Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

Needling Sırasında Üç Boyutlu Parmak Hareketi takibi: Akupunktur Manipülasyonunun Kinematik Analizi için Bir Çözüm

Published: October 28, 2021 doi: 10.3791/62750
Automatic Translation
1, 1, 1, 1
1School of Acupuncture-Moxibustion and Tuina, Shanghai University of Traditional Chinese Medicine

Summary

Bu deneysel yöntem, üç boyutlu parmak hareketi izleme teknolojisi ile akupunktur manipülasyonunun kinematik analizi için bir çözüm tanımlamaktadır.

Abstract

Üç boyutlu (3D) hareket takibi, spor ve tıbbi beceri araştırmaları gibi birçok alanda kullanılmıştır. Bu deney, akupunktur manipülasyonu (AM) sırasında parmak eklemlerinin kinematik parametrelerini ölçmek ve üç teknik gösterge "genlik, hız ve zaman" oluşturmak için 3D hareket izleme teknolojisini kullanmayı amaçladı. Bu yöntem AM'nin çalışma özelliklerini yansıtabilir ve birden fazla parmak ekleminin üç ekseni boyunca nicel parametreler sağlayabilir. Mevcut kanıtlar, yöntemin akupunkturun doz etkisi ilişkisinin incelenmesi, AM'nin öğretilmesi ve öğrenilmesi ve ünlü akupunkturcuların AM'nin ölçülme ve korunması gibi gelecekteki uygulamalar için büyük bir potansiyele sahip olduğunu göstermektedir.

Introduction

Geleneksel Çin tıbbının (TCM) ve fiziksel stimülasyonun klinik becerilerinin bir türü olarak, akupunktur manipülasyonu (AM) genellikle akupunkturun terapötik etkisini etkileyen önemli bir faktör olarak kabul edilir1,2. Birçok çalışma, aynı AM'nin farklı veya farklı stimülasyon parametrelerinin (ihtiyaç hızı, genlik, frekans vb.) farklı terapötik etkilere neden olduğunu doğrulamıştır3,4,5,6,7. Bu nedenle, AM'nin ilgili kinematik parametrelerinin ölçümü ve terapötik etki ile korelasyon analizi akupunktur ile klinik tedavi için yararlı veri desteği ve referans sağlayabilir8,9.

AM'nin kinematik parametrelerinin ölçümü 1980'lerde başladı10. İlk günlerde, değişken dirence dayalı elektrik sinyali dönüştürme teknolojisi esas olarak AM11'in genlik ve frekans verilerini görüntülemek ve kaydetmek için iğne gövdesinin deplasman sinyalini bir voltaj veya akım sinyaline dönüştürmek için kullanılmıştır. Ayrıca, bu teknolojiye sahip ünlü ATP-II Çin tıbbı akupunktur tekniği test cihazı II (ATP-II) şu anda Çin'in birçok geleneksel Çin tıp üniversitesi tarafından kullanılmıştır12. Bundan sonra, sensör teknolojisinin sürekli gelişimi ve yeniliği ile AM'nin kinematik parametrelerini toplamak için farklı sensör türleri kullanılmıştır. Örneğin, üç eksen elektromanyetik hareket sensörü iğne sapına iğne genliği ve hızı elde etmek için tutturuldu13; biyoelektrik sinyal sensörü, ihtiyaç sıklığı14 vb. AM'nin yukarıdaki iki teknoloji türüne dayanan nicel araştırması, iğnelenme sırasında ilgili kinematik parametrelerin alımını tamamlamış olsa da, başlıca dezavantajları gerçek zamanlı invaziv olmayan ölçümün yapılamaması ve iğne gövdesinin değiştirilmesinden kaynaklanan çalışma hissinin değişmesidir.

Son yıllarda AM15,16'nın nicel araştırmalarına kademeli olarak hareket takip teknolojisi uygulanmıştır. İğneleme videonun kare kare analizine dayandığından, in vivo çalışma sırasında iğne gövdesini değiştirmeden akupunktur parametrelerinin ölçümü elde edilebilir. Bu teknoloji, iki boyutlu (2D) bir düzlemde ihtiyaç duyma sırasında başparmak ve işaret parmağının dört izleme noktasının genliği, hızı, ivmesi ve frekansı gibi kinematik parametreleri ölçmek için kullanılmıştır ve ilgili parmak çubuğu figürünü oluşturmuştur15. Bazı çalışmalar ayrıca benzer teknolojiye sahip başparmak ve işaret parmağının interfalangeal (IP) ekleminin açı değişim aralığını ölçtü9,17,18. Bununla birlikte, analizi ile ilgili mevcut çalışmalar hala esas olarak 2D hareket düzlemi ile sınırlıdır ve izleme noktalarının sayısı nispeten azdır. Şimdiye kadar için tam bir üç boyutlu (3D) kinematik ölçüm ve analiz yöntemi yoktur ve ilgili bir veri yayımlanmamıştır.

Yukarıdaki sorunları çözmek için, bu çalışma, ihtiyatı sırasında eldeki yedi izleme noktasının kinematik parametrelerini ölçmek için 3D hareket izleme teknolojisini kullanacaktır. Bu protokol, AM'deki kinematik analiz için eksiksiz bir teknik çözüm sağlamayı ve akupunkturun doz etkisi korelasyonu üzerine daha fazla çalışma sağlamayı amaçlamaktadır.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Bu çalışma, Şanghay Geleneksel Çin Tıbbı Üniversitesi'ne bağlı Yueyang Hastanesi etik komitesi tarafından onaylandı ve her katılımcı bilgilendirilmiş bir onay formu imzaladı.

