Summary
Uma medida objetiva das funções musculares é um desafio, especialmente em crianças. Um teste de jogos de criança-amigável baseado em um sensor de 3-d digital disponível comercialmente, foi desenvolvido para avaliar a função de membro superior para ensaios clínicos.
Abstract
Atrofia muscular progressiva e irreversível caracteriza a Atrofia Muscular Espinhal (SMA) e outras doenças de transtorno muscular semelhante. Avaliação objetiva das funções musculares é um essencial e importante, embora desafiador, pré-requisito para ensaios clínicos bem sucedidos. Escalas de avaliação clínica atual contenha as anormalidades de movimento para determinados itens individuais Coarse-grained predefinidos. O sensor de Kinect 3D tem emergido como um movimento de baixo custo e portátil sensoriamento tecnologia usada para captura e faixa do popular movimento em muitos médicos e campos de pesquisa. Foi desenvolvida uma nova abordagem usando este sensor 3D e um jogo como teste foi projetado para medir objetivamente a função de membro superior de pacientes com SMA. O teste de protótipo alvo capacidade de movimento comum. Enquanto está sentado em uma cena virtual, o paciente foi instruído a estender, flex e levantar o braço todo para chegar e colocar alguns objetos. Ambas as características spatiotemporal e cinemáticas do movimento do membro superior foram extraídas e analisadas, por exemplo, extensão de cotovelo e ângulos de flexão, mão velocidade e aceleração. O primeiro estudo incluiu uma pequena coorte de 18 pacientes ambulantes de SMA e 19 controles saudáveis correspondido por idade e sexo. Uma análise detalhada do movimento do braço foi alcançada; no entanto, nenhuma diferença significativa entre os grupos foram encontrados devido à incompatibilidade da capacidade do paciente e a dificuldade do teste. Com base nessa experiência, uma segunda versão do teste consiste em uma versão modificada do primeiro jogo com mais dificuldades e um segundo jogo visando resistência muscular foram projetados e implementados. O novo teste não foi conduzido em quaisquer grupos de doentes ainda. Nosso trabalho tem demonstrado a capacidade potencial do sensor 3D na avaliação tal função muscular e sugeriu uma abordagem objetiva para complementar as escalas de avaliação clínica.
Introduction
Avaliação completa da função muscular é uma avaliação crítica em muitas doenças neuromusculares e um pré-requisito importante para ensaios clínicos bem sucedidos. Escalas de avaliação clínica são utilizadas cada vez mais como uma ferramenta de avaliação padronizada e como um resultado bem estabelecido medem1. No entanto, eles dependem muito do acórdão subjetivo os clínicos e podem resultar em variações substanciais, levando a incoerência de intere intra-avaliador2 ou gerados números que não satisfazem os critérios para medições precisas1. Além disso, muitas doenças neuromusculares afetam principalmente crianças, e a maior parte destas escalas de avaliação é longos e chatos, que impõem desafios extras. Um exemplo de uma doença neuromuscular é Spinal Muscular atrofia (SMA), que é uma doença neuromuscular fatal caracterizada por de fraqueza muscular progressiva3. Dependendo os fenótipos clínicos, alguns pacientes vivem com cadeiras de rodas (tipo 2), e alguns podem levantar e andar sem ajuda (tipo 3)4. Há uma crescente demanda por uma ferramenta de avaliação mais sensível e objetiva para medir a função muscular em termos de alcance de movimento comum, força muscular, fadiga muscular, e assim por diante, a fim de controlar a progressão da doença e a eficácia da droga.
O rápido progresso na tecnologia de detecção de movimento tornou possível analisar as características do movimento a custos comparativamente baixos, entre os quais o valor do sensor 3D (Kinect) na captura de movimento de corpo inteiro de uma forma livre de marcador tem sido amplamente examinado. Usando o sensor de infravermelho integrado e a máquina implementada algoritmos de aprendizagem, os locais do corpo das pessoas controladas são inferidos através das posições 3-dimensional de 20 pontos anatômicos chamado articulações do corpo ou pontos incluindo cabeça, pescoço, mãos, pulsos, cotovelos, ombros, coluna, quadril, joelhos, tornozelos e pés5. A resolução temporal é até 30 Hz, que é suficiente para o movimento mais físico, com exceção de alguns sintomas patológicos motor tais como tremores. A precisão espacial do sensor 3D foi validada extensivamente com o chão de verdade6 ou o padrão-ouro, que é um marcador de movimento 3-dimensional análise sistema7,8,9,10 ,11,12. Reprodutibilidade e validade concorrente bom foram reveladas por testes diferentes, especialmente o frontal exibir12 e para movimentos7de efectivação. Para avaliar objetivamente a função do membro superior para crianças com SMA, temos projetado e implementado um jogo como teste baseado em um sensor 3D para medir a capacidade de movimento comum.
