Summary
Denna experimentella metod beskriver en lösning för kinematisk analys av akupunktur manipulation med tredimensionell finger rörelse spårning teknik.
Abstract
Tredimensionell (3D) rörelsespårning har använts inom många områden, såsom forskning om sport och medicinska färdigheter. Detta experiment syftade till att använda 3D-rörelsespårningsteknik för att mäta de kinematiska parametrarna för fingrarnas leder under akupunkturmanipulation (AM) och fastställa tre tekniska indikatorer "amplitud, hastighet och tid". Denna metod kan återspegla am-funktionens driftsegenskaper och ge kvantitativa parametrar längs tre axlar av flera fingerfogar. De aktuella bevisen visar att metoden har stor potential för framtida tillämpningar såsom studier av dos-effektförhållandet av akupunktur, undervisning och inlärning av AM, och mätning och bevarande av kända akupunktörers AM.
Introduction
Som ett slags kliniska färdigheter inom traditionell kinesisk medicin (TCM) och fysisk stimulering betraktas akupunkturmanipulation (AM) ofta som en viktig faktor som påverkar den terapeutiska effekten av akupunktur1,2. Många studier har bekräftat att olika AM eller olika stimuleringsparametrar (needling hastighet, amplitud, frekvens, etc.) av samma AM resulterade i olika terapeutiska effekter3,4,5,6,7. Därför kan mätning av relevanta kinematiska parametrar för AM och korrelationsanalys med den terapeutiska effekten ge användbart datastöd och referens för klinisk behandling med akupunktur8,9.
Mätningen av kinematiska parametrar för AM började på 1980-talet10. I början användes den elektriska signalomvandlingstekniken baserad på variabelt motstånd främst för att omvandla förskjutningssignalen från nålkroppen till en spännings- eller strömsignal för att visa och registrera amplitud- och frekvensdata för AM11. Dessutom har den berömda ATP-II kinesiska medicinakupunkturtekniken testare II (ATP-II) med denna teknik för närvarande använts av många traditionella kinesiska medicinuniversitet i Kina12. Därefter, med kontinuerlig utveckling och innovation av sensorteknik, användes olika typer av sensorer för att samla in kinematiska parametrar för AM. Till exempel var de tre axlarnas elektromagnetiska rörelsesensor fäst vid nålhandtaget för att förvärva needling amplitud och hastighet13; den bioelektriska signalsensorn placerades på dorsala hornet på djurets ryggmärg för att registrera needling frequency14, etc. Även om den kvantitativa forskningen av AM baserad på ovanstående två typer av teknik har slutfört förvärvet av relevanta kinematiska parametrar under behov, är dess främsta nackdelar oförmågan att utföra icke-invasiv mätning i realtid och förändringen av driftskänslan som orsakas av modifieringen av nålkroppen.
Under de senaste åren har rörelsespårningsteknik gradvis tillämpats på den kvantitativa forskningen av AM15,16. Eftersom det är baserat på bildruta-för-bild-analys av behövande video, kan mätningen av akupunkturparametrar förvärvas under in vivo-drift utan att ändra nålkroppen. Denna teknik har använts för att mäta de kinematiska parametrarna som amplitud, hastighet, acceleration och frekvens av fyra spårningspunkter för tumme och pekfinger under behov i ett tvådimensionellt (2D) plan och etablerat motsvarande fingersticksfigur15. Vissa studier mätte också vinkelförändringsområdet för interfalangeal (IP) led av tumme och pekfinger med liknande teknik9,17,18. De aktuella studierna om AM-analys är dock fortfarande huvudsakligen begränsade till 2D-rörelseplanet, och antalet spårningspunkter är relativt litet. Hittills finns det ingen fullständig tredimensionell (3D) kinematisk mät- och analysmetod för AM, och inga relaterade data publicerades.
För att lösa ovanstående problem kommer denna studie att använda 3D-rörelsespårningsteknik för att mäta de kinematiska parametrarna för de sju spårningspunkterna under behov. Detta protokoll syftar till att tillhandahålla en komplett teknisk lösning för den kinematiska analysen på AM, liksom den ytterligare studien om dos-effekt korrelationen av akupunktur.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Denna studie godkändes av etikkommittén vid Yueyang Hospital, ansluten till Shanghai University of Traditional Chinese Medicine (referens nr 2021-062), och varje deltagare undertecknade ett informerat samtyckesformulär.
