3D kinematisk Gait-analyse for prækliniske studier med gnavere

Summary

Præsenteret her er en protokol til at indsamle og analysere tredimensionelle kinematik af firpedal bevægelse i gnavere for prækliniske studier.

Abstract

Nytten af tredimensionale (3D) kinematiske motion analysesystemer er begrænset i gnavere. En del af årsagen til denne utilstrækkelighed er brugen af komplekse algoritmer og matematiske modellering, der ledsager 3D dataindsamling og analyseprocedurer. Dette arbejde giver en enkel, brugervenlig, trin-for-trin detaljeret metode til 3D kinematisk gangart analyse underløbe bånd Locomotion i raske og Neuro traumatiske rotter ved hjælp af en seks-kamera bevægelse Capture System. Også givet er detaljer om 1) kalibrering af systemet i en eksperimentel set-up tilpasset til firpedal bevægelse, 2) dataindsamling for løbebånd Locomotion i voksne rotter ved hjælp af markører placeret på alle fire lemmer, 3) muligheder for video tracking og behandling, og 4) grundlæggende 3D kinematisk dataproduktion og visualisering og kvantificering af data ved hjælp af den indbyggede dataindsamling software. Endelig, det foreslås, at nytten af denne bevægelse Capture System udvides til at studere en række motoriske adfærd før og efter neurotrauma.

Introduction

I gnavere vurderes forbimb-og baglemmer-underskud efter neurologiske lidelser almindeligvis ved hjælp af subjektive scorings systemer¹. Automatiserede systemer^2,3,4,5 er blevet vedtaget for gangart-analyse, men lider af ulemper, fordi de primære resultater er baseret på footprint analyse og undlader at fange afgørende segmental og fælles kinematiske variabler, der ellers kan afsløre sande kinematik af lemmer bevægelser². Da de fleste gangart parametre er korreleret, en samling af gangart parametre er nødvendig for at forstå kompensationer vedtaget af rotter til helt at vurdere motoriske underskud.

I det seneste årti er flere 3D-bevægelses analysesystemer⁶ blevet udviklet til biomedicinsk forskning i mennesker. Disse systemer har været en succes og vist sig at være effektive til at fange underskud i bevægelse i raske voksne samt ændret kinematik af Walking^6,7. I gnavere, i øjeblikket tilgængelige 3D kinematiske motion systemer vedtage komplekse algoritmer og modellering for bevægelsen adfærd og udnytte sofistikerede dataanalyse teknikker^8,9,10,11 , som i sidste ende begrænser deres alsidighed. Desuden er de metoder, der anvendes til indsamling af data med de fleste 3D-bevægelses optagelses systemer, ikke tilstrækkeligt forklaret i litteraturen. Detaljerne om dataindsamling og analyseprocedurer, begrænsninger og teknikker, der er involveret i effektivt at bruge systemet mangler.

Derfor er en af de fælles begreber blandt forskerne, at 3D motion tracking kinematiske vurderinger er temmelig krævende og tidsrøvende procedurer, der har brug for teknisk ekspertise og udarbejde dataanalyse. Hensigten med dette arbejde er at nedbryde dataindsamlings-og analyse protokollerne og beskrive metoden gennem en trinvis proces, så den er objektiv, let at lære og systematisk kan kontaktes. I dag er der en ny vægt på at vurdere funktionel motorisk adfærd på en mere omfattende og systematisk måde efter Neurologiske skader og indgreb i prækliniske undersøgelser.

I realm af firpedal bevægelse, præsenteret her er brugen af en 3D motion tracking system, der kan give yderligere oplysninger såsom kropsholdning, pote rotation med hensyn til krops akser, Inter-relationer af leddene, og mere præcise oplysninger med hensyn til koordination, mens samtidig visualisere hele dyret fra alle fly. Dette, til gengæld, kan afsløre kritiske forskelle i motorisk adfærd inden for og mellem raske og sårede rotter gennem flere resultater. Med en mere raffineret kinematisk analyse, der er nøjagtig og objektiv, minimeres risikoen for, at en intervention fejlagtigt udleder virkninger. De genererede data fra denne motion capture software er visualiseret frame-by-frame for kvaliteten af bevægelsen og kan spores automatisk, og dataindsamling eller kvantificering kræver ikke nogen yderligere algoritmer eller modellering. Formålet med dette arbejde er at tilvejebringe metodologiske detaljer og overvejelser i forbindelse med dataindsamling og analyse af 3D-gangart kinematik under løbebånds bevægelse i raske og rygmarvs skadede rotter. Denne protokol er beregnet til brug af prækliniske forskere, der udnytter neurologiske rotte modeller i eksperimenter.

Protocol

Denne undersøgelse blev udført i overensstemmelse med anbefalingerne fra National Institutes of Health guide til pleje og brug af forsøgsdyr. Protokollen blev godkendt af den stenede Brook University kanslerens Dyreforsknings udvalg.