Protocol
O teste foi realizado em um estudo observacional, longitudinal do Universidade as crianças Hospital de Basileia (UKBB) com adultos e crianças. Mais dados demográficos e informações clínicas sobre o estudo podem ser encontradas na publicação anterior13,14. Todos os procedimentos foram aprovados pelo Comitê de ética local Ethikkomission UKBB e realizados de acordo com os princípios expressados na declaração de Helsinque. Consentimento informado por escrito e conformidade com o protocolo de estudo de acordo com a conferência internacional sobre harmonização (ICH) e os regulamentos locais foram fornecidas por todos os indivíduos ou os representantes legalmente autorizados para crianças abaixo da idade de legal consentimento.
Nota: Um protótipo do jogo "Guarda-roupa" destinada a escala das articulações do movimento de medição foi projetado e implementado. Ele então foi exportado como um aplicativo executável que pode ser executado em qualquer Windows 8 ou superior sistema operacional, enquanto os drivers necessários sensor 3D também são instalados. O protótipo do jogo baseado no Kinect sensor v1 ou a segunda versão (ver discussão) baseado no Kinect sensor v2 pode ser fornecido mediante solicitação (ver arquivos de codificação suplementar).
1. instalação e preparação para o teste
- Instalar o sensor em 3D (EG., Kinect) drivers e o aplicativo projetado no computador.
- Coloque o computador em uma superfície apropriada, como uma mesa, com uma altura de 0,5 - 1 metro.
- Coloque o dispositivo em 3-d também na mesma superfície alinhada para o meio do computador, para que a altura da câmera 3-d é fixada pela tabela de cerca de 0,5 - 1 metro acima do chão. Ajustar o ângulo de elevação do sensor 3D manualmente conforme necessário para capturar corretamente o assunto (ver 2.4.2 abaixo).
- Conecte todos os cabos corretamente, incluindo o adaptador 3-d para o computador e o cabo de alimentação à fonte de alimentação.
- Coloque uma cadeira ajustável em altura em frente a mesa com o computador e o sensor 3D em cerca de 2 metros.
2. realização dos ensaios
- Inicie o computador e ligue o som para um volume ideal. Se é desejado a transmissão automática de dados, certifique-se de que está conectado a Internet.
- Instrua o sujeito a se sentar na cadeira.
- Iniciar o aplicativo no computador e digite o ID do assunto na primeira página.
- Clique no botão "Iniciar" na primeira página para entrar a segunda página, que mostra o "guarda-roupa" jogo:
- Observe a figura de esqueleto (parte superior do corpo apenas) na tela, que representa o corpo do sujeito diante de um grande guarda-roupa. Quando a figura não é vista, instrua o sujeito a onda e mover para a frente e para trás, se ele está em uma cadeira de rodas ou ficar até o 3D sensor capta a pessoa.
- Leia as instruções na tela e ajustar a distância, altura e posição lateral da cadeira e o assunto de acordo até que todas as instruções estão em fonte verde.
Nota: A distância, altura e posição lateral da cadeira podem ser ajustados pelo próprio objecto ou um auxiliar que deve sair o campo depois. Se a altura ideal não pode ser alcançada, ajuste manualmente o ângulo de elevação da câmera 3D. A posição ideal é de 2 metros de distância do dispositivo, com o pescoço do assunto exibido no meio da tela. - Pressione o botão de trem para iniciar a sessão de treino sem gravação de dados.
Nota: Se o assunto já está familiarizado com o jogo e sabe o que fazer, pressione o botão Iniciar diretamente e pular o treinamento. - Deixe o assunto siga as instruções na tela e executar os seguintes movimentos:
- Estenda o braço solicitado (direito ou esquerdo) para alcançar o objeto virtual piscando até que o objeto está na mão virtual.
- Flex no mesmo braço e tocar fisicamente os pontos indicados no corpo para colocar o objeto.
