेटा
- रिकॉर्ड किए गए वीडियो से संयुक्त स्थिति अनुमानों की गणना करने के लिए सॉफ्टवेयर स्थापित करें।
नोट: ओपनपोज़ लाइब्रेरी का चयन किया गया था क्योंकि इसमें 2 डी और 3 डी दोनों में हाथ और चेहरे की ट्रैकिंग शामिल है। - OpenPose लाइब्रेरी स्वचालित रूप से उन मामलों को नहीं संभालती है जहां कई लोग इन-फ्रेम हैं, इसलिए यह सुनिश्चित करने के लिए पोस्ट-प्रोसेसिंग स्क्रिप्ट का उपयोग करें कि प्रत्येक व्यक्ति के पोज़ अनुमान एक फ्रेम से दूसरे फ्रेम तक निरंतर हैं। OpenPose आसानी से एनिमेशन उत्पन्न करने के लिए कोड प्रदान करता है, या तो 2 D या 3D में, मुद्रा अनुमान गुणवत्ता पर दृश्य जांच के लिए।
- रिकॉर्ड किए गए वीडियो से संयुक्त स्थिति अनुमानों की गणना करने के लिए सॉफ्टवेयर स्थापित करें।
- इशारा-आधारित समय संरेखण
- प्रत्येक आईएनएस डिवाइस (बाएं और दाएं) के लिए, लेखकों के डेटा-संरेखण जीयूआई (https://github.com/Weill-Neurohub-OPTiMaL/ManualTimeAlignerGUI) का उपयोग करके नीचे वर्णित चरणों का पालन करें।
- डेटा में पढ़ें: वांछित डेटा सत्र के लिए क्लाउड स्टोरेज से सहेजे गए आईएनएस और स्मार्ट वॉच एक्सेलेरोमेट्री डेटा तक पहुंचें।
नोट: यदि वांछित हो तो एक अतिरिक्त समय श्रृंखला जोड़ी जा सकती है। चित्र 3 हरे रंग में दाईं मध्य उंगली की मुद्रा स्थिति को दर्शाता है। - जीयूआई में डेटा स्ट्रीम विज़ुअलाइज़ करें: आईएनएस एक्सेलेरोमेट्री, स्मार्ट वॉच एक्सेलेरोमेट्री और पोज़ डेटा को ओवरले करने के लिए मैन्युअल टाइम संरेखित जीयूआई का उपयोग करें।
- संरेखण कलाकृतियों पर ज़ूम इन करना: समय अक्ष में ज़ूम इन करें और देखने की खिड़की को रिकॉर्डिंग के छाती टैपिंग अनुभाग में ले जाएं। संरेखण समय श्रृंखला को स्थानांतरित करें ताकि आईएनएस और स्मार्ट वॉच टाइम सीरीज़ सिग्नल दोनों पर छाती के नल से शिखर यथासंभव निकटता से ओवरलैप हो।
नोट: जीयूआई को एक सामान्य वास्तविक समय के लिए मनमानी समय श्रृंखला के मैनुअल संरेखण की सुविधा के लिए डिज़ाइन किया गया है। चित्रा 3 नीले रंग में सही समय श्रृंखला दिखाता है, जबकि संरेखण समय श्रृंखला नारंगी और हरे रंग में दिखाई जाती है। जीयूआई संरेखण के लिए मुख्य मार्गदर्शिकाएँ GitHub ReadMe (https://github.com/Weill-Neurohub-OPTiMaL/ManualTimeAlignerGUI#time-alignment) पर बताई गई हैं। - संरेखण पुष्टि: जीयूआई विंडो को रिकॉर्डिंग में छाती टैपिंग कार्यों में से प्रत्येक पर ले जाएं और पुष्टि करें कि संरेखण पूरे समय श्रृंखला में सुसंगत रहता है। स्विच संरेखण बटन दबाएं और शेष डेटा स्ट्रीम पर संरेखण दोहराएं।
- चेतावनी ध्वज: यह इंगित करने के लिए कि डेटा अनुपलब्ध था, स्थानांतरित किया गया था, या डेटा गुणवत्ता के बारे में अन्य सामान्य चेतावनियां, क्रमशः डी, एस और एफ कुंजियों का उपयोग करके जीयूआई में चेतावनी झंडे सेट करें।
- डेटा में पढ़ें: वांछित डेटा सत्र के लिए क्लाउड स्टोरेज से सहेजे गए आईएनएस और स्मार्ट वॉच एक्सेलेरोमेट्री डेटा तक पहुंचें।
- प्रत्येक आईएनएस डिवाइस (बाएं और दाएं) के लिए, लेखकों के डेटा-संरेखण जीयूआई (https://github.com/Weill-Neurohub-OPTiMaL/ManualTimeAlignerGUI) का उपयोग करके नीचे वर्णित चरणों का पालन करें।
- शून्य-सामान्यीकृत क्रॉस सहसंबंध (ZNCC) समय संरेखण।
- उस सिग्नल की पहचान करें जो वास्तविक समय के सबसे करीब होने की संभावना है। आमतौर पर यह या तो उच्चतम नमूना आवृत्ति या सबसे तेज़ इंटरनेट समय ताज़ा के साथ होता है।