1. opsætning af bevægelses optagelses system

1. Set-up
2. Monter seks kameraer på væggen (eller stativer) ved hjælp af fint justerbare gear hoveder. Placer tre kameraer over på hver side af løbebåndet, med hvert kamera vinklet 20 °-45 ° under horisonten, ca 2,0 m væk fra løbebåndet og ca. 0,5 m væk fra tilstødende kameraer for maksimal dækning af markører (figur 1).
   1. Udstyre hvert kamera med en ring lys til visualisering af retroreflective markører.
3. Start bevægelses optagelses systemet.
   1. Under projekt | Specifikation, skal du definere de ønskede markører for eksperimentet.
      Bemærk: til demonstrationsformål anvendes i alt 22 markører til både forbimberne og bagbenene (11 markører på hver side) til at vurdere bilateral firpedal bevægelse. Alternativt, den import mærke placere hos specifik mærke id valgmulighed tillader nemlig forudindstillet beregninger inde den programmel.

2. kalibrering af bevægelses opsamlingssystem

1. Optagelse af kalibrerings video
   1. Placer den L-formede kalibrerings ramme (i det følgende benævnt "L-Frame") i ortogonalt på løbebåndet, med det lange ben af L-rammen, der peger i rotte retningen (figur 2).
   2. Åbn motion capture-softwaren, og vælg Optag for at hente kalibrerings videoen.
   3. Flyt den Trident formede kalibrerings ramme (herefter benævnt "Tryllestav") i hele løbebåndet i rummet for at dække alle områder, som rotten vil gå i.
      Bemærk: L-frame indeholder fire markører, der etablerer det globale koordinatsystem og staven indeholder tre markører, der vil kalibrere 3D Walking Space af rotten.
   4. Optag mindst 1 min. optagelser for at sikre, at der er tilstrækkelige trylle datapunkter til korrekt kalibrering ved 120 frames/s.
   5. Gem videoerne som 3D-kalibrerings filer.
2. L-frame tracking
   1. Højreklik på kamera gruppen, og vælg 3D-sporing. Vælg 3D-kalibrerings videoerog derefter alle kalibrerings kameraerunder rulle vinduet.
   2. Brug funktionen Fixed point til at spore L-frame-oprindelsen, L-frame-kort, L-frame Mid og L-frame lang på hver af de seks kalibrerings videoer. Definer alle punkter, og Vælg knappen Søg automatisk .
      Bemærk: L-frame-positionen skal forblive konsistent i forhold til løbebåndet under hele forsøget for at forhindre, at koordinatsystemet skifter.
3. Sporing af tryllestav
   1. Højreklik på kamera gruppen, og vælg automatisk sporing af 3D-stav.
   2. Vælg alle kameraer i kamera valget. Nederst til højre i vinduet skal du vælge Indstillinger, de-vælge Find L-rammeog vælge Start sporing.
   3. Efter automatisk sporing skal du vælge Tildel tryllestav kort, tryllestav midt og stav lange markører for alle seks kameraer.
   4. I vinduet 3D-sporing skal du vælge Eksporter til rå dataog derefter vælge indstillingen over Skriv eksisterende Wand-data for at gemme sporing.
   5. Vælg Ja i det vindue, der vises efter det sidste trin, for at gemme de mest nøjagtige data.
      Bemærk: denne nye sporing vil blive gemt som sporing under automatisk sporing fanebladet i venstre sidebar. Gemt sporing kan tilgås og redigeres senere.
4. Beregning af kalibrering
   1. Højreklik på kamera kalibrerings grupper , og vælg ny stav kalibrerings gruppe.
   2. Vælg alle kameraer, og hold CTRL (Control) nede, mens du vælger OK.
   3. Skift stav længde til 100,00 mm, L-frame gulv forskydning til 7,00 mm, iterationer for outlier-detektion til 4, og tilladt stav længde-afvigelse til 0,300.
   4. Skift kameraet, at staven skal være synlig i option til 4, og slå følgende: Fix højde-bredde-forhold, fix skew parameter, og Fix hovedpunkt (tabel 1).
      Bemærk: disse indstillinger blev eksperimentelt fast besluttet på at være optimale for denne opsætning.
   5. Accepter kalibreringer med standardafvigelse af stav længde på under 3 mm og restværdi på mindre end 0,004.
      Bemærk: Hvis kameraerne eller det tilhørende udstyr flyttes ud over dette punkt, skal man kalibrere systemet igen.

3. træning og klargøring af dyret til løbebånd bevægelse

1. Træning rotter til løbebånd bevægelse
   1. Akklimatiserer rotter til løbebåndet i 5 min før en træningssession¹².
   2. Træne rotter til at gå med fuld vægt leje på deres lemmer ved 13 cm/s for 15 min/session om morgenen for 1 uge. Træne alle rotter, indtil de er i stand til konsekvent at gå (mindst 10 kontinuerlige trin) på løbebåndet¹².
   3. Gennemfør træningssessioner omkring samme tidspunkt på dagen for hver rotte.
2. Før dataindsamlingen anæstetisere rotten ved at placere rotten i et inkubations kammer.
   1. Levere isofluran gas (1,0%-2,5%) og 0,4 L ilt i ca. 5 min. Knib foden af rotten for at kontrollere dybden af anæstesi.
   2. Fortsæt, når rotten ikke reagerer på pote knivspids (negativ Paw tilbagetrækning refleks).
3. Barber rotten i områder, hvor der vil blive anbragt markører for at undgå, at pelsen forstyrrer markør sporing (figur 1).
   1. Palpere huden for Bony landemærke at placere markører. Brug pennemarkører for samlinger distale til albuen og knæet (figur 3).
      Bemærk: de retrorefltive markører er plastik halvkugler 0,5 cm i diameter dækket med retroreflective tape.
   2. Placer markørerne som ønsket på Bony-landemærker før dataindsamlingen (figur 3).
      Bemærk: i raske, ikke-Neuro traumatiske rotter, retroreflective markører placeret over distale samlinger er ofte fjernet af rotter. Til demonstrationsformål placeres retrorefltive markører over de proksimale Bony-landemærker (iliac-Crest, hofte, knæled til bagbenene, skulder-og albue leddene til forbimb), og penne bruges til de mere distale landemærker. I vores hænder, dette har givet reproducerbare resultater mellem og inden for rotter (ikke-offentliggjorte data).

4. bevægelses optagelse

1. Vælg den røde kameraknap på den øverste bjælke i motion capture-softwaren for at optage en prøveversion. Angiv den gemme placering på computeren, og vælg Begynd optagelse for at optage ved 120 frames/s.
2. Indstil en brugerdefineret løbebånd hastighed og lad rotten gå i ca. 30 s, eller et minimum af 10 kontinuerlige trin.
3. Stop optagelsen, og kontroller, at optagelserne indeholder mindst ~ 10 kontinuerlige trin, før du fortsætter.
4. Opret en ny kameragruppe for hvert prøveabonnement, når du har gemt den optagede video.

5. motion tracking

1. Vælg " +"-tegnet ved siden af den gemte kameragruppe. Dette vil vise en liste over alle seks kameraer.
2. Tildel 3D-kalibrering til kamera filen
   1. Gå til kamera kalibrerings gruppe og højreklik på beregnet kalibrering. Vælg Tildel 3D-kameraparametre. Tildel kalibrerings filen til de relevante kamera filer i den gemte kameragruppe. Hold markøren over kamera filen for at kontrollere kalibreringen (læses som 3D-kalibrering gyldig).
3. Individuel kamera 2D tracking
   1. Højreklik på kamera gruppen for bevægelsessporing. Vælg 2D-sporing.
   2. Vælg syv til ti bedste kontinuerlige og konsekvente trin til sporing. Indspil ramme nummeret ved den første kontakt af reference ekstremiteten på løbebåndet for hvert trin.
      Bemærk: til demonstrationsformål blev venstre bagled valgt som reference ekstremiteter.
4. Forskellige sporingsmuligheder er tilgængelige.
   1. Højreklik på markør for interesse og vælg automatisk tracking, som vil detektere lyse cirkulære pletter skabt af retroreflective markører (figur 4).
   2. Alternativt kan du spore markører ved hjælp af mønster matchning, som vil bruge en algoritme indbygget i softwaren til at spore markører baseret på størrelse og farve (figur 4).
   3. Spore og korrigere ikke-detekterbare markører eller fejl i sporing manuelt.
5. Brug sorte markører, når distale samlinger retroreflective markører ikke er mulige.
   1. Spor sorte markører ved hjælp af avanceret billedbehandling ved at invertere sorte markører til lyse pletter for automatisk sporing.
      Bemærk: indstillingen billedbehandling kan bruges til at hjælpe med at spore markører, der er svære at opdage eller se.
   2. Højreklik på rotte videoen i 2D-sporingsvinduet. Vælg billedbehandling.
   3. Vælg Avanceret visning , og Tilføj en kombination af de fire filtre (lysstyrke, kontrast, gamma) for at gøre den sorte markør så mørk som muligt i forhold til omgivelserne. Endelig tilføje Inverter, og den sorte markør vil blive en lys markør, der kan spores automatisk (figur 5).
6. Korrektion af markørplacering
   1. Spore og korrigere ikke-detekterbare markører eller fejl i sporing manuelt.
   2. Hvis du vil spore videoen manuelt, skal du vælge det ønskede mærke på højre sidebjælke. Højreklik, og vælg Manuel sporing. Begynd at spore det valgte mærke på rotte videoen, der vises billede for billede.
   3. Hvis du vil rette eventuelle fejl, skal du gå til den ramme, hvor sporings fejlen opstod. Højreklik på fanen specifik markør i højre sidebjælke, og klik på Slet punkt. Retrack punktet manuelt ved den nøjagtige position.
7. Ved hjælp af ovenstående metode, komplet 2D tracking for alle kameraer, der anvendes til alle ønskede markører i rammen vifte af kontinuerlige trin.
8. Klik på Gem gennem hele sporingsprocessen.