1. Experimentförberedelser
- Kamerainställningar:
- Placera tre stativ framför operationsbordet och anslut dem till tre kameror.
- Ställ in kameraernas fotograferingsparametrar enligt följande: upplösning 1280 x720 pixlar, format MP4, fullständigt manuellt läge (M), bländare F1.2, slutare 1/1000s, ISO 6400, automatisk vitbalans, optisk zoom 0mm.
OBS: Vinkeln mellan varannan kamera måste ställas in på 60°-120° (bild 1A).
- Placering av spårningsmarkörer:
- Fäst sju reflekterande bollar med en diameter på 6,5 mm på varje deltagares nålhand för videoinspelning enligt figur 1.2.2-1.2.4 och visas i figur 2A.
- Handled: Fäst en boll på mittpunkten på armbågsbenet och radiell styloid definierad som spårningspunkt "handledsled "(WJ)
- Tumme: Fäst en boll vardera på mitten av tumspiken definierad som spårningspunkt "tumspets" (TT), IP-leden definierad som spårningspunkt "tumändeleden" (TEJ) och den metakarpofalangeal (MCP) led som definieras som spårningspunkt "tumbasled" (TBJ).
- Pekfinger: Fäst en boll vardera på mitten av pekfingrets spik definierad som spårningspunkt "pekfingerspets" (FT), den proximala interfalangeala (PIP) leden definierad som spårningspunkt "pekfinger mittled" (FMJ) och MCP-leden definierad som spårningspunkt "pekfingerbasled" (FBJ).
2. Videoinspelning och redigering
- Placera en liten 15 cm x 15 cm x 15 cm 3D-kalibreringsram med 8 punkter på manöverbordet för 3D-kalibrering (figur 1B,C).
- Ta bort ramen från bordet efter att ha tagit en video av kalibreringsramen i minst 8 s.
- Instruera deltagarna att utföra AM på volontärens akupunkturpunkt LI11 (Quchi), inklusive lyft-stötande och snurrande färdigheter, för att styra nålen för att röra sig upp och ner och rotera med tummen respektive pekfingret. Ta videorna av ovanstående färdigheter i minst 10 cykler.
OBS: Inkluderings- och uteslutningskriterierna för deltagarna för att utföra AM och frivilliga för att tillhandahålla akupunkturpunkter för needling listas. Deltagande av deltagare: 1) akupunkturläraren eller studenten avslutade kapitlet "lyftkraftningsförmåga" och "snurrande skicklighet" i kursboken "Akupunktur och Moxibustion Techniques and Manipulations19; (2) Deltagaren bör ha praktisk erfarenhet av människokroppen mer än 5 gånger. Uteslutning av deltagare: 1) lärare eller elever som inte är akupunkturstuderande. (2) akupunkturstudenter utan praktisk erfarenhet av människokroppen. Volontärinkludering: (1) ålder mellan 16-60 år; (2) inga uppenbara hudskador, bristning, suppuration eller uppenbar utsöndring runt LI11 på höger arm. Volontäruteslutning: (1) personer med en historia av rökning, alkohol eller drogmissbruk; (2) Personer med blodsjukdomar eller uppenbar blödningstendens. (3) Personer med kronisk psykisk sjukdom eller psykiska störningar. 4. Gravida kvinnor. (5) Personer med en historia av svimningsnålar. - Exportera alla videor från kamerorna till datorns angivna skiva. Byt namn på 3D-kalibreringsvideorna i kamerorna 1, 2, 3 som "ca-1.mp4", "ca-2.mp4" och "ca-3.mp4".
- Synkronisera alla manipulationsvideor i videoredigeringsprogrammet (t.ex. Adobe premiere pro) och exportera dem som heter "lifting-thrusting-1.avi", "lifting-thrusting-2.avi", "lifting-thrusting-3.avi", "twirling-1.avi", "twirling-2.avi" respektive "twirling-3.avi".
Obs: Se Kompletterande fil 1 för videosynkroniseringsinstruktionerna för videoredigeringsprogrammet som används i denna studie.
3. Projektkonfiguration av Simi Reality Motion System (programvara för motion capture och analys)
- Öppna programvaran för motion capture och analys och välj Skapa ett nytt projekt. Ange projektnamnet i Projektetiketten och klicka på Skapa och spara om du vill spara projektet på den angivna disken.
