Summary
Объективной оценки функции мышц является сложной задачей, особенно у детей. Основываясь на коммерчески доступных цифровой 3-D датчик, детской игровой тест был разработан для оценки функции верхней конечности для клинических испытаний.
Abstract
Атрофия мышц, поступательного и необратимого характеризует спинальной мышечной атрофии (SMA) и другие аналогичные расстройства заболевания мышц. Объективной оценки мышечных функций это эфирное и важный, хотя сложно, условием успешных клинических испытаний. Текущих клинических Рейтинговые шкалы ограничить движение отклонения для некоторых предопределенных крупнозернистой отдельных элементов. 3-D сенсора Kinect возникла как лоу кост и портативные движения зондирования технологии, используемые для захвата и отслеживать людей движения в многих медицинских и научно-исследовательских областях. Был разработан новый подход с использованием 3-D датчик и игра как тест был призван объективно измерить функции верхней конечности больных с SMA. Испытания прототипов ориентированные возможности совместного движения. Сидя в виртуальной сцене, пациент было поручено расширить, flex и поднять всю руку для того чтобы достигнуть и место некоторые объекты. Оба кинематической и пространственно-временных характеристик движения верхней конечности были извлечены и проанализированы, например, расширение локтевого и углы сгибания, скорость рук и ускорение. Первое исследование включали небольшой когорты 18 пациентов передвигающихся самостоятельно SMA и 19 соответствует возрастной и гендерной здорового контроля. Всесторонний анализ движения рук было достигнуто; Однако никакого существенного различия между группами были найдены из-за несоответствия пациента возможности и сложности тестирования. Основываясь на этом опыте, вторая версия тест, состоящий из модифицированную версию первой игре с повышенной трудности и вторую игру против выносливости мышц были разработаны и реализованы. Новый тест не было проведено в любой группы пациентов еще. Наша работа продемонстрировала потенциальные возможности 3-D датчика в оценке таких функции мышц и предложил объективный подход к дополнение клинические Рейтинговые шкалы.
Introduction
Всеобъемлющая оценка функции мышц является критической оценки многих нервно-мышечных заболеваний и важной предпосылкой для успешного клинических испытаний. Клинические Рейтинговые шкалы используются все чаще, как инструмент стандартизованной оценки и как устоявшихся результат измерения1. Однако они полагаются на субъективной оценкой клиницисты и может привести к существенные различия, ведущих к вещь и внутри несоответствие2 или созданных чисел, которые не отвечают критериям для точного измерения1. Кроме того многие нервно-мышечных заболеваний во многом влияют на детей и большинство этих Рейтинговые шкалы являются длительными и скучно, которая навязывает дополнительные проблемы. Пример того, нервно-мышечные заболевания является спинальной мышечной атрофии (SMA), который является фатальной нервно-заболевание, характеризующееся прогрессивная мышечная слабость3. В зависимости от клинических фенотипы, некоторые пациенты живут с колясками (тип 2), и некоторые могут стоять и ходить без посторонней помощи (тип 3)4. Существует растущий спрос на более чувствительных и объективный инструмент оценки для измерения функции мышц с точки зрения диапазона движений в суставе, мышечную силу, мышечная усталость и так далее, для того чтобы отслеживать прогрессирования заболевания и эффективность препарата.
Быстрый прогресс в движении зондирования технологии стало возможным проанализировать характеристики движения при сравнительно низких затратах, среди которых широко рассматривался значение 3-D сенсора (Kinect) захвата движения всего тела в маркер свободный путь. Используя встроенный инфракрасный датчик и реализованных машинного обучения алгоритмов, местах тела лиц отслеживаемых выводятся через 3-мерной позиции 20 анатомические ориентиры под названием суставах тела или пунктов, включая голову, шею, руки, запястья, локти, плечи, позвоночника, бедра, колени, лодыжки и ноги5. Временное разрешение — до 30 Гц, который является достаточным для большинства физических движения, за исключением некоторых патологических мотор симптомы, такие как толчки. Пространственная точность 3-D датчика протестирована широко с землей истины6 или золотой стандарт, который является на основе маркера 3-мерной движение анализа системы7,8,9,10 ,,1112. Хороший параллельных достоверности и воспроизводимости выявлены различные тесты, особенно от лобной Просмотр12 и для брутто движений7. Для того, чтобы объективно оценить функции верхней конечности для детей с SMA, мы разработан и реализован игровой тест, основанный на трехмерный датчик для измерения возможностей совместного движения.