- एक ही अस्थायी नमूना आवृत्ति रखने के लिए दो संकेतों को फिर से नमूना लें, और व्यक्तिगत रूप से दोनों संकेतों को जेड-स्कोर करें। यह सुनिश्चित करता है कि परिणामी जेडएनसीसी स्कोर -1 और 1 के बीच सामान्यीकृत किया जाएगा, जिससे त्रुटियों को पकड़ने के लिए उपयोगी दो संकेतों के बीच समानता के स्तर का अनुमान लगाया जा सकता है।
- हर समय अंतराल पर दूसरे सिग्नल और पहले सिग्नल के क्रॉस सहसंबंध की गणना करें।
- यदि दो संकेतों की चरण जानकारी महत्वपूर्ण नहीं है, तो मापा क्रॉस सहसंबंध वक्र का पूर्ण मूल्य लें।
नोट: यदि व्यवहार काफी आवधिक है तो चरण की जानकारी आवश्यक नहीं है, जैसा कि इस मामले में है। - ZNCC वक्र का विश्लेषण करें। यदि एक एकल स्पष्ट शिखर है, जिसमें पीक जेडएनसीसी स्कोर 0.3 से ऊपर है, तो इस चोटी का समय दो संकेतों के बीच समय अंतराल से मेल खाता है। यदि कई चोटियां हैं, कोई स्पष्ट शिखर नहीं है, या जेडएनसीसी स्कोर सभी समय अंतराल में कम है, तो दो संकेतों को मैन्युअल रूप से संरेखित करने की आवश्यकता है।
चित्रा 3: जेस्चर-आधारित डेटा संरेखण। आंकड़े का शीर्ष आधा डेटा की तीन धाराओं को संरेखित करने के बाद मैन्युअल संरेखण जीयूआई दिखाता है। ब्लू लाइन स्मार्टवॉच एक्सेलेरोमेट्री डेटा है, नारंगी रेखा आईएनएस से एक्सेलेरोमेट्री डेटा है, और हरी रेखा एक वेबकैम से दाईं मध्य उंगलियों की 2 डी पोज़ स्थिति है। ऊपर दाईं ओर स्मार्ट वॉच और आईएनएस से सही समय के बीच ऑफसेट के साथ-साथ किसी भी समस्या को चिह्नित करने के लिए विभिन्न चेतावनी झंडे दिखाए गए हैं। इस उदाहरण में, आईएनएस स्मार्टवॉच से 20.8 सेकंड आगे था। डेटा संरेखण के लिए रोगी द्वारा किए गए पांच छाती के नल ों को दिखाने के लिए निचले बाएं ग्राफ को ज़ूम किया जाता है। उचित संरेखण सुनिश्चित करने के लिए प्रत्येक डेटा स्ट्रीम में पांच चोटियां पर्याप्त रूप से स्पष्ट हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
प्रोटोटाइप प्लेटफॉर्म डिजाइन और तैनाती
हमने एक प्रोटोटाइप प्लेटफॉर्म तैयार किया और इसे एक ही रोगी के घर पर तैनात किया (चित्रा 1)। घर में हार्डवेयर की पहली स्थापना के बाद, प्लेटफ़ॉर्म को बनाए रखा जा सकता है, और डेटा पूरी तरह से रिमोट एक्सेस के माध्यम से एकत्र किया जा सकता है। आईएनएस उपकरणों, स्मार्ट घड़ियों और कैमरों में रोगी-सामना करने वाले एप्लिकेशन होते हैं जो रोगियों को रिकॉर्डिंग शुरू करने और रोकने की अनुमति देते हैं। वीडियो संग्रह हार्डवेयर अनुमोदित शेड्यूल कॉन्फ़िगर किए जाने के बाद स्वचालित वीडियो रिकॉर्डिंग सक्षम करता है। मरीज वीडियो रिकॉर्डिंग एप्लिकेशन जीयूआई (चित्रा 2) पर बस एक बटन दबाकर आसानी से चल रही रिकॉर्डिंग को रद्द कर सकते हैं। सभी एकत्र किए गए डेटा को एन्क्रिप्ट किया गया था और शोधकर्ताओं को संसाधित करने और विश्लेषण करने के लिए क्लाउड स्टोरेज साइट पर स्थानांतरित किया गया था।
डेटा संग्रह
पहले तैनाती और डेटा संग्रह चक्रों के लिए, हमने रोगी को स्व-निर्देशित नैदानिक कार्यों का संचालन करने के लिए कहा। इन कार्यों को एकीकृत पार्किंसंस रोग रेटिंग स्केल (यूपीडीआरएस) 26 से लिया गया था, अर्थात् कंपकंपी, अंगूठे-से-इंडेक्स फिंगर टैपिंग, हाथ खोलना और बंद करना, कलाई का प्रोनेशन-सुपन, बैठना-टू-स्टैंड मूवमेंट और चलना, और एक टाइपिंग कार्य। प्रत्येक रिकॉर्डिंग दिन के लिए सभी कार्यों को तीन बार दोहराया गया था। प्रत्येक पुनरावृत्ति के लिए, पीडी के संभावित उत्तेजना से संबंधित लक्षणों को उजागर करने के लिए एक अलग उत्तेजना आयाम सेट किया गया था। चित्रा 4 एक स्कीमाइज़्ड उदाहरण दिखाता है कि सिस्टम के साथ एकत्र किए गए डेटा का एक सप्ताह कैसा दिख सकता है।