- Välj Specifikation > punkter > höger/vänster hand och dra ovanstående spårningspunkter från rutan Fördefinierade punkter till rutan Använda punkter och klicka sedan på knappen Stäng för att fortsätta.
OBS: Alla följande steg tar spårningspunkterna för höger hand som ett exempel. - Välj Specifikation > anslutningar och klicka på Ny anslutning
- Inmatningsanslutningsnamnet "pekfinger III höger". Välj "pekfinger mittfog till höger" som startpunkt och linje till punkten "pekfingerspetsen till höger" i samma fönster
- Klicka på knapparna Använd och Stäng för att slutföra upprättandet av anslutningen.
- Lägga till och byta namn på kameragrupperna
- Högerklicka på Kameror > Lägg till kameragrupp för att lägga till nya kameragrupper.
- Högerklicka på Kameror > Byt namn för att byta namn på kameragrupperna som "lyftande kameragrupp" respektive "snurrande kameragrupp".
- Högerklicka på lifting-thrusting camera group > lägga till kamera
- Klicka på knappen Välj fil i rutan Uppföljning .
- Klicka på Öppna befintlig fil och välj operationsvideon "lifting-thrusting-1.avi" i nästa fönster och klicka sedan på Använd för att slutföra videoimporten.
- I likhet med ovanstående åtgärder klickar du på Välj fil i rutan 3D-kalibrering och importerar motsvarande kalibreringsvideo "ca-1.mp4".
- Enligt steg 3.5, fortsätt att importera operationsvideorna "lifting-thrusting-2.avi" och "lifting-thrusting-3.avi", och deras motsvarande kalibreringsvideor "ca-2.mp4" respektive "ca-3.mp4" i Lifting-Thrusting Camera Group.
OBS: Det bör finnas 3 kameror i lyftkraftkameragruppen i projektfönstret efter avsnitten 3.4 och 3.5. - Enligt steg 3.4, 3.5 och 3.6 importerar du virvlande färdighet och kalibreringsvideor till Twirling Camera Group.
4. Videoanalys
- 3D-kalibrering för varje kamera
- Expandera Lifting-Thrusting Camera Group och högerklicka på Lyft-Thrusting-1 > Egenskaper.
- Klicka på 3D-kalibreringsknappen i 3D-kalibreringsrutan ; mata in beskrivningen och lägga till 8 punkter genom att klicka på knappen Lägg till punkt i 8 gånger
- Klicka på Verkställ efter att du har angett namn och motsvarande X, Y, Z-värde för varje punkt enligt kalibreringsparametrarna (tabell 1).
- När du har konfigurerat alla punkter flyttar du musen för att klicka på varje slutpunkt för kalibreringsvideon för att slutföra 3D-kalibreringen.
- Följ steg 4.1.1-4.1.4 för att slutföra 3D-kalibreringen av de andra kamerorna i samma grupp och kamerorna i Twirling Camera Group.
- 3D-fingerrörelsespårning
- Högerklicka på Lifting-Thrusting Camera Group > 3D Tracking, välj alla kameror och klicka på OK-knappen för att öppna 3D-spårningsfönstret .
- Ställ in spår med mönstermatchning (alla punkter) för alla kameror och klicka manuellt på alla spårningspunkter i den första bildrutan.
- Klicka på knappen Sök automatiskt för att starta automatisk 3D-spårningsram för bildruta.
- Följ steg 4.2.1-4.2.3 för att slutföra rörelsespårningen för Twirling Camera Group.
OBS: Om en spårningspunkt går förlorad under den automatiska 3D-spårningen väljer du den förlorade poänglinjen, högerklickar på Ignorera punkt härifrån och klickar sedan på punkten igen och knappen Sök automatiskt . Välj Ja om meddelandet "Ingen startram för spårning har ställts in för 3 valda kameror). den kan ställas in individuellt i kameraegenskaper. Vill du ställa in startramen på bildruta 0 för alla kameror utan startram och fortsätta nu?" dyker upp.
- Dataexport
- Högerklicka på Lyft-Thrusting Camera Group > Ny 3D-beräkning, välj alla kameror och kontrollera Uppdatera data kontinuerligt och Lagra data explicit i fil i fönstret Skapa 3D-data . Klicka på ok för att fortsätta.