1. Deney hazırlıkları

  1. Kamera ayarları:
    1. Çalışma masasının önüne üç tripod yerleştirin ve bunları üç kamerayla bağlayın.
    2. Kameraların çekim parametrelerini şu şekilde ayarlayın: çözünürlük 1280 x720 piksel, format MP4, tam manuel mod (M), diyafram F1.2, deklanşör 1/1000s, ISO 6400, otomatik beyaz dengesi, optik yakınlaştırma 0mm.
      NOT: Her iki kamera arasındaki açının 60°-120° olarak ayarlanmalıdır (Şekil 1A).
  2. İzleyici işaretçi yerleşimi:
    1. 1.2.2-1.2.4 adımlarında ayrıntılı olarak belirtildiği ve Şekil 2A'da gösterildiği gibi video kaydı için her katılımcının tutma iğnesi eline 6,5 mm çapında yedi yansıtıcı top takın.
    2. Bilek: Ulna ve radyal styloidin orta noktasına bir top takın ve izleme noktası "bilek eklemi"(WJ) olarak tanımlanır
    3. Başparmak: İzleme noktası "başparmak ucu" (TT), izleme noktası "başparmak ucu eklemi" (TEJ) olarak tanımlanan IP eklemi ve izleme noktası "başparmak tabanı eklemi" (TBJ) olarak tanımlanan metakarpofalangeal (MCP) eklemine her biri başparmak çivisinin ortasına bir top takın.
    4. İşaretçi: İzleme noktası "işaretçi ucu" (FT), izleme noktası "işaret eden orta eklem" (FMJ) olarak tanımlanan proksimal interfalangeal (PIP) eklemi ve izleme noktası "işaretçi baz eklemi" (FBJ) olarak tanımlanan MCP ekleminin ortasına her biri bir top takın.

2. Video çekimi ve düzenleme

  1. 3B kalibrasyon için çalışma masasına 8 puntaklı küçük bir 15 cm x 15 cm x 15 cm 3D kalibrasyon çerçevesi yerleştirin (Şekil 1B,C).
  2. Kalibrasyon çerçevesinin videosunu en az 8 sn çektikten sonra çerçeveyi masadan çıkarın.
  3. Katılımcılara, sırasıyla başparmak ve işaret parmağıyla yukarı ve aşağı hareket etmek ve döndürmek için iğneyi kontrol etmek için kaldırma-itme ve döndürme becerileri de dahil olmak üzere gönüllünün akupunktur noktası LI11 'de (Quchi) gerçekleştirmelerini söyleyin. Yukarıdaki becerilerin videolarını en az 10 döngü boyunca alın.
    NOT: gerçekleştirmek için katılımcıların ve ihlas için akupunktur noktaları sağlamak için gönüllülerin dahil etme ve hariç tutma kriterleri listelenmiştir. Katılımcı katılımı: (1) akupunktur öğretmeni veya öğrencisi ders kitabında yer alan 'Akupunktur ve Moxibustion Teknikleri ve Manipülasyonları19' başlıklı "kaldırma-itme becerisi" ve "döndürme becerisi" bölümünü bitirdi; (2) katılımcı insan vücudu ile 5 kattan fazla uygulamalı ihlas deneyimine sahip olmalıdır. Katılımcı hariç tutma: (1) akupunktur dışı öğretmenler veya öğrenciler; (2) akupunktur öğrencileri insan vücudu ile herhangi bir uygulamalı ihlas deneyimi olmadan. Gönüllü katılım: (1) 16-60 yaş arası; (2) sağ kolda LI11 çevresinde belirgin cilt hasarı, yırtılma, takviye veya belirgin eksüdasyon yoktur. Gönüllü dışlama: (1) sigara, alkol veya uyuşturucu geçmişi olan bireyler; (2) kan sistemi hastalıkları veya belirgin kanama eğilimi olan bireyler; (3) kronik akıl hastalığı veya ruhsal bozukluğu olan bireyler; (4) hamile kadınlar; (5) bayılma iğnesi öyküsü olan şahıslar.
  4. Kameralardaki tüm videoları bilgisayarın belirlenen diskine dışa aktarın. Kamera 1, 2, 3'teki 3D kalibrasyon videolarını "ca-1.mp4", "ca-2.mp4" ve "ca-3.mp4" olarak yeniden adlandırın.
  5. Video düzenleme yazılımındaki tüm manipülasyon videolarını senkronize edin (örn. Adobe premiere pro) ve bunları sırasıyla "kaldırma-itme-1.avi", "kaldırma-itme-2.avi", "kaldırma-itme-3.avi", "döndürme-1.avi", "döndürme-2.avi" ve "döndürme-3.avi" olarak adlandırır.
    NOT: Bu çalışmada kullanılan video düzenleme yazılımının video senkronizasyon talimatları için Ek Dosya 1'e bakın.

