Yöntem makalesi

Sanal modifiye edilmiş bir kutu ve blok testi sırasında hareket ve kas aktivitesinin kantitatif değerlendirmesi için kurulum

DOI:

10.3791/65736

⸱

12 Ocak 2024

 ,  ,  ,  , 
1Department of Neuroscience, West Virginia University, 2Department of Human Performance, West Virginia University, 3Department of Biomedical Engineering, West Virginia University

* These authors contributed equally

Bu makalede

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Burada açıklanan protokol, hem klinikte hem de evde uzaktan değerlendirme için ek teknoloji geliştirmek amacıyla üst ekstremite eksikliklerinin kantitatif değerlendirmesini geliştirmeyi amaçlamaktadır. Sanal gerçeklik ve biyosensör teknolojileri, nöromüsküler sistemin işleyişi hakkında bilgi sağlamak için standart klinik tekniklerle birleştirilir.

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Hareket etme yeteneği, dünya ile etkileşim kurmamızı sağlar. Bu yetenek bozulduğunda, kişinin yaşam kalitesini ve bağımsızlığını önemli ölçüde azaltabilir ve komplikasyonlara yol açabilir. Yüz yüze hizmetlere sınırlı erişim nedeniyle uzaktan hasta değerlendirmesi ve rehabilitasyonunun önemi son zamanlarda artmıştır. Örneğin, COVID-19 salgını beklenmedik bir şekilde katı düzenlemelerle sonuçlandı ve acil olmayan sağlık hizmetlerine erişimi azalttı. Ek olarak, uzaktan bakım, hizmetlere erişimin sınırlı kaldığı kırsal, yetersiz hizmet alan ve düşük gelirli bölgelerdeki sağlık eşitsizliklerini ele alma fırsatı sunar.

Uzaktan bakım seçenekleri aracılığıyla erişilebilirliğin iyileştirilmesi, hastane veya uzman ziyaretlerinin sayısını sınırlayacak ve rutin bakımı daha uygun maliyetli hale getirecektir. Son olarak, evde bakım için hazır bulunan ticari tüketici elektroniğinin kullanılması, semptomların, tedavi etkinliğinin ve tedavi dozunun iyileştirilmiş kantitatif gözlemi nedeniyle hasta sonuçlarını iyileştirebilir. Uzaktan bakım, bu sorunları ele almak için umut verici bir araç olsa da, bu tür uygulamalar için motor bozukluğunu nicel olarak karakterize etmek için çok önemli bir ihtiyaç vardır. Aşağıdaki protokol, klinisyenlerin ve araştırmacıların karmaşık hareket ve altta yatan kas aktivitesi hakkında yüksek çözünürlüklü veriler elde etmelerini sağlamak için bu bilgi boşluğunu ele almayı amaçlamaktadır. Nihai hedef, fonksiyonel klinik testlerin uzaktan uygulanması için bir protokol geliştirmektir.

Burada, katılımcılara el fonksiyonunu değerlendirmek için sıklıkla kullanılan, tıbbi olarak ilham alan bir Kutu ve Blok görevi (BBT) yapmaları talimatı verildi. Bu görev, deneklerin standartlaştırılmış küpleri bir bariyerle ayrılmış iki bölme arasında taşımasını gerektirir. Uzaktan değerlendirme protokolleri geliştirme potansiyelini göstermek için sanal gerçeklikte değiştirilmiş bir BBT uyguladık. Yüzey elektromiyografisi kullanılarak her denek için kas aktivasyonu yakalandı. Bu protokol, hareket bozukluğunu ayrıntılı ve nicel bir şekilde daha iyi karakterize etmek için yüksek kaliteli verilerin elde edilmesine izin verdi. Sonuç olarak, bu veriler sanal rehabilitasyon ve uzaktan hasta izleme için protokoller geliştirmek için kullanılma potansiyeline sahiptir.

Giriş

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Hareket, dünyayla nasıl etkileşim kurduğumuzdur. Bir bardak su almak veya işe yürümek gibi günlük aktiviteler basit görünse de, bu hareketler bile merkezi sinir sistemi, kaslar ve uzuvlar arasındaki karmaşık sinyallere dayanır1. Bu nedenle, kişisel bağımsızlık ve yaşam kalitesi, bireyin uzuv işlevinin seviyesi ile yüksek oranda ilişkilidir 2,3. Omurilik yaralanması (SKY) veya periferik sinir yaralanmasında olduğu gibi nörolojik hasar, kalıcı motor eksikliklere neden olabilir ve böylece kişinin günlük yaşamın basit aktivitelerini bile gerçekleştirme yeteneğini azaltabilir 4,5. Ulusal Nörolojik Bozukluklar ve İnme Enstitüsü'ne göre, Amerika Birleşik Devletleri'nde 100 milyondan fazla insan motor eksiklikler yaşamaktadır ve inme önde gelen nedenlerden biridir 6,7,8. Bu yaralanmaların doğası gereği, hastalar genellikle kantitatif motor değerlendirme ve uzaktan tedavinin faydalı olabileceği uzun süreli bakıma ihtiyaç duyarlar.

Hareket bozukluklarını tedavi etmek için mevcut uygulamalar genellikle fiziksel veya mesleki terapistler gibi eğitimli uzmanlar tarafından gözlem yoluyla fonksiyonun hem ilk hem de devam eden klinik değerlendirmesini gerektirir. Standart olarak doğrulanmış klinik testler genellikle, belirli zaman kısıtlamaları ve önceden tanımlanmış hareketlerin veya fonksiyonel görevlerin öznel puanlaması ile bunları uygulamak için eğitimli profesyoneller gerektirir. Bununla birlikte, sağlıklı bireylerde bile, eklem açılarının değişen kombinasyonları ile aynı hareketler gerçekleştirilebilir. Bu kavram kas-iskelet sistemi fazlalığı olarak adlandırılır.

Fonksiyonel klinik testler genellikle denekler arası değişkenliğin altında yatan bireysel fazlalığı hesaba katmaz. Hem klinisyenler hem de araştırmacılar için, fazlalığın neden olduğu normal değişkenlik ile hareketteki patolojik değişiklikler arasında ayrım yapmak bir zorluk olmaya devam etmektedir. İyi eğitimli değerlendiriciler tarafından gerçekleştirilen standartlaştırılmış klinik değerlendirmeler, değerlendiriciler arası değişkenliği azaltmak ve test geçerliliğini artırmak için düşük çözünürlüklü puanlama sistemlerini kullanır. Bununla birlikte, bu, tavan etkilerini ortaya çıkarır, böylece hafif hareket eksikliği olan denekler için duyarlılığı ve öngörücü geçerliliği düşürür 9,10. Ayrıca, bu klinik testler, eksikliklerin pasif vücut mekaniğinden mi yoksa aktif kas koordinasyonundan mı kaynaklandığını ayırt edemez, bu da ilk tanı sırasında ve hastaya özgü bir rehabilitasyon planı tasarlanırken önemli olabilir. Randomize klinik çalışmalar, bu klinik testler tarafından sağlanan kanıtlara dayanarak formüle edilen tedavi planlarının tutarsız etkinliğini ortaya koymuştur 11,12,13. Çeşitli çalışmalar, gelecekteki müdahalelerin tasarımına rehberlik etmek için kullanılabilecek nicel, kullanıcı dostu klinik metriklere duyulan ihtiyacı vurgulamıştır14,15.