- Högerklicka på mappen Lyft-Thrusting-3D-koordinater Data > exportera, kontrollera kolumnrubriker, spårningsnamn, starttid och frekvens, tidsinformation i första kolumnen, X, Y, Z, v(X), v(Y), v(Z) i exportfönstret
- Klicka på knappen Exportera om du vill exportera datafilen (*.txt) med det anpassade namnet. Exportera datafilen för Twirling Camera Group på samma sätt.
5. Dataanalys
OBS: Ett original PHP-skript används för att bläddra och analysera datafilerna som exporteras av programvaran för motion capture och analys. All källkod har delats i en GitHub-databas20.
- När datafilerna som exporteras från programvaran för motion capture och analys har laddats upp till en specifik servermapp som kör det här skriptet öppnar du skriptet och anger användarnamnet och lösenordet för att logga in.
- Klicka på Lägg till ny deltagare, välj deltagartyp och kön och ange deltagarens namn, ålder och övningstid på popup-sidan. Klicka på Skicka för att slutföra lägg till en ny deltagare.
- Klicka på Lägg till ny post som motsvarar den nyligen tillagda deltagaren på listsidan och ange sedan mappnamnet som innehåller de uppladdade datafilerna i programmet för motion capture och analys och välj operationsdatumet. Klicka på Skicka för att fortsätta.
- Klicka på Analys som motsvarar den nyligen tillagda operationsposten och välj sedan Färdighet och klicka på Skicka. Skriptet identifierar och visar alla giltiga vapen och tråg för manuell granskning.
OBS: En viss krön eller ett visst tråg kan väljas om manuellt i motsvarande listrutan om skriptet felaktigt identifierar det. Baserat på dessa krön och tråg kan medelvärdet för amplituder och hastigheter längs tre axlar för varje spårningspunkt och drifttiden för lyft, dragkraft, vridning åt vänster och snurrande högeråtgärder beräknas och visas av skriptet. Beräkningsmetoden för dessa parametrar visas i figur 3.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Efter att ha etablerat denna experimentella metod mättes lyft-stötande och snurrande färdigheter av grundläggande AM av nitton akupunkturlärare från School of Acupuncture-Moxibustion och Tuina vid Shanghai University of TCM med hjälp av 3D rörelsespårning. Enligt definitionen av ett gemensamt koordinatsystem (JCS) för axel, armbåge, handled och hand som föreslagits av standardiserings- och terminologikommittén (STC) i International Society of Biomechanics21 har sju fingerspårningspunkter valts ut. Stickvyn som genereras av programvaran för motion capture och analys baserad på dessa punkters anatomiska positioner visas i figur 2B. De typiska koordinattidskurvorna längs tre axlar på varje punkt visas i figur 4 och två videor med lyftkrafter och vridningsfärdigheter med stickvy (Video 1 och Video 2).
Som visas i figur 4C,E, på grund av den minimala rörelseamplituden längs huvudrörelseaxlarna under olika färdigheter (Z-axeln för lyftkraftsfärdighet och Y-axeln av vridningsfärdighet) i handledsleden (WJ) kan fixas, och rörelsen verkar uppstå från tummen och pekfingret. Därför exporterades uppgifterna från de övriga sex punkterna av programvaran för motion capture och analys för ytterligare kinematisk analys av am. Efter dataanalys beräknades medelvärdet av amplitud och hastighet längs tre axlar och drifttiden för åtgärden "lyft", "dragkraft", "snurrande vänster" och "snurrande höger" för varje spårningspunkt på fingrarna och visas i tabell 2, tabell 3 och tabell 4.
Dessutom spårades deltagarnas fingerrörelse när de utförde AM på ATP-II. De data som härleddes från ATP-II jämfördes med de data som exporterades av programvaran för motion capture och analys. Resultaten visar att formen på koordinattidskurvan för TT längs Z-axeln liknade spänningskurvan som genererades av ATP-II under lyftkraften. Under tiden, under vridningsfärdigheten, liknade formen på amplitudtidskurvan längs Y-axeln av TT också spänningstidskurvan för ATP-II. Efter beräkningen var dessutom de genomsnittliga driftscyklerna för dessa två typer av kurvor i stort sett desamma (figur 5).
Bild 1: Kamerapositioner och placering av 3D-kalibreringsram. (A) Positionerna för tre kameror. (B) Framvy av 3D-kalibreringsram. (C) Ovanifrån av 3D-kalibreringsram. Klicka här för att se en större version av den här figuren.