3. Simi Reality Motion System'in proje yapılandırması (hareket yakalama ve analiz yazılımı)

  1. Hareket yakalama ve analiz yazılımını açın ve Yeni Proje Oluştur'u seçin. Proje etiketinde proje adını ayarlayın ve projeyi belirtilen diske kaydetmek için Oluştur ve Kaydet'i tıklatın.
  2. Sağ/Sol El > Belirtim > Noktaları'nı seçin ve yukarıdaki izleme noktalarını Önceden Tanımlanmış Noktalar kutusundan Kullanılan Noktalar kutusuna sürükleyin, ardından devam etmek için Kapat düğmesine tıklayın.
    NOT: Aşağıdaki adımların tümü örnek olarak sağ elin izleme noktalarını alır.
  3. Bağlantılar > Belirtim'i seçin ve Yeni Bağlantı'ya tıklayın
    1. Giriş bağlantı adı "forefinger III right". Aynı pencerede "işaret eden ucu sağ" noktasına Başlangıç Noktası ve Çizgi olarak "işaret eden orta eklem sağını" seçin
    2. Bağlantının kurulmasını tamamlamak için Uygula ve Kapat düğmelerini tıklatın.
  4. Kamera gruplarını ekleme ve yeniden adlandırma
    1. Yeni kamera grupları eklemek için Kameralar > Kamera Grubu Ekle'ye sağ tıklayın.
    2. Kamera gruplarını sırasıyla "kaldırma-itme kamera grubu" ve "dönen kamera grubu" olarak yeniden adlandırmak için Kameralar > Yeniden Adlandır'a sağ tıklayın.
  5. Kamera Eklemek > Kaldırma İtme Kamera Grubuna Sağ Tıklayın
    1. İzleme kutusunda dosya seç düğmesini tıklatın.
    2. Varolan Dosyayı Aç'a tıklayın ve bir sonraki pencerede "kaldırma-itme-1.avi" işlem videosunu seçin, ardından Video içe aktarmayı bitirmek için Uygula'ya tıklayın.
    3. Yukarıdaki eylemlere benzer şekilde, 3D Kalibrasyon kutusunda Dosya Seç'e tıklayın ve ilgili kalibrasyon videosunu "ca-1.mp4" içe aktarın.
  6. 3.5. adıma göre, "kaldırma-itme-2.avi" ve "kaldırma-itme-3.avi" operasyon videolarını ve bunların ilgili kalibrasyon videolarını sırasıyla Kaldırma-İtme Kamera Grubu'nda "ca-2.mp4" ve "ca-3.mp4" içe aktarmaya devam edin.
    NOT: Proje penceresinde 3.4 ve 3.5 bölümlerinden sonra Kaldırma-İtme Kamera Grubu'nda 3 kamera olmalıdır.
  7. 3.4, 3.5 ve 3.6 adımlarına göre, döndürme becerisi ve kalibrasyon videolarını Döndürme Kamera Grubu'na aktarın.

4. Video analizi

  1. Her kamera için 3D kalibrasyon
    1. Kaldırma-İtme Kamera Grubunu genişletin ve Kaldırma-İtme-1 > Özellikleri'ne sağ tıklayın.
    2. 3D Kalibrasyon kutusundaki 3D Kalibrasyon düğmesine tıklayın; açıklamayı girin ve 8 kez Nokta Ekle düğmesine tıklayarak 8 puan ekleyin
    3. Kalibrasyon parametrelerine göre her nokta için adı ve karşılık gelen X, Y, Z değerini ayarladıktan sonra Uygula'ya tıklayın (Tablo 1).
    4. Tüm noktaları yapılandırdıktan sonra, 3D kalibrasyonu tamamlamak için kalibrasyon videosunun her uç noktasını tıklatmak için fareyi hareket ettirin.
    5. Aynı gruptaki diğer kameraların ve Dönen Kamera Grubu'ndaki kameraların 3D kalibrasyonunu tamamlamak için 4.1.1-4.1.4 adımlarını izleyin.
  2. 3D parmak hareketi izleme
    1. 3D İzleme > Kaldırma-İtme Kamera Grubu'na sağ tıklayın, tüm kameraları seçin ve 3D izleme penceresini açmak için Tamam düğmesine tıklayın.
    2. Tüm kameralar için Desen Eşleştirmeyi (tüm noktaları) kullanarak parçayı ayarlayın ve ilk karedeki tüm izleme noktalarına manuel olarak tıklayın.
    3. Kare kare otomatik 3D izleme başlatmak için Otomatik Olarak Ara düğmesine tıklayın.
    4. Dönen Kamera Grubu'nun hareket takibini tamamlamak için 4.2.1-4.2.3 adımlarını izleyin.
      NOT: Otomatik 3D izleme sırasında bir izleme noktası kaybolursa, kayıp nokta çizgisini seçin, Buradan Noktayı At'a sağ tıklayın, ardından noktayı ve Otomatik Olarak Ara düğmesini yeniden tıklatın. "Seçili 3 kamera için izleme için başlangıç çerçevesi ayarlanmadı" iletisi varsa Evet'i seçin. kamera özelliklerinde ayrı ayrı ayarlanabilir. Başlangıç çerçevesi olmayan tüm kameralar için başlangıç çerçevesini çerçeve 0 olarak ayarlamak ve şimdi devam etmek istiyor musunuz?" açılır.
  3. Veri verme
    1. Yeni 3D Hesaplama > Kaldırma İtme Kamera Grubu'na sağ tıklayın, tüm kameraları seçin ve Verileri Sürekli Güncelle'yi kontrol edin ve 3D Veri Oluştur penceresinde Verileri Açıkça Dosyada Saklayın. Devam etmek için Tamam düğmesini tıklatın.
    2. Dışa Aktarma penceresinde Kaldırma-İtme-3D Koordinatları Verileri > klasörü sağ tıklatın, Sütun Başlıklarını, İzleme Adlarını, Başlangıç Saati ve Sıklığı, İlk Sütundaki Zaman Bilgileri, X, Y, Z, v(X), v(Y), v(Z)
    3. Özelleştirilmiş ada sahip veri dosyasını (*.txt) vermek için Dışarı Aktar düğmesini tıklatın. Dönen Kamera Grubu'nun veri dosyasını aynı şekilde dışa aktar.