चित्र 4: डेटा उपलब्धता। सिस्टम के साथ एकत्र किए गए डेटा का एक सप्ताह कैसा दिख सकता है, इसका एक स्कीमाइज़्ड प्रदर्शन। शीर्ष कथानक कई दिन / रात चक्रों के दौरान उत्तेजना स्तर (नीला) दिखाता है। इस रोगी के लिए उत्तेजना परिवर्तन उनके नींद के कार्यक्रम और दवा के सेवन के समय (ऊर्ध्वाधर लाल रेखाएं) पर निर्भर हैं। पूरे दिन मनमाने समय पर, डेटा संग्रह प्रणाली को रंगीन बक्से के रूप में दिखाए गए कई तौर-तरीकों के लिए डेटा एकत्र करने के लिए दूरस्थ रूप से सक्षम किया जा सकता है। सभी समानांतर, समय-संरेखित डेटा-धाराओं का एक उदाहरण, शरीर के बाईं ओर बस नीचे चुना गया है, नीचे के प्लॉट में दिखाया गया है। इस रिकॉर्डिंग के दौरान, रोगी को कम, चिकित्सीय और उच्च आयाम उत्तेजना स्थितियों के दौरान नैदानिक आकलन की एक श्रृंखला करने के लिए कहा गया था। यहां दिखाए गए सभी डेटा एकत्र किए गए वास्तविक डेटा से मेल खाते हैं, लेकिन विज़ुअलाइज़ेशन में आसानी और विविधता दिखाने के लिए अलग-अलग प्रयोगों में संपीड़ित किया गया है। संक्षेप: एलएफपी = स्थानीय क्षेत्र क्षमता, एसटीएन = सबथैलेमिक न्यूक्लियस, एक्सेल = एक्सेलेरोमीटर, गायरो = जाइरोस्कोप, 2 डी = दो-आयामी। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
मैन्युअल संरेखण
मैन्युअल संरेखण जीयूआई डेटा की कई धाराओं को संरेखित करने के लिए उपयोग में आसान मंच प्रदान करता है। जैसा कि चित्रा 3 में दिखाया गया है, छाती के नल सभी डेटा तौर-तरीकों (आईएनएस, स्मार्ट घड़ियों, वीडियो) में एक स्पष्ट रूप से पहचान योग्य कलाकृति प्रदान करते हैं जिसका उपयोग मैन्युअल संरेखण में किया जा सकता है। जीयूआई डेटा को संरेखित करने का एक उपयोगी साधन था, लेकिन इसे किसी अन्य संरेखण उपकरण के लिए आदान-प्रदान किया जा सकता है जिसे शोधकर्ता उपयोग करना चाहते हैं। कुछ उदाहरणों में, डेटा धाराओं में थोड़ा बहाव होता है। इस समस्या का एक संभावित भविष्य का समाधान सत्र डेटा को विभिन्न परीक्षणों में विभाजित करना होगा, प्रत्येक का अपना छाती टैप अनुक्रम होगा। बहाव के प्रभाव को कम करने के लिए प्रत्येक परीक्षण को व्यक्तिगत रूप से संरेखित किया जा सकता है।
शून्य-सामान्यीकृत क्रॉस सहसंबंध (ZNCC) समय संरेखण।
जेडएनसीसी के लिए विधि कुछ मामलों में अच्छी तरह से काम करती है लेकिन इसमें कुछ महत्वपूर्ण कमजोरियां हैं। उदाहरण के लिए, कुछ आंदोलनों के लिए, दो एक्सेलेरोमीटर संकेतों को एक दूसरे के संबंध में चरण स्थानांतरित किया जा सकता है। यदि एक चरण संरेखित और चरण स्थानांतरित आंदोलन दोनों को विश्लेषण किए गए युगों में शामिल किया जाता है, तो जेडएनसीसी में या तो कई या यहां तक कि कोई स्पष्ट शिखर नहीं हो सकता है। जेडएनसीसी का सामान्यीकरण इन संरेखणों को स्वचालित रूप से पहचानने और आवश्यकतानुसार त्यागने की अनुमति देता है। यह विधि सबसे अच्छा काम करती है यदि दोनों सिग्नल अपेक्षाकृत शोर मुक्त होते हैं और दोनों निशान में बड़े, सिंक्रनाइज़ प्रभाव ों के साथ एक युग में खिड़की करते हैं। सबसे अच्छे परिणाम तब प्राप्त किए गए जब रोगी को अपनी छाती के खिलाफ दोनों हाथों के साथ मजबूत नल की एक श्रृंखला करने के लिए कहा गया। व्यवहार में, हालांकि, स्वचालित संरेखण का मैन्युअल सत्यापन पर्याप्त मामलों के लिए आवश्यक था कि स्वचालित विधि का उपयोग करने का लाभ नगण्य था।
डेटा की गुणवत्ता