6. kinematisk analyse

1. Fase opgaver
   1. Højreklik på faser , og vælg Rediger fase model.
   2. Tilpas gangart cyklus faser for hver lemmer i henhold til de underskud, man vælger at studere (f. eks tilsætning af træk faser, tå krølle faser, etc.) inden for den traditionelle holdning og swing faser af en trin cyklus. Definer faserne for forsøget (figur 6).
      Bemærk: til demonstrationsformål vises tre faser her, og den venstre bagled anvendes som reference ekstremiteter for de syv til ti gangscyklusser.
   3. Højreklik på kameraet i kamera gruppen, og vælg Vis video.
   4. Tildel faser af gangart-cyklussen for hvert led i softwaren ved hjælp af knappen Tilføj fase eller F11 genvejstast.
   5. Vælg det relevante led under analyse, og Angiv den første ramme for sporing som starten på holdnings fasen.
   6. Fremskridt videoen til rammen, hvor holdning fase slutter og swing fase starter. Angiv denne ramme som starten på sving fasen.
   7. Fremskridt videoen til det første billede, hvor foden begynder at stige ned. Angiv denne ramme som starten på midten af sving fasen.
      Bemærk: denne fase af en trin cyklus for hver lemmer er defineret som den første ramme, hvor lemmer kontakter løbebåndet overflade. Swing fase er defineret som den første ramme, hvor lemmer forlader løbebåndet overflade. Mid swing fase er rammen, hvor lemmer opnået maksimal clearance og begynder at stige ned. En komplet gangart cyklus er defineret fra starten af første holdning til stillingen fase tildeling af den næste gangcyklus.
   8. Gentag disse trin, indtil tildelingerne for ekstremitets faser er fuldført for hvert trin. Gentag for de tre andre lemmer.
2. 3D koordinat beregninger
   1. Udfør 3D-beregninger eftersporing af alle seks kameraer.
   2. Højreklik på kamera gruppen, og vælg ny 3D-beregning, klik på alle for kamera valg, og vælg derefter OK.
      Bemærk: der vises en ny mappe. Denne mappe indeholder alle 3D-koordinat data for alle registrerede markører. Hvis du vil se og/eller redigere faser, skal du højreklikke på 3D-koordinater i venstre sidebjælke og vælge Rediger faser (figur 7).
   3. Generer data af interesse såsom fælles højde eller hastighedsdiagrammer med datapunkter ved at trække ud markør af interesse for at se side om side med de tildelte gangart faser. (f. eks. fælles kinematik i figur 8).
3. 3D-diagram
   1. Klik på 3D-diagram for at generere en 3D-figur af prøveversionen.
4. Eksporter rå data ved at højreklikke på 3D-koordinater/eksport.
   1. Højreklik på 3D-koordinat filen , og vælg Eksporter.
   2. Åbn filen i et regnearksprogram, og Importer dataene til MATLAB.
   3. Opret et program til at oprette plots af ekstremitets trinhøjde koordination.
      Bemærk: 3D koordinat data kan eksporteres til analyse software eller brugerdefinerede definerede makro scripts til at generere flere data, ud over hvad softwarefunktioner tilbyder.

Representative Results

Denne protokol viser en metode til kvantitativ 3D kinematisk dataindsamling og analyse for løbebånd bevægelse i gnavere ved hjælp af en simpel, indbygget software. Resultaterne viser, at protokollen er muligt at indsamle og analysere firpedal bevægelse kinematik i raske og rygmarven-sårede rotter. Forskere med rotte håndterings erfaring skal placere markører på rotter, derefter kalibrere og bruge bevægelses opsamling system uden nogen kritiske spørgsmål. Data er let genereres uden brug af komplekse algoritmer.

Her blev protokollen implementeret i sund og rygmarv såret (C5 højre hemisection) rotter. Med henblik på dette manuskript vises kun repræsentative resultater. Samlet set var forskellige kinematik af fælles og lemmer segment bevægelse let opnåelige fra 3D-koordinaterne for hver markør. Der blev let detekteret kritiske forskelle mellem unormal gangstid og sunde gangart-cyklusser med flere udfald, herunder (men ikke begrænset til) trinhøjde målinger, fælles hastighed, ledvinkel (figur 9), trin cyklus fase varigheder for alle fire lemmer, og koordinering af lemmer (figur 10). Analyse af kvalitative data i form af parceller og Stick diagrammer kan vejlede fastlæggelsen af de kvantitative værktøjer, der anvendes til at gennemføre de endelige resultater af denne analysemetode (Figur 11).

I en repræsentativ sund rotte demonstrerede albue vinkel profilen glatte, enkelt toppe med konsistente tilstødende gangscyklusser, der viste et komplet bevægelsesområde (figur 9). De skiftende holdning fase og swing fase varigheder af Traces foreslog konsekvent intralimb koordination. I modsætning hertil viste albue vinklen profil af en repræsentativ rygmarv såret rotte flere forvrængede toppe, som var mindre konsekvente og af mindre intervaller af bevægelse. Ud over ændringer i den forlængede holdning fase og forkortede swing fase varigheder, der var en mangel i intralimb koordination for RFL.

I de fremlagte repræsentative data, der er afbildet med henblik på koordination, konstateredes det, at koordinations områder (figur 10) genereret fra repræsentative raske rotter viste en veldefineret, vekslende rytmisk koordination i ipsilaterale lemmer under cyklusser (L-formet mønster) og i-fase D-formet mønster med kontralaterale lemmer. Til sammenligning viste en repræsentativ rygmarv-såret (C5 Right hemisection) rotte dårlig ikke-vekslende og ikke-rytmisk koordination i ipsilaterale lemmer og en usædvanlig vekslende rytmisk koordination (L-formet mønster) i en af de kontralaterale parringer af lemmer (figur 10). I betragtning af det observerbare underskud i den rigtige abduktion af forben i den indspillede motion video antyder dette, at rfl og LHL ikke kunne bære fuld vægt uden støtte fra hverken LFL eller RHL på et givet tidspunkt. Denne tendens antyder en kompensationsmekanisme til at klare den tvungne ganghastighed på et løbebånd.