5. Veri analizi

NOT: Hareket yakalama ve analiz yazılımı tarafından dışa aktarılan veri dosyalarına göz atmak ve analiz etmek için orijinal bir PHP komut dosyası kullanılır. Tüm kaynak kodu bir GitHub deposunda paylaşıldı20.

  1. Hareket yakalama ve çözümleme yazılımından dışa aktarılan veri dosyaları bu komut dosyasını çalıştıran belirli bir sunucu klasörüne yüklendikten sonra, komut dosyasını açın ve oturum açmak için Kullanıcı Adı ve Parola girin.
  2. Yeni Katılımcı Ekle'ye tıklayın, Katılımcı Türü ve Cinsiyet'i seçin ve açılır sayfaya Katılımcı Adı, Yaş ve Uygulama Saati girin; yeni katılımcı eklemeyi tamamlamak için Gönder'i tıklatın.
  3. Liste sayfasında yeni eklenen katılımcıya karşılık gelen Yeni Kayıt Ekle'ye tıklayın, ardından hareket yakalama ve analiz yazılımının yüklenen veri dosyalarını içeren Klasör Adı'nı girin ve Çalışma Tarihi'ni seçin; devam etmek için Gönder'e tıklayın.
  4. Yeni eklenen operasyon kaydına karşılık gelen Analiz'e tıklayın, ardından Beceri'yi seçin ve Gönder'e tıklayın. Komut dosyası, manuel inceleme için tüm geçerli armaları ve olukları tanımlayacak ve görüntüleyecektir.
    NOT: Komut dosyası yanlış tanımlarsa, belirli bir arma veya oluk ilgili açılan listede el ile yeniden seçilebilir. Bu tepelere ve oluklara dayanarak, her izleme noktasının üç ekseni boyunca genliklerin ve hızların ortalama değerleri ve kaldırma, itme, sola döndürme ve sağa döndürme işlemlerinin çalışma süresi komut dosyası tarafından hesaplanabilir ve görüntülenebilir. Bu parametrelerin hesaplama yöntemi Şekil 3'te gösterilmiştir.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Bu deneysel yöntemi kurduktan sonra, Akupunktur-Moxibustion Okulu'ndan on dokuz akupunktur öğretmeninin temel AM'nin kaldırma-itme ve döndürme becerileri ve TCM Şanghay Üniversitesi'nden Tuina 3D hareket takibi kullanılarak ölçüldü. Uluslararası Biyomekanik Derneği Standardizasyon ve Terminoloji Komitesi (STC) tarafından önerilen omuz, dirsek, bilek ve el için ortak koordinat sistemi (JCS) tanımına göre yedi parmak takip noktası seçilmiştir. Bu noktaların anatomik konumlarına göre hareket yakalama ve analiz yazılımı tarafından oluşturulan çubuk görünümü Şekil 2B'de gösterilmiştir. Her noktanın üç ekseni boyunca tipik koordinat zamanı eğrileri Şekil 4'te ve çubuk görünümüyle kaldırma-itme ve döndürme becerilerinin iki videosunda gösterilir (Video 1 ve Video 2).

Şekil 4C,E'de gösterildiği gibi, bilek ekleminin (WJ) farklı becerileri (kaldırma-itme becerisinin Z ekseni ve döndürme becerisinin Y ekseni) sırasında ana hareket eksenleri boyunca minimum hareket genliği sabitlenebilir ve hareket başparmak ve işaret parmağından meydana gelir. Bu nedenle, diğer altı noktanın verileri AM'nin daha fazla kinematik analizi için hareket yakalama ve analiz yazılımı tarafından dışa aktarıldı. Veri analizinden sonra, üç eksen boyunca ortalama genlik ve hız değerleri ve parmaklardaki her izleme noktasının "kaldırma", "itme", "sola döndürme" ve "sağa döndürme" eyleminin çalışma süresi hesaplandı ve Tablo 2, Tablo 3 ve Tablo 4'te gösterildi.

Buna ek olarak, katılımcıların ATP-II'de gerçekleştirdiklerinde parmak hareketi de izlendi. ATP-II'den elde edilen veriler, hareket yakalama ve analiz yazılımı tarafından dışa aktarılan verilerle karşılaştırıldı. Sonuçlar, TT'nin Z ekseni boyunca koordinat-zaman eğrisinin şeklinin, kaldırma-itme becerisi sırasında ATP-II tarafından oluşturulan voltaj-zaman eğrisine benzer olduğunu göstermektedir. Bu arada, döndürme becerisi sırasında, TT'nin Y ekseni boyunca genlik-zaman eğrisinin şekli de ATP-II'nin voltaj-zaman eğrisine benzerdi. Ayrıca, hesaplamadan sonra, bu iki eğri türünün ortalama çalışma döngüleri temelde aynıydı (Şekil 5).