- Continue os movimentos de flexão e extensão do braço até que todos os 20 objetos são alcançados e colocados.
Nota: Existem duas rodadas com 10 objetos em cada rodada. Dentro de uma rodada, existem 5 objetos do lado direito que exigem o braço direito, seguido por 5 objetos do lado esquerdo, para os quais é solicitado o braço esquerdo. Isto conclui a sessão de treinamento.
- Pressione o botão "START" para executar as mesmas tarefas novamente desde o início, como na etapa 2.4.3, mas desta vez gravando as localizações dos 9 pontos da parte superior do corpo em um arquivo criptografado. O jogo termina automaticamente colocando todos os 20 objetos ou quando se esgota o tempo pré-definido (4 min).
Nota: Também é possível sair do jogo a qualquer momento, caso o assunto é demasiado fraco ou quaisquer outras situações acontecem.
- Inserir na última página automaticamente que mostra uma trama de aranha indicando intervalos das articulações do jogo "Guarda-roupa".
- Sair do jogo, pressionando o botão final ou repetir o teste, pressionando o botão repetir .
3. após o teste - manipulação de dados
- Salvar os dados gravados e criptografados e arquivos de log no disco rígido e opcionalmente transferir via internet para uma analista de dados. Uma descrição detalhada de análise e manipulação de dados é fornecida em uma anterior publicação13.
- Confirme a integridade e a validade dos dados, verificando o arquivo de log e comparando relatos clínicos com os registros em 3D.
- Calcular e extrair 27 características de movimento como recursos numéricos, como ângulos articulares, velocidade e aceleração, comprimento de caminho de mão, movimento de compensação do corpo, espaço acessível e assim por diante.
- Calcular, plotagem e selecione os recursos a fim de compreender e interpretar os dados do sensor 3D tão bem quanto a seguinte análise estatística.
- Execute o PCA (análise de componente Principal), ANOVA (análise de variância), análise de correlação e modelos lineares efeito misturado como análise estatística.
Representative Results
Usando o procedimento apresentado acima, características dos diferentes movimentos são plotadas e abordagens de análise são exploradas a fim de obter uma compreensão abrangente dos movimentos.
Na Figura 1, os vestígios dos 9 pontos da parte superior do corpo são plotados restringindo para os eixos X e Y, que representa uma projeção 2-dimentional (X representa a posição horizontal do assunto, Y representa o vertical posição enquanto o Z é a distância para o 3-d sensor). A Figura 1 mostra que o sensor 3D realmente medidas, a localização espacial dos pontos do corpo. Com a justaposição de um paciente de SMA e um controle saudável sobre as 4 visitas, mostra-se que tanto o paciente e o controle concluído as tarefas com trajetórias claramente reconhecíveis. Havia certas características dependentes do assunto que permaneceu consistentes ao longo de todas as visitas, por exemplo, a trajetória das mãos do paciente. Em comparação, o assunto de controle tinha relativamente menos movimento de tronco ao longo do tempo, que é indicado pela multidão menor das linhas de vermelhas, amarelas e rosa (a cabeça, pescoço e tronco pontos, respectivamente). Nenhum dos dois sujeitos mostrou alguma características dos movimentos assimétricos.
A Figura 2 mostra alguns representante características extraídas da série de tempo localizações dos pontos do corpo. Em comparação com a Figura 1, Figura 2 dá uma ideia de que informação potencial pode ser extraída e visualizada a partir dos dados do sensor 3D crus a fim de compreender as características de movimento subjacente. Figura 2 um é uma trama de rastreamento segmentado mãos indicando as fases de extensão e flexão de cotovelo de duas rodadas de um único assunto. A trajetória assemelha-se muito bem entre as duas rodadas. Para os três objetos inferiores, ambas as mãos tendem a exagerar, mas este não é o caso para os superiores dois objetos. Figura 2 b parcelas o histograma de velocidades a mão (enquanto a mão está se movendo; o estado de repouso é excluído). Não há nenhuma diferença significativa entre a esquerda e mão direita para este assunto. Figura 2 c mostra os comprimentos de caminho total dos pontos de cabeça, pescoço e tronco, que podem ser considerados como uma espécie de movimento de compensação do porta-malas por posição do objeto. Para objetos de 3 e 8, que são colocados no canto superior, o movimento de tronco é relativamente maior em comparação com as outras posições. Além disso, a cabeça moveu-se mais óbvio do que os outros dois pontos. Figuras 2d, 2e e 2f são boxplots mostrando a distribuição geral de todas as 4 visitas para algumas funcionalidades. Somente os primeiros sete pacientes com todas as 4 visitas são mostrados para maior clareza. Figura 2 d mostra o comprimento do percurso de mão total dividido pelo comprimento braço individual medido pelo sensor para compensar a diferença de comprimento de braço entre sujeitos. Durante os movimentos realizados para alcançar e colocar objetos, o comprimento do percurso de mão é em torno de duas vezes o comprimento do braço de um objeto; Portanto, para 20 objetos o comprimento total do percurso é de cerca de 40 vezes o comprimento do braço. São observadas diferenças óbvias entre sujeitos, por exemplo, no movimento de compensação tronco entre pacientes 2 e 3 (Figura 2e) ou na velocidade de mão mediana entre pacientes 1 e 3 (Figura 2f).