Bild 2: Placeringarna för spårningsmarkörer och deras stickvy. A) Placeringarna för de spårningsmarkörer som finns till hands. (B) Stickvyn som genereras av programvaran för motion capture och analys baserad på dessa punkters anatomiska positioner. Klicka här för att se en större version av den här figuren.
Bild 3: Schematiskt diagram över beräkningsmetod för kinematiska parametrar. Den genomsnittliga amplituden och hastigheten kan beräknas baserat på kurvvapen och trågpositionering. Klicka här för att se en större version av den här figuren.
Figur 4: Typiska koordinattidskurvor under lyftkrafter och vridningsfärdigheter. (A,B,C) De typiska koordinattidskurvorna längs X-, Y-, Z-axeln för varje spårningspunkt under lyftkraftsfärdigheten. (D,E,F) Kurvorna med samma inställningar för lyftkraftsfärdighet under virvlande skicklighet. Klicka här för att se en större version av den här figuren.
Figur 5: Jämförelse av kurvorna som genereras av ATP-II och programvara för motion capture och analys. (A) Deltagarnas fingerrörelser spårades när de utförde AM på ATP-II. B) ATP-II:s spänningstidskurva under lyftkraftsfärdigheten. C) Koordinattidskurvan längs TT:s Z-axel under lyftkraftsfärdigheten. D) Atp-II:s spänningstidskurva under virvlande skicklighet. E) Koordinattidskurvan längs TT:s Y-axel under vridningsfärdighet. Klicka här för att se en större version av den här figuren.
Tabell 1: Kalibreringspunkternas koordinatparametrar. Koordinatvärdena för tre axlar med åtta kalibreringspunkter. Klicka här för att ladda ner den här tabellen.
Tabell 2: Kinematikdata för varje spårningspunkt under lyftkraften. Medelvärdet av amplitud och hastighet längs tre axlar av varje spårningspunkt på siffror under lyftkraften. Klicka här för att ladda ner den här tabellen.
Tabell 3: Kinematikdata för varje spårningspunkt under virvlande färdighet. Medelvärdet av amplitud och hastighet längs tre axlar för varje spårningspunkt på siffror under snurrande skicklighet. Klicka här för att ladda ner den här tabellen.
Tabell 4: Driftstid under lyftkraft och vridningsförmåga Medelvärdet för drifttiden i processerna för att lyfta, trycka, snurra åt vänster och snurra högeråtgärder Klicka här för att ladda ner den här tabellen.
Video 1: Lyftkraftsförmåga. (Uppe till vänster) Käppen av handen. (Uppe till höger, Nedre vänstra, Nedre högra) Den typiska dynamiska kurvan för koordinattid längs X-, Y-, Z-axeln för varje spårningspunkt under lyftkraftsfärdigheten Klicka här för att ladda ner den här videon.
Video 2: Twirling skicklighet: Käppvyn för handen och typiska dynamiska kurvor för koordinattid med samma inställningar som Video 1 under vridningsfärdigheten. Klicka här för att ladda ner den här videon.
Kompletterande fil 1: Instruktioner för videosynkronisering. Skärmdumpar och steg i instruktioner för videosynkronisering av videoredigeringsprogrammet som används i denna studie. Klicka här för att ladda ner den här filen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Denna studie fastställde mätmetoden för de kinematiska parametrarna för AM in vivo och erhöll data om rörelseamplitud, hastighet och driftstid för de sex viktiga spårningspunkterna på tummen och pekfingret längs tre axlar. Under tiden, baserat på 3D kalibreringsramen, genererades en 3D-stickvy och motsvarande animering av tummen och pekfingret under needling. Am-tummens och pekfingrets rörelse kan visas fullt ut med den synkrona uppspelningen av kinematisk parameterkurva och stickanimering, vilket kan hjälpa forskare att utforska rörelseegenskaperna och jämföra likheter och skillnader mellan olika AM-färdigheter.