स्वचालित हस्तांतरण के दौरान डेटा हानि नगण्य थी क्योंकि डेटा ट्रांसफर प्रोटोकॉल प्रक्रिया यह सुनिश्चित करने के लिए कच्ची प्रतियों का बैकअप लेती है कि कोई भी नुकसान पुनर्प्राप्त करने योग्य है। कनेक्टिविटी समस्याओं से डेटा हानि नियमित रूप से हुई, क्योंकि ब्लूटूथ और रेडियो आवृत्ति में कभी-कभी अप्रत्याशित कनेक्शन ड्रॉपआउट होते हैं और रेंज सीमित होते हैं। 2 सेकंड तक के छोटे अंतराल प्रति घंटे लगभग कुछ बार हुए, और 2 मिनट तक का लंबा अंतराल लगभग हर कुछ घंटों में एक बार हुआ। डेटा हानि से परे, तंत्रिका डेटा में महत्वपूर्ण उत्तेजना कलाकृतियों को देखा गया था, जिसकी गंभीरता रिकॉर्डिंग और चुने गए उत्तेजना समूहों पर निर्भर करती थी। सबसे बड़ी कलाकृतियां उत्तेजना आवृत्ति के पास होती हैं, जो रुचि की सीमाओं के बाहर होती हैं। स्मार्ट घड़ियों के डेटा में कोई कलाकृति नहीं देखी गई। वीडियो एक स्थिर फ्रेम दर पर रिकॉर्ड किए गए थे; हालांकि वीडियो में डुप्लिकेट फ्रेम की पहचान की गई थी। इसने वेबकैम विनिर्देशों द्वारा बताए गए सैद्धांतिक फ्रेम दर से कुछ फ्रेम कम होने के लिए एक वास्तविक फ्रेम दर प्राप्त की। डुप्लिकेट फ्रेम की तुलना में अधिक ध्यान देने योग्य फ्रीजिंग अवधि थी जिसे रिकॉर्डिंग दिन के आधार पर अलग-अलग अंतराल पर वीडियो में पहचाना गया था। लगभग 10 फ्रेम या उससे कम की फ्रीज अवधि नियमित रूप से देखी गई; हालांकि अनियमित अवधि में लगभग 2 से 30 सेकंड लंबे लंबे खंड भी देखे गए।
अनुदैर्ध्य डेटा संग्रह
तालिका 1 उस डेटा को दिखाती है जो प्लेटफ़ॉर्म प्रोटोटाइप ने समय-समय पर 1.5 वर्षों के दौरान एकत्र किया है। उस समय में, सैकड़ों घंटे का डेटा एकत्र किया गया था, जिसमें शरीर के दोनों किनारों पर कुल 293 घंटे का आईएनएस डेटा, दोनों घड़ियों के लिए 224 घंटे का स्मार्ट वॉच डेटा और तीन वेबकैम में 2,037 घंटे का वीडियो डेटा था। यह दर्शाता है कि मंच समय की विस्तारित अवधि में घर पर डेटा संग्रह का समर्थन करता है, जबकि तंत्रिका डेटा और संबंधित उत्तेजना आवश्यकताओं में अनुदैर्ध्य परिवर्तनों का निरीक्षण करने का एक दुर्लभ अवसर प्रदान करता है।
| डेटा का प्रकार | कुल अवधि (hh:mm:ss) | कुल दिन | भंडारण का आकार |
| स्नायविक | 293:17:33 | 90 | 28.94 GB |
| सतर्कता | 224:06:05 | 89 | 35.67 GB |
| वीडियो | 2037:06:11 | 228 | 146,073.77 GB |
तालिका 1: एकत्र किए गए डेटा का अनुदैर्ध्य अवलोकन। तैनात मंच ने 1.5 वर्षों के दौरान कई प्रयोगों के दौरान डेटा एकत्र किया। तंत्रिका, वीडियो और स्मार्ट वॉच डेटा स्ट्रीम एकत्र करने के साथ लगभग 90 दिन रिकॉर्ड किए गए थे।
2 डी और 3 डी पोज अनुमान
कई मुद्रा अनुमान सॉफ्टवेयर पैकेज अब उपलब्ध हैं। पोज अनुमान का परीक्षण ओपनपोज़, एक ओपन-सोर्स सॉफ़्टवेयर पैकेज21 का उपयोग करके किया गया था। यह संगठन के GitHub द्वारा प्रदान किए गए प्रलेखन के साथ-साथ वेब पर पाए गए कई अन्य अनौपचारिक ट्यूटोरियल के बाद सफलतापूर्वक स्थापित किया गया था। OpenPose के लिए प्रसंस्करण समय इस आधार पर काफी भिन्न होता है कि OpenPose लाइब्रेरी और इसकी व्यापक निर्भरताएं कैसे स्थापित की जाती हैं, GPU का आकार उपयोग किया जाता है, और क्या वैकल्पिक हाथ और चेहरे के कुंजी बिंदु संसाधित होते हैं। 2 डी पोज को लागू करना अपेक्षाकृत आसान था, हालांकि 3 डी पोज विशेष रूप से अधिक कठिन था और प्रारंभिक 3 डी परिणामों ने 2 डी पोज़ के बराबर असंगत गुणवत्ता प्राप्त की। कम गुणवत्ता वाले 3 डी पोज़ अनुमान को सबऑप्टिमल कैमरा कैलिब्रेशन द्वारा नकारात्मक रूप से प्रभावित किया जा सकता है, ऐसी अवधि जहां कैमरा ऑटोफोकस गलती से चालू हो गया था, या ओपनपोज़ सॉफ़्टवेयर में ही अंतर्निहित था। हालांकि, कई कोणों से सिंक्रनाइज़ किए गए उच्च-गुणवत्ता वाले वीडियो विभिन्न प्रकार के उपलब्ध मुद्रा अनुमान सॉफ़्टवेयर पैकेजों के लिए समृद्ध इनपुट प्रदान कर सकते हैं। यह अनुशंसा की जाती है कि विभिन्न उपलब्ध मुद्रा अनुमान सॉफ्टवेयर पैकेजों के मैनुअल बेंचमार्किंग के साथ, रोगी के घर के बाहर एक परीक्षण सेटअप पूरा किया जाए।