Protocol
Тест проводился в наблюдений, продольное исследование на Университетская детская больница из Базель (UKBB) с взрослыми и детьми. Более демография и клинической информации об исследовании можно найти в предыдущей публикации13,14. Все процедуры были одобрены Комитетом местных этики Ethikkomission UKBB и проведены согласно принципы, изложенные в Хельсинкской декларации. Письменного согласия и соблюдение протокола исследования согласно международной конференции по гармонизации (мкг) и местные правила были предоставлены все предметы или юридически уполномоченных представителей для детей в возрасте до юридических согласия.
Примечание: Прототип игры «Шкаф», направленные на измерение диапазона движения суставов был разработан и реализован. Он был затем экспортируется как исполняемое приложение, которое может работать на любой Windows 8 или более поздней версии операционной системы, а также установлены драйверы необходимые 3-D датчик. Прототип игры, основанные на v1 датчик Kinect или вторая версия (см. обсуждение) основана на Kinect датчик v2 могут быть предоставлены по запросу (см. дополнительное кодирование файлов).
1. Установка и подготовка к испытанию
- Установка фотоячейки 3-D (например., Kinect) драйверы и разработанные приложения на компьютере.
- Разместите компьютер на подходящей поверхности, как таблица, с высотой 0,5 - 1 метр.
- Место 3-D устройство также на одной поверхности выравниваются по середине компьютера, таким образом, чтобы высота 3-D камеры фиксируется в таблице около 0,5 - 1 метр над землей. Отрегулируйте угол возвышения объемной датчика вручную, как необходимо правильно захватить тему (см. ниже 2.4.2).
- Подключите все кабели правильно, включая 3-D адаптер к компьютеру и кабель питания к источнику питания.
- Место-регулируемая высота стула перед столом с компьютером и 3-D датчик на около 2 метров.
2. проведение испытаний
- Запустите компьютер и включите звук для оптимального объема. Если передача данных автоматически, убедитесь, что подключен Интернет.
- Поручить тему сидеть на стуле.
- Запустите приложение на компьютере и введите идентификатор субъекта на первой странице.
- Нажмите на кнопку «Старт» на первой странице вступить на вторую страницу, которая показывает «Гардероб» игра:
- Обратите внимание на диаграмме скелета (только для верхней части тела) на экране, который представляет собой орган субъекта перед большой шкаф. Когда фигура не видели, поручить тему волны и двигаться вперед и назад, если он находится в инвалидной коляске или стоять до 3-D датчик фиксирует человека.
- Прочтите инструкции на экране и корректировать расстояние, высоту и боковое положение Председателя и тему до тех пор, пока все инструкции находятся в зеленым шрифтом.
Примечание: Расстояние, высоту и боковое положение Председателя может быть отрегулирован сам предмет или помощника, который должен выйти из поля после. Если не может быть достигнута оптимальная высота, вручную отрегулируйте угол 3-D камеры. Оптимальное положение-2 метров от устройства, с шеи субъекта, отображается в центре экрана. - Нажмите кнопку поезд , чтобы начать тренировки без записи данных.
Примечание: Если предмет уже знакомы с игрой и знает, что делать, нажмите на кнопку начать непосредственно и пропустить обучение. - Пусть предмет следуйте инструкциям на экране и выполнять следующие движения:
- Расширение запрашиваемого рука (правая или левая) достичь мерцающие виртуальный объект до тех пор, пока объект находится в виртуальном руку.
- Flex и той же руке и физически touch указанные точки на теле, чтобы поместить объект.
- Продолжайте расширение и сгибания движений руки, пока не достиг и помещены все 20 объектов.
Примечание: Существует два раунда с 10 объектов в каждом раунде. В рамках раунда есть 5 объекты на правой стороне, которые требуют следуют 5 объектов на левой стороне, для которого запрашивается левую руку правую руку. На этом завершается учебной сессии.