Figure 1
Şekil 1: Kamera konumları ve 3D kalibrasyon çerçevesinin yerleştirilmesi. (A) Üç kameranın konumları. (B) 3D kalibrasyon çerçevesinin ön görünümü. (C) 3D kalibrasyon çerçevesinin üst görünümü. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 2
Şekil 2: İzleme işaretleyicilerinin konumları ve çubuk görünümleri. (A) Eldeki izleme işaretleyicilerinin konumları. (B) Bu noktaların anatomik konumlarına göre hareket yakalama ve analiz yazılımı tarafından oluşturulan çubuk görünümü. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 3
Şekil 3: Kinematik parametrelerin hesaplama yönteminin şematik diyagramı. Ortalama genlik ve hız eğri tepe ve oluk konumlandırmasına göre hesaplanabilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 4
Şekil 4: Kaldırma-itme ve döndürme becerileri sırasında tipik koordinat zaman eğrileri. (A,B,C) Kaldırma-itme becerisi sırasında her izleme noktasının X, Y, Z ekseni boyunca tipik koordinat zamanı eğrileri sırasıyla. (D,E,F) Döndürme becerisi sırasında aynı kaldırma-itme becerisi ayarlarına sahip eğriler. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 5
Şekil 5: ATP-II ve hareket yakalama ve analiz yazılımı tarafından oluşturulan eğrilerin karşılaştırılması. (A) Katılımcıların PARMAK HAREKETLerİ ATP-II'de gerçekleştirdiklerinde izlendi. (B) Kaldırma-İtme becerisi sırasında ATP-II'nin voltaj-zaman eğrisi. (C) Kaldırma-itme becerisi sırasında TT'nin Z ekseni boyunca koordinat-zaman eğrisi. (D) Döndürme becerisi sırasında ATP-II'nin voltaj-zaman eğrisi. (E) Döndürme becerisi sırasında TT'nin Y ekseni boyunca koordinat-zaman eğrisi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Tablo 1: Kalibrasyon noktalarının parametrelerini koordine edin. Sekiz kalibrasyon noktasından oluşan üç eksenin koordinat değerleri. Bu Tabloyu indirmek için lütfen tıklayınız.

Tablo 2: Kaldırma-itme becerisi sırasında her izleme noktasının kinematik verileri. Kaldırma-itme becerisi sırasında rakamlardaki her izleme noktasının üç ekseni boyunca ortalama genlik ve hız değerleri. Bu Tabloyu indirmek için lütfen tıklayınız.

Tablo 3: Döndürme becerisi sırasında her izleme noktasının kinematik verileri. Döndürme becerisi sırasında rakamlardaki her izleme noktasının üç ekseni boyunca ortalama genlik ve hız değerleri. Bu Tabloyu indirmek için lütfen tıklayınız.

Tablo 4: Kaldırma-itme ve döndürme becerileri sırasında çalışma süresi Kaldırma, itme, sola döndürme ve sağa döndürme işlemlerinde ortalama çalışma süresi değerleri Bu Tabloyu indirmek için lütfen buraya tıklayın.

Video 1: Kaldırma-itme becerisi. (Sol üst) Elin sopa görünümü. (Sağ üst, Sol alt, Sağ alt) Kaldırma-itme becerisi sırasında her izleme noktasının X, Y, Z ekseni boyunca tipik koordinat zamanı dinamik eğrisi Bu Videoyu indirmek için lütfen buraya tıklayın.

Video 2: Döndürme becerisi: Çevirme becerisi sırasında Video 1 ile aynı ayarlara sahip elin çubuk görünümü ve tipik koordinat zamanı dinamik eğrileri. Bu Videoyu indirmek için lütfen tıklayınız.

Tamamlayıcı Dosya 1: Video senkronizasyon talimatları. Bu çalışmada kullanılan video düzenleme yazılımının ekran görüntüleri ve video senkronizasyon talimatlarının adımları. Bu Dosyayı indirmek için lütfen tıklayınız.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Bu çalışma , in vivo'nun kinematik parametrelerinin ölçüm yöntemini belirledi ve üç eksen boyunca başparmak ve işaret parmağındaki altı önemli izleme noktasının hareket genliği, hızı ve çalışma süresi verilerini elde etti. Bu arada, 3D kalibrasyon çerçevesine dayanarak, bir 3D çubuk görünümü ve ihtiyatı sırasında başparmak ve işaret parmağına karşılık gelen animasyon oluşturuldu. AM'nin başparmak ve işaret parmağı hareketi, araştırmacıların hareket özelliklerini keşfetmelerine ve farklı becerilerinin benzerliklerini ve farklılıklarını karşılaştırmalarına yardımcı olabilecek kinematik parametre eğrisi ve çubuk animasyonunun senkronize oynatılmasıyla tam olarak görüntülenebilir.

Tüm deneysel süreç boyunca, analizin sonuçlarını etkileyen bazı kritik adımlar özetlenebilir-ilk olarak deneysel ortam yapılandırması. Deneysel ortamın önerilen sıcaklığı sabit 22-25 ° C'dir ve bağıl nem odada belirgin hava akışı olmadan yaklaşık% 60'tır. Bu arada çevrede güçlü bir gürültü ve elektromanyetik kaynak paraziti yoktur. İkincisi, kamera ve tripodun yerleşimleri. Hareket takibi sürecinde, yüksek hassasiyetli veriler elde etmek için tüm izleme noktaları tüm kameralar tarafından kaydedilmelidir. Bu nedenle, makul bir kamera konumu deneysel hataları azaltmanın anahtarıdır. Ayrıca, tripodlar uygun bir yüksekliğe ayarlanmalıdır (tablodan daha yüksek ve masadaki deneysel cihazların ve katılımcının elinin net bir şekilde kaydedilebileceğinden emin olun). Üçüncüsü, kalibrasyon ve otomatik hareket takibi. Tüm analiz verileri, hareket videosunun her karesindeki 3D kalibrasyon sistemindeki her izleme noktasının konumuna göre hesaplanır; bu nedenle, başarılı kalibrasyon ve her noktanın otomatik takibi hesaplamaların yapılması için ön koşuldur. Son olarak, armaların ve olukların tanımlanması. AM'nin teknik göstergeleri, her döngüdeki armaların ve olukların konumlandırılmasıyla hesaplanabilir. Bu protokolde, otomatik tanımlama ve manuel inceleme adımları deneysel verilerin doğruluğunu sağlamak için tasarlanmıştır.