पूरक चित्र 1: वीडियो फ्रेम अंतराल विश्लेषण। सिस्टम लक्षण वर्णन के दौरान वीडियो रिकॉर्डिंग ऐप से उत्पन्न टाइमस्टैम्प में अंतराल का पता लगाया गया था। अंतराल के कारण की जांच करने के लिए, प्रत्येक कैमरे से उत्पन्न फ्रेम संख्या और टाइमस्टैम्प को एक लाल एलईडी लाइट रिकॉर्ड करके निर्धारित किया गया था जो यादृच्छिक अंतराल पर बीलिंक किया गया था, फिर कैमरों में टाइमस्टैम्प अंतराल में भिन्नता की गणना की गई थी। (शीर्ष) एलईडी तीव्रता (आरजीबी इकाइयों में) तीन कैमरों में से प्रत्येक पर मापा गया, जो तीन कैमरों (लाल तीर के साथ चिह्नित) के बीच देखे गए समय ऑफसेट का प्रदर्शन करता है। (नीचे) तीन प्लॉट पूरी रिकॉर्डिंग पर एलईडी ब्लिंक की एक श्रृंखला के लिए फ्रेम की संख्या में कैमरा-टाइमस्टैम्प अंतराल दिखाते हैं। प्रत्येक रिकॉर्डिंग को कई खंडों में विभाजित किया गया था और फ्रेम अंतराल समय के साथ लगभग स्थिर था। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
पूरक फ़ाइल 1: वीडियो फ्रेम और टाइमस्टैम्प विश्लेषण विधि। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
हम न्यूरोमॉड्यूलेशन अनुसंधान में भविष्य के अनुसंधान का समर्थन करने के लिए एक बहु-मोडल डेटा संग्रह मंच के घर पर प्रोटोटाइप के लिए डिजाइन साझा करते हैं। डिज़ाइन ओपन-सोर्स और मॉड्यूलर है, जैसे कि हार्डवेयर के किसी भी टुकड़े को बदला जा सकता है, और किसी भी सॉफ़्टवेयर घटक को समग्र प्लेटफ़ॉर्म ढहने के बिना अपडेट या बदला जा सकता है। जबकि तंत्रिका डेटा एकत्र करने और पहचान करने के तरीके चयनित आईएनएस के लिए विशिष्ट हैं, शेष विधियां और व्यवहार डेटा संग्रह के लिए समग्र दृष्टिकोण अज्ञेयवादी हैं जिनके लिए प्रत्यारोपण योग्य उपकरण का उपयोग किया जाता है। हमने पीडी के साथ एक व्यक्ति के घर पर मंच तैनात किया और प्रयोगात्मक और प्राकृतिक अवधि दोनों के दौरान डेटा एकत्र किया। तैनाती, डेटा संग्रह और पोस्ट-हॉक डेटा प्रोसेसिंग के दौरान, कई पहलुओं की खोज की गई जो सफल अनुसंधान पुनरावृत्तियों को सक्षम करने के लिए विशेष रूप से महत्वपूर्ण थे।
हमारी टीम का एक मूल्यवान सदस्य अनुसंधान समन्वयक था जो हार्डवेयर स्थापित करने, वीपीएन स्थापित करने, 3 डी पोज़ के लिए कैमरा अंशांकन करने और रोगी को प्रत्येक डिवाइस के रोगी-सामना करने वाले जीयूआई का उपयोग करने के तरीके के माध्यम से चलने के लिए रोगी के घर की यात्रा करता था। महत्वपूर्ण रूप से, अनुसंधान समन्वयक ने रोगी और अनुसंधान टीम के बीच संपर्क के मुख्य बिंदु के रूप में भी कार्य किया। रोगी ने जल्दी से आगे और पीछे संदेश भेजने के लिए अपने ईमेल चैट फ़ंक्शन का उपयोग करना पसंद किया। संपर्क का एक सुसंगत और सुलभ बिंदु होना विशेष रूप से दो तरीकों से सहायक था:
निर्धारित रिकॉर्डिंग में परिवर्तन का अनुरोध करने और सिस्टम उपयोग में किसी भी कठिनाई को संवाद करने के लिए रोगी के लिए एक परिचित संचार चैनल स्थापित करना। इससे अनुसंधान समन्वयक को रिकॉर्डिंग प्रयोगों का संचालन करने के लिए रोगी के लिए सुविधाजनक समय की पहचान करने में मदद मिली। सिस्टम उपयोग में मुख्य कठिनाई कई उपकरणों के लिए बैटरी जीवन का ट्रैक रखने की आवश्यकता थी।