- Нажмите кнопку «Пуск» для выполнения тех же задач снова от начала, как шаг 2.4.3, но на этот раз запись расположения 9 баллов верхней части тела в зашифрованный файл. Игра автоматически заканчивается, поместив все 20 объектов или когда истечет заранее определенного времени (4 мин).
Примечание: Это также можно выйти из игры в любое время, в случае, если предметом слишком слаб или любой другой ситуации произойдет.
- Вступить в последней странице автоматически, которая показывает один участок паука, указывающее суставы варьируется от игры «Шкаф».
- Выйти из игры, нажав на кнопку END или повторите тест, нажав кнопку « повторить ».
3. После тест - обработка данных
- Сохранение записанных и зашифрованных данных и файлов журнала на жестком диске и при необходимости передавать аналитика данных через Интернет. В предыдущей публикации13оказывалась подробное описание обработки и анализа данных.
- Подтверждение полноты и достоверности данных, проверив файл журнала и сравнение клинических отчетов с 3-D records.
- Вычисления и экстракт 27 характеристики движения как числовые функции, как совместное углы, скорость и ускорение, рука длина пути, компенсация движения тела, добраться до места и так далее.
- Рассчитать, печать и выберите компоненты для того, чтобы понять и интерпретировать 3-D датчик данных, а также что касается следующих статистического анализа.
- Выполняют PCA (основной компонент анализа), ANOVA (дисперсионный анализ), корреляционный анализ и модели линейной смешанного воздействия как статистический анализ.
Representative Results
С помощью процедуры, представленной выше, различные движения функции выводятся и анализ подходов изучаются с целью получить полное понимание движений.
На рисунке 1следы от 9 баллов верхней части тела выводятся ограничение для осей X и Y, которые представляет проекцию 2-режиме (X представляет горизонтальное положение субъекта, Y представляет вертикальной позиции Z при расстояние до объемного объекта датчик). Рисунок 1 показывает что 3-D датчик на самом деле меры, пространственного расположения точки тела. Путем сопоставления одной SMA пациента и одного здорового контроля над 4 посещений, показано, что как пациента, так и элемент управления завершил задачи с четко узнаваемы траекторий. Там были некоторые характеристики субъекта зависимых, которые остались последовательно через все посещения, например, траектории руки пациента. В сравнении, субъекта управления было относительно меньше движение туловища со временем, которое обозначается меньше толпы линий красного, желтого и розового (головы, шеи и туловища очков, соответственно). Ни один из двух субъектов показал какие-либо возможности несимметричного движения.
Рисунок 2 показывает некоторые представитель особенности извлеченные из рядов местоположений точек тела. По сравнению с рис. 1, рис. 2 дает представление о потенциальных информации могут быть извлечены и визуализируется из данных raw 3-D датчик для того чтобы понять основные характеристики движения. Рисунок 2 это участок трассировки сегментирована руки, указанием локоть расширение и сгибания фаз двух выстрелов из одного субъекта. Траектории напоминает себя довольно хорошо между двумя турами. Для трех нижних объектов обе руки, как правило, перехитрить, но это не дело для верхних двух объектов. Рисунок 2 b участков гистограммы скоростей ручной (в то время как рука движется; исключен состояние покоя). Существует не значительная разница между левой и правой руки для этого предмета. Рисунок 2 c показывает общий путь длины головы, шеи и туловища точек, которые можно рассматривать как своего рода компенсации движения ствола на позиции объекта. Для объектов 3 и 8, которые помещены на более высоких углу, движение туловища относительно большей по сравнению с другой позиции. Кроме того глава переехал более очевидно, чем другие две точки. Boxplots, показывающий общее распределение от всех 4 посещений для некоторых функций 2d фигур, 2e и 2f . Только первых семи пациентов с всеми 4 Визиты указаны для ясности. Рисунок 2 d показывает длину пути всего руку, деленное на отдельных вытянутой, измеренная датчиком для того, чтобы компенсировать разницу между предметом руку длина. Во время движения, осуществляется для достижения и помещать объекты, рука длина пути составляет около дважды вытянутой для одного объекта; Таким образом для 20 объектов длина полного пути составляет около 40 раз длина плеча. Наблюдаются очевидные различия между предметом, например, в компенсации движения ствола между пациентами 2 и 3 (eрис. 2) или в средней руки скорости между 1 и 3 (Рисунок 2f) пациентов.
