Summary

Kemirgenler preklinik çalışmalar için 3D Kinematic yürüyüş analizi

Published: August 03, 2019
doi:

Summary

Burada sunulan bir protokol toplamak ve preklinik çalışmalar için kemirgenler dört ayaklı lokomotif üç boyutlu kinematik analiz etmektir.

Abstract

Üç boyutlu (3D) kinematik hareket analiz sistemlerinin yarar kemirgenler sınırlıdır. Bu yetersizlik nedeninin bir parçası, 3D veri toplama ve analiz prosedürlerine eşlik eden karmaşık algoritmalar ve matematiksel modelleme kullanmaktır. Bu çalışma, altı kameralı hareket yakalama sistemi kullanılarak sağlıklı ve nörotraumatik farelerde koşu bandı lokomotif sırasında 3D kinematik yürüyüş analizi için basit, Kullanıcı dostu, adım adım ayrıntılı bir metodoloji sağlar. Ayrıca sağlanan ayrıntılar vardır 1) sistem kalibrasyonu bir deneysel set-up için özelleştirilmiş dört ekstremite, 3) seçenekleri video izleme için mevcut tüm 4 bacak üzerinde konumlandırılmış belirteçleri kullanarak yetişkin fareler koşu bandı lokomotlu için, 2) veri toplama ve işleme, ve 4) temel 3D kinematik veri oluşturma ve görselleştirme ve verilerin ölçülmesi yerleşik veri toplama yazılımı kullanarak. Son olarak, bu hareket yakalama sisteminin yardımcı programı önce ve neurotrauma sonra motor davranışları çeşitli eğitim için Genişletilebilir önerilir.

Introduction

Sinir hastalıklarından sonra kemirgenler, forelimb ve hindekstremite lokomotor açıkları genellikle subjektif Puanlama sistemleri kullanılarak değerlendirilir1. Otomatik sistemler2,3,4,5 yürüme analizi için kabul edilmiştir ama dezavantajları muzdarip, çünkü birincil sonuçlar ayak izi analizi dayanır ve önemli yakalamak için başarısız ekstremite hareketlerinin gerçek kinematiklerini ortaya çıkaramayan segment ve eklem kinematik değişkenler2. Çoğu yürüyüş parametreleri korelasyon olduğundan, motor açıkları tamamen değerlendirmek için fareler tarafından benimsenen tazminatları anlamak için bir yürüyüş parametreleri koleksiyonu gereklidir.

Son on yıl içinde, insanlarda Biyomedikal araştırma için çeşitli 3D hareket Analizi sistemleri6 geliştirilmiştir. Bu sistemler başarılı ve sağlıklı insan yetişkinlerde lokomotif içinde açıkları yakalama etkili olduğu kanıtlanmış ve yürüyüş6,7kinematik değiştirildi. Kemirgenler, şu anda mevcut 3D kinematik hareket sistemleri karmaşık algoritmaları benimsemeye ve hareket davranışı için modelleme ve sofistike veri analizi teknikleri kullanmak8,9,10,11 , hangi sonunda çok yönlülük sınırlamak. Dahası, çoğu 3B hareket yakalama sistemiyle veri toplamak için kullanılan yöntemler literatürde yeterli şekilde açıklanmaz. Veri toplama ve analiz prosedürleri, sınırlamalar ve etkili sistemi kullanarak katılan teknikleri hakkında ayrıntılar eksik.

Sonuç olarak, araştırmacılar arasında ortak kavramlar biri 3D hareket izleme kinematik değerlendirmeler oldukça zahmetsiz ve teknik uzmanlık ve ayrıntılı veri analizi gerektiren zaman alıcı prosedürleri olduğunu. Bu çalışmanın amacı, veri toplama ve analiz protokollerini kırmak ve metodolojisi adım adım bir süreç aracılığıyla açıklamak, böylece objektif, öğrenmesi kolay ve sistematik bir şekilde yaklaşılabilir. Günümüzde, klinik öncesi çalışmalarda nörolojik yaralanmaların ve müdahalelerin ardından fonksiyonel motor davranışlarını daha kapsamlı ve sistematik bir şekilde değerlendirmede ortaya çıkan bir vurgu vardır.

Dört ayaklı lokomotif alanında, burada sunulan bir 3D hareket izleme sistemi gibi vücut duruş gibi ek bilgi sağlayabilir kullanımı, vücut eksenleri ile ilgili Paw rotasyon, eklem ilişkileri, ve daha doğru bilgi koordinasyon ile ilgili olarak, tüm uçaklardan tüm hayvanı aynı anda görselleştirirken. Bu da, birden fazla sonuç yoluyla sağlıklı ve yaralı fareler içinde ve arasında motor davranışlarında kritik farklılıklar ortaya çıkarabilir. Doğru ve objektif bir daha rafine kinematik analiz ile, bir müdahale yanlış gösterilirken etkileri riski minimize edilir. Bu hareket yakalama yazılımından oluşturulan veriler, hareket kalitesi için çerçeveye göre görselleştirilebilir ve otomatik olarak izlenebilir ve veri toplama veya ölçüme ek algoritmalar veya modelleme gerektirmez. Bu çalışmanın amacı, sağlıklı ve omurilik yaralanan fareler içinde koşu bandı lokomotatiği sırasında 3D yürüyüş kinematiklerin veri toplama ve analizinde metodolojik detaylar ve hususlar sağlamaktır. Bu protokol, deneyler nörolojik sıçan modelleri kullanan preklinik araştırmacılar tarafından kullanılmak üzere tasarlanmıştır.

Protocol

Bu çalışma, laboratuar hayvanlarının bakımı ve kullanımı için Ulusal Sağlık Kılavuzu Enstitüleri ‘nin tavsiyelerine uygun olarak gerçekleştirilmiştir. Protokol, Stony Brook Üniversitesi Şansölyesi hayvan Araştırma Komitesi tarafından onaylandı. 1. hareket yakalama sisteminin ayarlanması Kurulum İnce ayarlanabilir dişli başlıkları kullanarak duvara (veya tripod) altı kamera monte edin. Her kamera açı 20 °-45 ° ‘ lik ufuk altında, yaklaşık 2,0 m uzakta koşu bandı ve yaklaşık 0,5 m uzakta bitişik kameralar işaretçileri maksimum kapsama için (Şekil 1) ile koşu bandı her iki tarafında yukarıda pozisyon üç kamera. Her kamerayı reflektörlü işaretçileri görselleştirme için bir halka ışığı ile donatın. Hareket yakalama sistemini başlatın. Proje altında | Belirtimi, deneme için istenen işaretçileri tanımlayın.Not: Gösterim amacıyla, bilateral dört ayaklı lokomotunu değerlendirmek için hem ön ayakları hem de hindekstremite (her tarafta 11 işaret) için toplam 22 işaret kullanılır. Alternatif olarak, belirli bir Işaret kimliği seçeneği Ile alma işaretçisi kümesi yazılım içinde önceden belirlenmiş hesaplamalar için izin verir. 2. hareket yakalama sisteminin kalibrasyonu Kalibrasyon videosunu yakalama L şeklindeki kalibrasyon çerçevesini (bundan sonra “L-Frame” olarak anılacaktır) koşu bandı üzerinde ortogonal olarak, L-çerçevesinin uzun bacağı, sıçan yürüyüş yönüne işaret ederek yerleştirin (Şekil 2). Hareket yakalama yazılımını açın ve kalibrasyon videosunu yakalamak için kayıt seçeneğini belirleyin. Sıçan içinde yürüyüş olacak tüm alanları kapsayacak şekilde uzayda koşu bandı alanı boyunca (bundan sonra “değnek” olarak anılacaktır) Trident şekilli kalibrasyon çerçevesi taşıyın.Not: L-Frame küresel koordinat sistemi kurmak dört işaretçileri içerir ve değnek fare 3D yürüyüş alanı kalibre edecek üç işaretçileri içerir. 120 kareler/s ‘de uygun kalibrasyon için yeterli değnek veri noktalarının bulunduğundan emin olmak için en az 1 dakika çekim kaydedin. Videoları 3B kalibrasyon dosyaları olarak kaydedin. L-Frame izleme Kamera grubunu sağ tıklayın ve 3B izleme’yi seçin. Açılır pencerenin altında, 3B kalibrasyon videolarını, ardından tüm kalibrasyon kameralarınıseçin. Sabit nokta fonksiyonunu kullanarak, L-Frame orijini, L-çerçevesi kısa, L-Frame Mid ve her altı kalibrasyon videosu için L-Frame uzun izleyin. Tüm noktaları tanımlayın ve Otomatik ara düğmesini seçin.Not: L-çerçeve konumu, koordinat sistemi kayması önlemek için tüm deneme sırasında koşu bandı göreli olarak tutarlı kalması gerekir. Değnek izleme Kamera grubunu sağ tıklatın ve Otomatik 3B değnek izleme’yi seçin. Kamera seçiminde tüm kameraları seçin. Pencerenin sağ alt kısmındaki Seçenekler’i seçin, L çerçevesini Algıla’Yı seçin ve Başlat izlemeyiseçin. Otomatik izlemeden sonra, tüm altı kameralar için Wand kısa, Wand orta ve Wand uzun Işaretçileri ata ‘yı seçin. 3B izleme penceresinde ham verilere dışa aktar’ı seçin, ardından izlemeyi kaydetmek için varolan değnek verilerinin üzerine yaz seçeneğini belirleyin. En doğru verileri kaydetmek için son adımdan sonra görüntülenen pencerede Evet ‘i seçin.Not: Bu yeni izleme, sol kenar çubuğunda otomatik izleme sekmesi altında izleme olarak kaydedilecektir. Kaydedilmiş izleme erişilebilir ve daha sonra düzenlenebilir. Kalibrasyon hesaplanması Kamera kalibrasyon gruplarını sağ tıklatın ve Yeni değnek kalibrasyon grubunuseçin. Tüm kameralar ‘ı seçin ve Tamam ‘ıseçtiğinizde CTRL (Control) tuşunu basılı tutun. 100,00 mm, L-çerçeve zemin Uzaklık 7,00 mm, outlier-algılama için yineleme için 4 ve izin değnek uzunluğu-sapma,% 0,300 için değnek uzunluğunu değiştirin. Fotoğraf makinesinin değnek ‘in seçenek olarak 4 ‘ te görünür olması ve aşağıdakileri açma: en boy oranını düzelt, eğriltme parametresini düzelt ve asıl noktayı düzelt (Tablo 1).Not: Bu ayarlar, bu ayar için optimum olarak denenmektedir. 3 mm ‘den az olan ve 0,004 ‘den daha az kalan değerden standart sapma ile kalibrasyonları kabul edin.Not: kameralar veya ilişkili ekipmanlar bu noktanın ötesine taşındığında, sistemi yeniden kalibre etmek için bir tane gerekecektir. 3. egzersiz ve koşu bandı lokomotl için hayvan hazırlama Koşu bandı lokomotunda eğitim fareler Bir eğitim seansından önce 5 dakika boyunca koşu bandı ‘e acclimatize fareler12. 1 hafta boyunca sabah 15 dk/seans için 13 cm/s, ekstremitelerde tam ağırlıkta yatak ile yürümek için fareler tren. Koşu bandı12üzerinde sürekli yürüyüş (minimum 10 sürekli adım) yeteneğine sahip olana kadar tüm fareler tren. Her sıçan için günün aynı saatinde etrafında Komple eğitim oturumları. Veri toplama öncesinde, sıçan bir kuluçum odasına yerleştirerek sıçan anestezize. Isoflurane gazı (% 1.0-2,5%) sunun ve 0,4 L oksijen yaklaşık 5 dk. anestezi derinliği kontrol etmek için sıçan ayağı tutam. Fare Paw çimdik (negatif pençe çekilme refleks) yanıt vermiyorsa devam edin. Kürkü İşaretleyiciye müdahale etmesini önlemek için işaretçilerin yerleştirileceği bölgelerde fareyi tıraş edin (Şekil 1). İşaretler yerleştirmek için kemik dönüm için cilt palpate. Dirsek ve diz distal eklem için kalem işaretçileri kullanın (Şekil 3).Not: reflektörlü belirteçleri plastik hemheres 0,5 cm çapı reflektörlü bant ile kaplıdır. Veri toplamandan önce kemikli simge yapılara istediğiniz gibi işaretleri yerleştirin (Şekil 3).Not: sağlıklı, nöro olmayan fareler, distal eklemler üzerine yerleştirilen reflektörlü belirteçleri genellikle fareler tarafından kaldırılır. Gösterim amacıyla, reflektörlü işaretçileri proksimal kemikli simge üzerine yerleştirilir (Iliac Crest, kalça, arka ekstremite için diz eklem, forelimb için omuz ve dirsek eklem), ve kalem işaretçileri daha distal simgeler için kullanılır. Bizim elimizde bu, fareler (yayınlanmamış veriler) arasında yeniden üretilebilen sonuçlar vermiştir. 4. hareket yakalama Deneme sürümü kaydetmek için hareket yakalama yazılımının üst çubuğundaki kırmızı kamera düğmesini seçin. Bilgisayarda kaydetme konumunu belirleyin ve 120 kare/s ‘de kayıt için kaydı Başlat ‘ı seçin. Kullanıcı tanımlı bir koşu bandı hızı ayarlayın ve sıçan yaklaşık 30 s, ya da en az 10 sürekli adımlar için yürümek izin. Kaydı durdurun ve çekimlerin devam etmeden önce en az ~ 10 sürekli adımları içerdiğini kontrol edin. Kaydedilmiş videoyu kaydettikten sonra her deneme için yeni bir kamera grubu oluşturun. 5. hareket izleme Kaydedilmiş kamera grubunun bitişiğindeki ” +” işaretini seçin. Bu, tüm altı kameranın bir listesini görüntüler. Kamera dosyasına 3B kalibrasyon atayın Kamera kalibrasyon grubuna gidin ve hesaplanan kalibrasyonasağ tıklayın. 3B kamera parametrelerini ata’yı seçin. Kalibrasyon dosyasını, kaydedilmiş kamera grubundaki uygun kamera dosyalarına atayın. Kalibrasyonu doğrulamak için kamera dosyasının üzerine gelin ( 3B kalibrasyonu geçerliolarak okur). Bireysel kamera 2D izleme Hareket izleme için kamera grubunu sağ tıklatın. 2B izleme’yi seçin. İzlemek için yedi ila on en iyi sürekli ve tutarlı adımları seçin. Her adım için koşu bandı üzerinde referans ekstremite ilk temas kare numarasını kaydedin.Not: Gösterim amacıyla, sol arka ekstremite referans ekstremite seçildi. Çeşitli izleme seçenekleri mevcuttur. Faiz işaretçisine sağ tıklayın ve reflektörlü işaretçileri tarafından oluşturulan parlak dairesel lekeler algılayacak otomatik izleme’yi seçin (Şekil 4). Alternatif olarak, desen eşleştirmekullanarak iz işaretçileri, hangi boyut ve renk (Şekil 4) göre işaretçileri izlemek için yazılım yerleşik bir algoritma kullanacak. El ile izlemek ve algılanamayan işaretçileri veya izleme hatalarını düzeltin. Distal eklem reflektörlü işaretçileri mümkün olmadığında siyah işaretçileri kullanın. Siyah işaretçileri otomatik izleme için parlak noktaların tersine çevirerek gelişmiş görüntü işlemeyi kullanarak siyah işaretçileri takip edin.Not: görüntü işleme seçeneği algılamak veya görmek zor işaretçileri izleme yardımcı olmak için kullanılabilir. 2D izleme penceresindeki sıçan videosunu sağ tıklatın. Görüntü işlemeyiseçin. Gelişmiş görünümü seçin ve dört filtrenin (parlaklık, kontrast, gama) bir birleşimini ekleyerek siyah işaretçinin çevresiyle karşılaştırıldığında mümkün olduğunca karanlık olmasını sağlayın. Son olarak, ters çevir ‘i ekleyin ve siyah Marker otomatik olarak izlenebilir parlak bir işaret olur (Şekil 5). Marker yerleştirme düzeltmesi El ile izlemek ve algılanamayan işaretçileri veya izleme hatalarını düzeltin. Videoyu el ile izlemek için sağ kenar çubuğunda istediğiniz işaretleyiciyi seçin. Sağ tıklayın ve manuel izleme’yi seçin. Frame-by-Frame görünen sıçan videosu üzerinde seçilen işaretleyiciyi izlemeye başlayın. Hataları düzeltmek için, izleme hatasının oluştuğu çerçeveye gidin. Sağ kenar çubuğundaki belirli işaretçi sekmesine sağ tıklayın ve noktayı Sil’e tıklayın. Noktayı doğru pozisyonda el ile yeniden izleyin. Yukarıdaki yöntemi kullanarak, sürekli adımlarla çerçeve aralığında istenen tüm işaretler için kullanılan tüm kameralar için 2D izleme tamamlayın. İzleme işlemi boyunca Kaydet ‘e tıklayın. 6. kinematik analiz Faz atamaları Aşama ‘yı sağ tıklatın ve aşama modelini Düzenle’yi seçin. Bir adım döngüsünün geleneksel duruş ve salıncak aşamaları içinde (örneğin, sürükle aşamaları, ayak kıvrım aşamaları, vb) incelemek için seçtiği açıkları göre her ekstremite için yürüyüş döngüsü aşamaları özelleştirin. Denemenin aşamalarını tanımlayın (Şekil 6).Not: Gösterim amacıyla, üç aşama burada gösterilir ve sol arka ekstremite, yedi ila on yürüyüş döngüsü için referans ekstremite olarak kullanılır. Kamera grubundaki kamerayı sağ tıklatın ve videoyu göster’i seçin. Ekleme aşaması düğmesini veya F11 kısayol tuşunu kullanarak yazılım içindeki her ekstremite için yürüme döngüsünün aşamalarını atayın. Analiz altında uygun ekstremite seçin ve duruş aşamasıbaşlangıcı olarak izleme ilk karesini belirtin. Video, duruş aşaması sona erer ve salıncak faz başladığı çerçevede ilerleme. Bu çerçeveyi salıncak aşamasınınbaşlangıcı olarak belirleyin. Video ayak inmeye başlar ilk kareye ilerleme. Bu çerçeveyi Mid Swing aşamasınınbaşlangıcı olarak belirleyin.Not: burada, her ekstremite için bir adım döngüsünün duruş aşaması, ekstremite koşu bandı yüzeyine temas ettiği ilk çerçeve olarak tanımlanır. Salıncak aşaması, ekstremite koşu bandı yüzeyini bıraktığı ilk çerçeve olarak tanımlanır. Orta salıncak faz ekstremite maksimum boşluk elde ve inmeye başlar çerçeve. Tam bir yürüyüş döngüsü, bir sonraki yürüyüş döngüsünün duruş aşaması atamasına ilk duruş başlangıcından itibaren tanımlanır. Her adım için ekstremite aşamaları atamaları tamamlanıncaya kadar bu adımları yineleyin. Diğer üç ekstremite için tekrarlayın. 3B koordinat hesaplamaları Altı kamerayı takip ettikten sonra 3B hesaplamaları gerçekleştirin. Kamera grubunu sağ tıklayın ve yeni 3B hesaplama’yı seçin, kamera seçimi için Tümünü tıklatın ve ardından Tamam’ı seçin.Not: yeni bir klasör görüntülenir. Bu klasör, izlenen tüm işaretçiler için tüm 3B koordinat verilerini içerir. Aşamaları görüntülemek ve/veya düzenlemek için sol kenar çubuğunda 3B koordinatlara sağ tıklayın ve aşamaları Düzenle ‘yi seçin (Şekil 7). Atanan yürüyüş aşamaları ile yan yana görüntülemek için ilgi işaretleyicisini sürükleyerek veri noktaları ile eklem yüksekliği veya hız diyagramları gibi ilgi veri oluşturun. (örn. Şekil 8’ de eklem kinematikleri). 3B diyagram Deneme sürümünü 3B şekil oluşturmak için 3B diyagram ‘a tıklayın. 3B koordinatlar/dışa aktar’ı sağ tıklatarak ham verileri dışa aktarın. 3B koordinat dosyasını sağ tıklatın ve Dışa Aktar’ı seçin. Dosyayı bir elektronik tablo yazılımında açın ve verileri MATLAB ‘a aktarın. Ekstremite adım yüksekliği koordinasyon çizimleri oluşturmak için bir program oluşturun.Not: 3B koordinat verileri, yazılım özelliklerinin sunduğu özelliklerin ötesinde, daha fazla veri oluşturmak için analiz yazılımları veya özel tanımlı makro komut dosyalarına dışa aktarılabilir.

Representative Results

Bu protokol, basit, yerleşik bir yazılım kullanarak kemirgenlerde koşu bandı lokomotunu için niceliksel 3D kinematik veri toplama ve analizi için bir metodoloji göstermektedir. Sonuçlar, protokol, sağlıklı ve omurilik yaralı fareler içinde dört ayaklı lokomotif kinematik toplama ve analiz etmek için uygulanabilir olduğunu göstermektedir. Sıçan işleme deneyimi olan araştırmacılar, fareler üzerinde işaretçileri yerleştirmeli, ardından herhangi bir kritik sorun olmadan hareket yakalama sistemini kalibre etmeli ve kullanmalıdır. Veri karmaşık algoritmalar kullanmadan kolayca oluşturulur. Burada, protokol sağlıklı ve omurilik yaralı (C5 sağ hemisection) fareler uygulandı. Bu makalenin amacı için sadece temsili sonuçlar gösterilir. Genel olarak, eklem ve ekstremite segment hareketinin çeşitli kinematikleri her işaretçinin 3B koordinatlarından kolayca elde edilebilir. Anormal yürüyüş ve sağlıklı yürüyüş döngüleri arasındaki kritik farklar, adım yüksekliği önlemleri, eklem hızı, eklem açısı (Şekil 9), dört ekstremiteler için adım döngüsü faz süreleri dahil olmak üzere (ancak bunlarla sınırlı olmamak üzere) birden fazla sonuç ile kolayca tespit edildi, ve ekstremite koordinasyonu (Şekil 10). Araziler ve sopa diyagramları şeklinde niteliksel verilerin analizi bu analiz yaklaşımı son sonuçları için uygulamak için kullanılan nicel araçların belirlenmesi rehberlik edebilir (Şekil 11). Temsili sağlıklı bir sıçan olarak, dirsek açı profili tam bir hareket aralığını gösteren tutarlı bitişik yürüme döngüleri ile pürüzsüz, tek doruklarına göstermiştir (Şekil 9). İzleri alternatif duruş faz ve salıncak faz süreleri tutarlı intralimb koordinasyon önerdi. Buna karşılık, bir temsilci omurilik yaralı sıçan dirsek açı profili daha az tutarlı ve hareket küçük aralıkları olan birden fazla bozuk doruklara gösterdi. Uzunlaştırılmış duruş safhasında yapılan değişikliklere ek olarak ve kısaltılmış salıncak faz süreleri, RFL için intralimb koordinasyonunda bir eksikliği vardı. Koordinasyon için çizilen sunulan temsili veri, bu koordinasyon araziler (Şekil 10) temsili sağlıklı fareler oluşturulan iyi tanımlanmış gösterdi bulundu, yürüyüş sırasında ipsilateral ekstremitelerde ritmik koordinasyon alternatif döngüler (L-şekilli desen) ve kontralateral ekstremite ile faz D şeklinde desen. Karşılaştırmalı olarak, bir temsilci omurilik-yaralı (C5 sağ hemiseksiyon) sıçan kötü olmayan alternatif ve ipsilateral ekstremitelerde ritmik olmayan koordinasyon gösterdi ve olağandışı bir alternatif ritmik koordinasyon (L-şekilli desen) kontralateral birinde ekstremite (Şekil 10). Kaydedilmiş hareket videosu sağ forelimb gözlemlenebilir açığı göz önüne alındığında, bu RFL ve LHL herhangi bir zamanda LFL veya RHL desteği olmadan tam ağırlık ayı mümkün olduğunu göstermektedir. Bu eğilim bir koşu bandı üzerinde zorla yürüyüş hızı ile başa çıkmak için telafi edici bir mekanizma öneriyor. Ölçülebilir veriler, 3B sistemin kullanımından kolayca üretiliyordu, ancak bu, ayrı sekmelere erişme ve yazılım içinde kullanılabilen çok sayıda seçenekten seçim yapmaya dahil edilmiştir. Düzenli olarak yapılır gibi (tek ayrı farklı sonuçlar oluşturmak için gerek kalmadan) ilgi en bariz sonuçları için tek bir rapora nicel ve niteliksel veri oluşturacak otomatik bir şablon geliştirme üzerinde mevcut iş var klinik çalışmalar için kullanılan kinematik sistem. Bu nedenle, birkaç uç noktaları derlenebilir ve hemen bir deneme sonra kolayca görselleştirilebilir bir rapor biçiminde dışa. Şekil 1 : Deneysel ayarlama. (A) bir koşu bandı yürüyüş görevi için altı kamera kinematik veri toplama set-up şematik. Üç kamera bir dizi yakalamak için koşu bandı her iki tarafına yerleştirilir (Frame-by-Frame) lokomotif sırasında sol ve sağ Marker hareketleri. (B) dört ayaklı lokomotif kinematik yakalamak için kemirgen ‘s ön ayakları ve arka ekstremite üzerinde kemikli yerler üzerinde Marker yerleştirme tasvir diyagramı. Sıçan her tarafında 11 işaretler toplam yerleştirilir. Gölgeli bölgeler, sıçan tıraş edildiği alanı gösterir. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 2 : Kalibrasyon Için işaretçiler. (A) iki kalibrasyon çerçevesi kullanarak Wand kalibrasyon sistemi için Marker set atamaları: l-Frame ve Wand (B) koordinat sistemi, l-Frame orijini (çerçevenin iki bacağı kesişme noktası) olarak tanımlanan l-Frame tarafından tanımlanır (0,0). L-Frame iki ekstremite, L-Frame Short, ve L-Frame uzun x-ve y-axes, sırasıyla tanımlamak ve z ekseni XY düzlemine dik olarak tanımlanır. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 3 : Marker türleri. (A) kullanılan işaretçilerin iki tür gösteren sıçan alt gövde fotoğrafı. B Fotoğraf, deriye uymak için tasarlanmış çift taraflı bant ile Iliac Crest üzerine yerleştirilen bir reflektörlü Marker gösterir (kırmızı daire). C Fotoğraf, sağ metatarsophalgeal eklem üzerinde bir kalem işaretleyicisinin yerleştirilmesi (kırmızı yuvarlak) gösterir. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 4 : Hareket izleme. (A) görüntü, “otomatik olarak izle” ve “desen eşleştirme kullanarak izle” işlevlerini kullanarak birden çok işaretçinin aynı anda izleneceği hareket izleme arabirimini gösterir. (B) bir reflektörlü işaretçinin büyütülmüş görünümü, Marker ataması sırasında “otomatik olarak parça” işlevinde parlak beyaz bir dairesel nokta olarak algılanır. Yazılım parlak mavi dairesel nokta olarak bu noktayı tanır. Kırmızı nokta sonunda öngörülen işaretçinin merkezi olarak tanınır. Dairesel işaretçinin içindeki ortalanmış kırmızı nokta, veri izleme sırasında deneysel hataların olasılığını azaltır. Merkezden sapma, sonraki ölçüm ve analizlerin yanlış olması muhtemeldir. C Desen eşleştirme için seçilen bir reflektörlü işaretçinin büyütülmüş görünümü. Seçilen işaretçinin boyutuna, şekline ve rengine göre, yazılım, sonraki video çerçevelerindeki açıklamla eşleşen işaretçileri otomatik olarak tanımlar. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 5 : Temel ve gelişmiş izleme seçenekleri. (A) videolar, analiz sırasında videoyu sağ tıklayarak yazılım içinde işlenebilir, böylece otomatik izlemeye izin vermek için belirsiz veya bulanık işaretçiler açıkça görselleştirilebilir. Gösterim amacıyla, kolay izleme için veri toplama sırasında farklı ortam aydınlatma koşullarına uyacak şekilde ayarlanan iki tür görüntü işleme ayarı gösterilir. (B) görüntü işlemeden önce temsili bir video çerçevesi. (C) temel görüntü işleme için (işleme tipi ı), parlaklık ve kontrast ayarları daha net bir görünüm için ayarlanır. (D) gelişmiş görüntü işleme ayarlarını (işleme tipi II) kullanarak, sağ metatarsofalangeal eklem işaretleyicisi (siyah Marker) ters çevrilebilir ve daha sonra otomatik olarak izlenebilir. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 6 : Faz atamaları. Her ekstremite için yürüyüş döngüsü deneysel tasarıma göre ayrık aşamalara ayrılabilir. Gösterim amacıyla üç yürüyüş döngüsü aşaması gösterilir. (A) duruş aşaması, ekstremite koşu bandı yüzeyine temas ettiği ilk çerçeve olarak tanımlanır. (B) salıncak aşaması, ekstremite koşu bandı yüzeyine (C) orta salıncak aşamasının bıraktığı ilk çerçeve olarak tanımlanır, pençe inmeye başladığı ekstremite boşluklarından sonra ilk çerçeveye döner. (D) içinde, ilk duruş başlangıcından sonraki yürüyüş döngüsünün duruş aşaması atamasına kadar tam bir yürüyüş döngüsü tanımlanır. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 7 : Adım faz Analizi Için Gelişmiş Seçenekler. Bu seçenek, izleme ve faz atamaları, yanı sıra aşama atamaları değiştirme yeteneği derinlemesine bir görünümünü sağlar. (A) Marker seçim kutusunu görüntülemek ve istediğiniz işaretleyiciyi seçin. (B) koordinat seçimi penceresi: ilgi koordinatını vurgulama (Bu durumda, z koordinatları) ana Diyagram penceresinde kırmızı olarak görünecektir. (C) faz seçimi penceresi: bir ekstremite atanan aşamaları (a) ve (B) içinde seçilen işaretçiler ve koordinatlara göre görülebilir. Aşama da bu pencere aracılığıyla düzenlenebilir. (D) diyagram penceresi: belirli bir işaretçinin koordinatları, bireysel yürüyüş döngüsü aşamaları sırasında eşzamanlı olarak karşılaştırılabilir. Yeşil ve sarı, dört ayaklı lokomotif sırasında sağ bacakta için duruş ve salıncak aşamalarını sırasıyla temsil eder. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 8 : 3B kinematik verilerin örneği. (A) her ortak işaretçiden gelen çeşitli sonuçlar, video Izleme (B) temsili verileri, her forelimb ve arka ekstremite için duruş ve salıncak faz döngüleri için oluşturulan sonra 3D koordinat veri kümesinden resimli olarak görselleştirilebilir bir sıçan içinde yürüyüş dört ayaklı. Renkler, ardışık adım döngülerinin duruş ve salıncak aşamalarını temsil eder. Kırmızı ve yeşil sırasıyla sağ forelimb ve hindekstremite duruş aşamalarına karşılık gelir. Mavi ve deniz mavisi, sırasıyla sol forelimb ve dalbacak duruş aşamalarına karşılık gelir. Sarı her ekstremitenin salıncak aşamasına karşılık gelir. (C) birden fazla veri grubu (ayrık işaretçiler veya sonuçlar) aynı anda kolaylıkla karşılaştırılabilir. Sol ve sağ diz eklem işaretçilerinin z-koordinat hız verileri, koşu bandı yüzeyinden diz eklem işaretçisinin dikey hızını göstermek için keyfi olarak seçilir. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 9 : Koşu bandı lokomotunu sırasında sağlıklı ve servikal omurilik yaralanan fareler tarafından temsili eklem açısal kinematik veriler. (A) sağlıklı bir temsilci sıçan dirsek eklem açı profili hareket tam aralığı görüntülemek tutarlı bitişik yürüme döngüleri ile eklem açı izleri pürüzsüz, tek doruklarına gösterir. Kırmızı ve sarı çubuklar, forelimb Step döngüsünün sırasıyla duruş ve salıncak aşamalarını gösterir. (B) buna karşılık, temsili bir omurilik yaralı sıçan izleri nispeten daha bozuk ve ortak hareket genel bir küçük aralığı ile tutarsız çoklu doruklarına göstermek. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 10 : Koşu bandı lokomotasyon sırasında sağlıklı ve servikal omurilik yaralı sıçan temsili ekstremite koordinasyon verileri. (A) adım yüksekliği önlemlerini tasvir eden Metakarpofalangeal (MCP) ve metatarsofalangeal (MTP) işaretlerinin z-koordinat değerleri, dört ayaklı yürüyüş sırasında yaklaşık 10 adımda ekstremite arasında altı farklı kombinasyonda çizilir. Gösterilen tüm altı olası ekstremite koordinasyon çiftleri temsili gösterimi vardır. (B) sağlıklı bir sıçan tüm çiftleri (i, ii, iii, iv) için açık alternatif ritmik koordinasyon (L şeklinde desen) gösterir. Ekstremite faz (v, vi) olduğunda, koordinasyon çiftleri D şeklinde bir desen izleyin. (C) bir servikal omurilik yaralı sıçan, Not (i) iki forelimbs arasındaki yoksul koordinasyon, (iii) sağ ipsilateral eşleştirme ve (iv) kontralateral ekstremite çiftleri biri için alışılmadık koordinasyon. Koordinasyon grafiklerini (B, C) aynı ölçekte paylaşmayın unutmayın. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız. Şekil 11 : Animasyonlu 3D sopa rakam. İzlenen verilerden oluşturulan 3B sopa figürü örneği. Bu rakam indirmek Için lütfen buraya tıklayın.    Kalibrasyon parametresi Kalibrasyon girişleri Değnek uzunluğu [mm] 100 L-Frame zemin ofset [mm] 7 Dış algılama için yineleme 4 İzin verilen değnek-uzunluk-sapma 0,3 Wand en az __ kameralar görünür olmalıdır 4 En boy oranını düzelt Kontrol Eğriltme parametresini düzelt Kontrol Asıl noktayı düzelt Kontrol Tablo 1: kalibrasyon Için Gelişmiş ayarlar. Tablo, altı kamera kümesini doğru şekilde kalibre etmek için kullanılan parametreleri özetler. Bu ayarlar deneysel olarak test edildi ve bizim kurma için optimum bulundu.

Discussion

Bu protokol makalesi, kemirgenlerde dört ayaklı koşu bandı lokomotunda 3D kinematik verilerin toplanması ve analizi için bir hareket izleme sisteminin kullanımını göstermektedir. 3D kinematik hareket analiz sisteminin önemli özellikleri, aynı anda birden fazla eklem ve ekstremitede ortak hareketin kinematiklerinin (adım faz kinematik, eklem açıları, hareket aralığı, adım hızları) ayrıntılı olarak ölçülmesini içerir, motor açıkları çıplak gözle ölçülebilir, veri toplama ve analizinde subjektif önyargı eliminasyonu, ve tüm ekstremite ve postural kinematiklerin kolay görselleştirilmesi, hareket halindeki tüm sıçan eşzamanlı bir şekilde kıyaslanabilir. Ek algoritmalar ve modelleme gerek kalmadan, Yöntemler niceklik büyük ayrıntı, verimlilik, kolaylığı, hassasiyet ve yeniden Üretilebilirlik ile yürüme kinematik analiz etmek için yazılımın yeteneğini gösterir.

Omurilik yaralanması (SCı) sonrası kemirgenler, forelimb ve hindekstremite lokomotor açıkları genellikle BBB Puanlama sistemi1gibi subjektif ve standartlaştırılmış lokomotor Puanlama sistemleri kullanılarak değerlendirilir. Farklı araştırmacılar aynı motor açığı veya farklı motor açıkları için aynı puan için farklı puanlar atayabilir çünkü subjektif Puanlama sistemleri genellikle Tester önyargı tanıtmak, azaltılmış yeniden üretilebilirliği ve test duyarlılığı sonuçlanan13 . Dahası, ince açıkları algılamak için yetersizlik yanlış bir müdahale etkileri üzerine gösterilirken riski giyer.

Bu sorunlarla mücadele etmek için, otomatik sistemler2,3,4,5 ve sistemleri ile veya karmaşık algoritmalar kullanmadan14,15 bazı müfettişlerin tarafından benimsenmiştir. Bu testler bir pist boyunca yürüyen fareler Paw yerleştirme hareketlerinden türetilen ağırlık taşıyan profilleri ve adım sırası desenleri ortaya adım döngüsü analizi gerçekleştirin. Ancak, ventral uçak video yürüyüş analizi büyük bir dezavantajı konu vücudun kendisi doğrudan görünmez olduğunu2,3. Bu veriler, ayak ve pençe hareketlerinin gösterimlerinden elde edilen bilgilerle sınırlı hale gelir, açıkların değerlendirilmesi için yürüyüş parametrelerinin seçilmesi ve yorumlanmasında sorgulama (bkz. Chen ve al.16). Ekstremite hareketi ve konumlandırma dinamik segmental kinematikleri ortaya hareket detayları3,5lokomotif analizi için doğru şekilde elde edilmez. Eklem açı verilerinin kritik sapmaları (örn. hareketler aralığı, hareket hızı, vb.), eklem ile ilgili olarak bir ekstremite içinde ve ekstremite arasındaki ilişki, ve yürüyüş desenlerini değiştiren temel vücut mekaniği elde etmek imkansızdır. Bu nedenle, herhangi bir gözlemlenebilir yürüyüş bozuklukları tek ve/veya çoklu segmental eklem hareketleri (yani, proksimal-distal intralimb koordinasyon, pozisyon ve yürüyüş döngüsü ile ilgili olarak gövdenin postural ilişkileri değişiklikler sonucunda ekstremite, vb.) maskeli kalır.

Birkaç Şu anda mevcut sistemler yürüyüş kinematik yakalamak ve niteliksel ve nicel motor disfonksiyon değerlendirmek ama daha az yaygın olarak kullanılır. Bir tam vücut yüksek hızda video izleme yürüyüş analiz sistemi filmleri spontan yürüyüş döngüleri üç taraftan (bir ventral ve iki lateral düzlemler) ve takip kemik simgesel yapıları bir dizi yürüyüş çıktıları17,18. Sagittal düzlem kinematik yürüme analizi, bazı araştırmacılar tarafından, ilgili hindekstremite19,20‘ nin 2D hareket verilerini elde etmek için kullanılmaktadır. Ancak, görüntüleme düzlemine (lateral veya sagittal) ortogonal olarak meydana gelen bir hareketin üçüncü boyutu, analizlerde11,18,19‘ da algılanamaz.

Diğer daha sofistike, 3D, üç vücut-segment kemirgen vücut postural veri toplama sistemleri izlemek ve kemirgen ‘s vücut-segmentleri 3D hareket ölçmek için veri toplama 3D matematiksel modelleme yanı sıra analiz sistemi kullanmak kafa dahil ederken hareket desenleri8. Madete ve al.9 , yedi kamera sistemi kullanarak yürüyüş kirişler üzerinde üstü lokomomik sırasında 3D vücut postural kinematik ölçmek için bir marker tabanlı Optoelektronik hareket yakalama sistemi geliştirdik. İkinci iki eserinde yapılan ana sonuçlar, öncelikle yürüyüş analizi yerine kemirgenin genel duruş üzerine odaklanmaktadır. 3D hareket yakalama sistemleri, Bhimani ve al.21tarafından gözden geçirilmiş olarak, birden fazla kamera ve ayrıntılı yazılım sistemleri kullanarak yüksek verimlilik 3D kinematik yürüme verileri sağlar. Sunulan 3D hareket Analizi sisteminin eski sürümleri de ve nörotrauma12,22,23olmadan sıçan önceki çalışma kullanılmıştır.

Araştırma için 3D hareket toplama ve analiz sistemlerinin kullanılabilirliği rağmen, kemirgenler bu tekniğin preklinik kullanımı nispeten sınırlı kalır. Bu sorunun nedeninin bir parçası, veri toplama ve analiz protokolleri yoğun kinematik modelleri ve ince, yüksek çözünürlüklü oluşturmak için yürüyüş sırasında sıçan ‘ın hindekstremite kinematik modeline uygun karmaşık algoritmalar bina kullanımına güveniyor olmasıdır yürüyüş kinematik8,9,11,22. Burada sunulan ayrıntılı metodoloji, hayvan işleme, eğitim, deneysel ayarlama, veri toplama ve analiz adımları dahil olmak üzere deneysel süreç boyunca yer alan prosedürün ayrıntılarını sağlar.

Ayrıca, protokolün temel parçası olan sistemin kalibrasyonuyla ilgili ayrıntılar vardır, bu da konular arasında ve aralarında bitişik denemeler arasında yeniden üretilebilirliğini temin edecektir. Açıklanan adım adım teknikler, veri toplama yordamına nesnellik sunar ve bunu son derece tekrarlanabilir hale getirmek. Bu hareket yakalama yazılımından oluşturulan veriler, hareket kalitesi için Frame-by-Frame görselleştirilebilir ve otomatik olarak izlenir. Daha fazla açıklanan bu veri toplama veya kantifikasyon herhangi bir ek algoritmalar veya modelleme gerektirmez nasıl. Öğrenciler, personel ve araştırmacılar, belirli teknik uzmanlığa güvenmeksizin temel kinematik çıkış oluşturmak için basit istatistiksel yazılımları kullanabilirler.

Bu sistem aynı zamanda üstü lokomotıon, ulaşan ve açgözlü ve deneysel hedefe uyacak diğer deneysel set-up için kullanılabilir. İşaretçilerin sayısı ve türü de gerektiğinde kuyruk, sırt, gövde veya kulaklara göre ayarlanabilir. Sunulan yazılımların sistemlere kıyasla daha büyük bir avantajı, konunun yüksek çözünürlüklü video verilerini toplama yeteneğidir. Bu gibi, karmaşık hesaplamalar setleri (yani, açısal hareketler, birden fazla eklem bağlayan sopa hatları, vb) kaydedilmiş video üzerine üst üste olabilir. Marker yerleştirme ve oluşturulan 3D veri hareket içinde bir sıçan gerçek hareketleri ile doğrulanabilir. Buna karşılık, diğer 3D hareket yakalama sistemi ile, sadece işaretçileri yakalanan ve herhangi bir yeniden analiz sopa diyagramları (iskelet çerçevesi) yerine gerçek konunun video yapılmalıdır. Sonuç olarak, gerçek konu hareketinde Marker yerleşimi doğrulanması eksiktir.

Bu sistem deneyimlerine dayanarak, kalibrasyon veri toplama başarısını önemli bir rol oynar. Sistemin kalibrasyonu değiştirmek için son derece duyarlıdır. ve herhangi bir kameranın hafif hareket tüm 3D koordinat veri toplama ve analiz sürecini tehlikeye atabilir. Veri toplama için bir görüntüleme düzleminin her tarafında yalnızca iki kamera gereklidir, ancak üçüncü kamera, her işaretleyicinin konumlarını diğer kameralarla çapraz başvurarak daha fazla doğruluk sağlamak için önerilir. İzleme kameralarının sayısı arttıkça, belirli bir marker için 3B koordinatın doğruluğu da artacaktır. Hangi işaretçileri yürüme açıkları nedeniyle görünmez hale gelen durumlarda (gibi ayak Curling ya da neurotrauma sonra yürüyüş durumunda sürükle), bu koşullar geniş manuel izleme talep edebilir. Yine de, sonunda izleme oluşturulan veri miktarını elle işaretçileri takip yatırım zaman layık, ince motor açıkları tespit paha biçilemez bir araç yapma.

Deneyimimizde, sistemin kullanımı ile ilişkili herhangi bir sıkıcılığını ekipman ve teknolojinin kendisi kullanımı ötesinde yatıyor. Motor davranışlarının değerlendirilmesi için diğer protokollere benzer şekilde, fareler tarafından ele alınır ve görev için eğitilen yöntem sonuçları büyük ölçüde etkiler. Örneğin, kohort fareler yalıtmak test sırasında önemlidir; Aksi takdirde, test edilmemiş Ama hala test sırasında mevcut olan fareler görev performansının nihai Bozulması gösterir. Optimum Oda sıcaklıkları, aydınlatma ve gürültü seviyeleri diğer determinantlar. Fouad ve al. fareler24fonksiyonel motor testi eşlik diğer zorluklar yayınladı. Gerçekten de, metodoloji doğru takip bu laboratuvarda kör kullanıcılar veri toplama, hareket izleme ve veri analizi ile herhangi bir büyük engelleri deneyimi yoktu.

Bu yazıda, lokomotor verilerini toplamak ve analiz etmek için bir 3B hareket yakalama sistemi, araştırmacıların birden çok fareler tarafından hızlı bir şekilde büyük miktarlarda derinlemesine lokomotor verisi toplayabilmesi için tarif edilir. Şu anda yazılım içine inşa edilmiş ve kemirgenler koşu bandı lokomotl için birkaç saniye içinde önceden belirlenmiş sonuçlar bir rapor üretme yeteneğine sahip bir otomatik veri analizi şablonu oluşturma üzerinde çalışıyoruz, ne insan yapılır benzer hareket yakalama ve analiz sistemleri6,25kullanarak çalışmalar. Bu şablonun gelişimi, ön klinik araştırmacıların, fare düğmesinin birkaç tıklamayla kolaylık sağlamak için detaylı kemirgen lokomotor verilerini elde etmelerine izin verecektir. Bu çalışmalar sağlanan yöntemlerin daha objektif kemirgen motor davranışını değerlendirmek için preklinik araştırmacılar için yararlı olacağını ummaktadır. Şimdi bu sistemin kullanımı yüksek verim 3D kinematik veri ulaşmak ve açgözlü gibi ortak, yetenekli forelimb davranışlar sırasında toplamak için kurnazlık vardır. Daha da önemlisi, bu yöntemin kullanışlılığı, nörotraumatik ve non-neurotraumatic yaralanmalarla çeşitli fareler için genişletilebilir.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Bu projeye video ve entelektüel katkı için deneysel ayarlama ile onun yardımı için Pawan Sharma bizim özel teşekkür. Biz de video Protokolü gösteri ile yardım onun katkısı için Christopher Palacio teşekkür ederiz.

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