सिस्टम समस्या निवारण को रोगी के लिए न्यूनतम विघटनकारी होने की अनुमति देना। अधिकांश समस्या निवारण नेटवर्क कनेक्टिविटी समस्याओं से उपजा है जो औसतन हर कुछ हफ्तों में एक बार होता है। जबकि रीबूट िंग डिवाइस आमतौर पर इन मुद्दों को हल करते हैं, घड़ियों को अक्सर कई पुनरारंभ की आवश्यकता होती है, जो रोगी ने बताया कि बोझिल था।
रोगी के घर में रखे हार्डवेयर तक मजबूत दूरस्थ पहुंच सुनिश्चित करना आवश्यक है। इसे पूरा करने के लिए, एक स्थिर इंटरनेट कनेक्शन होना महत्वपूर्ण है। जब भी कोई मशीन रिबूट होती है तो स्वचालित रूप से अनलॉक करने के लिए डिस्क-एन्क्रिप्टेड मशीन को कॉन्फ़िगर करना भी आवश्यक है। अप्रत्याशित रूप से, एक ईथरनेट केबल ने लगातार सबसे तेज़ और सबसे विश्वसनीय नेटवर्क कनेक्शन प्राप्त किए। लिनक्स को ओएस के रूप में चुनने के कारण आवश्यक टीपीएम चिप को कॉन्फ़िगर करने की आवश्यकता कम थी। यदि विंडोज ओएस का उपयोग किया जाता है, तो उनका बिटलॉकर प्रोग्राम स्वचालित रूप से इसका ख्याल रखेगा। अंत में, वीपीएन को स्वचालित रूप से सक्षम करने और सिस्टम रीबूट पर हार्ड डिस्क ड्राइव को फिर से माउंट करने के लिए तैनात पीसी को कॉन्फ़िगर करने से रोगी के घर पर बार-बार फिर से जाने की आवश्यकता के बिना निरंतर रिमोट एक्सेस सुनिश्चित हुआ। प्लेटफ़ॉर्म डिज़ाइन में एक वीपीएन और एक डेटा एन्क्रिप्शन प्रोटोकॉल को शामिल करना डेटा सुरक्षा और अखंडता के लिए महत्वपूर्ण था। वीपीएन कंप्यूटर के एक नेटवर्क को रोगी के निजी राउटर पर कॉन्फ़िगर करने के लिए कस्टम पोर्ट अग्रेषण की आवश्यकता के बिना कनेक्ट करने की अनुमति देता है। ओपन-सोर्स डेटा एन्क्रिप्शन प्रोटोकॉल आरक्लोन प्रोग्राम एक ऑफ-द-शेल्फ डेटा एन्क्रिप्शन और रोगी उपकरणों से क्लाउड स्टोरेज18 में डेटा स्थानांतरित करने का एक आसानी से स्वचालित साधन प्रदान करता है। डेटा एन्क्रिप्शन प्रोटोकॉल अपने डेटा ट्रांसफर चरणों के दौरान कच्चे डेटा की बैक-अप प्रतियां बनाता है ताकि यह सुनिश्चित किया जा सके कि नुकसान पुनर्प्राप्त करने योग्य हैं। इन कदमों ने सुनिश्चित किया कि रोगी के निजी डेटा को सुरक्षित और अदूषित रखा गया था।
सार्थक डेटा विश्लेषण करने में सक्षम होने के लिए, यह आवश्यक है कि कई उपकरणों से एकत्र किए गए डेटा को समय संरेखित किया जाए। प्रत्येक डिवाइस पर घड़ियां संभवतः एक सामान्य इंटरनेट समय के साथ पूरी तरह से संरेखित नहीं होती हैं, भले ही निर्माता ओं का सुझाव हो कि वे हैं। इसके अतिरिक्त, कुछ डिवाइस अप्रत्याशित समय पर बहने का अनुभव कर सकते हैं, अन्य उपकरणों के सापेक्ष अपने ऑफसेट बदल सकते हैं। यह पूरी तरह से स्वचालित, वास्तविक समय अनुकूली एल्गोरिदम की दिशा में काम करने में कठिनाई पैदा करता है, और भविष्य के शोध को इस समस्या के समाधान पर सावधानीपूर्वक विचार करने की आवश्यकता होगी। सामान्यीकृत क्रॉस-सहसंबंध का उपयोग करके स्वचालित संरेखण के तरीकों का पता लगाया गया था। यह कई मामलों में काफी अच्छी तरह से काम करता है; हालांकि, समय बहाव न्यूनतम होना चाहिए, और डेटा में स्पष्ट रूप से पहचाने जाने योग्य संकेत होने चाहिए। क्योंकि बड़े बहाव और अवधि दोनों जहां डेटा में बहुत अधिक शोर या पैकेट हानि का सामना करना पड़ा था, इस पूरी तरह से स्वचालित विधि पर पूरी तरह से भरोसा नहीं किया जा सकता है। मैन्युअल रूप से डेटा संरेखित करने के बोझ को कम करने के लिए, हमने शोधकर्ताओं को सापेक्ष आसानी और तेजी के साथ डेटा धाराओं की जांच करने की अनुमति देने के लिए एक सरल जीयूआई बनाया।