AM'nin kinematik analizine 3D hareket izleme teknolojisini uygulamak için, insan uzuvlarının büyük eklemlerinde yaygın olarak kullanılan bu teknolojide iki değişiklik yapıldı. İlk olarak, parmaklar için küçük bir 3D kalibrasyon çerçevesinin özelleştirilmesi. 15×15×15cm 3D kalibrasyon çerçevesi, parmak hareketlerinin ölçüm doğruluğunu artırmak için özelleştirildi. 3D lazer tarama sayesinde çerçevenin kalibrasyon doğruluğu 0,01 mm'dir. İkincisi, teknik göstergelerinin ve ilgili hesaplama yöntemlerinin oluşturulması. AM'nin hareket özelliklerine ve hareket takip sistemi tarafından dışa aktarılan ham verilere göre, her parmak takip noktası için üç eksen boyunca "genlik, hız ve zaman" olmak üzere üç teknik gösterge oluşturulmuştur. Bu parametreler, koordinat zaman eğrisinin çekim noktası tanımasına göre PHP komut dosyası tarafından hesaplanabilir. Olası tepeler ve oluklar sırasıyla (1) ve (2) mantıksal ifadeye göre tanımlanabilir.

Equation 1(1)
Equation 2(2)

Dc, dt ve dt2 koordinat değerinin farklılaşması, zaman ve zamanın kare olarak karelendiği durumlarda, d2c koordinatın ikinci dereceden farklılaşmasıdır. Deneysel örnek verilerin test sonuçlarına göre, bu arma ve olukların geçerliliklerini doğrulamak için iki tür eşik belirlenmiştir. Zaman eşiği ortalama çalışma döngüsünün% 80'idir, arma ve oluk eşikleri% 75 ve maksimum çalışma genliğinin% 25'idir. Tüm tepeleri ve olukları geçtikten sonra, önceki tepedeki aralık süresi zaman eşiğinden büyük olan ve koordinat değeri tepe eşiğinden büyük olan tepe geçerli arma olarak tanımlanır. Önceki armadan aralık süresi zaman eşiğinden büyük ve koordinat değeri oluk eşiğinden küçük olan oluk geçerli oluk olarak tanımlanır. Çoğu durumda, armalar ve oluklar otomatik olarak tanımlanabilse de, hala manuel olarak ayarlanması gereken birkaç durum vardır. Bu nedenle, bu çözümün ana sınırlaması olarak, tanıma algoritmasının gelecekteki çalışmalarda iyileştirilmesi gerekir. Deneysel verilerin ön analizi, MCP eklemlerinin hareket genliğinin ve hızının en küçük olduğunu ve IP veya PIP eklem ve parmak uçlarının ilgili parametrelerinin sırasıyla daha büyük ve büyük olduğunu göstermiştir. Ayrıca, iğne gövdesi, parmak uçlarının dikey veya teğetsel hareketiyle yukarı ve aşağı hareket etmek veya sabit bir eksende döndürmek için tahrik edildi. Özetle, başparmak ve işaret parmağının MCP eklemleri tarafından yönlendirilen parmak uçları tarafından gerçekleştirilen bir tür ritmik harekettir. Ayrıca, hangi becerisi kullanılırsa kullanılsın, tüm izleme noktalarında üç eksen boyunca belirli bir hareket aralığı meydana geldi, bu da kaldırma-itme becerisinin çalışması sırasında, parmak uçlarının esas olarak dikey yönde hareket etmesine rağmen, hala teğetsel bir eşleştirilmiş hareket eşlik ettiğini ve teğetsel tabanlı döndürme becerisinin de dikey bir çift hareketle eşlik ettiğini göstermektedir. Bu sonuçlar AM'nin basit bir tek eksenli hareket olmadığını gösterir.

Parmak hareketini analiz etmek için bu teknolojiyi kullanan diğer çalışmalara benzer şekilde, bu protokoldeki hareket izleme teknolojisi de parmak eklemlerinin üç eksenli kinematik verilerini yüksek doğrulukla sağlar22. Bununla birlikte, AM'nin beceri özelliklerine göre ham veriler üzerinde ikincil bir analiz yapıldı ve daha fazla karşılaştırmalı analiz için bu protokolde ilgili teknik göstergeler oluşturuldu. Ayrıca Leap Motion gibi taşınabilir, kullanımı kolay ve düşük maliyetli el hareketi takip cihazları ile karşılaştırıldığında, standart işaretleyici tabanlı hareket izleme analizi daha yüksek doğruluk ve daha geniş uygulama aralığı avantajlarına sahiptir23,24. Geleneksel analiz cihazı ATP-II ile karşılaştırıldığında, hareket izleme analizinden elde edilen ana hareket ekseni boyunca genlik-zaman eğrisi ve ATP-II tarafından türetilen voltaj-zaman eğrisi aynı becerisinde önemli bir uygunluk gösterir. Ayrıca, iki ölçüm yöntemi tarafından hesaplanan çalışma döngüleri de nispeten tutarlıydı. Bu sonuçlar, bu deneysel yöntemin sadece ATP-II'ninkine benzer beceri özelliklerini yansıtmakla kalmayıp, aynı zamanda önceki deneysel teknoloji ile ölçülemeyen birden fazla izleme noktasının üç ekseni boyunca daha fazla kinematik parametre sağlayabileceğini göstermiştir.