Completo clínico relacionados com análise e resultados podem ser encontrados em nosso anterior publicação13.
Figura 1 : A parcela representativa de rastreamento dos 9 pontos da parte superior do corpo durante o teste Os top 4 terrenos são de um paciente de SMA e as parcelas do fundo 4 são de um controle saudável. Esta figura foi modificada de nossa anterior publicação13. Clique aqui para ver uma versão maior desta figura.
Figura 2 : Resultados de análise sumária representativa: (a), (b), (c) são de um único assunto e (d), (e), (f) são o resumo dos primeiros 7 pacientes com SMA completar 4 visitas. Em (d), (e) e (f), a parte inferior e superior da caixa são os primeiros e terceiros quartis, e a linha horizontal dentro da caixa é a mediana. Os comprimentos dos bigodes (estendendo linhas verticais da caixa) são definidos como o ponto mais baixo dentro de 1,5 interquartil intervalos (IQR) do quartil inferior e o ponto mais alto dentro de 1,5 IQR do quartil superior. Os diamantes representam os valores atípicos fora os bigodes. (um) lote de rastreamento de mãos segmentado. As linhas contínuas representam a fase de extensão do cotovelo quando as mãos alcançar os objetos enquanto as linhas tracejadas representam a fase de flexão de cotovelo quando as mãos coloque os objetos sobre o corpo. Cada cor representa os objetos na mesma posição das duas rodadas. (b) histograma de velocidade mão durante os movimentos de flexão e extensão. (c) total comprimentos de movimento de compensação de cabeça, pescoço e tronco pontos para cada objeto individual. (d) Boxplot de comprimento de caminho de trajetória de mão total para direita e esquerda mãos respectivamente por 4 visitas. O eixo y mostra a mão total comprimentos caminho divididos pelos comprimentos de braço individuais. (e) Boxplot do movimento de compensação de tronco total incluindo cabeça, pescoço e tronco aponta para o movimento do lado direito e esquerdo movimento respectivamente sobre 4 visitas. (f) Boxplot da velocidade mediana mão durante o movimento para a direita e mão esquerda respectivamente sobre 4 visitas. Clique aqui para ver uma versão maior desta figura.
Discussion
A avaliação baseada no Kinect proposta fornecido objectiva e análise de movimento abrangente, proporcionando uma solução de criança-amigável, baixo custo e portátil em relação a escalas de avaliação clínica tradicional ou vídeo sofisticado baseado em marcador sistemas. Com um teste de jogo que durou menos de 5 minutos, vários pontos do corpo foram examinados intensamente ao mesmo tempo, e muitas características spatiotemporal e cinemáticas foram analisadas com exatidão elevada, incluindo velocidade, ângulos articulares e assim por diante. A instalação inteira e os esforços de treinamento foram também muito menos exigente em comparação com as escalas de avaliação ou sistemas de vídeo.
O passo mais crítico desta abordagem foi o projeto de teste. A fim de capturar os sintomas subjacentes do movimento, a tarefa projetada deve cobrir o espectro de capacidade correspondente e evitar efeitos de teto ou chão. No exemplo desta indicação específica, os sintomas físicos comuns da SMA incluem fraqueza muscular, gama limitada conjunta, rigidez muscular, fadiga e assim por diante. O teste proposto é adequado para estes sintomas envolvendo a gama limitada conjunta, que era típica para pacientes do tipo 2 de SMA. Infelizmente, o protótipo foi testado somente como uma primeira tentativa em um estudo planejado que recrutou apenas SMA tipo 3 pacientes. Desde que a capacidade desses pacientes estavam acima do que o teste atual poderia medir (efeito de teto), não podem atingir os resultados desejados. Para este grupo de pacientes ambulante, transferência de corpo e fadiga muscular seria uma medida melhor.