सिस्टम में वीडियो डेटा को शामिल करने से चिकित्सकों को दूरस्थ अवलोकन के माध्यम से लक्षण गंभीरता को मापने में सक्षम बनाता है, और शोधकर्ता घटना लेबल प्राप्त कर सकते हैं। इसके अलावा, मुद्रा अनुमानों की गणना वीडियो से आंदोलन की गुणवत्ता के निरंतर मीट्रिक के रूप में की जा सकती है जैसे कि समय के साथ उंगली आंदोलनों की गति और चिकनाई को मापना। हालांकि, कई कैमरों से उच्च रिज़ॉल्यूशन वीडियो एकत्र करने के लिए व्यापक भंडारण स्थान की आवश्यकता होती है। उदाहरण के लिए, तीन कैमरों से एमजेपीईजी प्रारूप में 8 घंटे के 4के वीडियो एकत्र करने में लगभग 0.5 टीबी स्टोरेज स्पेस लगता है। बड़ी मात्रा में डेटा रिकॉर्ड करना और संग्रहीत करना जल्दी से महंगा हो जाता है, जिससे कई रोगियों के लिए इस प्रणाली को तैनात करने के लिए एक आर्थिक अड़चन पैदा होती है। ऐसे प्लेटफार्मों को कई रोगियों के लिए स्केल करने के लिए, भविष्य के सिस्टम डिजाइनरों को दीर्घकालिक भंडारण के लिए आवश्यक डेटा की मात्रा को कम करने की आवश्यकता है। भविष्य के सिस्टम को वास्तविक समय पोज़ प्रोसेसिंग को शामिल करने पर विचार करना चाहिए ताकि पोज़ संसाधित होने के बाद वीडियो को तुरंत हटाया जा सके। रियल-टाइम पोज भी बंद-लूप एल्गोरिदम में ठीक मोटर कौशल के बारे में प्रतिक्रिया प्रदान कर सकता है, जो इस काम के दायरे से बाहर है। यदि क्लिनिशियन समीक्षा या ईवेंट लेबलिंग के लिए कुछ वीडियो डेटा को संरक्षित करने की आवश्यकता है, तो क्लाउड स्टोरेज पर सहेजे जाने से पहले इन्हें कम रिज़ॉल्यूशन तक डाउनसैंपल किया जा सकता है।
अंत में, एक एकीकृत प्रणाली का निर्माण करते समय हमेशा उत्पन्न होने वाली डिजाइन त्रुटियों और कार्यान्वयन त्रुटियों को कुशलतापूर्वक संबोधित करने के लिए, टेस्ट-रिग के रूप में उपयोग के लिए तैनात किए जाने वाले हार्डवेयर की प्रतिकृति प्राप्त करना बेहद मूल्यवान है। यह हार्डवेयर और सॉफ्टवेयर का परीक्षण करने के लिए सच था जिसे वीडियो एकत्र करने और पोज़ डेटा संसाधित करने के लिए चुना गया था। 2 डी और 3 डी स्पेस दोनों में वीडियो प्राप्त करने और अनुमान लगाने की पूरी प्रक्रिया अनुमान से काफी अधिक चुनौतीपूर्ण थी। एक परीक्षण रिग तैनाती से पहले कई महत्वपूर्ण चरणों के समस्या निवारण और तनाव-परीक्षण की अनुमति देता है, जिनमें शामिल हैं:
किसी दिए गए कमरे की लेआउट बाधाओं के भीतर कैमरों को ठीक से कैलिब्रेट करना।
उच्च गुणवत्ता वाले पोज़ आकलन का समर्थन करने के लिए उपयुक्त वीडियो रिज़ॉल्यूशन और फ्रेमरेट की पहचान करना। छोटे कमरे या कार्यालय जैसे वातावरण के लिए, एचडी वीडियो रिकॉर्डिंग पर्याप्त होने की संभावना है, क्योंकि रिकॉर्ड किए गए वीडियो पर व्यक्तियों का आकार काफी बड़ा है, इसलिए 4k वीडियो की तुलना में काफी कम भंडारण स्थान की आवश्यकता होते हुए मुद्रा की आसानी से गणना की जा सकती है।
रिकॉर्ड किए गए वीडियो में बग की खोज, जैसे कि फ्रीजिंग फ्रेम या अनुक्रमिक रूप से लिखित वीडियो फ़ाइलों के बीच समय अंतराल।
अप्रत्याशित सॉफ़्टवेयर डिफ़ॉल्ट्स को उजागर करना जैसे कि मशीन रीबूट पर कैमरा ऑटोफोकस को फिर से सेट करना, जो कैमरा कैलिब्रेशन के लाभ को रोकता है।
सॉफ़्टवेयर लायब्रेरीज़ के संगत संस्करण ढूँढने के लिए परीक्षण और त्रुटि जो OpenPose को मध्यम आकार के GPU पर चलाने में सक्षम करने के लिए पूर्व-स्थापित होना आवश्यक है.