Полный клинический связанных анализ и результаты могут быть найдены в нашей предыдущей публикации13.
Рисунок 1 : Представитель трассировки участков 9 баллов верхней части тела в тесте Топ 4 участки от одного пациента SMA и участков дна 4 из одного здорового контроля. Этот рисунок был изменен с нашей предыдущей публикации13. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 2 : Представитель краткий анализ результатов: (а), (b), (c)-от одного субъекта и (d), (e), (f) являются резюме первых 7 пациентов SMA с завершения 4 посещений. В (d) (e) и (f), нижней и верхней части окна являются первый и третий квартили, и горизонтальная линия внутри коробки является медиана. Длины усы (расширение вертикальные линии из коробки) определяются как самая низкая точка в пределах 1,5 межквартильный диапазон (ИКР) Нижний квартиль, и самая высокая точка в пределах 1,5 икр верхней квартили. Алмазы представляют собой выбросы вне усы. () сегментированных руки трассировки сюжет. Жирные линии обозначают этапа расширения локоть, когда руки протянуть руку для объектов, тогда как пунктирные линии представляют собой этапа сгибания локтевого, когда руки поместите объекты на теле. Каждый цвет представляет объекты в том же положении от двух раундов. (b) гистограммы скорости рук во время движения расширения и сгибания. (c) общая компенсация движения длиной от головы, шеи и туловища точек для каждого отдельного объекта. (d) Boxplot общего руку траектории длины пути для правой и левой руки соответственно 4 посещений. Ось y показывает общее руку длины пути, разделенных длины отдельных руку. (e) Boxplot общего ствола компенсации движения головы, шеи и туловища очков для движения из правой и левой стороны движения соответственно более 4 посещений. (f) Boxplot скорости средний рукой во время движения для правой и левой руки соответственно более 4 посещений. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Discussion
Предлагаемая оценка на основе Kinect условии объективного и всеобъемлющего движения анализ обеспечивая детей, низкой стоимости и портативные решения относительно традиционных клинических Рейтинговые шкалы или сложный маркер-видео систем. Игровой тест, который продолжался менее чем 5 минут несколько точек тела интенсивно рассматривались в то же время, и многие пространственно-временных и кинематические характеристики были проанализированы с высокой точностью, включая скорость, совместные углы и так далее. Вся настройка и усилия по профессиональной подготовке были также гораздо меньше по сравнению с Рейтинговые шкалы или видео систем.
Наиболее важным шагом в рамках этого подхода был тест дизайн. Чтобы захватить основные симптомы движения, разработанные задача должна соответствующий спектр возможностей и избежать пол или потолок эффекты. В примере этого конкретного указания общих физических симптомов SMA включают мышечная слабость, ограниченный диапазон совместных, ригидность мышц, усталость и так далее. Предлагаемый тест подходит для этих симптомов, связанных с ограниченный диапазон совместных, которая была характерна для SMA 2 типа пациентов. К сожалению прототип был только испытания как первая попытка в запланированного исследования, которые набраны только тип 3 пациентов. Поскольку возможности этих больных были выше текущего теста можно измерить (потолок эффект), желаемые результаты не могут быть достигнуты. Для этого амбулаторная группе пациентов мышечную усталость и тела передачи бы лучшей мерой.
Основываясь на этом опыте, вторая версия тест, состоящий из модифицированную версию игры «Гардероб» и еще «Лодка-гребля» игра были разработаны. Измененная версия игры «Гардероб» имеет три уровня сложности. На первом уровне объекты размещаются рядом с телом, так что тему не нужно полностью расширить руку, какие цели слабых пациентов группы, который можно только сидеть в коляске и не может полностью расширить свое оружие без поддержки. На втором уровне объекты находятся на расстоянии всего вытянутой руки, которая ориентирована на группе пациентов, кто может поднять и продлить оружия без какой-либо поддержки. В наиболее сложный уровень объекты помещаются слегка пределы руку; Таким образом этому вопросу необходимо переместить верхнем багажнике как расширение. Третий уровень целей амбулаторная пациентов группы, где осевые и проксимальной движение также измеряется. На этапе определения местоположения игры вытянутой субъекта автоматически измеряется и затем используются для расчета местоположения объектов в следующей игре; Таким образом способность индивида автоматически корректируются уровни сложности. Когда предела возможностей каждого человека и объекты не могут быть достигнуто или помещены, уровень будет пропущен автоматически после определенного времени или вручную оператором, нажав на кнопку «Пропустить» на экране. «Лодка-гребля» Игры цели мышечную выносливость и он требует предмет повторить руку подвижного движения так быстро, как можно за 1 минуту. В будущем исследования вторая версия предназначена для покрытия пациента спектр от SMA 2 типа для типа 3, так как задачи измерения способности пациентов с ограниченной руку движение способность пациентов с ограниченной осевой движения и функции руки полностью.
С другой стороны тест дизайн является рассмотрение Пол эффекта. Из-за ограниченного пространственного и временного разрешения 3-D датчик способен только захватить точно валового движения как ходьба, махнув рукой и так далее. Для тонкой движения обнаружения, включая рисунок разговоров или ручной поворотный, более чувствительных цифровых устройств, например мобильных телефонов или запястье предметы одежды не требуется. Как уже говорилось, ключ для успеха такого приложения является создание правильный матч между основной болезни симптомы, возможности устройства и дизайном задачи.
Некоторые другие соображения во время тест дизайн включают возрастной группе, обучение эффект, языков и так далее. Так как SMA поражает главным образом детей, испытание должно быть максимально простой и четкой при сохранении привлекательных геймификации черта. В нашей конструкции использовались персонажи из мультфильмов и рисованной объектов. Задача подражал собственной гардеробной поведение, которое обычно приобретается детьми после двух или трех лет. Движения были простыми, что предметы могут понять и выполнить тест после короткого обучения фазы и изучения последствий удалось избежать, которая была измерена и обсуждены в нашей предыдущей публикации13.
При выполнении протокола испытаний и анализа данных, некоторые вопросы могут возникнуть аналогично другим приложениям 3-D датчика. Эти вопросы включают в себя солнце вмешательства, специальную одежду, более чем одного субъекта в поле зрения и нерегулярных выборками. Мы нашли один случай, где предмет в черной одежде не обнаружена 3-D датчика в солнечной комнате, даже если предмет не был непосредственно в лучах солнца. Когда более чем один предмет появляется и исчезает из поля зрения, назначение ID номеров обнаружены скелеты могут прыгать, которой бремя анализа. Даже несмотря на то, что 3-D датчик выдает сигнал на частоте 30 Гц в теории, фактический выход может иметь пробелов до ста г-жа таким образом, важно отслеживать и экспорта штамп времени.
Наш первый тест был проведен на первой версии 3-D датчика, который в настоящее время была заменена второй версии, и наши модифицированную версию осуществляется на основании этой второй версии. Между версиями базовые драйверы отличаются, а также изменился интерфейс приложения (API). Существует никаких существенных различий при переносе приложения. Поскольку обе версии приложения могут быть предоставлены свободно по запросу авторов и датчик драйверы можно загрузить с веб-сайта Kinect, это не проблема для пользователя.
Используя 3-D датчика, мы разработали инструмент оценки функции инновационной, количественные и объективных верхней конечности, включения детей игра как технология. Возможности изучены и проанализированы. Наша работа продемонстрировала потенциальную мощь 3-D датчика как альтернативные и взаимодополняющего подхода к оценке движения.
Disclosures
Авторы Xing Chen, Detlef волк, Жюлиан Siebourg-Polster, Кристиан чешский, Ходжа Омара и Мартин Strahm являются сотрудниками F. Hoffmann-La Roche, который финансировал все исследования в этой статье.
Acknowledgments
Мы благодарим Бастиан Страм за участие в демонстрации теста и Лаура Агиар для корректуры этой рукописи.
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. Spinal Muscular Atrophy. Neurol Clin. 33, 831-846 (2015).
- 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).