Com base nesta experiência, uma segunda versão do teste consiste em uma versão modificada do jogo "Guarda-roupa" e um jogo adicional de "Barco-remo" foram projetados. A versão modificada do jogo "Guarda-roupa" tem três níveis de dificuldade. No primeiro nível, os objetos são colocados perto do corpo, para que o assunto não precisa estender totalmente o braço, quais metas o fraco grupo paciente, que pode apenas sentar-se na cadeira de rodas e não totalmente estende seus braços sem suporte. No segundo nível, os objetos são colocados a distância do comprimento do braço, que tem como alvo o grupo de pacientes que pode levantar e estender os braços sem qualquer apoio. No nível mais difícil, os objetos são colocados um pouco fora do alcance do braço; Portanto, o sujeito precisa mover o tronco superior como uma extensão. O terceiro nível metas do grupo paciente ambulant, onde o movimento axial e proximal é medido também. Durante a fase de posicionamento do jogo, o comprimento do braço do sujeito é medido automaticamente e então utilizado para calcular a localização dos objetos no jogo seguinte; Portanto, os níveis de dificuldade são ajustados automaticamente a capacidade do indivíduo. Quando é atingido o limite de capacidade de cada indivíduo e os objetos não podem ser alcançados ou colocados, o nível será ignorado ou automaticamente após um certo tempo, ou manualmente pelo operador, pressionando o botão "Pular" na tela. A resistência de músculos alvos jogo "Barco-remo" e isso requer o assunto repetir um braço de movimento de rolamento mais rápido possível por 1 minuto. Em um estudo futuro, a segunda versão destina-se a cobrir o paciente espectro de SMA tipo 2 para tipo 3, já que as tarefas de medem a capacidade dos pacientes com capacidade de movimento do braço limitado para pacientes com função de braço completo e limitado movimento axial.
Do outro lado do design do teste é a consideração do efeito do chão. Devido a resolução espacial e temporal limitada, o sensor 3D só é capaz de capturar com precisão brutos movimentos como andar, braço acenando e assim por diante. Detecção, incluindo a viragem de tapping ou mão figura, mais sensíveis Digitas dispositivos como telefones celulares ou wearables pulso fino movimento é exigida. Como discutido, a chave para o sucesso de um pedido é para construir a correspondência correta entre os sintomas da doença subjacente, recursos do dispositivo e tarefa projetada.
Algumas outras considerações durante o projeto de teste incluem o grupo etário, efeito de aprendizado, línguas e assim por diante. Desde SMA afeta principalmente as crianças, o teste deve ser tão simples e claro possível, mantendo uma característica atraente Gamificação. Em nosso projeto, foram utilizados figuras dos desenhos animados e objetos desenhados à mão. A tarefa imitou o comportamento auto curativos, que geralmente é adquirido pelas crianças após dois ou três anos de idade. Os movimentos foram mantidos simples tal que assuntos poderiam compreender e realizar o teste depois de uma fase de formação de curta e foram evitados efeitos de aprendizagem, que foi medido e discutido em nosso anterior publicação13.
Ao executar o protocolo de teste e análise dos dados, alguns problemas podem surgir da mesma forma para outros aplicativos 3D sensor. Estas questões incluem a interferência de luz do sol, roupas especiais, mais de um assunto no campo de visão e tempos de amostragem irregular. Encontramos um caso onde um assunto em roupas pretas não foi detectado pelo sensor 3D em um quarto ensolarado, mesmo quando o assunto não foi diretamente no sol. Quando mais de um sujeito aparece e desaparece do campo de vista, a atribuição de números de ID para detectado esqueletos pode saltar, quais os encargos a análise. Mesmo que o sensor 3D produz o sinal na frequência de 30 Hz em teoria, a saída real pode ter aberturas de até 100 ms. portanto, é importante controlar e exportar o timestamp.