Bu deneysel yöntem, AM'de yer alan parmakların karmaşık hareketlerini analiz etmek için etkili bir yol sağlar. Gelecekteki uygulamalar için büyük bir potansiyele sahiptir. İlk olarak, akupunkturun doz etkisi ilişkisinin incelenmesi. 3D parmak hareketi izleme teknolojisi, manuel akupunkturun stimülasyon miktarını belirlemek için bir çözüm sağlar ve akupunkturun klinik uygulaması için daha bilimsel veri desteği sağlamak için ihtiyaç duyma hızı, genlik ve terapötik etki arasındaki korelasyon analizi gibi çalışmaların yapılmasında kullanılabilir. İkincisi, AM'nin öğretilmesi ve öğrenilmesi için nicel değerlendirme ve geri bildirim. Öğretmenin sözlü geri bildirimleriyle birlikte veri analizinden elde edilen sonuçlar, öğrencilerin parmak hareketlerini ayarlamalarına ve bilişsel yükü azaltmalarına yardımcı olabilir24,25. Önceki çalışmalar, tekrarlayan aşırı silahsız atma26 ve müzikal performans27,28 gibi motor beceri öğreniminin etkisini artırmak için 3D hareket izleme teknolojisinin sağladığı verileri kullanmıştır. Bazı raporlar ayrıca kolonoskopi29, laparoskopik30, artroskop31 ve diğer endoskop32,33 gibi tıbbi becerilerin de bu teknoloji ile geliştirilebileceğini göstermiştir. Ve başka bir çalışma, video tabanlı kendini yansıtma ve öğrencilerle tartışmanın standart açıklayıcı geri bildirimden daha yüksek bilişsel düzeyde etkileşimde bulunduğunu öne sürdü34. Üçüncüsü, ünlü akupunkturcuların ölçümü ve korunması. Tüm veritabanında depolanan hareketli videolara göre toplandığından, kaydedildiğinden ve analiz edildiğinden, bu videolar ve AM'nin ilgili verileri araştırmacılar tarafından daha fazla öğrenme ve kalıtım için herhangi bir zamanda göz atılabilir.

Bu deneysel yöntemin kurulması, AM'nin nicel araştırması için yeni bir yol açar. Gelecekte, akupunkturun klinik uygulaması, eğitimi ve tanıtımı için daha fazla veri referansı sağlamak için veri doğruluğunu daha da iyileştirmek ve daha anlamlı teknik göstergeler çıkarmak için daha fazla kamera konumu, daha yüksek çözünürlüklü lensler ve Daha yüksek hassasiyetli kalibrasyon çerçeveleri uygulanabilir.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarların açıklayacak bir şeyi yok.

Acknowledgments

Bu çalışma Çin Ulusal Doğa Bilimleri Vakfı (Grant Number. 82174506) tarafından desteklendi.

Materials

Name Company Catalog Number Comments
3D calibration frame Any brand 15 x 15 x 15 cm
Acupuncture needles Suzhou Medical Appliance Factory 0.35 x 40 mm
Double-sided tape Any brand Round, 1 cm-diameter
Reflective balls Simi Reality Motion Systems GmbH 6.5 mm-diameter
SD card Western Digital Corporation SDXC UHS-I
SD card reader UGREEN Group Limited USB 3.0
Simi Motion Simi Reality Motion Systems GmbH Ver.8.5.15
Swab Any brand The volume fraction of ethanol is 70%-80%
Three cameras Victor Company of Japan, Limited JVC GC-PX100BAC
Three tripods Any brand