Kvantificerbare data blev let genereret fra brugen af 3D-systemet, men dette indebar adgang til separate faner og vælge fra en lang række muligheder i softwaren. Der er igangværende arbejde med at udvikle en automatiseret skabelon, der vil generere kvantitative og kvalitative data i en enkelt rapport for de mest oplagte resultater af interesse (uden behov for individuelt at generere forskellige resultater), som det rutinemæssigt sker med kinematik-systemet anvendes til kliniske studier. Således kan flere endepunkter kompileres og eksporteres i et rapportformat, der let kan visualiseres umiddelbart efter en retssag.

Figur 1 : Eksperimentel opsætning. (A) skematisk af en seks-kamera kinematisk dataindsamling set-up for en løbebånd Walking opgave. Et sæt af tre kameraer er placeret på begge sider af løbebåndet til at fange (ramme for ramme) venstre og højre markørbevægelser under bevægelse. (B) diagram, som skildrer markørplacering over Bony-landemærker på gnaver Rens forber og baglemmer for at fange firpedal bevægelses kinematik. I alt 11 markører er placeret på hver side af rotten. De skraverede områder viser det område, hvor rotten er barberet. Venligst klik her for at se en større version af dette tal.

Figur 2 : Markører til kalibrering. A) markør sæt opgaver for stav kalibrerings systemet ved hjælp af to kalibrerings rammer: l-ramme og stav (B) koordinatsystemet defineres af l-rammen, hvor l-frame-oprindelsen (skæringspunktet mellem to ben af rammen) er defineret som (0,0). De to lemmer af L-rammen, L-frame kort, og L-frame lang definere x-og y-akser, henholdsvis, og z-aksen er defineret som vinkelret på XY-planet. Venligst klik her for at se en større version af dette tal.

Figur 3 : Markørtyper. A) foto af rotte nedre bagagerum, der viser de anvendte to typer markører. B Fotografi demonstrerer en retroreflective markør placeret på bækkenbens Crest med dobbeltsidet tape, der er designet til at holde sig til huden (cirklede rød). C Fotografi viser placeringen af en pen markør over den højre metatarsofalangealled led (rød cirkel). Venligst klik her for at se en større version af dette tal.

Figur 4 : Motion tracking. (A) billedet viser bevægelses sporings grænsefladen, hvor flere markører kan spores samtidig ved hjælp af funktionerne "spor automatisk" og "spor ved hjælp af mønster matchning". (B) forstørret visning af en retroreflective markør detekteres som en lys hvid cirkulær plet i "track automatisk" funktion under markør tildeling. Softwaren genkender dette sted som en lys blå cirkulær spot. Den røde prik er i sidste ende anerkendt som centrum for den foreskrevne markør. Et centreret rødt punkt i den cirkulære markør mindsker chancerne for eksperimentelle fejl under datasporing. Afvigelse fra centrum antyder, at efterfølgende målinger og analyser sandsynligvis vil være unøjagtige. C Forstørret visning af en retroreflective-markør, der er valgt til mønster matchning. Baseret på størrelsen, formen og farven på det valgte mærke, identificerer softwaren automatisk markører, som svarer til beskrivelsen i de efterfølgende videorammer. Venligst klik her for at se en større version af dette tal.

Figur 5 : Grundlæggende og avancerede sporingsindstillinger. (A) videoer kan behandles i softwaren ved at højreklikke på videoen under analyse, så uklare eller slørede markører er tydeligt visualiseret for at tillade automatisk sporing. Til demonstrationsformål vises to typer billedbehandlings indstillinger, der justeres, så de passer til forskellige omgivende lysforhold under dataindsamlingen for nem sporing. B) en repræsentativ videoramme før billedbehandling. (C) for grundlæggende billedbehandling (Processing type I) justeres lysstyrken og kontrast indstillingerne for at få en klarere visning. (D) ved hjælp af avanceret billedbehandling indstillinger (behandling type II), den højre metatarsofalangealled fælles markør (sort markør) er inverteret og kan derefter spores automatisk. Venligst klik her for at se en større version af dette tal.

Figur 6 : Fase opgaver. Gangscyklussen for hvert led kan opdeles i diskrete faser i henhold til det eksperimentelle design. Til demonstrationsformål vises tre faser i gangscyklussen. (A) holdning fase er defineret som den første ramme, hvor lemmer kontakter løbebåndet overflade. (B) swing fase er defineret som den første ramme, hvor lemmer forlader løbebåndet overflade (C) Mid swing fase er den første ramme efter lemmer clearance, hvor pote begynder at stige ned. I (D), en komplet gangcyklus er defineret fra starten af den oprindelige holdning til stillingen fase tildeling af den næste gangcyklus. Venligst klik her for at se en større version af dette tal.