Under hela experiment processen kan vissa kritiska steg som påverkar analysresultaten sammanfattas först, den experimentella miljö konfigurationen. Den rekommenderade temperaturen i den experimentella miljön är konstant 22-25 °C, och relativ fuktighet är ca 60% utan uppenbart luftflöde i rummet. Samtidigt finns det inget starkt buller och elektromagnetiska källstörningar i den omgivande miljön. För det andra placeringen av kameran och stativet. I rörelsespårningsprocessen bör alla spårningspunkter registreras av alla kameror för att få data med hög precision. Därför är en rimlig kameraposition nyckeln till att minska experimentella fel. Dessutom bör stativen justeras till en lämplig höjd (högre än tabellen och säkerställa att de experimentella anordningarna på bordet och deltagarens hand tydligt kan registreras). För det tredje, kalibrering och automatisk rörelsespårning. Alla analysdata beräknas baserat på positionen för varje spårningspunkt i 3D-kalibreringssystemet i varje bildruta i rörelsevideon. Därför är framgångsrik kalibrering och automatisk spårning av varje punkt förutsättningar för att utföra beräkningar. Slutligen identifiering av vapen och tråg. De tekniska indikatorerna för AM kan beräknas genom placeringen av kammar och dalar i varje cykel. I det här protokollet är stegen för automatisk identifiering och manuell granskning utformade för att säkerställa att experimentella data är korrekta.
För att tillämpa 3D rörelsespårningsteknik på den kinematiska analysen av AM gjordes två modifieringar av denna teknik som vanligtvis används i de stora lederna av mänskliga lemmar. Först anpassningen av en liten 3D-kalibreringsram för fingrar. En 15×15×15cm 3D kalibreringsram anpassades för att förbättra mätnoggrannheten för fingerrörelser. Genom 3D-laserskanning är ramens kalibreringsnoggrannhet 0,01 mm. För det andra, fastställandet av tekniska indikatorer för am och relaterade beräkningsmetoder. Enligt rörelseegenskaperna hos AM och de rådata som exporteras av rörelsespårningssystemet fastställdes tre tekniska indikatorer, "amplitud, hastighet och tid" längs tre axlar för varje fingerspårningspunkt. Dessa parametrar kan beräknas med PHP-skript baserat på böjningspunktsigenkänningen av koordinattidskurvan. De möjliga crests och tråg kan identifieras enligt det logiska uttrycket (1) respektive (2).
(1)
(2)
Där dc, dt och dt2 är differentieringarna av koordinatvärde, tid och tid i kvadrat, är d2c den kvadratiska differentieringen av koordinaten. Enligt testresultaten för experimentella provdata fastställdes två typer av tröskelvärden för att kontrollera dessa topp- och trågs validiteter. Tidströskeln är 80% av den genomsnittliga driftscykeln, crest- och trågtrösklarna är 75% och 25% av den maximala driftamplituden. Efter att ha korsat alla kammar och dalar identifieras krönet vars intervalltid från föregående vapen är större än tidströskeln och koordinatvärdet större än vapentröskeln som den giltiga krönet. Tråget vars intervalltid från föregående krön är större än tidströskeln och koordinatvärdet är mindre än trågtröskeln identifieras som det giltiga tråget. Även om kammarna och tråg i de flesta fall kan identifieras automatiskt, finns det fortfarande några fall som måste justeras manuellt. Därför måste igenkänningsalgoritmen förbättras i framtida arbete som den viktigaste begränsningen av denna lösning. Den preliminära analysen av de experimentella data visade att rörelsen amplitud och hastighet av MCP leder var de minsta, och de relaterade parametrarna för IP eller PIP gemensamma och fingertopparna var större respektive största. Dessutom drevs nålkroppen av fingertopparnas vertikala eller tangentiella rörelse för att röra sig upp och ner eller rotera på en fast axel. Sammanfattningsvis är AM en slags rytmisk rörelse som utförs av fingertoppar som drivs av MCP-leder i tummen och pekfingret. Dessutom, oavsett vilken AM-färdighet som användes, inträffade ett visst rörelseområde längs tre axlar vid alla spårningspunkter, vilket tyder på att under driften av lyftkraftningsfärdigheten, även om fingertopparna huvudsakligen rör sig i vertikal riktning, åtföljs den fortfarande av en tangentiell kopplad rörelse, och den tangentiellbaserade vridningsfärdigheten åtföljs också av en vertikal kopplad rörelse. Dessa resultat indikerar att AM inte är en enkel enaxlad rörelse.
I likhet med andra studier som använder denna teknik för att analysera fingerrörelser, ger rörelsespårningstekniken i detta protokoll också treaxliga kinematiska data för fingerfogar med hög noggrannhet22. En sekundär analys av rådata i enlighet med am-statusens kompetensegenskaper utfördes dock, och motsvarande tekniska indikatorer fastställdes i detta protokoll för ytterligare jämförande analys. Jämfört med de bärbara, lättanvända och billiga handrörelsespårningsenheterna som Leap Motion har standardmarkörbaserad rörelsespårningsanalys dessutom fördelarna med högre noggrannhet och bredare applikationsområde23,24. Jämfört med den traditionella AM-analysanordningen ATP-II har amplitudtidskurvan längs huvudrörelseaxeln som härrör från rörelsespårningsanalys och spänningskurvan som härleds av ATP-II betydande överensstämmelse i samma AM-färdighet. Dessutom var de driftscykler som beräknades med de två mätmetoderna också relativt konsekventa. Dessa resultat visade att denna experimentella metod inte bara kan återspegla liknande färdighetsegenskaper som ATP-II utan också ge mer kinematiska parametrar längs tre axlar med flera spårningspunkter, som inte kan mätas med tidigare experimentell teknik.
Denna experimentella metod ger ett effektivt sätt att analysera komplicerade rörelser av fingrar som är involverade i AM. Det har stor potential för framtida applikationer. För det första studien av dos-effektförhållandet av akupunktur. 3D finger motion tracking-teknik ger en lösning för att bestämma stimuleringsmängden av manuell akupunktur och kan användas för att utföra studier som korrelationsanalys mellan needlinghastighet, amplitud och terapeutisk effekt, för att ge mer vetenskapligt datastöd för klinisk tillämpning av akupunktur. För det andra, kvantitativ utvärdering och återkoppling för undervisning och lärande av AM. Resultaten från dataanalys i kombination med lärarens verbala feedback kan hjälpa eleverna att justera sina fingeråtgärder och minska den kognitiva belastningen24,25. Tidigare studier har använt data från 3D-rörelsespårningsteknik för att förbättra effekten av motorisk färdighetsinlärning, såsom repetitiv överarmskastning26 och musikalisk prestanda27,28. Vissa rapporter visade också att medicinska färdigheter som koloskopi29, laparoskopisk30, artroskop31 och annat endoskop32,33 också kunde förbättras med denna teknik. Och en annan studie föreslog att den videobaserade självreflektion och diskussion med elever som engagerar sig på en högre kognitiv nivå än den vanliga beskrivande feedback34. För det tredje, mätning och bevarande av kända akupunktörers AM. Eftersom all AM samlas in, spelas in och analyseras baserat på rörelsevideor lagrade i databasen, kan dessa videor och relevanta data om AM när som helst bläddras av forskare för vidare inlärning och arv.
Inrättandet av denna experimentella metod öppnar ett nytt sätt för kvantitativ forskning om am. I framtiden kan fler kamerapositioner, linser med högre definition och kalibreringsramar med högre precision tillämpas för att ytterligare förbättra datanoggrannheten och gräva fram mer meningsfulla tekniska indikatorer för att ge mer datareferens för klinisk tillämpning, utbildning och främjande av akupunktur.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Författarna har inget att avslöja.
Acknowledgments
Detta arbete stöddes av National Natural Science Foundation of China (Grant Number. 82174506).
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 |
References
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Xuemin, S., et al. Application of Twirling Replenishing and Reducing Technique and Its Quantitative Concept. Chinese Medical Journal. 05, 16-17 (1987).
- Guxing, Development of teaching test apparatus for acupuncture manipulations in TCM. Chinese Acupuncture & Moxibustion. 21 (4), 229 (2001).
- 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).
- 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).
- Sun, L. Research on Acupuncture Information Transmission and Quantification System. , Tianjing University. China. Master thesis (2005).
- 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).
- 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).
- 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).
- 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).
- Wang, F. C., Ma, T. M. Acupuncture and Moxibustion Techniques and Manipulations, 4 end. , Traditional Chinese Medicine publishing co. 31-34 (2016).
- 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).
- 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).
- 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).
- 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).
- 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).
- Asadipour, A., Debattista, K., Chalmers, A. Visuohaptic augmented feedback for enhancing motor skills acquisition. The Visual Computer. 33 (4), 401-411 (2017).
- Ozkaya, G., et al. Three-dimensional motion capture data during repetitive overarm throwing practice. Scientific Data. 5, 180272 (2018).
- 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).
- 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).
- 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).
- 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).
- 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).
- Zhenzhu, L., et al. Feasibility study of the low-cost motion tracking system for assessing endoscope holding skills. World Neurosurgery. 140, 312-319 (2020).
- 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).
- 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).