Nosso primeiro teste foi realizado na primeira versão do sensor 3-d, que atualmente foi substituído por uma segunda versão, e nossa versão modificada é implementado com base na segunda versão. Entre as versões, os drivers subjacentes são diferentes, e também mudou a interface de aplicativo (API). Existem outras diferenças não significativas ao migrar o aplicativo. Desde que as duas versões do aplicativo podem ser fornecidas livremente mediante pedido pelos autores e os drivers do sensor podem ser baixados do site do Kinect, isso é nenhuma preocupação para o usuário.
Usando o sensor 3D, desenvolvemos uma ferramenta de avaliação de função da extremidade superior inovadora, quantitativa e objetiva incorporando tecnologia jogo como crianças. A viabilidade foi explorada e analisada. Nosso trabalho demonstrou o poder potencial do sensor 3D como uma abordagem alternativa e complementar para avaliação do movimento.
Disclosures
Os autores Xing Chen, Detlef Wolf, Juliane Siebourg-Polster, Christian Czech, Omar Khwaja e Martin Strahm são empregados da F. Hoffmann-La Roche, que financiou toda a pesquisa neste artigo.
Acknowledgments
Agradecemos o Strahm Bastian para tomar parte no teste de demonstração e Laura Aguiar para revisão deste manuscrito.
Materials
| Name | Company | Catalog Number | Comments |
| Microsoft Kinect for Windows v1 sensor | Microsoft | N/A | The first version of the test was developed on Kinect sensor v1 which is not sold any more. But the second version was developed on the Kinect sensor v2 which can be tested in a similar way by using Microsoft Kinect for Windows v2 sensor (GT3-00003) together with Microsoft Kinect Adapter (9J7-00009) |
| DELL XPS 2720 All-In-One PC with windows 8 operating system, 16G RAM, Intel Core i7 and 64-bits | DELL | N/A | In our setup, a All-in-one computer was used, but in fact any laptop or computer which fullfills the following requirements and a big screen for the subjects to see will work: windows 8 or higher operating system; 64-bit processor; dual-core 3.2 GHz or faster processor; dedicated USB 3.0 bus; 2 GB RAM |
References
- Hobart, J. C., Cano, S. J., Zajicek, J. P., Thompson, A. J. Rating scales as outcome measures for clinical trials in neurology: problems, solutions, and recommendations. Lancet Neurol. 6, 1094-1105 (2007).
- Cano, S. J., et al. Rasch analysis of clinical outcome measures in spinal muscular atrophy. Muscle Nerve. 49, 422-430 (2014).
- Monani, U. R., De Vivo, D. C. Neurodegeneration in spinal muscular atrophy: from disease phenotype and animal models to therapeutic strategies and beyond. Future Neurol. 9, 49-65 (2014).
- Kolb, S. J., Kissel, J. T.
- Shotton, J., et al. Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society. , 1297-1304 (2011).
- Plantard, P., Shum, H. P., Le Pierres, A. S., Multon, F. Validation of an ergonomic assessment method using Kinect data in real workplace conditions. Appl Ergon. , (2016).
- Galna, B., et al. Accuracy of the Microsoft Kinect sensor for measuring movement in people with Parkinson's disease. Gait Posture. 39, 1062-1068 (2014).
- Otte, K., et al. Accuracy and Reliability of the Kinect Version 2 for Clinical Measurement of Motor Function. PLoS One. 11, 0166532 (2016).
- Clark, R. A., et al. Reliability and concurrent validity of the Microsoft Xbox One Kinect for assessment of standing balance and postural control. Gait Posture. 42, 210-213 (2015).
- Milgrom, R., Foreman, M., Standeven, J., Engsberg, J. R., Morgan, K. A. Reliability and validity of the Microsoft Kinect for assessment of manual wheelchair propulsion. J Rehabil Res Dev. 53, 901-918 (2016).
- Bonnechere, B., et al. Validity and reliability of the Kinect within functional assessment activities: Comparison with standard stereophotogrammetry. Gait & Posture. 39, 593-598 (2014).
- Huber, M. E., Seitz, A. L., Leeser, M., Sternad, D. Validity and reliability of Kinect skeleton for measuring shoulder joint angles: a feasibility study. Physiotherapy. 101, 389-393 (2015).
- Chen, X., et al. Feasibility of Using Microsoft Kinect to Assess Upper Limb Movement in Type III Spinal Muscular Atrophy Patients. Plos One. 12, (2017).
- Bonati, U., et al. Longitudinal characterization of biomarkers for spinal muscular atrophy. Ann Clin Transl Neur. 4, 292-304 (2017).
