Summary
モーション キャプチャ システムで日常生活 (IADL) の活動を評価するために仮想現実のテストを考案しました。軌道、移動距離と IADL 機能の評価の完了までの時間を含む様々 な動き解釈参加者の詳細な運動解析を提案します。
Abstract
日常生活 (IADL) の活動を完了することができない様々 な神経心理学的疾患に前駆体であります。IADL のアンケート評価を使いやすいが、主観的なバイアスになりやすいです。ここでは、2 つの複雑な IADL タスクを評価するための新しいバーチャル ・ リアリティ (VR) テストについて述べる: 金融取引を処理し、公共交通機関を使用しています。参加者は、VR の設定で、タスクを実行、動きはシステム トレースをキャプチャして位置と利き手と三次元デカルト座標システムに頭の向き。運動学的生データ収集され、完了までの時間、移動距離、軌道運動 '運動学的指標、'すなわちに変換されます。運動は、空間内の特定の身体部分 (例えば、支配的な手または頭) のパスです。軌道の総距離は、移動距離と完了までの時間はそれが IADL タスクを完了するためにかかった。これらの運動学的施策は、健常者から認知機能障害患者を識別できます。この運動の測定プロトコルの開発は、IADL 関連認知障害の早期検出できます。
Introduction
日常生活 (IADL)、金融取引の処理、公共交通機関を使用して、調理、彼らは複数の神経心理学的機能1を必要とするので医療マーカーであるなどの活動。障害者の IADL 機能扱われます軽度認知障害 (MCI) と認知症2などの神経疾患の前駆体。金の IADL タスク3の包括的な見直しは、財政を管理するなど、公共交通機関を使用しての認知より要求の厳しいタスクが MCI 及び認知症の初期の予測でことを示した。
までに、IADL の最も一般的に使用される評価は自己申告アンケート、インフォー マント ベースのアンケート、パフォーマンス ベースの評価4。IADL のアンケート評価では主観的なバイアスになりやすいが、コスト効果の高い、使いやすいです。例えば、自己申告、患者傾向がある以上- または下-estimate の IADL 機能5。同様に、通報者は、観察者の誤認や知識のギャップ4による IADL 能力を見誤る。したがって、求める患者特定の IADL のタスクを実行するパフォーマンス ベースの評価はタスクの多くが一般臨床設定6のために適切が優先されています。
最近では、バーチャル ・ リアリティ (VR) の研究では、この技術が医学・医療、リハビリテーション医学の査定7にトレーニングに至るまでが含まれています重要なアプリケーションを持っていることを示しています。すべての参加者は、現実世界を模倣する同じ VR 条件の下でテストできます。例えば、アランら8仮想コーヒーのタスクを開発し、認知機能障害患者は不十分なタスクを実行することを示した。クリンガーら9は、メーリング リストやタスクのショッピングのための別の VR 環境を開発し、VR のタスク完了時間と神経心理学的テストの結果の意味のある関係を発見しました。IADL 評価以前の VR 研究が主にマウスとキーボードの8,9など従来の入力デバイスを使用して反応時間や精度などの単純な指標に注目します。IADL に関するより詳細なパフォーマンス データは効率的に MCI4患者のスクリーニング、したがって必要です。
リアルタイム モーション キャプチャ データのキネマティック解析は、定量的 IADL タスクに関連付けられている詳細なパフォーマンス データを文書化する強力なアプローチです。たとえば、白ら10は、日常生活のタスク中に参加者の関節角度データをキャプチャし、キャプチャしたデータ理学療法の有効性を定量的に評価するために使用する仮想キッチンを開発しました。Dimbwadyo Terrer et al.11は、日常生活の基本的なタスクを行うときに上肢の業績を評価するための没入型 VR 環境を開発し、上肢の機能の尺度と相関仮想環境における運動学的データが記録されたことを示した。モーション キャプチャ システムでこれらの運動学的解析はさらに患者の認知機能障害12を迅速に評価する機会を提供できます。MCI 患者のスクリーニングの詳細な運動データの包含は、健常者13と比較して患者の分類を大幅改善。
ここでは、没入型 VR 環境でのモーション キャプチャ システムで日常の生活動作の運動を評価するプロトコルについて述べる。プロトコルは、2 つの複雑な IADL タスクで構成されています:「タスク 1: お金を引き出す」(金融取引の処理) と「タスク 2: バス」(公共交通機関を使用して)。タスクが実行されますが、モーション キャプチャ システムは、位置と支配的な手と頭の向きをトレースします。作業 1 を完了すると、完了までの時間、移動距離、支配的な手の軌道が収集されました。作業 2 で、完了までの時間、移動距離、ヘッド軌道を集めました。MCI 患者の予備テストの詳細についてこの資料の代表結果説明 (すなわち、IADL 機能障害のある) 健常者と比較して (すなわち、IADL 機能はそのまま)。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
ここで説明したすべての実験手順は、ヘルシンキ宣言 (な HYI-15-029-2) によると、制度的レビュー ボードの漢陽大学によって承認されました。6 健常者 (男性 4 名・女性 2 名)、6 MCI 患者 (男性 3 名・女性 3) は、第三紀の医療センター、漢陽大学病院から募集されました。
1. 参加者を募集します。
- MCI 患者 (すなわち、障害者の IADL 機能) と 70-80 歳まで健康のコントロール (すなわち、通常の IADL 機能) を採用します。
- 臨床経験 10 年以上で神経科医の助けを借りて、患者の病歴を確認し、神経/精神疾患または脳外科手術の既往がある患者を除外します。
注: を使用して、次の神経心理学的テスト: ミニ精神状態検査認知症スクリーニング、韓国語インストゥルメンタルの日常生活活動、自由、選択テスト、桁スパン テスト-前方または後方、トレイルを作ってテスト-A/B13とアルバートらの基準14 MCI の診断に。
2. VR ソフトウェアをインストールし、コンピューターを接続します。
- 図 1のような専用ルームでハードウェアをセットアップします。部屋サイズ没入型仮想環境 (2.5 m3x 2.5 x 4) でこのプロトコルを実行 4 台のコンピューター、4 立体三次元 (3 D) プロジェクター、および位置および支配的な手の向きを追跡するモーション追跡カメラで 8 が含まれていると頭の中に 2 つの IADL タスク。
注: この資料で使用される VR 技術は、コンピューターのハードウェアおよびソフトウェアは、現実的なオブジェクトおよびイベントは、仮想環境で提示できる没入型のインタラクティブな 3 D 体験を提供します。ハードウェアとソフトウェアの詳細は、表のとおりです。 - すべてのコンピューターに必要なソフトウェア (Visual Studio 2012 の再頒布可能パッケージ (x86)、DirectX と MiddleVR、または同等) と装備されてを確認します。MiddleVR、すなわち、ミドルウェア ソフトウェアの入力デバイス、立体視、クラスタ リング、および相互作用のためのライブラリの最新バージョンを取得するウェブサイト15を確認してください。
- コンピューターを立体 3 D プロジェクターに接続します。グラフィック設定は、1920 x 1080 ピクセルの解像度です。
- ホーム ネットワークに 4 台のコンピューターを接続するための Windows 10 ホーム グループを作成します。プライマリ コンピューターにフォルダーを作成し、ホーム グループの他のコンピューターと共有します。
- プライマリ コンピューター上のミドルウェア ソフトウェアを開始します。「クラスター」ボタンをクリックします。サーバーおよびクライアントとして他のコンピューターとしてプライマリ コンピューターを設定します。これは、すべてのデバイスの状態を同期します。「3 d ノード」ボタンををクリックしてします。位置、向き、および仮想環境の画面のサイズを指定します。
- 15ウェブサイトに基づいて設定を完了し、構成ファイルを保存します。
3. 仮想環境でモーション キャプチャ システムを設定します。
- モーション追跡カメラでキャプチャ ボリュームを完全にカバーするための仮想環境では 8 をマウントします。キャプチャ中に静止しているので、カメラを確実に固定します。仮想環境内のオブジェクトは、すべての回で、少なくとも 2 台のカメラで表示されますを確認します。
- インストール マニュアル16を使用してプライマリ コンピューターにソフトウェア OptiTrack 動機、すなわち、モーション キャプチャ ソフトウェアをインストールします。カテゴリ 6 イーサネット ケーブルとモーション キャプチャ システムをプライマリ コンピューターを接続します。
- ソフトウェア マニュアル16に示すとおり、次の手順でのモーション キャプチャ システムを調整します。
- キャプチャ ボリュームからすべての不要な反射や不要なマーカーを削除します。
- 不要な反射や周囲の干渉をマスクする「見えないマスク」ボタンをクリックします。
- 「でて開始」ボタンをクリックします。校正の杖を使用すると、それぞれの位置と 3 D 空間の方向を計算するためにサンプル フレームのキャプチャをサポートします。
- 収集したサンプルを使用してシステムを校正するには、「計算」をクリックします。
- (最悪から最高への順序) で校正結果を確認: 貧しい人々、公正、良い偉大な優れた、優れた。結果は素晴らしいより優れている場合、は、「適用」ボタンをクリックします。そうでない場合は、「キャンセル」ボタンをクリックし、でてプロセスを繰り返します。
- 原点位置とする 3 D 空間内校正広場を配置します。追跡 3 D 座標系の原点を確立する「グランド プレーンを設定」ボタンをクリックします。
- 支配的な手と頭の関連付けられている反射マーカーを選択します。「剛体」ボタンをクリックしてし、「選択したマーカーから作成」ボタンをクリックして。
- モーション キャプチャ ソフトウェアは、「ストリーミング」メニューを開きます。3883 である記載されているポート番号を確認し、「VRPN ストリーミング エンジン」カテゴリの「フレーム データ放送」ボックスを選択します。校正ファイルを保存するには、"Ctrl"+"S"をクリックします。
- プライマリ コンピューター上のミドルウェア ソフトウェアを開始します。「デバイス」をクリックします。モーション キャプチャ システムから追跡データを取得する VRPN トラッカーを追加し、構成ファイルを保存します。
4. 使用する仮想環境を準備します。
- 仮想環境からすべての反射物 (すなわち時計、指輪、イヤリング、金属、等) を削除します。
- コンピューター、立体 3 D プロジェクター、およびモーション キャプチャ システム (360 フレーム/秒) をオンにします。
- 4 台のコンピューターを実行している、VRDaemon ソフトウェアを起動します。たとえば、「C:\Program Files (x86) \MiddleVR\bin"にある"VRDaemon.exe"をダブルクリックしてください。
- プライマリ コンピューター上には、モーション キャプチャ ソフトウェアを開始します。「オープン既存プロジェクト」というラベルの付いたトップ] メニューに近いボタンをクリックします。カメラ校正ファイルを読み込みます。
- プライマリ コンピューター上のミドルウェア ソフトウェアを開始します。「シミュレーション」ボタンををクリックしてします。共有フォルダーから適切なシミュレーションおよび構成ファイルを読み込みます。
- ミドルウェア ソフトウェア シミュレーションと構成ファイルを選択した没入型仮想アプリケーションを実行する「実行」ボタンを押します。
5. 仮想環境の理解します。
- 約 50 グラムの重量を量る立体メガネを参加者を提供します。立体メガネの表示周波数が 192 Hz 立体メガネが目と耳の上快適に配置ことを確認。図 2 aを参照してください。
- 参加者の支配的な手と頭に 1 g 未満の重量を量る反射マーカーを取り付けます。しっかりと; 反射マーカーを付ける気をつけてください。図 2 bを参照してください。彼らは自由に移動することができます参加者または頭部の動きを使用して仮想環境で回転を通知し、利き手で仮想オブジェクトをクリックすることができます。参加者の人差し指の位置を模倣する仮想環境における仮想手が表示されます。図 3を参照してください。
- 自由に移動するように参加者を求める (すなわち、立ち上がる、座る、左に行くし、右に行く) VR 環境に慣れるに 5 分間、仮想環境で。それから支配的な手を持つ仮想オブジェクトと対話する方法を理解するために 5 分用の仮想ボタンをクリックするように参加者を求めます。参加者は、1 つを要求する場合は、別の 10 分トレーニング セッションを提供します。
- 参加者がシミュレータ病気アンケート17と VR 酔いに免疫かどうかを確認します。
注意: 立体ディスプレイにトラッキング同期モーションが原因で VR 酔い、不快感、頭痛、胃の意識、吐き気、嘔吐、蒼白、発汗、疲労、眠気、見当識障害と無関心になることができます。参加者は、疲労の不平を言う、またはシミュレータ病気のスコアが高すぎる、プロトコルを停止します。
6. 実行"タスク 1: お金を引き出す」
注意: は、キャリー オーバー効果を削除するタスク 1 とタスク 2 のシーケンスを相殺します。
- 参加者にタスクの詳細を説明して、仮想環境でタスクを完了する 8 操作手順を提供します。手順 (1) 挿入 (2) '撤退' メニューを選択、(3) 選択を撤回、(4) 請求書タイプを選択、(5) PIN (個人識別番号) を入力して、(6) 受信確認オプションを選択、(7) カードを削除する量は、ATM にカードは、(8) からお金を取るATM (図 4を参照)。
- プライマリ コンピューター上のミドルウェア ソフトウェアを開始します。「シミュレーション」タブには、タスク 1 および構成ファイルのシミュレーション ファイルを選択します。「実行」ボタンをを押す「タスク 1: お金を引き出す「仮想環境で実行されます。
注: タスク 1 ファイル補足のファイル 1に添付の"タスク 1 を撤回 Money.zip"ファイルを参照してください。ユニティ 3 D エンジンと仮想のタスクが開発されたことに注意してください。 - 場合、「タスク 1: お金を引き出す"仮想の環境で実行する実行するよう参加者に指示する:「ショッピングのため ATM から 70,000 ウォン (約 60 ドルに相当) を撤回してください。ノートの選択 2 種類、1 つ 20,000 ウォン、5万ウォンと 2 つの 10,000 のための 50,000 ウォン注ウォン ノートします。トランザクションのパスワードは本日の日付です。例えば、実験 11 月 11 日に行ったが場合、ピンは 1111 です。ください、領収書より詳細なリファレンス"
- タスクが完了すると、共有フォルダーからさらに分析を CSV ファイル (コンマ区切り) に保存した運動データを確認します。
注: 中にモーション キャプチャ システムを使用して「タスク 1: お金を引き出す「1 の記録の頻度でタスクを行う場合、位置および支配的な手の向きを記録 ms。 - 開始する前に、参加者に約 5 分の休憩を与える「タスク 2: バス」。
7. 実行」タスク 2: バス」
- 参加者にタスクの詳細を説明しを完了する方法について説明「タスク 2: バス"次ように:"のバス停で待ってからターゲット バスします下さい。バス、ターゲットの情報は、特定の行番号、色、および目的地によって VR 画面に与えられます。ターゲットのバスが到着すると、必ずターゲット バスの正面玄関にバス停留所から徒歩します。8 別のターゲット バス ランダムに生成され提示します。」図 5を参照してください。
- プライマリ コンピューター上のミドルウェア ソフトウェアを開始します。「シミュレーション」タブでは、タスク 2 および構成ファイルのシミュレーション ファイルを選択します。「実行」ボタンを押して、「タスク 2: バス"仮想環境で実行されます。
注: タスク 2 ファイル補足のファイル 2に添付の「タスク 2 を取る、Bus.zip」ファイルを参照してください。ユニティ 3 D エンジンと仮想のタスクが開発されたことに注意してください。 - 場合、「タスク 2: バス"バス停で待機する参加者に指示する仮想環境で実行されます。バスがバス停に到着するキーボードの「スペースバー」キーをクリックしてします。
- タスクが完了すると、共有フォルダーからさらに分析用の CSV ファイルに保存した運動データを確認します。