Figur 7 : Avancerede indstillinger for trin fase analyse. Denne indstilling giver en dybdegående visning af sporings-og fase tildelinger samt muligheden for at ændre fase tildelinger. (A) markeringsboks for at se og vælge det ønskede mærke. (B) koordinat Valgs vinduet: fremhævning af interesse koordinaterne (i dette tilfælde z-koordinater) vises som rødt i hoved diagramvinduet. (C) fase Valgs vindue: tildelte faser for en ekstremitet kan ses med hensyn til markører og koordinater valgt i (a) og (B). Faser kan også redigeres via dette vindue. (D) diagram vindue: koordinater for en bestemt markør kan sammenlignes samtidigt under individuelle gang faser. Den grønne og gule repræsenterer henholdsvis holdning og swing faser for den rigtige bagled under firpedal bevægelse. Venligst klik her for at se en større version af dette tal.

Figur 8 : Eksempel på 3D kinematiske data. (A) forskellige resultater fra hver fælles markør kan visualiseres visuelt fra 3D-koordinat datasæt efter video sporingB) repræsentative data, der genereres for stand-og sving fase cyklusserne for hver forbimb og bagben under firpedal gå i en rotte. Farver repræsenterer holdning og swing faser af fortløbende trin cyklusser. Rød og grøn svarer til henholdsvis den højre fase af abduktion af forben og baglemmer. Blå og blågrøn svarer til henholdsvis venstre forbimb-og bagekstremations faserne. Gul svarer til swing fase af hver lemmer. (C) flere datagrupper (diskrete markører eller udfald) kan samtidigt sammenlignes med lethed. Z-koordinat hastighedsdata for de venstre og højre knæ fælles markører vælges vilkårligt for at demonstrere den lodrette hastighed af knæet fælles markør fra løbebåndet overflade. Venligst klik her for at se en større version af dette tal.

Figur 9 : Repræsentative fælles, kantede kinematik data fra raske og cervikale rygmarv-tilskadekomne rotter underløbe bånd bevægelse. (A) albue ledvinkel profil i en sund repræsentativ rotte viser glatte, enkelt toppe af fælles vinkel spor med konsekvente tilstødende gangscyklusser, der viser komplet vifte af bevægelse. Røde og gule stænger betegner henholdsvis holdnings-og sving faserne i forbimb's trin cyklus. (B) i modsætning hertil er sporene i en repræsentativ rygmarvs skadet rotte relativt mere forvrængede og udviser usammenhængende flere toppe med en samlet mindre vifte af fælles bevægelse. Venligst klik her for at se en større version af dette tal.

Figur 10 : Repræsentative lemmer koordination data fra en sund og Cervikal rygmarv såret rotte underløbe bånd bevægelse. A) z-koordinat værdierne for dislokation (MCP) og metatarsofalangealled (MTP) markører, der skildrer trinhøjde målinger, afbildes i seks forskellige kombinationer mellem lemmer fra ca. 10 trin under firpedal vandring. Repræsentative demonstration af alle seks mulige lemmerne. B) en sund rotte udviser klar vekslende rytmisk koordination (L-formet mønster) for alle par (i, II, III, IV). Når lemmer er i fase (v, vi), følger koordinat parrene et D-formet mønster. C) i en livmoderhals rygmarv såret rotte, Bemærk (i) den ringe koordination mellem de to forbimler, (III) højre ipsilaterale parring og (IV) usædvanlig koordination for en af de kontralaterale lemmer par. Bemærk, at koordinerings områder (B, C) ikke har samme omfang. Venligst klik her for at se en større version af dette tal.

Figur 11 : Animeret 3D Stick figur. Eksempel på en 3D Stick figur genereret fra sporede data. Venligst klik her for at downloade dette tal.   

Kalibrerings parameter	Kalibrerings indgange
Stav længde [mm]	100
L-frame gulv forskydning [mm]	7
Iterationer for outlier-Detection	4
Tilladt stav-længde-afvigelse	0,3
Staven skal være synlig i mindst __ kameraer	4
Ret størrelsesforhold	Kontrolleret
Ret skew-parameter	Kontrolleret
Ret hovedpunkt	Kontrolleret

Tabel 1: avancerede indstillinger for kalibrering. Tabellen opsummerer de parametre, vi brugte til at kalibrere seks kamera-opsætning nøjagtigt. Disse indstillinger blev eksperimentelt testet og fundet optimale for vores opsætning.

Discussion

Denne protokol artikel demonstrerer brugen af et bevægelses sporingssystem til indsamling og analyse af 3D kinematiske data under firpedal løbebånd bevægelse i gnavere. Vigtige funktioner i 3D kinematisk motion analyse system omfatter detaljeret kvantificering af kinematik af fælles bevægelse (trin fase kinematik, fælles vinkler, vifte af bevægelse, trin hastigheder) fra flere led og lemmer samtidig, påvisning af motoriske underskud umålbare af det blotte øje, eliminering af subjektive bias i dataindsamling og analyse, og nem visualisering af hele lemmer og postural kinematik, der kan sammenlignes med samtidig overgang af hele rotte i bevægelse. Uden behov for ekstra algoritmer og modellering, metoderne viser softwarens evne til kvantitativt analysere kinematik af gangbarhed med stor detalje, effektivitet, lethed, præcision, og reproducerbarheden.