इस काम की एक विशेष सीमा एक व्यक्ति के घर पर एकल पायलट अध्ययन में मंच को तैनात कर रही है, जिससे हमें किसी भी क्रॉस-प्रतिभागी सामान्यीकरण की खोज करने से रोका जा सकता है। हालांकि, डिजाइन और विकास प्रक्रिया के दौरान, सिस्टम को स्केलेबल होने और दूरस्थ अध्ययनों का समर्थन करने के लिए कई तैनाती का समर्थन करने के लिए डिज़ाइन किया गया था, और इस पायलट अध्ययन का उद्देश्य एक परिष्कृत एट-होम मॉनिटरिंग प्लेटफॉर्म की तकनीकी व्यवहार्यता स्थापित करना था। चर्चा किए गए कुछ महत्वपूर्ण निष्कर्षों के आधार पर इस पायलट डिजाइन को संशोधित करना और मंच को अधिक घरों में तैनात करना घर पर एडीबीएस में भविष्य के अनुसंधान का समर्थन करने के लिए डिजाइन के और शोधन की अनुमति देगा। इसके अलावा, अतिरिक्त समय बिंदुओं के दौरान डेटा एकत्र करना जब कोई व्यक्ति पूर्व-निर्धारित प्रयोग नहीं कर रहा है, विश्लेषण और समग्र चिकित्सा प्रभावशीलता में सुधार के लिए अंतर्दृष्टि प्रदान करेगा। एडीबीएस पारंपरिक डीबीएस की तुलना में पीडी सहित न्यूरोलॉजिकल रोगों के इलाज के लिए एक बेहतर तरीका प्रदान कर सकता है जिसके अस्वीकार्य दुष्प्रभाव हो सकते हैं। कई व्यक्तियों के लिए इस महत्वपूर्ण चिकित्सा को लाने के लिए पैरामीटर ट्यूनिंग को स्वचालित करने और समय के साथ क्लिनिक के बाहर चिकित्सा प्रभावशीलता का विश्लेषण करने की आवश्यकता होती है। यह मंच रोगी के अपने घर के आराम से प्रयोगात्मक और प्राकृतिक गतिविधियों के दौरान इन-होम वीडियो कैमरा, स्मार्ट वॉच, न्यूरल रिकॉर्डिंग और रोगी-रिपोर्ट डेटा एकत्र करने के लिए एक नया दृष्टिकोण प्रदान करता है। यह प्रणालीन्यूरोलॉजिकल रोगों के उपचार में भविष्य की खोजों का समर्थन करने के लिए नए मल्टी-मोडल डेटासेट बनाने में योगदान देगी।
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
लेखकों के पास खुलासा करने के लिए हितों का कोई टकराव नहीं है।
Acknowledgments
यह सामग्री नेशनल साइंस फाउंडेशन ग्रेजुएट रिसर्च फैलोशिप प्रोग्राम (डीजीई -2140004), वेइल न्यूरोहब और नेशनल इंस्टीट्यूट ऑफ हेल्थ (UH3NS100544) द्वारा समर्थित काम पर आधारित है। इस सामग्री में व्यक्त की गई कोई भी राय, निष्कर्ष, और निष्कर्ष या सिफारिशें लेखक (ओं) की हैं और जरूरी नहीं कि राष्ट्रीय विज्ञान फाउंडेशन, वेइल न्यूरोहब या राष्ट्रीय स्वास्थ्य संस्थान के विचारों को प्रतिबिंबित करें। हम मंच डिजाइन और वीडियो डेटा के समावेश पर अपने विशेषज्ञ परामर्श के लिए तियानजियाओ झांग को धन्यवाद देते हैं। हम विशेष रूप से इस अध्ययन में उनकी भागीदारी के लिए और नेटवर्क सुरक्षा और प्लेटफ़ॉर्म डिज़ाइन पर प्रतिक्रिया और सलाह के लिए रोगी को धन्यवाद देते हैं।
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 |
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.
- 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).