注: 中にモーション キャプチャ システムを使用して「タスク 2: バス"1 記録の頻度でタスクを行う際の位置と頭の向きを記録 ms。 - プロトコルは完了です。立体メガネを外し、支配的な手と頭から反射マーカーをデタッチ参加者を助けます。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
CSV ファイルから「タスク 1: お金を引き出す「支配的な手の軌跡、移動距離と完了まで時間を計算する統計ソフト R を用いて分析を行いました。支配的な手の動きの軌跡を視覚化 (図 6)。支配的な手の移動距離は、タスク 1 を実行しながら順次手の位置間の合計距離を加算して計算されます。位置の間の距離は、ユークリッド距離です。完了までの時間は、(すなわちステップ 1「挿入 ATM にカード」を手順 8"ATM から取るお金"から) 全体タスクを完了するのにかかる時間を意味します。統計分析の R コードを補足ファイル 3に添付の「タスク 1 R Code.docx」ファイルを参照してください。
CSV ファイルから「タスク 2: バス」の移動距離ヘッド軌道を計算して統計ソフトウェア R を使用完了する時間を分析。頭の動きの軌跡を視覚化 (図 7)。頭の移動距離は、タスク 2 を実行するときの頭の位置を逐次間の合計距離を加算して計算されます。2 つの位置の間の距離は、ユークリッド距離です。完了までの時間は、開始から 8 つのターゲット バス全体の作業の最後に撮影時間を意味します。統計分析の R コードを補足ファイル 4に添付の「タスク 2 R Code.docx」ファイルを参照してください。
身体特性と MCI と健常者と患者から運動学的措置は表 1のとおりです。この VR テスト運動とは、IADL の複雑なタスクの運動を測定するシステム プレゼント新たな機会をキャプチャします。ここで提示されたプロトコルに従うと、研究者は、運動パフォーマンス データを取得"タスク 1: お金を引き出す」(金融取引の処理) と「タスク 2: バス」(公共交通機関を使用して)。
確かに、このプロトコルでのケース コントロール研究はで見つけることができるいくつかの分析 (すなわち、多変量分散分析、ピアソンの相関分析と前方ステップワイズ線形判別分析) を行った私たち実証的研究13。
図 1: 部屋サイズの没入型仮想環境この図の拡大版を表示するのにはここをクリックしてください。
図 2: 審査前に、準備します。(A) 対象立体眼鏡。(B) 反射マーカーは、支配的な手と頭にアタッチされます。この図の拡大版を表示するのにはここをクリックしてください。
図 3: 仮想環境で仮想手表現します。(A) 白球は人差し指の位置を表します。参加者は、仮想番号「2」ボタンををクリックしてします。(B)参加者は、仮想数「4」ボタンをクリックします。この図の拡大版を表示するのにはここをクリックしてください。
図 4: タスク 1: 気圧から金を引き出す(A) 参加者は、気圧に PIN コードを入力 (B) 参加者は、気圧からお金を撤回この図の拡大版を表示するのにはここをクリックしてください。
図 5: タスク 2: バスを取る(A) 参加者がバス停で待っています。(B) 参加者は、バス停からそしてターゲット バスに歩きます。この図の拡大版を表示するのにはここをクリックしてください。
図 6: タスク 1: 3 D デカルト スペースで手運動軌跡。(A) 健康的なコントロール。(B) MCI 患者。この図の拡大版を表示するのにはここをクリックしてください。
図 7: タスク 2: 3 D デカルト スペースで頭移動軌跡。(A) 健康的なコントロール。(B) MCI 患者。この図の拡大版を表示するのにはここをクリックしてください。
| MCI 患者 | 健常者 | |
| 数 (男性) | 6 (3) | 6 (4) |
| 年齢 (年) | 72.4 ± 1.9 | 72.6 ± 1.7 |
| タスク 1: お金を引き出す | ||
| 移動距離 (m) | 34.7 ± 9.1 | 52.5 ± 10.5 |
| 完了 (分) までの時間 | 1.8 ± 0.3 | 1.3 ± 0.2 |
| タスク 2: バスします。 | ||
| 移動距離 (m) | 100.3 ± 11.4 | 128.5 ± 14.2 |
| 完了 (分) までの時間 | 13.5 ± 0.2 | 13.5 ± 0.2 |
表 1:選手の形態および運動学的措置. 値は、平均 ± SD.