DOWNLOAD MATERIALS LIST

References

  1. Xu, G., et al. Effect of different twirling and rotating acupuncture manipulation techniques on the blood flow perfusion at acupoints. Journal of Traditional Chinese Medicine. 39 (5), 730-739 (2019).
  2. Lan, K. C., et al. Effects of the New Lift-Thrust Operation in Laser Acupuncture Investigated by Thermal Imaging. Evidence-Based Complementary and Alternative Medicine. 2019 (2), 1-8 (2019).
  3. Zhang, L., et al. Effects of acupuncture with needle manipulation at different frequencies for patients with hypertension: Result of a 24- week clinical observation. Complementary Therapies in Medicine. 45, 142-148 (2019).
  4. Sun, N., et al. Correlation between acupuncture dose and effectiveness in the treatment of knee osteoarthritis: a systematic review. Acupuncture in Medicine. 37 (5), 261-267 (2019).
  5. Choi, Y. J., Lee, J. E., Moon, W. K., Cho, S. H. Does the effect of acupuncture depend on needling sensation and manipulation. Complementary Therapies in Medicine. 21 (3), 207-214 (2013).
  6. Park, Y. J., Lee, J. M. Effect of acupuncture intervention and manipulation types on poststroke dysarthria: A systematic review and meta-analysis. Evidence-Based Complementary and Alternative Medicine. 2020, 4981945 (2020).
  7. Yang, N. N., Ma, S. M., Yang, J. W., Li, T. R., Liu, C. Z. Standardizing therapeutic parameters of acupuncture in vascular dementia rats. Brain and Behavior. 10 (10), 01781 (2020).
  8. Lyu, R., Gao, M., Yang, H., Wen, Z., Tang, W. Stimulation parameters of manual acupuncture and their measurement. Evidence-Based Complementary and Alternative Medicine. 2019, 1725936 (2019).
  9. Li, J., Grierson, L. E., Wu, M. X., Breuer, R., Carnahan, H. Perceptual motor features of expert acupuncture lifting-thrusting skills. Acupuncture in Medicine. 31 (2), 172-177 (2013).
  10. Xuemin, S., et al. Application of Twirling Replenishing and Reducing Technique and Its Quantitative Concept. Chinese Medical Journal. 05, 16-17 (1987).
  11. Guxing, Development of teaching test apparatus for acupuncture manipulations in TCM. Chinese Acupuncture & Moxibustion. 21 (4), 229 (2001).
  12. Liu, T. Y., Yang, H. Y., Li, X. J., Kuai, L., Gao, M. Exploitation and application of acupuncture manipulation information analysis system. Zhen Ci Yan Jiu. 33 (5), 330-333 (2008).
  13. Leow, M. Q., Cao, T., Cui, S. L., Tay, S. C. Quantifying needle motion during acupuncture: implications for education and future research. Acupuncture in Medicine. 34 (6), 482-484 (2016).
  14. Sun, L. Research on Acupuncture Information Transmission and Quantification System. , Tianjing University. China. Master thesis (2005).
  15. Tang, W. C., Yang, H. Y., Liu, T. Y., Gao, M., Xu, G. Motion video-based quantitative analysis of the 'lifting-thrusting' method: a comparison between teachers and students of acupuncture. Acupuncture in Medicine. 36 (1), 21-28 (2018).
  16. Zhang, A., Yan, X. K., Liu, A. G. An Introduction to a newly-developed “Acupuncture Needle Manipulation Training-evaluation System” based on optical motion capture technique. Acupuncture Research. 41 (6), 556-559 (2016).
  17. Zhang, A., Yan, X. K., Liu, A. G. An Introduction to A Newly-developed “Acupuncture Needle Manipulation Training-evaluation System” [Based on Optical Motion Capture Techniqu]. Zhen Ci Yan Jiu. 41 (6), 556-559 (2016).
  18. Yang, P., Sun, X. W., Ma, Y. K., Zhang, C. X., Zhang, W. G. Quantitative research on acupuncture manipulation based on video motion capture. Medical Biomechanics. 31 (2), 154-159 (2016).
  19. Wang, F. C., Ma, T. M. Acupuncture and Moxibustion Techniques and Manipulations, 4 end. , Traditional Chinese Medicine publishing co. 31-34 (2016).
  20. Tang, W. C., Xu, L. L., Wang, B. G., Wang, F., Yang, H. Y. Acupuncture Manipulation Analysis (AMA) Version 1.1. , Available from: https://github.com/SHUTCM-tcme/AMA (2021).
  21. Wu, G., et al. ISB recommendation on definitions of joint coordinate systems of various joints for the reporting of human joint motion--Part II: shoulder, elbow, wrist and hand. Journal of Biomechanics. 38 (5), 981-992 (2005).
  22. Metcalf, C. D., Notley, S. V., Chappell, P. H., Burridge, J. H., Yule, V. T. Validation and application of a computational model for wrist and hand movements using surface markers. IEEE Transactions on Biomedical Engineering. 55 (3), 1199-1210 (2008).
  23. Ganguly, A., Rashidi, G., Mombaur, K. Comparison of the performance of the leap motion controller(tm) with a standard marker-based motion capture system. Sensors (Basel). 21 (5), (2021).
  24. Cecilio-Fernandes, D., Cnossen, F., Coster, J., Jaarsma, A. D. C., Tio, R. A. The effects of expert and augmented feedback on learning a complex medical skill. Perceptual and Motor Skills. 127 (4), 766-784 (2020).
  25. Asadipour, A., Debattista, K., Chalmers, A. Visuohaptic augmented feedback for enhancing motor skills acquisition. The Visual Computer. 33 (4), 401-411 (2017).
  26. Ozkaya, G., et al. Three-dimensional motion capture data during repetitive overarm throwing practice. Scientific Data. 5, 180272 (2018).
  27. Maidhof, C., Kastner, T., Makkonen, T. Combining EEG, MIDI, and motion capture techniques for investigating musical performance. Behavior Research Methods. 46 (1), 185-195 (2014).
  28. Turner, C., Visentin, P., Oye, D., Rathwell, S., Shan, G. Pursuing artful movement science in music performance: single subject motor analysis with two elite pianists. Perceptual and Motor Skills. 128 (3), 1252-1274 (2021).
  29. Holden, M. S., et al. Objective assessment of colonoscope manipulation skills in colonoscopy training. International Journal for Computer Assisted Radiology and Surgery. 13 (1), 105-114 (2018).
  30. Oquendo, Y. A., Riddle, E. W., Hiller, D., Blinman, T. A., Kuchenbecker, K. J. Automatically rating trainee skill at a pediatric laparoscopic suturing task. Surgical Endoscopy. 32 (4), 1840-1857 (2018).
  31. Kwak, J. M., et al. Improvement of arthroscopic surgical performance using a new wide-angle arthroscope in the surgical training. PLoS One. 14 (3), 0203578 (2019).
  32. Zhenzhu, L., et al. Feasibility study of the low-cost motion tracking system for assessing endoscope holding skills. World Neurosurgery. 140, 312-319 (2020).
  33. Sakakura, Y., et al. Biomechanical profiles of tracheal intubation: a mannequin-based study to make an objective assessment of clinical skills by expert anesthesiologists and novice residents. BMC Medical Education. 18 (1), 293 (2018).
  34. Hunukumbure, A. D., Smith, S. F., Das, S. Holistic feedback approach with video and peer discussion under teacher supervision. BMC Medical Education. 17 (1), 179 (2017).

Tags

Tıp Sayı 176
Needling Sırasında Üç Boyutlu Parmak Hareketi takibi: Akupunktur Manipülasyonunun Kinematik Analizi için Bir Çözüm
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Xu, L. L., Wang, F., Yang, H. Y.,… More

Xu, L. L., Wang, F., Yang, H. Y., Tang, W. C. Three-Dimensional Finger Motion Tracking during Needling: A Solution for the Kinematic Analysis of Acupuncture Manipulation. J. Vis. Exp. (176), e62750, doi:10.3791/62750 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter