Summary

3D Kinematic Gait Analysis for Preclinical Studies in Rodents

Published: August 03, 2019
doi:

Summary

Hier wird ein Protokoll zur Erfassung und Analyse dreidimensionaler Kinematik entolierter Vierbeiner bei Nagetieren für präklinische Studien vorgestellt.

Abstract

Der Nutzen dreidimensionaler (3D) kinematischer Bewegungsanalysesysteme ist bei Nagetieren begrenzt. Ein Grund für diese Unzulänglichkeit ist die Verwendung komplexer Algorithmen und mathematischer Modellierungen, die 3D-Datenerfassungs- und Analyseverfahren begleiten. Diese Arbeit bietet eine einfache, benutzerfreundliche, schritt für Schritt detaillierte Methodik für die 3D-kinematische Ganganalyse während der Laufband-Fortbewegung bei gesunden und neurotraumatischen Ratten mit einem Sechs-Kamera-Motion-Capture-System. Ebenfalls zur Verfügung gestellt sind Details zur 1) Kalibrierung des Systems in einem für die Vierfachbewegung angepassten Versuchsaufbau, 2) Datenerfassung für Laufband-Fortbewegung bei erwachsenen Ratten mit Markern, die auf allen vier Gliedmaßen positioniert sind, 3) Optionen für Video-Tracking und Verarbeitung und 4) grundlegende 3D-kinematische Datengenerierung und Visualisierung und Quantifizierung von Daten mit der integrierten Datenerfassungssoftware. Schließlich wird vorgeschlagen, dass der Nutzen dieses Bewegungserfassungssystems erweitert werden, um eine Vielzahl von motorischen Verhaltensweisen vor und nach Neurotrauma zu studieren.

Introduction

Bei Nagetieren werden Vorder- und Hinterhaut-Bewegungsdefizite nach neurologischen Störungenhäufig mit subjektiven Bewertungssystemen 1 bewertet. Automatisierte Systeme2,3,4,5 wurden für die Ganganalyse übernommen, leiden aber unter Nachteilen, da die primären Ergebnisse auf footprint-Analysen basieren und entscheidende segmentale und gelenkige kinematische Variablen, die sonst echteKinematik enden können 2 . Da die meisten Gangparameter korreliert sind, ist eine Sammlung von Gangparametern erforderlich, um die von Ratten angenommenen Kompensationen zu verstehen, um die motorischen Defizite vollständig zu bewerten.

In den letzten zehn Jahren wurden mehrere 3D-Bewegungsanalysesysteme6 für die biomedizinische Forschung am Menschen entwickelt. Diese Systeme haben sich erfolgreich und erwiesen, um Defizite in der Fortbewegung bei gesunden menschlichen Erwachsenen sowie veränderte Kinematik des Gehens6,7. Bei Nagetieren verwenden derzeit verfügbare 3D-kinematische Bewegungssysteme komplexe Algorithmen und Modellierungen für das Bewegungsverhalten und nutzen ausgeklügelte Datenanalysetechniken8,9,10,11 , die schließlich ihre Vielseitigkeit einschränken. Darüber hinaus werden die Methoden zum Sammeln von Daten mit den meisten 3D-Bewegungserfassungssystemen in der Literatur nicht ausreichend erläutert. Es fehlen die Details zu Datenerhebungs- und Analyseverfahren, Einschränkungen und Techniken, die mit der effektiven Nutzung des Systems verbunden sind.

Folglich ist eine der gemeinsamen Vorstellungen unter den Forschern, dass kinematische 3D-Bewegungsverfolgungsbewertungen ziemlich anstrengende und zeitaufwändige Verfahren sind, die technisches Know-how und eine ausgeklügelte Datenanalyse erfordern. Ziel dieser Arbeit ist es, die Datenerfassungs- und Analyseprotokolle aufzuschlüsseln und die Methodik schritt für Schritt zu beschreiben, so dass sie objektiv, leicht zu erlernen ist und systematisch angegangen werden kann. Heute zeichnet sich ein Schwerpunkt auf die umfassendere und systematischere Bewertung des funktionellen motorischen Verhaltens nach neurologischen Verletzungen und Interventionen in präklinischen Studien ab.

Im Bereich der vierbeinigen Fortbewegung, hier vorgestellt ist die Verwendung eines 3D-Bewegungsverfolgungssystems, das zusätzliche Informationen wie Körperhaltung, Pfotenrotation in Bezug auf Körperachsen, Verbindungen der Gelenke und genauere Informationen liefern kann in Bezug auf die Koordination, während gleichzeitig das ganze Tier von allen Ebenen zu visualisieren. Dies wiederum kann kritische Unterschiede im motorischen Verhalten innerhalb und zwischen gesunden und verletzten Ratten durch mehrere Ergebnisse aufdecken. Mit einer genaueren kinematischen Analyse, die genau und objektiv ist, wird das Risiko, dass eine Intervention falsch abgeleitet wird, minimiert. Die generierten Daten aus dieser Motion Capture Software werden frame-by-frame für die Qualität der Bewegung visualisiert und können automatisch nachverfolgt werden, und die Datenerfassung oder -quantifizierung erfordert keine zusätzlichen Algorithmen oder Modellierungen. Ziel dieser Arbeit ist es, methodische Details und Überlegungen zur Datenerhebung und -analyse der 3D-Gangkinematik bei Laufband-Fortbewegung bei gesunden und Rückenmarksverletzten bei Ratten zu liefern. Dieses Protokoll ist für die Verwendung durch präklinische Forscher bestimmt, die neurologische Rattenmodelle in Experimenten verwenden.

Protocol

Diese Studie wurde in Übereinstimmung mit den Empfehlungen des National Institutes of Health Guide for the Care and Use of Laboratory Animals durchgeführt. Das Protokoll wurde vom Tierforschungsausschuss der Stony Brook University genehmigt. 1. Aufbau des Motion Capture Systems gliederung Montieren Sie sechs Kameras an der Wand (oder Stative) mit fein verstellbaren Getriebeköpfen. Positionieren Sie drei Kameras oben auf jeder Seite des Laufbandes, wobei jede Kamera 20°-45° unter dem Horizont, ca. 2,0 m vom Laufband und ca. 0,5 m von benachbarten Kameras entfernt ist, um eine maximale Abdeckung der Marker zu erreichen (Abbildung 1). Rüsten Sie jede Kamera mit einem Ringlicht für die Visualisierung von retroreflektierenden Markern aus. Starten Sie das Bewegungserfassungssystem. Unter Projekt | Spezifikation, definieren Sie die gewünschten Marker für das Experiment.HINWEIS: Zu Demonstrationszwecken werden insgesamt 22 Marker sowohl für die Vorder- als auch für die Hinterbeine (11 Marker auf jeder Seite) verwendet, um die bilaterale Vierbeinerfortbewegung zu bewerten. Alternativ ermöglicht der Import-Marker-Satz mit einer bestimmten Marker-ID-Option voreingestellte Berechnungen innerhalb der Software. 2. Kalibrierung des Bewegungserfassungssystems Aufnehmen des Kalibrierungsvideos Platzieren Sie den L-förmigen Kalibrierrahmen (im Folgenden als “L-Frame” bezeichnet) orthogonal auf das Laufband, wobei das lange Bein des L-Rahmens in die Gehrichtung der Ratte zeigt (Abbildung 2). Öffnen Sie die Motion Capture-Software, und wählen Sie Aufzeichnen aus, um das Kalibrierungsvideo aufzunehmen. Bewegen Sie den dreizackförmigen Kalibrierrahmen (im Folgenden als “Zauberstab” bezeichnet) durch den Laufbandbereich im Raum, um alle Bereiche abzudecken, in denen die Ratte gehen wird.HINWEIS: Der L-Rahmen enthält vier Marker, die das globale Koordinatensystem festlegen, und der Zauberstab enthält drei Marker, die den 3D-Laufraum der Ratte kalibrieren. Zeichnen Sie mindestens 1 min Filmmaterial auf, um sicherzustellen, dass ausreichende Stab-Datenpunkte für eine ordnungsgemäße Kalibrierung bei 120 Frames/s vorhanden sind. Speichern Sie die Videos als 3D-Kalibrierungsdateien. L-Frame-Tracking Klicken Sie mit der rechten Maustaste auf die Kameragruppe und wählen Sie 3D-Trackingaus. Wählen Sie im Dropdown-Fenster 3D-Kalibrierungsvideosund dann Alle Kalibrierungskamerasaus. Verfolgen Sie mit der Festkommafunktion den L-Frame-Ursprung, den L-Frame kurz, den L-Frame-Mittel- und den L-Frame lang auf jedem der sechs Kalibriervideos. Definieren Sie alle Punkte, und wählen Sie die Schaltfläche Automatisch suchen aus.HINWEIS: Die L-Frame-Position muss während des gesamten Experiments im Verhältnis zum Laufband konsistent bleiben, um eine Verschiebung des Koordinatensystems zu verhindern. Wand-Tracking Klicken Sie mit der rechten Maustaste auf die Kameragruppe und wählen Sie Automatisches 3D-Wand-Trackingaus. Wählen Sie alle Kameras in der Kameraauswahl aus. Wählen Sie unten rechts im Fenster Optionenaus , deaktivieren Sie den L-Frame erkennen, und wählen Sie Tracking startenaus. Wählen Sie nach der automatischen Verfolgung wand Short-, Wand Mid- und Wand Long-Marker für alle sechs Kameras zuweisen aus. Wählen Sie im 3D-Nachverfolgungsfenster die Option In Rohdaten exportierenaus, und wählen Sie dann die Option Vorhandene Zauberstabdaten überschreiben aus, um die Nachverfolgung zu speichern. Wählen Sie Ja in dem Fenster aus, das nach dem letzten Schritt angezeigt wird, um die genauesten Daten zu speichern.HINWEIS: Diese neue Sendungsverfolgung wird als Tracking unter der Registerkarte Automatische Nachverfolgung in der linken Seitenleiste gespeichert. Gespeicherte Nachverfolgung kann später zugegriffen und bearbeitet werden. Berechnung der Kalibrierung Klicken Sie mit der rechten Maustaste auf Kamerakalibrierungsgruppen, und wählen Sie Neue Zauberstabkalibrierungsgruppeaus. Wählen Sie Alle Kameras und halten Sie die Strg-Taste gedrückt, während Sie Okauswählen. Ändern Sie die Stablänge auf 100,00 mm, den L-Rahmenbodenaufsatz auf 7,00 mm, die Iterationen für die Ausreißererkennung auf 4 und die zulässige Längenabweichung des Stabs auf 0,300. Ändern Sie die Kamera, dass der Zauberstab in Option 4 sichtbar sein muss, und aktivieren Sie Folgendes: Seitenverhältnis fixieren, Schiefe-Parameter fixieren und Hauptpunkt fixieren (Tabelle 1).HINWEIS: Diese Einstellungen wurden experimentell als optimal für diese Einrichtung ermittelt. Akzeptieren Sie Kalibrierungen mit einer Standardabweichung der Stablänge von weniger als 3 mm und einem Restwert von weniger als 0,004.HINWEIS: Wenn die Kameras oder die zugehörigen Geräte über diesen Punkt hinaus verschoben werden, muss das System neu kalibriert werden. 3. Training und Vorbereitung des Tieres auf Laufband-Fortbewegung Trainingsratten für Laufband-Fortbewegung Akklimatisieren Sie Ratten für 5 min vor einer Trainingseinheit12an das Laufband. Trainieren Sie die Ratten mit vollem Gewicht tragen auf ihren Gliedmaßen bei 13 cm / s für 15 min / Sitzung am Morgen für 1 Woche. Trainieren Sie alle Ratten, bis sie in der Lage sind, konsequent zu fuß (mindestens 10 kontinuierliche Schritte) auf dem Laufband12. Schließe Trainingseinheiten rund um die gleiche Tageszeit für jede Ratte ab. Vor der Datenerfassung die Ratte beanästheisieren, indem Sie die Ratte in eine Inkubationskammer legen. Liefere Isoflurangas (1,0%-2,5%) und 0,4 L Sauerstoff für ca. 5 min. Kneifen Sie den Fuß der Ratte, um die Tiefe der Anästhesie zu überprüfen. Fahren Sie fort, wenn die Ratte nicht auf die Pfotenklemme reagiert (negativer Pfotenentzugsreflex). Rasieren Sie die Ratte in Regionen, in denen Marker platziert werden, um zu vermeiden, dass das Fell mit Marker-Tracking stört (Abbildung 1). Palpate die Haut für die knöcherne Wahrzeichen, um die Marker zu platzieren. Verwenden Sie Stiftmarker für Gelenke, die sich an Ellbogen und Knie distal enzieren (Abbildung 3).HINWEIS: Die retroreflektierenden Marker sind Kunststoffhalbkugeln mit einem Durchmesser von 0,5 cm, die mit retroreflektierendem Klebeband bedeckt sind. Platzieren Sie die Markierungen wie gewünscht auf knöchernen Landmarken vor der Datenerfassung (Abbildung 3).HINWEIS: Bei gesunden, nicht-neurotraumatischen Ratten werden die retroreflektierenden Marker, die über distalen Gelenken platziert werden, oft von Ratten entfernt. Zu Demonstrationszwecken werden retroreflektierende Marker über den proximalen knöchernen Landmarken (Iliaskamm, Hüfte, Kniegelenk für die Hinterbeine, Schulter- und Ellbogengelenke für das Vorderglied) platziert und Stiftmarker für die distaleren Landmarken verwendet. In unseren Händen hat dies zu reproduzierbaren Ergebnissen zwischen und innerhalb von Ratten geführt (unveröffentlichte Daten). 4. Bewegungserfassung Wählen Sie die rote Kamerataste auf der oberen Leiste der Motion Capture-Software aus, um eine Testversion aufzuzeichnen. Legen Sie den Speicherort auf dem Computer fest, und wählen Sie Aufnahme beginnen, um sie mit 120 Frames/s aufzunehmen. Legen Sie eine benutzerdefinierte Laufbandgeschwindigkeit fest und lassen Sie die Ratte etwa 30 s oder mindestens 10 durchgehende Schritte laufen. Beenden Sie die Aufzeichnung, und überprüfen Sie, ob das Filmmaterial mindestens 10 kontinuierliche Schritte enthält, bevor Sie fortfahren. Erstellen Sie eine neue Kameragruppe für jede Testversion, nachdem Sie das aufgezeichnete Video gespeichert haben. 5. Bewegungsverfolgung Wählen Sie das “+ ” -Zeichen neben der gespeicherten Kameragruppe aus. Dadurch wird eine Liste aller sechs Kameras angezeigt. Zuweisen der 3D-Kalibrierung zur Kameradatei Gehen Sie zur Kamerakalibrierungsgruppe und klicken Sie mit der rechten Maustaste auf Berechnete Kalibrierung. Wählen Sie 3D-Kameraparameterzuweisen aus. Weisen Sie die Kalibrierungsdatei den entsprechenden Kameradateien in der gespeicherten Kameragruppe zu. Zeigen Sie mit der Maus auf die Kameradatei, um die Kalibrierung zu überprüfen (liest sich als 3D-Kalibrierunggültig). Individuelle Kamera 2D-Tracking Klicken Sie mit der rechten Maustaste auf die Kameragruppe für die Bewegungsverfolgung. Wählen Sie 2D-Tracking. Wählen Sie sieben bis zehn beste kontinuierliche und konsistente Schritte für die Nachverfolgung aus. Zeichnen Sie die Rahmennummer beim ersten Kontakt der Referenzglied auf dem Laufband für jeden Schritt auf.HINWEIS: Zu Demonstrationszwecken wurde die linke Hinterseite als Bezugsglied ausgewählt. Verschiedene Tracking-Optionen sind verfügbar. Klicken Sie mit der rechten Maustaste auf die Markierung von Interesse und wählen Sie Automatisches Tracking, das helle kreisförmige Flecken erkennt, die von retroreflektierenden Markern erzeugt werden (Abbildung 4). Alternativ können Sie Spurenmarkierungen mit Pattern Matchingverwenden, der einen in die Software integrierten Algorithmus verwendet, um Marker basierend auf Größe und Farbe zu verfolgen (Abbildung 4). Verfolgen und korrigieren Sie nicht nachweisbare Marker oder Fehler bei der Nachverfolgung manuell. Verwenden Sie schwarze Marker, wenn distale Gelenke retroreflektierende Marker nicht möglich sind. Verfolgen Sie schwarze Marker mithilfe einer erweiterten Bildverarbeitung, indem Sie schwarze Marker zu hellen Flecken für die automatische Verfolgung inumsetzen.HINWEIS: Die Bildverarbeitungsoption kann verwendet werden, um Markierungen nachzuverfolgen, die schwer zu erkennen oder zu sehen sind. Klicken Sie mit der rechten Maustaste auf das Rattenvideo im 2D-Tracking-Fenster. Wählen Sie Bildverarbeitung. Wählen Sie Erweiterte Ansicht aus, und fügen Sie eine Kombination der vier Filter (Helligkeit, Kontrast, Gamma) hinzu, um den schwarzen Marker im Vergleich zu seiner Umgebung so dunkel wie möglich zu machen. Fügen Sie schließlich Invert hinzu, und der schwarze Marker wird zu einem hellen Marker, der automatisch nachverfolgt werden kann (Abbildung 5). Markerplatzierungskorrektur Verfolgen und korrigieren Sie nicht nachweisbare Marker oder Fehler bei der Nachverfolgung manuell. Um das Video manuell zu verfolgen, wählen Sie den gewünschten Marker auf der rechten Seitenleiste aus. Klicken Sie mit der rechten Maustaste und wählen Sie Manuelle nachverfolgungaus. Beginnen Sie mit der Verfolgung der ausgewählten Markierung auf dem Rattenvideo, das Frame für Frame angezeigt wird. Um Fehler zu beheben, wechseln Sie zu dem Frame, in dem der Nachverfolgungsfehler aufgetreten ist. Klicken Sie mit der rechten Maustaste auf die markierungsgenaue Registerkarte in der rechten Seitenleiste, und klicken Sie auf Punkt löschen. Verfolgen Sie den Punkt manuell an der genauen Position. Mit der obigen Methode, komplette 2D-Tracking für alle Kameras für alle gewünschten Marker im Rahmenbereich von kontinuierlichen Schritten verwendet. Klicken Sie während des gesamten Tracking-Vorgangs auf Speichern. 6. Kinematische Analyse Phasenzuweisungen Klicken Sie mit der rechten Maustaste auf Phasen, und wählen Sie Phasemodell bearbeitenaus. Passen Sie Gangzyklusphasen für jedes Glied entsprechend den Defiziten an, die man untersucht (z. B. Addition von Drag-Phasen, Zehencurl-Phasen usw.) innerhalb der traditionellen Haltungs- und Schwingphasen eines Schrittzyklus. Definieren Sie die Phasen für das Experiment (Abbildung 6).HINWEIS: Zu Demonstrationszwecken werden hier drei Phasen angezeigt, und das linke Hinterglied wird als Bezugsglied für die sieben bis zehn Gangzyklen verwendet. Klicken Sie mit der rechten Maustaste auf die Kamera in der Kameragruppe, und wählen Sie Video anzeigenaus. Weisen Sie Phasen des Gangzyklus für jede Gliedmaße innerhalb der Software mithilfe der Schaltfläche “Phase hinzufügen” oder der Tastenkombination F11 zu. Wählen Sie die geeignete Gliedmaße unter Analyse aus, und legen Sie den ersten Frame der Nachverfolgung als Beginn der Stance-Phasefest. Überschreiten Sie das Video zum Frame, in dem die Haltungsphase endet und die Schwenkphase beginnt. Legen Sie diesen Rahmen als Beginn der Swing-Phasefest. Gehen Sie das Video zum ersten Frame vor, in dem der Fuß absteigt. Legen Sie diesen Rahmen als Beginn der Mid-Swing-Phasefest.HINWEIS: Hierin wird die Haltungsphase eines Schrittzyklus für jedes Glied als der erste Rahmen definiert, in dem die Extremität die Laufbandoberfläche kontaktiert. Die Schwenkphase ist definiert als der erste Rahmen, in dem die Gliedmaße die Laufbandoberfläche verlässt. Die mittlere Schwungphase ist der Rahmen, in dem die Gliedmaße maximale Freiraum erreicht hat und absteigt. Ein vollständiger Gangzyklus wird vom Beginn der anfänglichen Haltung bis zur Einstellungsphasenzuweisung des nächsten Gangzyklus definiert. Wiederholen Sie diese Schritte, bis die Zuweisungen in den Phasen der Gliedmaßenphase für jeden Schritt abgeschlossen sind. Wiederholen Sie dies für die anderen drei Gliedmaßen. 3D-Koordinatenberechnungen Führen Sie 3D-Berechnungen durch, nachdem Sie alle sechs Kameras verfolgt haben. Klicken Sie mit der rechten Maustaste auf die Kameragruppe und wählen Sie Neue 3D-Berechnungaus , klicken Sie auf Alle für die Kameraauswahl und wählen Sie dann OK.HINWEIS: Ein neuer Ordner wird angezeigt. Dieser Ordner enthält alle 3D-Koordinatendaten für alle nachverfolgten Marker. Um Phasen anzuzeigen und/oder zu bearbeiten, klicken Sie mit der rechten Maustaste auf 3D-Koordinaten in der linken Seitenleiste, und wählen Sie Phasen bearbeiten (Abbildung 7). Generieren Sie Interessensdaten wie Gelenkhöhen- oder Geschwindigkeitsdiagramme mit Datenpunkten, indem Sie die Interessensmarkierung herausziehen, um sie neben den zugewiesenen Gangphasen anzuzeigen. (z. B. Gelenkkinematik in Abbildung 8). 3D-Diagramm Klicken Sie auf das 3D-Diagramm, um eine 3D-Abbildung der Testversion zu generieren. Exportieren von Rohdaten durch Rechtsklick auf 3D-Koordinaten/Export. Klicken Sie mit der rechten Maustaste auf die 3D-Koordinatendatei, und wählen Sie Exportierenaus. Öffnen Sie die Datei in einer Tabellenkalkulationssoftware, und importieren Sie die Daten in MATLAB. Erstellen Sie ein Programm, um Diagramme der Gliedmaßenschritthöhenkoordination zu erstellen.HINWEIS: 3D-Koordinatendaten können in Analysesoftware oder benutzerdefinierte definierte Makroskripts exportiert werden, um mehr Daten zu generieren, die über das hinausgehen, was die Softwarefunktionen bieten.

Representative Results

Dieses Protokoll demonstriert eine Methodik für die quantitative 3D-Kinematik-Datenerfassung und -analyse für Laufband-Fortbewegung bei Nagetieren mit einer einfachen, integrierten Software. Die Ergebnisse zeigen, dass das Protokoll bei der Sammlung und Analyse von vierbeinigen Bewegungskinematik bei gesunden und Rückenmarksverletzten bei Ratten möglich ist. Forscher mit Erfahrung im Umgang mit Ratten müssen Marker auf Ratten platzieren, dann kalibrieren und das Motion Capture System ohne kritische Probleme verwenden. Daten können ohne den Einsatz komplexer Algorithmen leicht generiert werden. Hier wurde das Protokoll bei gesunden und Rückenmarksverletzten (C5-Rechts-Hemisektion) Ratten umgesetzt. Für die Zwecke dieses Manuskripts werden nur repräsentative Ergebnisse angezeigt. Insgesamt waren verschiedene Kinematiken der Gelenk- und Gliedmaßensegmentbewegung leicht aus den 3D-Koordinaten jedes Markers zu erhalten. Kritische Unterschiede zwischen abnormalem Gang und gesunden Gangzyklen wurden leicht mit mehreren Ergebnissen erkannt, einschließlich (aber nicht beschränkt auf) Schritthöhenmessungen, Gelenkgeschwindigkeit, Gelenkwinkel (Abbildung 9), Schrittzyklusphasendauern für alle vier Gliedmaßen, und Gliedmaßenkoordination (Abbildung 10). Die Analyse qualitativer Daten in Form von Diagrammen und Stickdiagrammen kann die Bestimmung der quantitativen Instrumente leiten, die für die endgültigen Ergebnisse dieses Analyseansatzes verwendet werden (Abbildung 11). Bei einer repräsentativen gesunden Ratte zeigte das Ellenbogenwinkelprofil glatte, einzelne Spitzen mit konsistenten benachbarten Gangzyklen, die einen vollständigen Bewegungsbereich zeigten (Abbildung 9). Die abwechselnde Haltungsphase und die Schwingungsphasendauer der Spuren deuteten auf eine konsistente Intralimb-Koordination hin. Im Gegensatz dazu zeigte das Ellenbogenwinkelprofil einer repräsentativen Rückenmarks-Verletztenratte mehrere verzerrte Spitzen, die weniger konsistent waren und kleinere Bewegungsbereiche. Neben Änderungen in der verlängerten Haltungsphase und verkürzten Schwingphasendauern gab es für die RFL einen Mangel an Intralimb-Koordination. In den vorgestellten repräsentativen Daten, die für die Koordinierung dargestellt wurden, wurde festgestellt, dass Koordinationsdiagramme (Abbildung 10), die von repräsentativen gesunden Ratten erzeugt wurden, eine klar definierte, abwechselnde rhythmische Koordination in ipsilateralen Gliedmaßen während des Ganges zeigten. Zyklen (L-förmiges Muster) und phasenweise D-förmiges Muster mit kontralateralen Gliedmaßen. Im Vergleich dazu zeigte eine repräsentative Rückenmarks-verletzte (C5-rechte Hemisektion) Ratte eine schlechte nicht-alternative und nicht-rhythmische Koordination in ipsilateralen Gliedmaßen und eine ungewöhnliche abwechselnde rhythmische Koordination (L-förmiges Muster) in einem der kontralateralen Gliedmaßenpaarungen (Abbildung 10). Angesichts des beobachtbaren Defizits im rechten Vorderteil des aufgenommenen Bewegungsvideos deutet dies darauf hin, dass rFL und LHL nicht in der Lage waren, das volle Gewicht ohne die Unterstützung von LFL oder RHL zu einem bestimmten Zeitpunkt zu tragen. Dieser Trend legt einen Kompensationsmechanismus nahe, um mit der erzwungenen Gehgeschwindigkeit auf einem Laufband fertig zu werden. Quantifizierbare Daten wurden leicht aus der Nutzung des 3D-Systems generiert, aber dies beinhaltete den Zugriff auf separate Registerkarten und die Auswahl aus einer Vielzahl von Optionen, die innerhalb der Software verfügbar waren. Es gibt aktuelle Arbeiten an der Entwicklung einer automatisierten Vorlage, die quantitative und qualitative Daten in einem einzigen Bericht für die offensichtlichsten Ergebnisse von Interesse generieren wird (ohne die Notwendigkeit, individuell unterschiedliche Ergebnisse zu generieren), wie es routinemäßig mit Kinematik-System für klinische Studien verwendet. So können mehrere Endpunkte in einem Berichtsformat kompiliert und exportiert werden, das unmittelbar nach einer Testversion leicht visualisiert werden kann. Abbildung 1 : Versuchsaufbau. (A) Schemat eines kinematischen Datenerfassungsaufbaus mit sechs Kameras für eine Laufband-Wanderaufgabe. Auf beiden Seiten des Laufbandes wird ein Satz von drei Kameras platziert, um (Frame-by-Frame) linke und rechte Markerbewegungen während der Fortbewegung zu erfassen. (B) Diagramm, das die Markerplatzierung über knöchernen Landmarken auf den Vorder- und Hinterbeinen des Nagers darstellt, um vierbeinige Fortbewegungskinematik entoconzu zu erfassen. Auf jeder Seite der Ratte werden insgesamt 11 Marker platziert. Die schattierten Bereiche zeigen den Bereich an, in dem die Ratte rasiert ist. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 2 : Marker zur Kalibrierung. (A) Marker-Set-Zuweisungen für das Zauberstab-Kalibrierungssystem mit zwei Kalibrierrahmen: L-Frame und Zauberstab (B) Das Koordinatensystem wird durch den L-Frame definiert, wobei der L-Frame-Ursprung (Schnitt zweier Beine des Rahmens) als (0,0) definiert ist. Die beiden Glieder des L-Frames, L-Frame short und L-Frame long definieren die x- bzw. y-Achsen, und die Z-Achse ist als senkrecht zur XY-Ebene definiert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 3 : Markertypen. (A) Foto des unteren Stammes der Ratte, das die beiden verwendeten Markertypen zeigt. B) Foto zeigt einen retroreflektierenden Marker auf dem Iliaskamm mit doppelseitigem Klebeband, das entworfen wurde, um auf der Haut zu haften (rot eingekreist). (C) Foto zeigt die Platzierung eines Stiftmarkers über dem rechten metatarsophalangealen Gelenk (rot eingekreist). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 4 : Bewegungsverfolgung. (A) Bild zeigt die Motion-Tracking-Schnittstelle, wo mehrere Marker gleichzeitig mit den Funktionen “Track automatically” und “Track using pattern matching” verfolgt werden können. (B) Die vergrößerte Ansicht eines retroreflektierenden Markers wird während der Markerzuweisung als hellweißer kreisförmiger Fleck in der Funktion “Automatisch verfolgen” erkannt. Die Software erkennt diesen Fleck als hellblauen kreisförmigen Fleck. Der rote Punkt wird schließlich als Die Mitte des vorgeschriebenen Markers erkannt. Ein zentrierter roter Fleck innerhalb des kreisförmigen Markers verringert die Wahrscheinlichkeit von experimentellen Fehlern während der Datenverfolgung. Abweichung vom Zentrum deutet darauf hin, dass nachfolgende Messungen und Analysen wahrscheinlich ungenau sind. (C) Vergrößerte Ansicht eines retroreflektierenden Markers, der für den Musterabgleich ausgewählt wurde. Basierend auf Größe, Form und Farbe des ausgewählten Markers identifiziert die Software automatisch Marker, die der Beschreibung in den nachfolgenden Videoframes entsprechen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 5 : Grundlegende und erweiterte Tracking-Optionen. (A) Videos können innerhalb der Software verarbeitet werden, indem Sie während der Analyse mit der rechten Maustaste auf das Video klicken, so dass unklare oder verschwommene Marker klar visualisiert werden, um eine automatische Verfolgung zu ermöglichen. Zu Demonstrationszwecken werden zwei Arten von Bildverarbeitungseinstellungen angezeigt, die an unterschiedliche Umgebungsbeleuchtungsbedingungen während der Datenerfassung angepasst werden, um eine einfache Nachverfolgung zu ermöglichen. (B) Ein repräsentativer Videorahmen vor der Bildverarbeitung. (C) Für die grundlegende Bildverarbeitung (Verarbeitungstyp I) werden Helligkeits- und Kontrasteinstellungen für eine klarere Ansicht angepasst. (D) Mit den erweiterten Bildverarbeitungseinstellungen (Verarbeitungstyp II) wird der rechte metatarsophalange Gelenkmarker (schwarzer Marker) invertiert und kann dann automatisch nachverfolgt werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 6 : Phasenzuweisungen. Der Gait-Zyklus für jede Gliedmaße kann je nach versuchsweiser Konstruktion in diskrete Phasen unterteilt werden. Zu Demonstrationszwecken werden drei Gangzyklusphasen angezeigt. (A) Haltungsphase ist definiert als der erste Rahmen, in dem die Gliedmaße die Laufbandoberfläche kontaktiert. (B) Swing-Phase ist definiert als der erste Rahmen, in dem die Gliedmaße die Laufbandoberfläche verlässt (C) Die mittlere Schwungphase ist der erste Rahmen nach der Gliedmaßenfreiheit, wo die Pfote zu sinken beginnt. In (D) wird ein vollständiger Gangzyklus vom Beginn der Anfangshaltung bis zur Haltungsphasenzuweisung des nächsten Gangzyklus definiert. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 7 : Erweiterte Optionen für die Schrittphasenanalyse. Diese Option ermöglicht eine detaillierte Ansicht von Nachverfolgungs- und Phasenzuweisungen sowie die Möglichkeit, Phasenzuweisungen zu ändern. (A) Marker-Auswahlfeld zum Anzeigen und Auswählen des gewünschten Markers. (B) Koordinatenauswahlfenster: Das Hervorheben der Interessenskoordinate (in diesem Fall z-Koordinaten) wird im Hauptdiagrammfenster rot angezeigt. (C) Phasenauswahlfenster:Die zugewiesenen Phasen für eine Extremität können in Bezug auf Markierungen und Koordinaten angezeigt werden, die in (A) und (B) ausgewählt sind. Phasen können auch über dieses Fenster bearbeitet werden. (D) Diagrammfenster: Koordinaten für einen bestimmten Marker können während einzelner Gangzyklusphasen gleichzeitig verglichen werden. Grün und Gelb stellen die Haltungs- und Schwungphasen für das rechte Hinterglied bei der Vierbeiner-Fortbewegung dar. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 8 : Beispiel für 3D-Kinematikdaten. (A) Verschiedene Ergebnisse jedes Gelenkmarkers können aus dem 3D-Koordinatendatensatz nach videotracking (B) Bildbilder werden. Repräsentative Daten, die für die Haltungs- und Schwingphasenzyklen für jedes Vorder- und Hinterglied während der Vierbettzimmer in einer Ratte. Farben stellen Haltungs- und Schwenkphasen aufeinander folgender Schrittzyklen dar. Rot und Grün entsprechen den Phasen der rechten Vorder- bzw. Hinterbeine. Blau und Petrol entsprechen den Haltungsphasen der linken Vorder- und Hinterbeine. Gelb entspricht der Schwingphase jeder Gliedmaße. (C) Mehrere Datengruppen (diskrete Marker oder Ergebnisse) können gleichzeitig mit Leichtigkeit verglichen werden. Die Z-Koordinatengeschwindigkeitsdaten der linken und rechten Kniegelenksmarker werden willkürlich ausgewählt, um die vertikale Geschwindigkeit des Kniegelenkmarkers von der Laufbandoberfläche zu demonstrieren. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 9 : Repräsentative Gelenk-Winkelkinematik-Daten von gesunden und halskrebsverletzten Ratten während der Laufband-Fortbewegung. (A) Ellenbogengelenkwinkelprofil in einer gesunden repräsentativen Ratte zeigt glatte, einzelne Spitzen von Gelenkwinkelspuren mit konsistenten benachbarten Gangzyklen, die den gesamten Bewegungsbereich anzeigen. Rote und gelbe Balken bezeichnen die Haltungs- und Schwenkphasen des Vorderbeinschrittzyklus. (B) Im Gegensatz dazu sind die Spuren einer repräsentativen Rückenmarks-verletzten Ratte relativ verzerrter und weisen inkonsistente mehrfache Spitzen mit einem insgesamt kleineren Bereich der Gelenkbewegung auf. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 10 : Repräsentative Gliedmaßenkoordinationsdaten einer gesunden und zervikalen Rückenmarksverletzten bei der Laufbandfortbewegung. (A) Die Z-Koordinatenwerte der metacarpophalangeal (MCP) und metatarsophalangeal (MTP) Marker, die Schritthöhenmaße darstellen, werden in sechs verschiedenen Kombinationen zwischen Gliedmaßen aus etwa 10 Schritten beim Vierbeinergehen dargestellt. Gezeigt werden repräsentative Demonstration aller sechs möglichen Gliedmaßenkoordinationspaare. (B) Eine gesunde Ratte zeigt eine klare abwechselnde rhythmische Koordination (L-förmiges Muster) für alle Paare (i, ii, iii, iv). Wenn gliedmaßen in Phase (v, vi) sind, folgen die Koordinationspaare einem D-förmigen Muster. (C) Bei einer halskrebsverletzten Atte ist (i) die schlechte Abstimmung zwischen den beiden Vorderbeinen, (iii) rechte ipsilaterale Paarung und (iv) ungewöhnliche Koordination für eines der kontralateralen Gliedmaßenpaare vermerkt. Beachten Sie, dass Koordinationsdiagramme (B,C) nicht dieselbe Skala haben. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 11 : Animierte 3D-Stick-Figur. Beispiel für eine 3D-Stick-Figur, die aus verfolgten Daten generiert wird. Bitte klicken Sie hier, um diese Abbildung herunterzuladen.    Kalibrierungsparameter Kalibrierungseingänge Stablänge [mm] 100 L-Frame Bodenversatz [mm] 7 Iterationen für die Ausreißererkennung 4 Zulässige Zauberstab-Längenabweichung 0,3 Wandbein muss mindestens in __ Kameras sichtbar sein 4 Fix-Seitenverhältnis kariert Fix-Schiefe-Parameter kariert Fix-Hauptpunkt kariert Tabelle 1: Erweiterte Einstellungen für die Kalibrierung. Die Tabelle fasst die Parameter zusammen, die wir verwendet haben, um den Sechs-Kamera-Setup genau zu kalibrieren. Diese Einstellungen wurden experimentell getestet und für unsere Einrichtung optimal gefunden.

Discussion

Dieser Protokollartikel veranschaulicht den Einsatz eines Motion-Tracking-Systems zur Erfassung und Analyse von 3D-Kinematikendaten bei vierbeinigen Laufband-Fortgangbewegungen bei Nagetieren. Wichtige Merkmale des 3D-kinemamatischen Bewegungsanalysesystems sind die detaillierte Quantifizierung der Kinematik der Gelenkbewegung (Schrittphasenkinematik, Gelenkwinkel, Bewegungsumfang, Schrittgeschwindigkeiten) aus mehreren Gelenken und Gliedmaßen gleichzeitig, Motorische Defizite, die mit bloßem Auge nicht messbar sind, Beseitigung subjektiver Voreingenommenheit bei der Datenerfassung und -analyse und einfache Visualisierung der gesamten Gliedmaßen und der Posturalkinematik, die mit der gleichzeitigen Gegenüberstellung der gesamten Ratte in Bewegung verglichen werden kann. Ohne die Notwendigkeit zusätzlicher Algorithmen und Modellierungzeigen zeigen die Methoden die Fähigkeit der Software, die Kinematik des Gangs mit großen Details, Effizienz, Leichtigkeit, Präzision und Reproduzierbarkeit quantitativ zu analysieren.

Bei Nagetieren werden Vorder- und Hinterhautbewegungsdefizite nach einer Rückenmarksverletzung (SCI) häufig mit subjektiven und standardisierten Bewegungs-Scoring-Systemen wie dem BBB-Scoring-System1bewertet. Subjektive Bewertungssysteme führen in der Regel zu Tester-Bias, da verschiedene Forscher unterschiedliche Werte für das gleiche motorische Defizit oder dieselbe Punktzahl für verschiedene motorische Defizite zuweisen können, was zu einer verminderten Reproduzierbarkeit und Empfindlichkeit des Tests führt13 . Darüber hinaus birgt die Unfähigkeit, subtile Defizite zu erkennen, das Risiko, die Auswirkungen einer Intervention falsch abzuleiten.

Um diese Probleme zu bekämpfen, wurden automatisierte Systeme2,3,4,5 und Systeme mit oder ohne den Einsatz komplexer Algorithmen14,15 von einigen Ermittlern übernommen. Diese Tests führen Eine Schrittzyklusanalyse durch, die Gewichtstragendeprofile und Schrittsequenzmuster aufzeigt, die aus Pfotenplatzierungsbewegungen von Ratten abgeleitet werden, die über eine Landebahn laufen. Ein großer Nachteil der video-gait-Analyse der ventralen Ebene ist jedoch, dass der Körper des Subjekts selbst nicht direkt sichtbar ist2,3. Diese Daten beschränken sich auf Informationen aus Eindrücken von Fuß- und Pfotenbewegungen, die die Auswahl und Interpretation von Gangparametern bei der Beurteilung von Defiziten in Frage stellen (siehe Chen et al.16). Bewegungsdetails, die eine dynamische Segmentkinematik der Gliedmaßenbewegung und -positionierung zeigen, sind für die Fortbewegungsanalyse3,5nicht genau erhältlich. Kritische Abweichungen von Gelenkwinkeldaten (d.h. Bewegungsbereich, Bewegungsgeschwindigkeit usw.), Beziehung der Gelenke zueinander innerhalb eines Glieds und zwischen Gliedmaßen und zugrunde liegende Körpermechanik, die Gangmuster verändern, sind unmöglich zu erhalten. Ob beobachtbare Gangbeeinträchtigungen infolge von Veränderungen bei einzelnen und/oder multiplen segmentalen Gelenkbewegungen (d. h. proximal-distaler Intralimb-Koordination, Haltungsbeziehungen des Stammes in Bezug auf die Position und den Gangzyklus von Gliedmaßen usw.) maskiert bleiben.

Nur wenige derzeit verfügbare Systeme erfassen Die Gaitkinematik und bewerten die motorische Dysfunktion qualitativ und quantitativ, sind aber weniger verbreitet. Ein Ganzkörper-Hochgeschwindigkeits-Video-Tracking-Ganganalysesystem filmt spontane Gangzyklen von drei Seiten (eine ventrale und zwei seitliche Ebenen) und verfolgt knöcherne Landmarken, um eine Reihe von Gangergebnissen auszuspielen17,18. Sagittal Ebene kinematische Ganganalyse wird von einigen Forschern verwendet, um 2D-Bewegungsdaten der interessierten hinterdlimb19,20zu erhalten. Eine dritte Dimension der Bewegung, die orthogonal zur Betrachtungsebene (lateral oder sagittal) auftritt, ist jedoch in den Analysen11,18,19nicht nachweisbar.

Andere anspruchsvollere, 3D, drei Körper-Körper Körper Haltungsdatenerfassungssysteme nutzen 3D mathematische Modellierung der Datensammlung sowie Analysesystem, um die 3D-Bewegung der Körpersegmente des Nagers zu verfolgen und zu quantifizieren, während Kopf Bewegungsmuster8. Madete et al.9 haben ein markerbasiertes optoelektronisches Bewegungserfassungssystem entwickelt, um die posturale 3D-Körperkinematik während der oberirdischen Fortbewegung auf Gehbalken mit einem Sieben-Kamera-System zu quantifizieren. Die wichtigsten Ergebnisse, die in den beiden letztgenannten Arbeiten untersucht wurden, konzentrieren sich in erster Linie auf die Gesamthaltung des Nagers und nicht auf die Ganganalyse. 3D-Motion-Capture-Systeme liefern 3D-Kinematik-Gaitdaten mit hohem Durchsatz mit mehreren Kameras und ausgeklügelten Softwaresystemen, wie von Bhimani et al.21überprüft. Ältere Versionen des vorgestellten 3D-Bewegungsanalysesystems wurden auch in früherenArbeiten bei Ratten mit und ohne Neurotrauma 12,22,23eingesetzt.

Trotz der Verfügbarkeit von 3D-Bewegungserfassungs- und Analysesystemen für die Forschung ist der präklinische Einsatz dieser Technik bei Nagetieren nach wie vor relativ begrenzt. Ein Grund für dieses Problem ist, dass die Datenerfassungs- und Analyseprotokolle stark auf der Verwendung von kinematischen Modellen und komplizierten Algorithmen beruhen, die zu einem kinematischen Modell des Hinterbeins der Ratte während des Gehens passen, um feine, hochauflösende Gangkinematik8,9,11,22. Die hier vorgestellte detaillierte Methodik enthält Einzelheiten über das gesamte Versuchsverfahren, einschließlich der Schritte zur Handhabung von Tieren, schulungen, Versuchsaufbau, Datenerhebung und Analyse.

Ebenfalls zur Verfügung gestellt sind Details zur Kalibrierung des Systems, das der grundlegende Teil des Protokolls ist, das die Reproduzierbarkeit zwischen benachbarten Versuchen innerhalb und zwischen Probanden sicherstellt. Die beschriebenen Schritt-für-Schritt-Techniken führen zur Objektivität in das Datenerfassungsverfahren ein und machen es sehr reproduzierbar. Die generierten Daten aus dieser Motion Capture Software können frame-by-frame für die Qualität der Bewegung visualisiert und automatisch nachverfolgt werden. Weiter beschrieben wird, wie diese Datenerfassung oder -quantifizierung keine zusätzlichen Algorithmen oder Modellierungen erfordert. Studenten, Mitarbeiter und Forscher können einfache statistische Software nutzen, um grundlegende kinematische Ergebnisse zu generieren, ohne auf spezifisches technisches Know-how angewiesen zu sein.

Dieses System kann auch für oberirdische Fortbewegung, Erreichen und Greifen und andere experimentelle Auflagen verwendet werden, um dem experimentellen Ziel gerecht zu werden. Anzahl und Art der Marker können bei Bedarf auch für Schwanz, Rücken, Rumpf oder Ohren angepasst werden. Ein größerer Vorteil der vorgestellten Software im Vergleich zu Systemen ist die Fähigkeit, hochauflösende Videodaten des Motivs zu sammeln. Daher können komplexe Berechnungen (d. h. Winkelbewegungen, Stablinien, die mehrere Gelenke verbinden usw.) auf das aufgenommene Video überlagert werden. Die Markerplatzierung und die generierten 3D-Daten können mit tatsächlichen Bewegungen einer Ratte in Bewegung verifiziert werden. Im Gegensatz zum anderen 3D-Bewegungserfassungssystem werden nur die Marker erfasst, und jede Neuanalyse muss auf den Stickdiagrammen (Skelettrahmen) anstelle des Videos des eigentlichen Subjekts durchgeführt werden. Folglich fehlt es an einer Überprüfung der Markerplatzierung bei der tatsächlichen Bewegung des Themas.

Basierend auf den Erfahrungen mit diesem System spielt die Kalibrierung eine entscheidende Rolle für den Erfolg der Datenerfassung. Die Kalibrierung des Systems ist sehr empfindlich auf Veränderungen. und leichte Bewegung einer Kamera kann den gesamten 3D-Koordinatendatenerfassungs- und -analyseprozess gefährden. Für die Datenerfassung sind nur zwei Kameras auf jeder Seite einer Anzeigeebene erforderlich, aber die dritte Kamera wird dringend empfohlen, um mehr Genauigkeit zu gewährleisten, indem die Positionen der einzelnen Marker mit anderen Kameras referenziert werden. Mit zunehmender Anzahl von Tracking-Kameras erhöht sich auch die Genauigkeit der 3D-Koordinate für einen bestimmten Marker. In Zeiten, in denen Marker aufgrund von Gangdefiziten verdeckt werden (wie Zehencurling oder Ziehen im Falle von Gang nach Neurotrauma), können diese Bedingungen eine umfangreiche manuelle Verfolgung erfordern. Dennoch ist die Menge an Daten, die schließlich aus dem Tracking generiert werden, der Zeit würdig, die in die manuelle Verfolgung der Marker investiert wurde, was sie zu einem unschätzbaren Werkzeug bei der Erkennung subtiler motorischer Defizite macht.

Unserer Erfahrung nach liegt jede Mitverfahrigkeit, die mit der Nutzung des Systems verbunden ist, über die Nutzung der Ausrüstung und Technologie selbst hinaus. Ähnlich wie bei anderen Protokollen zur Beurteilung des motorischen Verhaltens wirkt sich die Methode, mit der Ratten behandelt und für die Aufgabe geschult werden, stark auf die Ergebnisse aus. Zum Beispiel ist die Isolierung von Ratten aus ihrer Kohorte während der Tests von entscheidender Bedeutung; Andernfalls zeigen Ratten, die nicht getestet werden, aber während der Tests noch vorhanden sind, eine eventuelle Verschlechterung der Aufgabenleistung. Optimale Raumtemperaturen, Beleuchtung und Geräuschpegel sind weitere Determinanten. Fouad et al. veröffentlichten weitere Herausforderungen, die funktionelle Motortests bei Ratten begleiten24. Tatsächlich haben blinde Benutzer aus diesem Labor, die die Methodik korrekt befolgt enden, keine größeren Hürden bei der Datenerfassung, Bewegungsverfolgung und Datenanalyse erlebt.

In diesem Beitrag wird ein 3D-Bewegungserfassungssystem beschrieben, um Lokmotordaten effektiv zu sammeln und zu analysieren, so dass Forscher enorme Mengen an tiefen Motordaten schnell von mehreren Ratten sammeln können. Wir arbeiten derzeit an der Erstellung einer automatisierten Datenanalysevorlage, die in die Software integriert werden kann und in der Lage ist, innerhalb weniger Sekunden einen Bericht über vorbestimmte Ergebnisse für Laufband-Fortbewegung bei Nagetieren zu generieren, ähnlich dem, was bei Menschen getan wird. Studien mit Motion Capture und Analysesystemen6,25. Die Entwicklung dieser Vorlage wird es präklinischen Forschern ermöglichen, detaillierte Nagetier-Bewegungsdaten mit wenigen Mausklicks zu erhalten. Es ist zu hoffen, dass sich die in dieser Arbeit bereitgestellten Methoden für präklinische Forscher als nützlich erweisen werden, um das motorische Verhalten von Nagetieren objektiver zu beurteilen. Wir verfeinern jetzt den Einsatz dieses Systems, um hochdurchsatzige 3D-Kinematikdaten während gemeinsamer, geschickter Vorderbeine wie Erreichen und Greifen zu sammeln. Wichtig ist, dass die Nützlichkeit dieser Methode auf Ratten mit einer Vielzahl von neurotraumatischen und nicht-neurotraumatischen Verletzungen erweitert werden kann.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Unser besonderer Dank gilt Pawan Sharma für seine Unterstützung beim Versuchsaufbau für das Video und den intellektuellen Beitrag zu diesem Projekt. Wir danken auch Christopher Palacio für seinen Beitrag zur Unterstützung bei der Demonstration des Videoprotokolls.

Materials

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

References

  1. Basso, D. M., Beattie, M. S., Bresnahan, J. C. A sensitive and reliable locomotor rating scale for open field testing in rats. Journal of Neurotrauma. 12 (1), 1-21 (1995).
  2. Cheng, H., et al. Gait analysis of adult paraplegic rats after spinal cord repair. Experimental Neurology. 148 (2), 544-557 (1997).
  3. Hamers, F. P., Lankhorst, A. J., van Laar, T. J., Veldhuis, W. B., Gispen, W. H. Automated quantitative gait analysis during overground locomotion in the rat: its application to spinal cord contusion and transection injuries. Journal of Neurotrauma. 18 (2), 187-201 (2001).
  4. Beare, J. E., et al. Gait analysis in normal and spinal contused mice using the TreadScan system. Journal of Neurotrauma. 26 (11), 2045-2056 (2009).
  5. Nakamura, A., et al. Low-cost three-dimensional gait analysis system for mice with an infrared depth sensor. Neuroscience Research. 100, 55-62 (2015).
  6. Pfister, A., West, A. M., Bronner, S., Noah, J. A. Comparative abilities of Microsoft Kinect and Vicon 3D motion capture for gait analysis. Journal of Medical Engineering & Technology. 38 (5), 274-280 (2014).
  7. Alt Murphy, M., Murphy, S., Persson, H. C., Bergstrom, U. B., Sunnerhagen, K. S. Kinematic Analysis Using 3D Motion Capture of Drinking Task in People With and Without Upper-extremity Impairments. Journal of Visualized Experiments. (133), (2018).
  8. Karakostas, T., Hsiang, S., Boger, H., Middaugh, L., Granholm, A. C. Three-dimensional rodent motion analysis and neurodegenerative disorders. Journal of Neuroscience Methods. 231, 31-37 (2014).
  9. Madete, J. K., et al. Challenges facing quantification of rat locomotion along beams of varying widths. Journal of Engineering in Medicine. 224 (11), 1257-1265 (2010).
  10. Neckel, N. D., Dai, H. N., Burns, M. P. A novel multidimensional analysis of rodent gait reveals the compensation strategies employed during spontaneous recovery from spinal cord and traumatic brain injury. Journal of Neurotrauma. , (2018).
  11. Valdez, S. I., et al. Modeling hind-limb kinematics using a bio-inspired algorithm with a local search. Biomedical Engineering Online. 17, (2018).
  12. Shah, P. K., et al. Use of quadrupedal step training to re-engage spinal interneuronal networks and improve locomotor function after spinal cord injury. Brain: A Journal of Neurology. 136 (Pt 11), 3362-3377 (2013).
  13. Barros Filho, T. E., Molina, A. E. Analysis of the sensitivity and reproducibility of the Basso, Beattie, Bresnahan (BBB) scale in Wistar rats. Clinics (Sao Paulo). 63 (1), 103-108 (2008).
  14. Jacobs, B. Y., Kloefkorn, H. E., Allen, K. D. Gait analysis methods for rodent models of osteoarthritis). Currend Pain and Headache Reports. 18 (10), 456 (2014).
  15. Kloefkorn, H. E., et al. Automated Gait Analysis Through Hues and Areas (AGATHA): A Method to Characterize the Spatiotemporal Pattern of Rat Gait. Annals of Biomedical Engineering. 45 (3), 711-725 (2017).
  16. Chen, H., Du, J., Zhang, Y., Barnes, K., Jia, X. Establishing a reliable gait evaluation method for rodent studies. Journal of Neuroscience Methods. 283, 92-100 (2017).
  17. Zorner, B., et al. Profiling locomotor recovery: comprehensive quantification of impairments after CNS damage in rodents. Nature Methods. 7 (9), 701-708 (2010).
  18. Preisig, D. F., et al. High-speed video gait analysis reveals early and characteristic locomotor phenotypes in mouse models of neurodegenerative movement disorders. Behavioural Brain Research. 311, 340-353 (2016).
  19. Fiander, M. D., Chedrawe, M. A., Lamport, A. C., Akay, T., Robertson, G. S. Sagittal Plane Kinematic Gait Analysis in C57BL/6 Mice Subjected to MOG35-55 Induced Experimental Autoimmune Encephalomyelitis. Journal of Visualized Experiments. (129), (2017).
  20. Fiander, M. D., Stifani, N., Nichols, M., Akay, T., Robertson, G. S. Kinematic gait parameters are highly sensitive measures of motor deficits and spinal cord injury in mice subjected to experimental autoimmune encephalomyelitis. Behavioural Brain Research. 317, 95-108 (2017).
  21. Bhimani, A. D., et al. Functional gait analysis in a spinal contusion rat model. Neuroscience Biobehavioral Reviews. 83, 540-546 (2017).
  22. Courtine, G., et al. Transformation of nonfunctional spinal circuits into functional states after the loss of brain input. Nature Neuroscience. 12 (10), 1333-1167 (2009).
  23. Shah, P. K., et al. Unique Spatiotemporal Neuromodulation of the Lumbosacral Circuitry Shapes Locomotor Success after Spinal Cord Injury. Journal of Neurotrauma. 33 (18), 1709-1723 (2016).
  24. Fouad, K., Hurd, C., Magnuson, D. S. Functional testing in animal models of spinal cord injury: not as straight forward as one would think. Frontiers in Integrative Neuroscience. 7, 85 (2013).
  25. Miller, E., et al. Mechanical testing for three-dimensional motion analysis reliability. Gait & Posture. 50, 116-119 (2016).

Play Video

Cite This Article
Wong, J., Shah, P. K. 3D Kinematic Gait Analysis for Preclinical Studies in Rodents. J. Vis. Exp. (150), e59612, doi:10.3791/59612 (2019).

View Video