補足ファイル 1: タスク 1 を撤回 Money.zip.このファイルをダウンロードするここをクリックしてください。
補足ファイル 2: タスク 2 を取る、Bus.zip.このファイルをダウンロードするここをクリックしてください。
補足ファイル 3: タスクの 1 R Code.docx.このファイルをダウンロードするここをクリックしてください。
補足ファイル 4: タスク 2 R Code.docx.このファイルをダウンロードするここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
没入型 VR 環境でのモーション キャプチャ システムで日常の生活動作の運動学的測定プロトコルを詳しく説明します。まず、実験の設定をセットアップする方法に誘導準備と没入型 VR 環境の理解します。第二に、VR の 2 つの標準化された IADL タスクを開発しました。第三に、ステップ 3 とステップ 5 プロトコル] セクションでは、VR 酔いを最小限に抑えるために最も重要な手順です。仮想環境 (ステップ 3) でモーション キャプチャ システムを設定する場合完全キャプチャ ボリュームをカバー、安定する、キャプチャ中に動きを防ぐため、少なくとも 2 台のカメラができるようにカメラを修正するのに十分高い追跡カメラをマウントすることが重要です。同時に、オブジェクトをキャプチャして仮想環境から不要な反射や不要なマーカーを削除します。VR (ステップ 5) で参加者を習熟して、仮想体験に慣れるそれらのための十分なトレーニングを提供することが重要です。参加者の経験 (例えば、不快感、頭痛、吐き気、嘔吐、蒼白、発汗、疲労、眠気、見当識障害、および無関心) VR 病気症状、実験を停止する必要があります。最後に、運動の raw データは、統計ソフトウェア R によって翻訳されました。
制限とプロトコルの挑戦は、仮想の IADL タスクを本当の IADL タスクと比較検証することです。以前の研究で示されてバーチャルとリアルの両方のタスクが反応時間、精度8、臨床、および機能対策11面で相関が現在の運動の測定プロトコルは多くと互換性があります。従来の神経心理学的評価。この検証を踏まえ、我々 はこのプロトコルにさまざまな IADL タスクをスケール アップする必要があります。別の制限は、このプロトコルより加速度、動きの精度、効率などの仮想環境で洗練された運動学的指標を含めるべき典型的な運動の対策を分析します。
現在の運動測定プロトコルの意義は高速、安全、容易に行える、非侵襲的な初期の IADL 赤字の検出のため。このプロトコルを使用して元の研究では、神経心理学的テストの結果ベストと組み合わせて運動対策が健常者13MCI 患者を差別を確認しました。特定の機能的障害の定量化がよくソースおよび神経学的な損害の範囲を特定する基礎を提供でき、したがって治療法18の個性化の臨床の意思決定を支援します。このコンテキストでこの記事で提案されたプロトコルは、エビデンスに基づいた臨床意思決定される可能性があります。
将来のアプリケーションを考慮した外傷性脳傷害19など他の神経心理学的疾患のこのプロトコルを使用することができます。また、どのタイプがより挑戦的な識別するために現在のプロトコルに特定のサブタスクを分析する興味深いことがあります。さらに、脳卒中患者を訓練する最近の VR 研究ゲーム介入の VR ベース20記憶や注意機能改善を示した。その他の神経心理学的リハビリテーションのコンテキストにこのプロトコルを適用する大きな関心のことです。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者は利益相反を宣言しません。
Acknowledgments
K. s.、アダムローリーは均等に貢献します。この研究は、基本的な科学研究開発プログラムを通じて、国立研究財団の韓国 (NRF) 科学省 ICT ・将来計画 (NRF 2016R1D1A1B03931389) によって資金を供給によって支えられました。
Materials
| Name | Company | Catalog Number | Comments |
| Computer | N/A | N/A | Computer requirements: - Single socket H3 (LGA 1150) supports - Intel® Xeon® E3-1200 v3, 4th gen. Core i7/i5/i3 processors - Intel® C226 Express PCH - Up to 32GB DDR3 ECC/non-ECC 1600MHz UDIMM in 4 sockets - Dual Gigabit Ethernet LAN ports - 8x SATA3 (6Gbps) - 2x PCI-E 3.0 x16, 3x PCI-E 2.0 x1, and 2x PCI 5V 32-bit slots - 6x USB 3.0 (2 rear + 4 via headers) - 10x USB 2.0 (4 rear + 6 via headers) - HD Audio 7.1 channel connector by Realtek ALC1150 - 1x DOM power connector and 1x SPDIF Out Header - 800W High Efficiency Power Supply - Intel Xeon E3-1230v3 - DDR3 PC12800 8GB ECC - WD 1TB BLUE WD 10EZEX 3.5" - NVIDIA QUADRO K5000 & SYNC |
| Stereoscopic 3D Projector | Barco | F35 AS3D WUXGA | Resolution: - WQXGA (2,560 x 1,600) - Panorama (2,560 x 1,080) - WUXGA (1,920 x 1,200), 1080p (1,920 x 1,080) |
| Stereoscopic Glasses | Volfoni | Edge 1.2 | For further information, visit http://volfoni.com/en/edge-1-2/ |
| Motion Capture Systems | NaturalPoint OptiTrack | 17W | For further information, visit http://optitrack.com/products/prime-17w/ |
| OptiTrack (Motion capture software) | NaturalPoint OptiTrack | Motive 2.0 | For further information, visit https://optitrack.com/downloads/motive.html |
| MiddleVR (Middleware software) | MiddleVR | MiddleVR For Unity | For further information, visit http://www.middlevr.com/middlevr-for-unity/ |
| VRDaemon (Middleware software) | MiddleVR | MiddleVR For Unity | For further information, visit http://www.middlevr.com/middlevr-for-unity/ |
| Unity3D (Game engine) | Unity Technologies | Personal | For further information, visit https://unity3d.com/unity |
References
- Reppermund, S., et al. Impairment in instrumental activities of daily living with high cognitive demand is an early marker of mild cognitive impairment: the Sydney Memory and Ageing Study. Psychol. Med. 43 (11), 2437-2445 (2013).