Önceki çalışmalarda, meme kanseri hastalarında göğüs cerrahisi sonrası omuz fonksiyonunun değerlendirilmesinin yanı sıra, inme sonrası kol bozukluğunda hazır bulunan tüketici hareket yakalama cihazları kullanılarak otomatik hareket değerlendirmesinin uygulanmasını gösterdik16,17. Ek olarak, belirli aktif hareketlerin kas momentlerini tahmin etmek için aktif eklem momentlerinin kullanılmasının, eklem açılarına kıyasla inme sonrası motor eksikliklerin daha hassas bir ölçüsü olduğunu gösterdik18. Bu nedenle, hareket yakalama ve yüzey elektromiyografisi (EMG), standart klinik testlerle asemptomatik olarak teşhis edilen, ancak yine de hareket güçlüğü, yorgunluk veya ağrı yaşayabilen hastaların değerlendirilmesinde kritik öneme sahip olabilir. Bu makale, hareket bozukluğu olan hasta popülasyonlarında evde değerlendirme ve rehabilitasyon yöntemlerinin gelecekteki gelişimi için standart klinik testler sırasında hareketin ayrıntılı ve kantitatif karakterizasyonunu sağlayabilecek bir sistemi açıklamaktadır.

Sanal gerçeklik (VR), günlük görevleri modellerken sürükleyici bir kullanıcı deneyimi oluşturmak için kullanılabilir. Tipik olarak, VR sistemleri, sanal ortamla simüle edilmiş etkileşimlere izin vermek için kullanıcının el hareketlerini izler. Burada tanımladığımız protokol, inme veya omuz cerrahisi sonrası bozulmanın kantitatif değerlendirmesinde kullanıma hazır video oyun denetleyicilerinin kullanımını gösteren diğer çalışmalara benzer şekilde, motor açıkların değerlendirmesini ölçmek için hareket yakalama için tüketici VR ürünlerini kullanır16,17. Ek olarak, EMG, kas kasılmasının altında yatan nöral aktivitenin invaziv olmayan bir ölçüsüdür19. Bu nedenle, EMG, hareketin nöral kontrolünün kalitesini dolaylı olarak değerlendirmek ve motor fonksiyonun ayrıntılı bir değerlendirmesini sağlamak için kullanılabilir. Kas ve sinir hasarı EMG ile tespit edilebilir ve kas distrofisi ve serebral palsi gibi bozukluklar bu teknik kullanılarak yaygın olarak izlenir20,21. Ayrıca, EMG, kinematik değerlendirmelerde22,23 belirgin olmayabilecek kas gücü veya spastisitedeki değişikliklerin yanı sıra yorgunluk ve kas koaktivasyonunu izlemek için kullanılabilir. Bu gibi metrikler rehabilitasyon ilerlemesini dikkate almada kritik öneme sahiptir 23,24,25.

Burada açıklanan deneysel paradigma, geleneksel klinik değerlendirme araçlarının sınırlamalarını ele almak için VR ve EMG'nin bir kombinasyonundan yararlanmayı amaçlamaktadır. Burada, katılımcılardan gerçek nesneleri kullanarak ve VR'de değiştirilmiş bir Kutu ve Blok görevi (BBT)26 gerçekleştirmeleri istendi. Standart BBT, brüt üst ekstremite fonksiyonunun genel değerlendirmesinde kullanılan ve deneklerden bir bölmeden bir bölme üzerinden bir dakika içinde bitişik bir bölmeye mümkün olduğunca çok sayıda 2,5 cm'lik bloğu hareket ettirmelerinin istendiği klinik bir araçtır. Genellikle inme veya diğer nöromüsküler rahatsızlıkları olan hastalarda (ör., üst ekstremite parezi, spastik hemipleji) eksiklikleri güvenilir bir şekilde değerlendirmek için kullanılırken, 6-89 yaş arası sağlıklı çocuklar ve yetişkinler için de normatif veriler bildirilmiştir26. Gerçek hayatta gerçekleştirilen doğrulanmış klinik testin işlevsel yönlerini simüle etmek için sanal bir hareket değerlendirmesi kullanılır. VR burada, standartlaştırılmış talimatların ve programlanmış, otomatik puanlamanın sağlanmasına izin verirken gerekli donanımı azaltmak için kullanılır. Bu nedenle, eğitimli profesyoneller tarafından sürekli denetim artık gerekli olmayacaktır.

Bu çalışmadaki BBT, aynı yerde görünen bir blokun her seferinde ulaşmasını ve kavranmasını yakalamaya odaklanacak şekilde basitleştirilmiştir. Bu, hareketlerin tekrarlanabilirliğini en üst düzeye çıkardı ve kaydedilen verilerdeki denekler arası değişkenliği en aza indirdi. Son olarak, sanal gerçeklik kulaklıkları 300 $ gibi düşük bir fiyata satın alınabilir ve birden fazla değerlendirmeye ev sahipliği yapma potansiyeline sahiptir. Bir kez programlandıktan sonra, bu, tipik profesyonel değerlendirme ile ilişkili maliyeti önemli ölçüde azaltacak ve hem klinik hem de uzaktan/ev ortamlarında bu standart, doğrulanmış klinik testlerin erişilebilirliğinin artmasına izin verecektir.

Protokol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Deneysel prosedürler, West Virginia Üniversitesi Kurumsal İnceleme Kurulu (IRB), protokol # 1311129283 tarafından onaylandı ve Helsinki Bildirgesi'nin ilkelerine bağlı kaldı. Bu protokolden kaynaklanan riskler önemsizdir, ancak katılımcılara tüm prosedürlerin ve potansiyel risklerin açıklanması ve kurumsal etik inceleme kurulu tarafından onaylanan belgelerle yazılı, bilgilendirilmiş onam alınması gerekmektedir.

1. Sistem özellikleri ve tasarımı

NOT: Bu protokolün kurulumu aşağıdaki öğelerden oluşur: (1) EMG sensörleri ve tabanı, (2) EMG veri toplama (DAQ) yazılımı, (3) bir hareket yakalama sistemi ve (4) ilgili yazılıma sahip bir VR kulaklığı. Bu bileşenler Şekil 1'de görselleştirilmiştir.

  1. Sistem bileşenlerinin kurulumu
    1. EMG sistemini bağlayın.
      1. EMG baz istasyonunu güç sağlamak için prize takın.
      2. EMG baz istasyonunu DAQ komut dosyalarını içeren özel bir bilgisayara (Şekil 1C) bağlayın.
        NOT: Örnek komut dosyaları şu adreste bulunabilir: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0. Bazı ticari ürünler, aynı zamanda kullanılabilecek lisanslı DAQ yazılımıyla birlikte gelebilir.
    2. Hareket yakalama sistemini bağlayın.
      1. İkinci bir ayrılmış bilgisayarı (Şekil 1A) bir ağ yönlendiricisine bağlayın.
      2. Ağ yönlendiricisini bir hareket yakalama sunucusuna bağlayın.
      3. Görselleştirme için hareket yakalama sunucusunu bir bilgisayar monitörüne bağlayın.
      4. Kameraları hareket yakalama sunucusuna bağlayın.
    3. VR sistemini bağlayın.
      1. VR gözlüğünü, ilgili DAQ komut dosyalarına sahip üçüncü bir özel bilgisayara bağlayın (Şekil 1B).
        NOT: Örnek komut dosyaları şu adreste bulunabilir: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0
      2. Amaçlanan görevleri içeren VR oyun ortamını, VR gözlüğüne bağlı bilgisayara yükleyin (Şekil 1B).
    4. Konunun görevi tamamlayacağı alanı hazırlayın.
      1. Nesnenin normal uzanmasına herhangi bir müdahale olmadığından emin olmak için kolsuz, sağlam bir sandalye kullanın.
      2. Toplanan verilerin güvenliği ve doğruluğu için, test alanının tüm engellerden arınmış olduğunu onaylayın.
    5. Sistemleri senkronize edin.
      1. Sistemleri zamanında tek seferlik bir sunucuya senkronize etmek için özel bir yazılım işlevi kullanın.
      2. Alternatif olarak, bir bilgisayar veya tercih edilen bir ileti yöneticisi kullanın.

figure-protocol-1
Şekil 1: Deney ekipmanı kurulumu. (A) İşaretleyici hareket yakalama kameraları, hareketi izlemek için en uygun alanı oluşturacak şekilde deney alanının etrafındaki zemine ve tavana yerleştirilmiştir. Hareket yakalama yazılımını çalıştırmak ve verileri kaydetmek için özel bir bilgisayar kullanılır. (B) Değiştirilmiş BBT'yi VR'de görüntülemek için kullanılan kulaklık, sanal değerlendirme ve görev verilerinin kaydedildiği özel bir bilgisayara bağlanır. (C) EMG tabanı, görevin yürütülmesi sırasında kas aktivitesi verilerinin kaydedildiği ve kaydedildiği özel bir bilgisayara bağlanır. EMG sensörleri ve hareket yakalama için LED işaretleyiciler, seans sırasında deneğin koluna yerleştirilir (bkz. Şekil 2). Kısaltmalar: VR = sanal gerçeklik; EMG = elektromiyografi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

2. Deneysel prosedürler

NOT: Bu protokolde açıklanan deneysel akışın görsel bir temsili Şekil 2'de gösterilmiştir.