I gnavere, forbimb og baglemmer bevægeapparatet underskud efter en rygmarvsskade (sci) er almindeligt vurderet ved hjælp af subjektive og standardiserede bevægeapparatet scoring systemer såsom BBB scoring system¹. Subjektive scoring systemer generelt indføre tester bias, fordi forskellige forskere kan tildele forskellige scorer for samme motoriske underskud eller samme score for forskellige motoriske underskud, hvilket resulterer i reduceret reproducerbarhed og følsomhed af testen¹³ . Desuden bærer den manglende evne til at afsløre subtile underskud risikoen for fejlagtigt at udlede virkningerne af en intervention.

For at bekæmpe disse problemer er automatiserede systemer^2,3,4,5 og systemer med eller uden brug af komplekse algoritmer^14,15 blevet vedtaget af nogle efterforskere. Disse tests udføre trin cyklus analyse, der afslører vægtbærende profiler og trinsekvens mønstre afledt af Paw placering bevægelser af rotter gå på tværs af en landingsbane. Men en stor ulempe ved ventrale plane video ganganalyse er, at motivet er selve kroppen ikke er direkte synlig^2,3. Disse data bliver begrænset til oplysninger indhentet fra indtryk af fødder og pote bevægelser, spørgsmålstegn ved udvælgelse og fortolkning af gangart parametre i vurderingen af underskud (Se Chen et al.¹⁶). Detaljer om bevægelse, der afslører dynamisk segmental kinematik af lemmer bevægelse og positionering er ikke præcist opnåelige for bevægelses analyse^3,5. Kritiske afvigelser af ledvinkel data (dvs. vifte af bevægelser, bevægelseshastighed osv.), forholdet mellem leddene med hensyn til hinanden i en lemmer og mellem lemmer, og underliggende organ mekanik, der ændrer gangart mønstre er umulige at opnå. Som sådan, om eventuelle observerbare gangart nedskrivninger er som følge af ændringer i enkelt og/eller flere segmental fælles bevægelser (dvs. proksimal-distal intralimb koordination, postural forhold i stammen med hensyn til position og gangcyklus af lemmer osv.) forblive maskeret.

Få aktuelt tilgængelige systemer fanger gangart kinematik og vurderer motorisk dysfunktion kvalitativt og kvantitativt, men er mindre udbredte. En fuld-krop high speed video-tracking gangart analyse system film spontane gangscyklusser fra tre sider (en ventrale og to laterale planer) og spore Bony landemærker til at output en række gangart resultater^17,18. Sagittal plane kinematiske gangart analyse er ansat af nogle forskere til at opnå 2D motion data af den interesserede bagdel^19,20. Men en tredje dimension af bevægelse, der opstår ortogononal til visnings planet (lateral eller sagittal) er målbart i analyserne^11,18,19.

Andre mere sofistikerede, 3D, tre krop-segment gnaver krop postural dataindsamling systemer udnytte 3D matematisk modellering af dataindsamling samt analyse system til at spore og kvantificere 3D bevægelse af gnaver krop-segmenter, mens herunder hoved bevægelsesmønstre⁸. Madete et al.⁹ har udviklet et markør baseret Optoelektronisk bevægelses opsamlingssystem til at kvantificere 3D-krop postural kinematik under Overground Locomotion på gang bjælker ved hjælp af et syv kamerasystem. De vigtigste resultater, der er undersøgt i de to sidstnævnte værker, fokuserer primært på den overordnede kropsholdning af gnaver i stedet for gangart-analyse. 3D motion capture-systemer giver højt gennemløb 3D kinematiske gangart-data ved hjælp af flere kameraer og udførlige software systemer, som gennemgås af bhimani et al.²¹. Ældre versioner af det præsenterede 3D-bevægelses analyse system er også blevet brugt i tidligere arbejde i rotter med og uden Neuro traume^12,22,23.

På trods af tilgængeligheden af 3D motion Collection og analysesystemer til forskning, præklinisk brug af denne teknik i gnavere er stadig relativt begrænset. En del af årsagen til dette problem er, at dataindsamlingen og analyse protokollerne er meget afhængige af brugen af bygnings kinematiske modeller og komplicerede algoritmer, der passer til en kinematisk model af rotte bagdel undergang for at generere fine, høj opløsning gangart kinematik^8,9,11,22. Den detaljerede metode, der præsenteres her, indeholder nærmere oplysninger om den procedure, der er involveret i hele forsøgs processen, herunder håndtering af dyr, uddannelse, eksperimentel opsætning, dataindsamling og analyse trin.

Der gives også oplysninger om kalibrering af systemet, som er den grundlæggende del af protokollen, som vil sikre reproducerbarhed mellem tilstødende forsøg inden for og mellem. De beskrevne trin-for-trin-teknikker indfører objektivitet i dataindsamlings proceduren og gør den meget reproducerbar. De genererede data fra denne bevægelses Capture software kan visualiseres frame-by-frame for kvaliteten af bevægelse og automatisk spores. Nærmere beskrevet er, hvordan denne dataindsamling eller kvantificering ikke kræver nogen yderligere algoritmer eller modellering. Studerende, personale og forskere kan bruge enkel statistisk software til at generere grundlæggende kinematisk output uden at stole på specifik teknisk ekspertise.