- Graf, C. The Lawton instrumental activities of daily living scale. Am. J. Nurs. 108 (4), 52-62 (2008).
- Gold, D. A. An examination of instrumental activities of daily living assessment in older adults and mild cognitive impairment. J. Clin. Exp. Neuropsychol. 34 (1), 11-34 (2012).
- Jekel, K., et al. Mild cognitive impairment and deficits in instrumental activities of daily living: a systematic review. Alzheimers. Res. Ther. 7 (1), 17 (2015).
- Suchy, Y., Kraybill, M. L., Franchow, E. Instrumental activities of daily living among community-dwelling older adults: discrepancies between self-report and performance are mediated by cognitive reserve. J. Clin. Exp. Neuropsychol. 33 (1), 92-100 (2011).
- Desai, A. K., Grossberg, G. T., Sheth, D. N. Activities of Daily Living in patients with Dementia. CNS drugs. 18 (13), 853-875 (2004).
- Ma, M., Jain, L. C., Anderson, P. Virtual, augmented reality and serious games for healthcare 1. 68, Springer Science & Business Pubs. Berlin. (2014).
- Allain, P., et al. Detecting everyday action deficits in Alzheimer's disease using a nonimmersive virtual reality kitchen. J. Int. Neuropsychol. Soc. 20 (5), 468-477 (2014).
- Klinger, E., et al. AGATHE: A tool for personalized rehabilitation of cognitive functions based on simulated activities of daily living. IRBM. 34 (2), 113-118 (2013).
- White, D., Burdick, K., Fulk, G., Searleman, J., Carroll, J. A virtual reality application for stroke patient rehabilitation. ICMA. 2, 1081-1086 (2005).
- Dimbwadyo-Terrer, I., et al. Activities of daily living assessment in spinal cord injury using the virtual reality system Toyra: functional and kinematic correlations. Virtual Real. 20 (1), 17-26 (2016).
- Preische, O., Heymann, P., Elbing, U., Laske, C. Diagnostic value of a tablet-based drawing task for discrimination of patients in the early course of Alzheimer's disease from healthy individuals. J. Alzheimers. Dis. 55 (4), 1463-1469 (2017).
- Seo, K., Kim, J. K., Oh, D. H., Ryu, H., Choi, H. Virtual daily living test to screen for mild cognitive impairment using kinematic movement analysis. PLOS ONE. 12 (7), e0181883 (2017).
- Albert, M. S., et al. The diagnosis of mild cognitive impairment due to Alzheimer's disease: Recommendations from the National Institute on Aging-Alzheimer's Association workgroups on diagnostic guidelines for Alzheimer's disease. Alzheimers. Dement. 7 (3), 270-279 (2011).
- MiddleVR. User Guide. [FR]. , Available from: http://www.middlevr.com/doc/current/ c2014-c2017 (2017).
- OptiTrack. Motive Quick Start Guide. , Available from: https://optitrack.com/public/documents/motive-quick-start-guide-v1.10.0.pdf c1996-c2017 (2017).
- Kennedy, R. S., Lane, N. E., Berbaum, K. S., Lilienthal, M. G. Simulator sickness questionnaire: An enhanced method for quantifying simulator sickness. Int. J. Aviat. Psychol. 3 (3), 203-220 (1993).
- Singh, N. B., Baumann, C. R., Taylor, W. R. Can Gait Signatures Provide Quantitative Measures for Aiding Clinical Decision-Making? A Systematic Meta-Analysis of Gait Variability Behavior in Patients with Parkinson's Disease. Front. Hum. Neurosci. 10, 319 (2016).
- Hernandez, F., et al. Six degree-of-freedom measurements of human mild traumatic brain injury. Ann. Biomed. Eng. 43 (8), 1918-1934 (2015).
- Gamito, P., et al. Cognitive training on stroke patients via virtual reality-based serious games. Disabil. Rehabil. 39 (4), 385-388 (2017).