  1. EMG'yi Ayarla
    1. En iyi sinyal kalitesi için EMG sensörü yerleşimini belirlemek için, katılımcı ilgili kası kasılırken kas göbeğini palpe edin27. Bu protokolde kullanılan kas seçimi için Tablo 1'e bakınız.
    2. Alkollü bir mendil kullanarak, her bir elektrotu ve deneğin kolundaki amaçlanan sensör yerleştirme bölgesini dikkatlice temizleyin.
      NOT: Hem EMG sensörlerinin hem de deneğin cildinin kapsamlı bir şekilde temizlenmesi, düşük bir elektrot-cilt empedansı sağlayacaktır. Bu, kaydedilen EMG verilerinin yüksek bir sinyal-gürültü oranına sahip olmasını sağlar. Sensör yerleştirme yerindeki fazla tüy, uygun şekilde temizlense bile düşük kaliteli verilere neden olabilir. Bu durumda saçları tıraş etmek gerekebilir.
    3. EMG elektrotlarını ve deneğin cildini hazırladıktan sonra, EMG sensörlerini konunun üzerine yerleştirin ve elektrotlar ile cilt arasında iyi bir temas sağlayın. Bipolar elektrotlar, sensörler kas liflerinin yönüne paralel olacak şekilde konumlandırılmalıdır.
  2. Hareket yakalama sistemini kurun
    NOT: Kinematik için el hareketlerini izlemek için yalnızca bir VR gözlüğü kullanılıyorsa bu gerekli olmayabilir.
    1. Üreticinin talimatlarını kullanarak hareket izleme kameralarını kalibre edin. Hareket izleme kameralarını kalibre etmek ve alanın 3B eksenini ayarlamak için kalibrasyon çubuğunu deney alanı boyunca hareket ettirin.
      NOT: Bu protokolde kullanılan işaretleyici hareket yakalama sistemi, LED işaretleyicilere sahip bir kalibrasyon çubuğu içerir.
    2. LED hareket yakalama işaretleyicilerini, istenen biyomekanik modelleri oluşturmak için gerekli olan öznenin üst ekstremitesinin ve gövdesinin kemikli yer işaretlerine yerleştirin.
    3. Tüm işaretçilerin hareket yakalama kameraları tarafından tanınmasını ve izlenmesini sağlamak için sağlanan hareket yakalama yazılımını kullanın. Çalışma personeli işaretleyici verilerini gerçek zamanlı olarak görsel olarak izlerken deneğe birkaç uygulama hareketi gerçekleştirmesi talimatını verin.
  3. VR beceri değerlendirme görevini ayarlayın
    1. Hareket yakalama deney alanının ortasına bir sandalye yerleştirin. Geleneksel, gerçek dünya testi için kullanılana benzer bir sandalye kullanın.
    2. VR gözlüğünü, deneğin değerlendirme görevini gerçekleştireceği sandalyede kalibre edin. Kalibre edildikten sonra, deneğe sandalyeye oturmasını ve VR kulaklığını kafasına yerleştirmesini söyleyin.
    3. Denek otururken, deneğin omzu ile yer arasındaki mesafeyi ve deneğin kolunun uzunluğunu ölçün. Tablonun ve değerlendirme görevinin VR'de ortaya çıkacağı konumu ayarlamak için bu mesafeleri kullanın.
    4. VR görev kontrol komut dosyasında, öznenin ölçümlerini girin ve istenen sayıda blok oluşturma tekrarını programlayın.
      NOT: Bu Değiştirilmiş BBT'de, tekrarlanabilirliği artırmak için tek tek bloklar birer birer ortaya çıkacaktır.
  4. Deneğe değiştirilmiş BBT değerlendirmesini VR'de gerçekleştirmesi talimatını verin.
    1. Konuya görevin kısa bir açıklamasını sağlayın.
      1. Sanal blok, deneyci tarafından belirlendiği gibi sol veya sağ tarafta ortaya çıkacaktır.
      2. Deneğe sanal bloğu almaları, bölme üzerinden taşımaları ve karşı bölmedeki hedefin üzerine yerleştirmeleri gerekeceğini açıklayın (Şekil 2).
        NOT: Burada kullanılan sanal modifiye edilmiş BBT'de, blok otomatik olarak kaybolacak ve deneyci tarafından belirlenen sayıda başlangıç konumunda yeniden doğacaktır.
    2. EMG verilerini toplamaya başlayın.
    3. Hareket yakalama verilerini toplamaya başlayın.
    4. VR beceri değerlendirme görevini başlatın.
      1. Otomatik olarak sona ermeden önce görevin önceden ayarlanmış tekrar sayısı kadar çalışmasına izin verin.
    5. Post-hoc analiz için EMG ve kinematik verileri kaydedin.
    6. Bariyer üzerinden başarıyla taşınan blok sayısı veya görevin 60 saniye içinde tekrarlanması olarak Modifiye BBT post-hoc için klinik olarak anlamlı bir skor belirleyin.

figure-protocol-2
Şekil 2: Deney protokolü, VR görevi ve denek kurulumu. (A) Burada kullanılan deneysel protokolü açıklayan akış diyagramı. (B) VR ortamında uygulanan değiştirilmiş BBT'nin örnek görünümü. Anatomik ölçümler, VR görevini kalibre etmek için kullanılır ve sanal masanın doğru göreceli konumda ortaya çıkmasını sağlar. (C) LED hareket yakalama işaretleyicilerinin ve EMG sensörlerinin konu üzerine yerleştirilmesi. EMG sensörleri ilgilenilen kaslara yerleştirilir ve LED hareket yakalama işaretleri kemikli yer işaretlerinin üzerine yerleştirilir. Kısaltmalar: VR = sanal gerçeklik; EMG = elektromiyografi; LED = ışık yayan diyot. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Sonuçlar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu protokolü kullanan deneklerden elde edilen EMG, kinematik ve kuvvet verileri, aynı görevin tekrarları boyunca ve farklı görevler sırasındaki hareketleri karakterize etmek için kullanılabilir. Burada gösterilen veriler, bu kurulumun fizibilitesini göstermek için sağlıklı kontrol katılımcılarından elde edilen sonuçları temsil etmektedir. VR'de modifiye BBT yapan sağlıklı bir denekten kaydedilen temsili EMG profilleri Şekil 3'te gösterilmektedir. Anterior deltoidin (DELT_A) yüksek kas aktivasyonu görülebilir, bu da her ulaşma hareketi için kolun birincil hareket ettiricisi olduğunu düşündürür. Önkol ve bilek ekstansörleri (ECU ve ECR) de belirgin şekilde aktive edildi, bu da bu kasların hareket boyunca bloğun kavranmasını desteklemek için kullanıldığını gösteriyor. Son olarak, başparmak kaslarının (EPB ve APB) artan aktivitesi, bloğun kavranması ve serbest bırakılmasında kullanımlarını gösterir. VR'de modifiye BBT sırasında kaydedilen EMG profilleri gerçek dünyadaki göreve benzer olsa da, VR değerlendirmesi sırasında maksimum kas aktivitesi azaldı. Bu sonuçlar, hem standart gerçek dünya BBT'sinin hem de VR'deki modifiye edilmiş BBT'nin benzer motor kontrol mekanizmalarına sahip olduğunu göstermektedir.

VR el izleme verileri, VR'de uygulanan modifiye BBT boyunca eklem açısı yörüngelerinin düzgün profillerini üreten kinematik verileri elde etmek için kullanıldı (Şekil 4). Bloğu kavramak için başparmak, orta ve işaret parmaklarının kullanılması, hem proksimal hem de distal interfalangeal eklemlerde eklem açısı değişiklikleri ile işaretlenir (Şekil 4). 2 (indeks) ve 3 (orta) parmaklarının eklem açılarının benzer yörüngeler boyunca değiştiği görülmektedir, bu da bloğu kavramak ve sonra serbest bırakmak için eşzamanlı kullanımlarını gösterir. Nispeten, 4 (yüzük) ve 5 (serçe parmağı) parmakları proksimal ve distal interfalangeal eklemlerde eklem açısı değişikliklerinde belirgin bir model gösterir. Bu sadece bloğu kavramak için kullanılmadıklarını göstermekle kalmaz, aynı zamanda 2. ve 3. parmaklara karşı hareketlerinin, blok serbest bırakılırken bu parmakların bükülmüş kaldığı tipik bir sinerji dışı hareketi işaret edebileceğini gösterir. Fleksiyona karşı parmak ekstansiyonunun bu fraksiyonlu kontrolü, inme sonrası motor açığı olan bir kişide olmayabilir. Tablo 2 , görev sırasındaki ortalama bağlantı açısı aralıklarını göstermektedir. Ek olarak, kavrama ve uzanma gibi her bir hareketin veya hareket aşamasının zamanlaması ve belirli bir periyottaki tekrar sayısı da VR başlığından elde edilen kinematik verilerden ölçülebilir.

Bu protokolden elde edilen verilerin kalitesi, çeşitli faktörlerin kapsamlı bir şekilde değerlendirilmesiyle en üst düzeye çıkarılabilir. Daha önce de belirtildiği gibi, yüksek kaliteli EMG verilerinin elde edilmesi, sensör elektrotları ve cilt arasındaki yakın temasa dayanır. Sensörler güvenli bir şekilde yerleştirildiğinde, EMG verileri, kasların aktif olarak kasıldığını gösteren net patlama dönemleri ile yüksek bir sinyal-gürültü oranına sahip olacaktır (Şekil 5). Kas kasılmasına karşılık gelen farklı elektriksel aktivite patlamaları, hem filtrelenmemiş (Şekil 5A) hem de filtrelenmiş (Şekil 5B) sinyallerde minimum gürültü ile görselleştirilebilir. Sinyal genliğindeki anormal veya beklenmedik artışlar, EMG sensörlerinin cilde güvenli olmayan şekilde bağlanmasından kaynaklanabilecek hareket artefaktlarının göstergesi olabilir. Kablolu sensörler kullanılıyorsa, bu hareket sırasında sarkan tellerden de kaynaklanabilir. Yüksek kaliteli hareket yakalama verileri, izleme algoritmasının izlenen noktaların göreceli koordinatlarını hassas bir şekilde çözebilmesi için uzuvların net kamera görünümünde kalmasını gerektirir. İzlenen noktaların koordinatlarındaki büyük veya ani değişiklikler veya eksik koordinat değerleri, düşük kaliteli hareket yakalama verilerini gösterir. Eksik koordinatları hesaplamak için işaretleyici enterpolasyonu kullanılabilirken, bu yöntem yalnızca hareket süresine göre kısa süreler için geçerlidir.

figure-results-1
Şekil 3: VR'de modifiye BBT'nin 10 tekrarını gerçekleştiren sağlıklı bir denekten kaydedilen temsili filtrelenmiş ve düzeltilmiş EMG profilleri. (A) Proksimal kol fleksörleri (pazı kısa baş, kırmızı; pazı uzun baş, gri; ön deltoid, siyah). (B) Proksimal kol ekstansörleri (triseps uzun baş, yeşil; lateral triseps, mavi). (C) Distal kol fleksörleri (fleksör carpi ulnaris, kırmızı; fleksör carpi radialis, siyah). (D) Distal kol ekstansörleri (ekstansör carpi ulnaris, yeşil; ekstansör carpi radialis, mavi). (E) Parmak ve başparmak kasları (fleksör digitorum superficialis, kırmızı; ekstansör digitorum communis, yeşil; ekstansör pollicis brevis, mavi; abdüktör pollicis brevis, kahverengi). Bu rakam Yough28'den uyarlanmıştır. Kısaltmalar: BBT = Kutu ve Blok Görevi; EMG = elektromiyografi; BIC_SH = pazı kısa kafa; BIC_LO = pazı uzun kafa; DELT_A = anterior deltoid); TRI_LO = triceps uzun kafa; TRI_LAT = lateral triseps; FCU = fleksör carpi ulnaris; FCR = fleksör carpi radialis; ECU = ekstansör carpi ulnaris; ECR = ekstansör carpi radialis; FDS = fleksör digitorum superficialis; EDC = ekstansör digitorum communis; EPB = ekstansör pollicis brevis; APB = abdüktör pollicis brevis. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

figure-results-2
Şekil 4: VR'de modifiye BBT'nin 10 tekrarını gerçekleştiren sağlıklı bir denekten kaydedilen temsili kinematik profiller. (A) CMC, MCP ve IP eklemlerinde başparmağın eklem açıları. (B) 2-5 rakamlarının MCP bağlantılarının eklem açıları. (C) 2-5 rakamlarının PIP bağlantılarının bağlantı açıları. (D) 2-5 rakamlarının DIP bağlantılarının birleşim açıları. Her eklem adından sonra gelen sayılar, her eklemin karşılık geldiği parmağı gösterir (başparmak = 1, indeks = 2, orta = 3, yüzük = 4, serçe parmağı = 5). Bu rakam Yough28'den uyarlanmıştır. Kısaltmalar: CMC = karpometakarpal; Ad/Ab = addüksiyon/abdüksiyon; E/F = ekstansiyon/fleksiyon; MCP = metakarpofalangeal; IP = interfalangeal; PIP = proksimal interfalangeal; DIP = distal interfalangeal. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

figure-results-3
Şekil 5: Temsili EMG sensör verileri. (A) Fleksör carpi ulnaris üzerine optimal olarak yerleştirilmiş, güvenli bir EMG sensöründen ham ve (B) filtrelenmiş EMG sinyalleri. Bu rakam Yough28'den uyarlanmıştır. Kısaltmalar: EMG = elektromiyografi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Delsys Sensör NumarasıKas
1Fleksör carpi ulnaris
2Fleksör carpi radialis
3Ekstansör carpi ulnaris
4Ekstansör carpi radialis longus
5Anconeus (Anconeus)
6Fleksör digitorum superficialis
7Ekstansör digitorum communis
8Biceps brachii - medial/kısa kafa
9Biceps brachii - yanal/uzun kafa
10Triceps brachii - uzun kafa
11Triceps brachii - yanal kafa
12Anterior deltoid
13Yanal deltoid
14Ekstansör pollicis brevis
15Abductor pollicis brevis

Tablo 1: Bu protokolde kayıt için EMG sensörleri için kas seçimi.

Serbestlik derecesiMinimum bağlantı açısı (rad)Maksimum bağlantı açısı (rad)Büyüklük (rad)
El Bileği Supinasyonu-Pronasyon0.240.680,44 ± 0,17
El Bileği Ekstansiyonu-Fleksiyon-0.47-0.40.1 ± 0.06
El Bileği Addüksiyonu-Abdüksiyonu-0.18-0.10,08 ± 0,03
Karpometakarpal Addüksiyon-Abdüksiyon0.350.550.2 ± 0.09
Karpometakarpal Fleksiyon-Ekstansiyon0.050.240,18 ± 0,12
Başparmak Metakarpal Fleksiyon-Ekstansiyon-0.23-0.150,08 ± 0,02
Başparmak İnterfalangeal Fleksiyon-Ekstansiyon-0.56-0.480,09 ± 0,03
İndeks Metakarpal Ekstansiyon-Fleksiyon0.250.50,25 ± 0,13
İndeks Proksimal İnterfalangeal Ekstansiyon-Fleksiyon0.740.940,0.2 ± 0,14
İndeks Distal İnterfalangeal Ekstansiyon-Fleksiyon0.670.810,15 ± 0,1
Orta Metakarpal Ekstansiyon-Fleksiyon0.250.460.2 ± 0.11
Orta Proksimal İnterfalangeal Ekstansiyon-Fleksiyon0.891.070,18 ± 0,11
Orta Distal İnterfalangeal Ekstansiyon-Fleksiyon0.740.90,15 ± 0,1
Halka Metakarpal Ekstansiyon-Fleksiyon0.220.420,2 ± 0,14
Halka Proksimal İnterfalangeal Ekstansiyon-Fleksiyon0.91.10.2 ± 0.15
Halka Distal İnterfalangeal Ekstansiyon-Fleksiyon0.780.930,15 ± 0,1
Küçük Metakarpal Ekstansiyon-Fleksiyon0.320.480,16 ± 0,04
Küçük Proksimal İnterfalangeal Ekstansiyon-Fleksiyon0.931.090,16 ± 0,09
Küçük Distal İnterfalangeal Ekstansiyon-Fleksiyon0.760.90,14 ± 0,09

Tablo 2: Modifiye edilmiş bir BBT sırasında ortalama eklem açısı aralıkları. DOF adlarındaki hareket yönleri negatif-pozitif yönlere karşılık gelir. Örneğin "El Bileği Supinasyonu-Pronasyon"da supinasyon negatif yönde, pronasyon ise pozitif yöndedir.

Tartışma

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

EMG sistemi
EMG sisteminin donanımı, kas aktivasyon verilerini elde etmek için kullanılan 15 adet EMG sensöründen oluşmaktadır. Özel EMG kayıt yazılımı oluşturmak için ticari olarak temin edilebilen bir Uygulama Programlama Arayüzü (API) kullanıldı. VR sistem donanımı, sürükleyici VR ortamını görüntülemek için kullanılan bir sanal gerçeklik başlığından ve başlığı sanal değerlendirme görevinin depolandığı özel bilgisayara bağlamak için bir kablodan oluşur. Yazılım, VR görevini oluşturmak ve çalıştırmak için 3D bilgisayar grafik yazılımından oluşur. Burada, değerlendirme görevi olarak popüler el becerisi değerlendirmesi26'dan uyarlanan değiştirilmiş bir Kutu ve Blok Testi kullanılmıştır. Tablonun ortaya çıkacağı konumu hesaplamak, görevi başlatmak, blokları oluşturmak ve verileri kaydetmek için tasarlanmış bir yazılım programının kullanılması yoluyla VR ortamıyla etkileşime izin verildi.

Hareket yakalama sistemi
Hareket yakalama sistemi donanımı, VR kulaklığı, işaretleyici hareket yakalama sistemi ve VR hareket denetleyicisinden oluşur. VR kulaklığı, dört dahili kızılötesi kamera (72-120 Hz) aracılığıyla elle izleme özelliği ile donatılmıştır. Bu veriler kinematik analiz için cihazdan çıkarıldı. İşaretleyici hareket yakalama sistemi, bir sunucu, 60° görüş alanına sahip kameralar, işaretleyici olarak kırmızı ışık yayan diyot (LED) ve bir kalibrasyon nesnesinden oluşur. Alanı doğru bir şekilde yakalamak için kameraların hafifçe üst üste binmesi gerekir. Deney sırasında, belirli bir yakalama alanı, dördü tavanda ve dördü yerde olmak üzere sekiz kamera (480 Hz) ile çevriliydi. Bu sistem deneyden önce kalibre edildi ve hizalandı. Marker hareket yakalama sistemleri, hem klinik hem de araştırma uygulamaları için yüksek çözünürlüklü kinematik veriler sağladıkları için tercih edilebilir. VR hareket kontrolörü, el ve parmak hareketini yakalayan optik bir el izleme modülü içerir. Denetleyici, cihazdan 60 cm'ye kadar ve 140 x 120° görüş alanında hareketi izleyebilen iki adet 640 x 240 piksel yakın kızılötesi kameraya (120 Hz) sahiptir. Bu cihaz, VR kulaklığına takıldı veya hareket sırasında başın üzerine sabitlendi. El takibini görselleştirmek ve VR ortamından veri toplamak için 3D bilgisayar grafik geliştirme yazılımı kullanıldı. İşaretleyicisiz ve işaretleyici hareket yakalama sistemlerinden gelen veriler, özel yazılım programı komut dosyaları kullanılarak alındı ve kaydedildi. Örnek yazılım programı komut dosyaları şu adreste bulunabilir: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0.

Potansiyel ekipman ikameleri
Bu protokolde kablosuz, bipolar, yüzey EMG elektrotları kullanılır, ancak diğer EMG teknolojileri (kablolu vb.) ikame edilebilir. Malzeme Tablosunda açıklandığı gibi piyasada bulunan standart sensörler kullanılıyorsa, özel yazılım komut dosyaları yerine beraberindeki DAQ yazılımı kullanılabilir (örnekleme hızı 2.000 Hz). Eğer alternatif EMG sensörleri kullanılıyorsa, o sistemle uyumlu yazılımlar da kullanılmalıdır.

VR başlığını kablo ile bilgisayara bağlamak yerine, VR gözlüğü etkileşimli ortamı başlığın içinde saklama özelliğine sahiptir. Özelliğin eve götürülen rehabilitasyon için gelecekteki uygulamalarda uygulanması hasta için avantajlı olacaktır. Burada kullanılan VR gözlüğü, farklı bir sürükleyici VR gözlüğü ile değiştirilebilir. Değiştirme işleminden önce, bu, oyun geliştirme yazılımıyla uyumluluğun doğrulanmasını gerektirir.

Bu protokolde açıklanan sanal ortamın ve görevin oluşturulması için alternatif geliştirme yazılımları kullanılabilir. Ek olarak, VR'ye çevrilen diğer klinik değerlendirmeler, burada gösterilen değiştirilmiş BBT'nin yerine kullanılabilir (örneğin, Eylem Araştırma Kolu Testi (ARAT) veya Güç, Duyum ve Anlamanın Kademeli Yeniden Tanımlanmış Değerlendirmesi (GRASSP)). BBT çok çeşitli nörolojik yaralanmaları değerlendirmek için kullanılabilirken, alternatif klinik görevlerin kullanılması diğer hareket bozukluklarının değerlendirilmesine izin verecektir. Örneğin GRASSP, öncelikle omurilik yaralanması olan hastaları değerlendirmek için kullanılırken, ARAT en yaygın olarak kortikal hasara bağlı hemiplejiyi değerlendirmek için kullanılır. Sanal değerlendirmeler, bir yazılım programı komut dosyası (yani bağımsız) tarafından kontrol edilmeden de yönetilebilir, ancak DAQ ve test uygulamasının kontrolünün hesaba katılması gerekir. Beceri değerlendirmesi için, VR26'da geliştirilen görevin yerine somut bir Kutu ve Blok Testi (BBT) kullanılabilir. Gerçek dünya ekipmanlarının kullanımı, bir VR başlığından kaydedilen el takibi yerine alternatif hareket yakalama teknolojisi gerektirecektir.

El kinematiğini izlemek için alternatif güvenilir işaretleyici veya işaretsiz hareket yakalama kullanılabilir. Örneğin, VR tabanlı hareket yakalama, kinematik bilgileri çıkarmak için gerekli el izleme verilerini elde etmeye devam ederken kurulumu basitleştirmek için kullanılabilir. Burada kullanılan işaretleyici hareket yakalama sistemi, deneysel hareket yakalama alanını kalibre etmek ve kameraları çalıştırmak için yazılım içerir (480 Hz örnekleme hızı). Alternatif hareket yakalama teknolojisi, uygun ilgili yazılımla birlikte kullanılmalıdır.

Şekil 1'de, her biri farklı bir donanım bileşeni çalıştıran ayrı bilgisayarlar gösterilmiştir. Tek bir yüksek performanslı bilgisayar, veri toplama ve VR için tüm yazılımları çalıştırabilir. Burada açıklanan protokolde, üç ayrı bilgisayarın kullanılması veri senkronizasyonu gerektirir. Verileri cihazlar arasında zaman içinde senkronize etmek, EMG, kinematik ve kuvvet verilerinin anlamlı sonuçlar vermesi için kritik öneme sahiptir. Görevin başında her sistemde evrensel saati kaydetmek için yerleşik bir datetime işlevi kullanan özel yazılım programı komut dosyaları kullanıldı. Kritik olarak, bu komut dosyalarının düzgün çalışması için tüm bilgisayarların aynı ağa bağlı olması gerekir. Başlangıç zamanı datetime kullanılarak kaydedildikten sonra, DAQ komut dosyaları, deneme sırasında süreyi artırmak için tic ve toc işlevlerini kullandı. Bu işlevler yaklaşık 0.000001s'lik bir hassasiyete sahiptir ve potansiyel olarak verilerin 1.000 kHz'de kaydedilmesine izin verir. Kurulumumuzda, en yüksek örnekleme frekansı 30 kHz'dir ve bu, cihazlar arasında zaman kaydetme ve senkronize etme için bu yöntemin maksimum yeteneklerinin oldukça altındadır. Python'da geliştirilen bir iletim kontrol protokolü/internet protokolü (TCP-IP) mesajlaşma uygulaması29, IP adresine dayalı olarak VR ortamı ile DAQ uygulaması arasında veri iletmek için kullanıldı.

Zaman senkronizasyonunu sağlamanın yanı sıra, farklı örnekleme frekanslarında elde edilen verilerin senkronize edilmesi de kritik öneme sahipti. Bilgisayarlardan ikisi manuel olarak hareket yakalama verilerini toplamak (480 Hz) ve EMG verilerini kaydetmek (2000 Hz) için başlatıldı. Önceki çalışmalar, deneme noktalarında sistemler arasında ortak bir olay göndermek için özel senkronizasyon devreleri kullanmıştır (örneğin, veri kaydı başladığında ve kayıt bittiğinde tekrar bir senkronizasyon darbesi gönderilir)30. Burada, yazılım programının datetime, tic ve toc işlevlerinin kullanılması, ek donanıma ihtiyaç duymadan senkronizasyona izin verir. Burada kullanılan ticari olarak satılan TCP-IP mesajlaşma uygulaması, sistemler arasında sürekli iletişimi de destekliyordu. Sistemler arasında zaman ve veri toplama frekanslarını senkronize etmeye yönelik bu çerçeve, gelişmiş post hoc analiz için verileri tutarlı bir şekilde düzenlemek için de çalıştı.

Burada açıklanan deneysel protokol, hem klinik hem de evde/uzak ortamlarda uygulanma potansiyeli ile klinik veya araştırma gruplarının değişken ihtiyaçlarını karşılamak için son derece özelleştirilebilir. VR'de modifiye edilmiş bir BBT kullanarak kas aktivitesi ve kinematiğin bir değerlendirmesini tanımlamış olsak da, benzer bir kurulum farklı klinik testler için kullanılabilir ve hatta azaltılmış veri setleri için basitleştirilebilir. Örneğin, sadece kinematik verilere ihtiyaç duyuluyorsa EMG ve kuvvet sensörleri hariç tutulabilir. Yalnızca kinematik verilerin elde edilmesi, yalnızca bir hareket yakalama sisteminin kullanılmasını gerektirecektir. Ekstra veri kaydetmek için elektroensefalografi veya elektrokardiyografi gibi ek donanımlar da dahil edilebilir. Standart yüzey EMG elektrotları yerine, daha kesin kas aktivitesi verilerini kaydetmek için yüksek yoğunluklu yüzey veya kas içi EMG kullanılabilir31,32. Ayrıca, ARAT veya GRASSP gibi diğer fonksiyonel klinik testler, farklı hasta popülasyonlarındaki motor eksiklikleri değerlendirmek için kullanılabilir. Burada açıklanan kurulum, öncelikle VR'deki hareket eksikliklerini daha iyi ölçmek için araştırma amaçlı olsa da, uzaktan hasta izleme ve rehabilitasyonuna izin vermek için benzer bir kurulum geliştirmeyi amaçlıyoruz. Bu protokolün, giyilebilir bir EMG kayıt cihazı ile birlikte el hareketi izleme ile donatılmış standart tüketici VR gözlükleri kullanılarak kolayca uyarlanmasını bekliyoruz. Gelecekteki çalışmalarda, şu anda geliştirilmekte olan düşük maliyetli, giyilebilir, yüksek yoğunluklu bir EMG kılıfını dahil ederek evde kullanım için bu protokolü daha da geliştirmeyi amaçlıyoruz.

Bir klinikte veya rehabilitasyon merkezinde geleneksel fiziksel veya mesleki terapi ile karşılaştırıldığında, VR rehabilitasyonu birçok potansiyel fayda sunar. Burada açıklanan protokolün öncelikle araştırma amaçlı kullanılması amaçlanmış olsa da, sanal değerlendirme yöntemleri, pahalı, özel tıbbi ekipmana ihtiyaç duymadan potansiyel olarak uzaktan ve kullanıma hazır cihazlar kullanılarak uygulanabilir. Ek olarak, VR sistemleri, standart değerlendirme33,34 ile mümkün olmayabilecek hareket kalitesine ilişkin içgörüler sağlamak için el hareketlerini nicel olarak izleyebilir. VR'deki hareketlerin gerçek dünyadaki görevlere karşı karşılaştırılabilirliği, yoğun bir çalışma konusu olmaya devam ediyor ve gelecekteki içgörüler, VR'nin rehabilitasyon için nasıl kullanılabileceğini etkileyecek. Burada açıklanan prosedür, standartlaştırılmış hareketleri yönlendirmek ve bireysel kinematik ve EMG verilerini elde etmek için VR kullanan esnek bir kurulumdur. Açıklanan kurulumu kullanan çalışmalardan elde edilen veriler, bireylerin sanal ortamda nasıl hareket ettiğine ve bazı deneklerin VR'yi daha sürükleyici bulduğu potansiyel mekanizmalara dair içgörüler de sağlayabilir. Bu, gerçek hayattaki klinik değerlendirmeleri bir VR ortamına uyarlarken kritik öneme sahiptir.

Yüksek kaliteli, doğru veriler elde etmek için bu protokolün kurulumu ve yürütülmesindeki birkaç adım dikkatli bir şekilde izlenmelidir. Birincil öneme sahip olan EMG sensörünün uygun şekilde yerleştirilmesidir. Yüksek sinyal-gürültü içeren temiz, doğru EMG verileri, sensörlerin seçilen kasın göbeğinin üzerindeki sterilize edilmiş, tüysüz cilde yerleştirilmesini gerektirir27. Benzer şekilde, bir işaretleyici hareket yakalama sistemi kullanılıyorsa, ilgilenilen eklem açılarını hesaplamak için güvenilir verileri yakalamak için işaretleyicilerin kemikli yer işaretlerine hassas bir şekilde yerleştirilmesi gerekir. EMG sensörleriyle karşılaştırıldığında, hareket yakalama işaretleyicilerinin oryantasyonunda bir miktar esneklik vardır, ancak uzayda35 katı bir cismin konumunu tanımlamak için her zaman en az üç doğrusal olmayan nokta kullanılmalıdır. Model tabanlı ters kinematik gibi eklem açılarını hesaplamak için belirli teknikler, tam işaretleyici yerleşimi gerektirecektir. Bu yöntem kullanılıyorsa, deneysel işaretleyici konumları model36'nınkiyle eşleşmelidir. Ters kinematiğin hesaplanması için geliştirilen kas-iskelet modelleme yazılımı genellikle modeli ve deneysel işaretleyici konumlarını eşleştirmek için yerleşik hesaplama fonksiyonlarını içerir. Stanford Üniversitesi37 tarafından geliştirilen bir platform olan OpenSim, bu tür analizler için yaygın olarak kullanılmaktadır. Yüksek kaliteli verilerin kaydedilmesini sağlamak için hem EMG sensörü hem de işaretleyici güvenliği görev boyunca izlenmelidir.

Bu protokolden elde edilen veriler gürültülüyse, sorun giderme birkaç adımın dikkate alınmasına odaklanmalıdır. İlk olarak, zayıf EMG sensörü yerleşimi gürültülü veriler üretebilir ve doğrulanmalıdır. Bu sorunu hafifletmek için, daha önce tartışıldığı gibi, EMG sensörü takılmadan önce cilt hazırlığı önemlidir. Ek olarak, işaretçiler kameraların kapsama alanı dışına çıkarsa düşük kaliteli hareket yakalama verileri ortaya çıkabilir. İzlenen noktaların kısa bir kaybı enterpolasyon yoluyla çözülebilir, ancak işaretçiler doğru konum verilerini iletememeye devam ederse, altta yatan daha ciddi sorunlar olabilir. Tek bir işaretçi art arda düşüyorsa, bu, işaretçinin öznenin hareketi tarafından engellendiğini veya kameranın menzilinden çıktığını gösterebilir. Ayrıca, hatalı kamera kalibrasyonu birkaç işaretleyicinin arızalanmasına neden olabilir. Bu senaryoda, konuyu ve test ekipmanını deney alanından çıkardıktan sonra hareket yakalama sistemini tamamen yeniden kalibre etmek en iyisidir. Ek olarak, düşük ışıklı ortamlar yüksek kaliteli hareket yakalama verilerinin elde edilmesini engelleyebileceğinden, yeterli aydınlatma kullanılmalıdır.

Açıklanan protokolün birkaç sınırlaması vardır. İlk olarak, burada gösterilen kurulum, birden fazla hareket yakalama kamerasının kullanılmasını gerektirir. Bununla birlikte, bu protokolün amacı, yalnızca hasta tarafından tamamlanabilecek tamamen uzaktan klinik değerlendirmelerin geliştirilmesinden önce VR'deki hareket eksikliklerini daha iyi ölçmek için yüksek çözünürlüklü veriler toplamaktır. Ek olarak, VR'de gerçekleştirilen görevler dokunsal geri bildirimden yoksundur. Bunu not etmek önemlidir, çünkü dokunsal geri bildirim tek başına kavrama kuvvetininbüyüklüğünü değiştirebilir 38,39. Bu, somut ekipman kullanmak yerine sanal bir ortamda bir görev yürütüldüğünde kas aktivasyonunu veya kinematiği etkileyebilir. Dokunsal geri bildirimin kritik öneme sahip olduğuna inanılıyorsa (örneğin, hastalar da duyusal eksiklikler yaşıyorsa), dokunsal geri bildirimi taklit etmek için dokunsal robotların kullanımı dahil edilebilir. Bu sınırlamaya rağmen, burada açıklanan kurulumdan elde edilen verilerin, hareket bozukluğu olan hastalar için yalnızca VR görevlerinde kinematik ve kas aktivitesindeki değişiklikleri ölçmede çok önemli olacağını tahmin ediyoruz. Bu, bu tür klinik testlerin evde kullanım için uyarlanmasına yardımcı olacaktır. Bu protokolün ek bir sınırlaması, test sırasında bir seferde tek bir bloğun sunulmasıdır. Standart BBT'de, başlangıç için kutunun bir bölmesine 150 ahşap blok yerleştirilir. Bu modifiye edilmiş BBT, aynı sanal konumda yeniden ortaya çıkan bir bloğu simüle ederek kaydedilen hareket yakalama ve EMG verilerinin tekrarlanabilirliğini artırmak için tasarlanmıştır. Bu nedenle, VR'de uygulanan değiştirilmiş BBT muhtemelen daha basitleştirilmiş bir görevdir. Gelecekteki çalışmalarda, içerik geçerliliğini sağlamak için VR'de değiştirilmiş BBT'nin standart BBT'nin kurulumuyla tutarlı olması önemli olacaktır.

Açıklamalar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarların beyan edebilecekleri herhangi bir çıkar çatışması yoktur.

Teşekkürler

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışma, Nöromuskuloskeletal Yaralanmaları Araştırma Programı (RESTORE) aracılığıyla Sağlık İşlerinden Sorumlu Savunma Bakan Yardımcısı Ofisi tarafından W81XWH-21-1-0138 Ödül No'lu Nöromuskuloskeletal Yaralanmalar Araştırma Programı (RESTORE) aracılığıyla desteklenmiştir. Görüşler, yorumlar, sonuçlar ve tavsiyeler yazarlara aittir ve Savunma Bakanlığı tarafından onaylanması gerekmez.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Kolsuz SandalyeN/ADeneklerin oturacağı bir sandalye, kollarına müdahale edilmeyecek şekilde kolsuz olmalıdır.
BilgisayarDell TechnologiesVeri toplama ekipmanına eşlik etmek için üç bilgisayar kullanıldı.
Leap Motion ControllerUltraleapEl ve parmak hareketini yakalayan optik el izleme modülü. Denetleyici, cihazdan 60 cm'ye kadar ve 140 x 120°'lik bir hızda hareketi izleyebilen iki adet 640 x 240 piksel yakın kızılötesi kameraya (120 Hz) sahiptir; görüş alanı. Bu cihaz, VR kulaklığına takıldı veya hareket sırasında başın üzerine sabitlendi.
MATLABMathWorks, Inc.  Özel veri toplama yazılımı geliştirmek için kullanılan programlama platformu
Oculus Quest 2MetaSürükleyici sanal gerçeklik başlığı, 4 kızılötesi dahili kamera (72-120 Hz) aracılığıyla el izleme yeteneği ile donatılmıştır. Diğer benzer cihazlarla değiştirilebilir (ör. HTC Vive, HP Reverb, Playstation VR).
Oculus Quest 2 Bağlantı kablosuMetaKulaklığı VR oyununun depolandığı bilgisayara bağlamak için kullanılır
PhaseSpace Hareket YakalamaPhaseSpace, Inc.Bir sunucu, 60 derece görüş alanına sahip kameralar, işaretleyici olarak kırmızı ışık yayan diyot (LED) ve bir kalibrasyon nesnesi
Trigno Wireless SystemDelsys, Inc.Delsys Inc. tarafından, EMG, ivmeölçer, kuvvet sensörleri, bir baz istasyonu ve toplama yazılımı içerir. Özel kayıt yazılımı geliştirmek için Trigno-MATLAB Uygulama Programlama Arayüzü (API) kullanıldı.
UnReal Engine 4Epic GamesYazılımı, VR'de değiştirilmiş Kutu ve Blok Görevini oluşturmak ve çalıştırmak için kullanılır
'den oluşan işaretli hareket yakalama sistemi.

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Rosenbaum, D. A. Human motor control. , Elsevier Inc. (2010).
  2. Kalsi-Ryan, S., Curt, A., Fehlings, M., Verrier, M. Assessment of the hand in tetraplegia using the Graded Redefined Assessment of Strength, Sensibility and Prehension (GRASSP): impairment versus function. Topics in Spinal Cord Injury Rehabilitation. 14 (4), 34-46 (2009).
  3. Kalsi-Ryan, S., et al. The Graded Redefined Assessment of Strength Sensibility and Prehension: reliability and validity. Journal of Neurotrauma. 29 (5), 905-914 (2012).
  4. Menorca, R. M. G., Fussell, T. S., Elfar, J. C. Nerve physiology. Hand Clinics. 29 (3), 317-330 (2013).
  5. Spinal cord injury. National Institute of Neurological Disorders and Stroke. , Available from: https://www.ninds.nih.gov/health-information/disorders/spinal-cord-injury (2023).
  6. Peripheral neuropathy. National Institute of Neurological Disorders and Stroke. , Available from: https://www.ninds.nih.gov/health-information/patient-caregiver-education/fact-sheets/peripheral-neuropathy-fact-sheet (2023).
  7. Statistics: Get informed about Parkinson's disease with these key numbers. Parkinson's Foundation. , Available from: https://www.parkinson.org/understanding-parkinsons/statistics (2023).
  8. Virani, S. S., et al. Heart disease and stroke statistics-2021 update: a report from the American Heart Association. Circulation. 143 (8), e254(2021).
  9. Hsieh, Y., et al. Responsiveness and validity of three outcome measures of motor function after stroke rehabilitation. Stroke. 40 (4), 1386-1391 (2009).
  10. Van Der Lee, H., Beckerman, H., Lankhorst, G. J., Bouter, L. M. The responsiveness of the action research arm test and the Fugl-Meyer assessment scale in chronic stroke patients. Journal of Rehabilitation Medicine. 33 (3), 110-113 (2001).
  11. Duncan, P., et al. Randomized clinical trial of therapeutic exercise in subacute stroke. Stroke. 34 (9), 2173-2180 (2003).
  12. Saposnik, G., et al. Efficacy and safety of non-immersive virtual reality exercising in stroke rehabilitation (EVREST): a randomised, multicentre, single-blind, controlled trial. The Lancet Neurology. 15 (10), 1019-1027 (2016).
  13. Wolf, S. L., et al. The EXCITE stroke trial: Comparing early and delayed constraint-induced movement therapy. Stroke. 41 (10), 2309-2315 (2010).
  14. Krakauer, J. W., Carmichael, S. T. Broken movement: the neurobiology of motor recovery after stroke. , The MIT Press. Cambridge, MA. (2017).
  15. Pollock, A., et al. Interventions for improving upper limb function after stroke. Cochrane Database of Systematic Reviews. 2014 (11), (2014).
  16. Olesh, E. V., Yakovenko, S., Gritsenko, V. Automated assessment of upper extremity movement impairment due to stroke. PLoS ONE. 9 (8), e104487(2014).
  17. Gritsenko, V., et al. Feasibility of using low-cost motion capture for automated screening of shoulder motion limitation after breast cancer surgery. PLOS ONE. 10 (6), e0128809(2015).
  18. Thomas, A. B., Olesh, E. V., Adcock, A., Gritsenko, V. Muscle torques and joint accelerations provide more sensitive measures of poststroke movement deficits than joint angles. Journal of Neurophysiology. 126 (2), 591-606 (2021).
  19. De Luca, C. Electromyography. Encyclopedia of Medical Devices and Instrumentation. , (2006).
  20. Lin, C. -J., Guo, L. -Y., Su, F. -C., Chou, Y. -L., Cherng, R. -J. Common abnormal kinetic patterns of the knee in gait in spastic diplegia of cerebral palsy. Gait & Posture. 11 (3), 224-232 (2000).
  21. Lin, J., Shah, D., McCracken, C., Verma, S. Quantitative EMG in Duchenne muscular dystrophy (P6.328). Neurology. 86, (2016).
  22. EMG test for neuromuscular disease. Brigham and Women's Hospital. , Available from: https://www.brighamandwomens.org/medical-resources/emg-test (2023).
  23. Kuthe, C. D., Uddanwadiker, R. V., Ramteke, A. A. Surface electromyography based method for computing muscle strength and fatigue of biceps brachii muscle and its clinical implementation. Informatics in Medicine Unlocked. 12, 34-43 (2018).
  24. Holtermann, A., Grönlund, C., Karlsson, J. S., Roeleveld, K. Motor unit synchronization during fatigue: Described with a novel sEMG method based on large motor unit samples. Journal of Electromyography and Kinesiology. 19 (2), 232-241 (2009).
  25. Kim, H., Lee, J., Kim, J. Electromyography-signal-based muscle fatigue assessment for knee rehabilitation monitoring systems. Biomedical Engineering Letters. 8 (4), 345-353 (2018).
  26. Mathiowetz, V., Volland, G., Kashman, N., Weber, K. Adult norms for the box and block test of manual dexterity. American Journal of Occupational Therapy. 39 (6), 386-391 (1985).
  27. Hermens, H. J., Freriks, B., Disselhorst-Klug, C., Rau, G. Development of recommendations for SEMG sensors and sensor placement procedures. Journal of Electromyography and Kinesiology. 10 (5), 361-374 (2000).
  28. Yough, M. Advancing medical technology for motor impairment rehabilitation: Tools, protocols, and devices. Graduate Theses, Dissertations, and Problem Reports. , (2023).
  29. Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
  30. Talkington, W. J., Pollard, B. S., Olesh, E. V., Gritsenko, V. Multifunctional setup for studying human motor control using transcranial magnetic stimulation, electromyography, motion capture, and virtual reality. Journal of Visualized Experiments. (103), e52906(2015).
  31. Murillo, C., et al. High-density electromyography provides new insights into the flexion relaxation phenomenon in individuals with low back pain. Scientific Reports. 9 (1), 15938(2019).
  32. Péter, A., et al. Comparing surface and fine-wire electromyography activity of lower leg muscles at different walking speeds. Frontiers in Physiology. 10, 1283(2019).
  33. Isenstein, E. L., et al. Rapid assessment of hand reaching using virtual reality and application in cerebellar stroke. PLOS ONE. 17 (9), e0275220(2022).
  34. Varela-Aldás, J., Buele, J., López, I., Palacios-Navarro, G. Influence of hand tracking in immersive virtual reality for memory assessment. International Journal of Environmental Research and Public Health. 20 (5), 4609(2023).
  35. Robertson, D., et al. Human kinetics. Research methods in biomechanics. , Champaign, IL. (2004).
  36. Dunne, J. J., Uchida, T. K., Besier, T. F., Delp, S. L., Seth, A. A marker registration method to improve joint angles computed by constrained inverse kinematics. PLOS ONE. 16 (5), e0252425(2021).
  37. Delp, S. L., et al. OpenSim: Open-source software to create and analyze dynamic simulations of movement. IEEE Transactions on Biomedical Engineering. 54 (11), 1940-1950 (2007).
  38. Naceri, A., Gultekin, Y. B., Moscatelli, A., Ernst, M. O. Role of tactile noise in the control of digit normal force. Frontiers in Psychology. 12, 612558(2021).
  39. Wottawa, C. R., et al. The role of tactile feedback in grip force during laparoscopic training tasks. Surgical Endoscopy. 27 (4), 1111-1118 (2013).

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Virtual Box And BlockMotion CaptureSurface ElectromyographyMuscle Activity AssessmentVirtual Reality RehabilitationRemote Patient MonitoringHand Function TestMotor Impairment QuantificationEMG SensorsUpper Limb Movement

İlgili makaleler