Dette system kan også bruges til Overground Locomotion, nå og fatte, og andre eksperimentelle set-ups, der passer til det eksperimentelle mål. Antallet og typen af markører kan også justeres for halen, ryg, trunk, eller ører, efter behov. En større fordel ved den præsenterede software i forhold til systemer er dens evne til at indsamle høj opløsning video data om emnet. Som sådan, komplekse sæt af beregninger (dvs., kantede bevægelser, stick linjer forbinder flere samlinger, etc.) kan overlejret på den optagede video. Markørplacering og de genererede 3D-data kan verificeres med faktiske bevægelser af en rotte i bevægelse. I modsætning hertil er det kun markører, der optages, og enhver ny analyse skal foretages på pind diagrammerne (skelet ramme) i stedet for videoen af selve motivet. Derfor mangler verifikation af markørplacering på faktiske motiv bevægelse.

Baseret på erfaring med dette system, spiller kalibrering en afgørende rolle i succesen af dataindsamlingen. Kalibreringen af systemet er meget følsom over for ændringer. og let bevægelse af et kamera kan kompromittere hele 3D-koordinat dataindsamlings-og analyseprocessen. Der kræves kun to kameraer på hver side af et visnings plan til dataindsamling, men det tredje kamera anbefales stærkt at give mere nøjagtighed ved at krydsreferere placeringen af hver markør med andre kameraer. Når antallet af sporings kameraer øges, vil nøjagtigheden af 3D-koordinaten for en bestemt markør også stige. Ved lejligheder, hvor markører bliver tilsløret på grund af gangart underskud (såsom tå curling eller trække i tilfælde af gangart efter neurotrauma), disse betingelser kan kræve omfattende manuel sporing. Ikke desto mindre er mængden af data, der til sidst genereres fra tracking, værdig til den tid, der investeres i manuel sporing af markører, hvilket gør det til et uvurderligt værktøj til påvisning af subtile motoriske underskud.

I vores erfaring, enhver kedsom forbundet med brugen af systemet ligger uden brug af udstyr og teknologi selv. Svarende til andre protokoller for vurdering af motoriske adfærd, den metode, som rotter håndteres og uddannet til opgaven i høj grad påvirker resultaterne. For eksempel er isolerende rotter fra deres kohorte kritisk under testen; ellers, rotter, der ikke er testet, men er stadig til stede under testen viser en eventuel forringelse af opgavens ydeevne. Optimale rumtemperaturer, belysning og støjniveauer er andre determinanter. Fouad et al. offentliggjort andre udfordringer, der ledsager funktionelle motor test i rotter²⁴. Faktisk, blindet brugere fra dette laboratorium, der fulgte metoden korrekt ikke oplevede nogen større forhindringer med dataindsamling, motion tracking, og dataanalyse.

I dette papir, en 3D motion capture system til at indsamle og analysere bevægeapparatet data effektivt er beskrevet således, at forskerne kan samle enorme mængder af dybdegående bevægeapparatet data hurtigt fra flere rotter. Vi arbejder i øjeblikket på at skabe en automatiseret dataanalyse skabelon, der kan bygges ind i softwaren og blive i stand til at generere en rapport af forudbestemte resultater inden for få sekunder for løbebånd bevægelse i gnavere, svarende til hvad der sker i human undersøgelser ved hjælp af bevægelses optagelses-og analysesystemer^6,25. Udviklingen af denne skabelon vil gøre det muligt for prækliniske forskere at få detaljerede gnaver bevægeapparatet data på bekvemmelighed af få klik på en museknap. Det er håbet, at metoderne i dette arbejde vil vise sig nyttige for prækliniske forskere til at vurdere gnaver motorisk adfærd mere objektivt. Vi er nu færdig med at bruge dette system til at indsamle højt gennemløb 3D kinematiske data under almindelige, dygtige forbimb adfærd såsom at nå og fatte. Vigtigere, nytten af denne metode kan udvides til rotter med en række Neuro traumatiske og ikke-Neuro traumatiske skader.

Materials

Name	Company	Catalog Number	Comments
6 camera Basler (Scout scA640-120gu) motion capture system.	Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany	N/A	Recording device for motion analytics.
Calibration Frame and Wand	Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany	N/A	L-shaped calibration defining the global coordinate sysetem, and the trident shape wand (100 mm)
Markers	Shah Lab	N/A	Recording device for motion analytics. Markers are Custom made in our lab from 0.5cm googly-eyes covered with reflective tape.
Matlab	Mathworks, Inc, Natic, Ca	N/A	Data analysis software
Rodent Cage	Custom Made within Stony Brook.	N/A	Clear plexiglass cage used to keep the rodent on the treadmill.
Simi Reality Motion Systems	Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany	N/A	3D tracking Software.
Treadmill	Mk Automation Inc., Bloomfield, CT 06002	N/A	Treadmill used for rodent locomotion.