Mesurer la cinématique des mouvements de la vie quotidienne avec les systèmes de Capture de mouvement en réalité virtuelle
Summary
Nous avons conçu un test de réalité virtuelle pour évaluer les activités instrumentales de la vie quotidienne (AIVQ) avec un système de capture de mouvement. Nous vous proposons une analyse détaillée de cinématique du participant d’interpréter divers mouvements, dont la trajectoire, la distance de déplacement et temps d’exécution pour évaluer les capacités de l’AIJD.
Abstract
L’incapacité de terminer les activités instrumentales de la vie quotidienne (AIVQ) est un précurseur à diverses maladies neuropsychologiques. Évaluations basées sur le questionnaire de l’AIJD sont faciles à utiliser mais sujettes à un biais subjectif. Nous décrivons ici un test de la nouvelle réalité virtuelle (RV) pour évaluer deux tâches complexes de l’AIJD : traitement des transactions financières et l’utilisation des transports en commun. Si un participant effectue les tâches dans un cadre de VR, une motion capture système traces la position et l’orientation de la main dominante et la tête dans un système de coordonnées cartésiennes tridimensionnel. Données brutes cinématiques sont collectées et transformé en « mesures performances cinématiques, » c’est-à-dire, mouvement, trajectoire, la distance de déplacement et temps d’exécution. Trajectoire est le chemin d’une partie du corps spécifique (par exemple, main dominante ou chef) dans l’espace. Distance de déplacement se réfère à la distance totale de la trajectoire, et temps d’exécution est de combien de temps il a fallu pour accomplir une tâche IADL. Ces mesures cinématiques pourraient discriminer des patients atteints de troubles cognitifs de contrôles sains. L’élaboration du présent protocole mesure cinématique permet de détecter des déficiences cognitives AIVQ liés au début.
Introduction
Activités instrumentales de la vie (AIJD), comme traitement des transactions financières, en utilisant les transports en commun et la cuisine, sont des marqueurs médicales car ils nécessitent de multiples fonctions neuropsychologiques1quotidienne. Ayant une déficience des capacités AIVQ sont donc considérés comme des précurseurs à des maladies neurologiques, telles que la déficience cognitive légère (DCL) et2de la démence. Examen approfondi de l’or de l’AIJD tâches3 a indiqué que des tâches plus cognitif exigeantes, telles que la gestion des finances et de l’utilisation des transports en commun, étaient le premier prédicteur de MCI et la démence.
A ce jour, les évaluations plus couramment utilisées de l’AIJD sont autodéclarées questionnaires, axée sur l’informateur questionnaires et évaluations fondées sur le rendement4. Évaluations basées sur le questionnaire de l’AIJD sont rentables et faciles à utiliser, mais sont sujettes à un biais subjectif. Par exemple, lorsque l’autodéclaration, patients ont tendance à plus ou moins estimate leurs capacités IADL5. De même, des informateurs méconnaître des capacités en raison des perceptions erronées de l’observateur ou les lacunes de connaissances4IADL. Évaluations fondées sur le rendement qui demandent les patients pour effectuer des tâches spécifiques de l’AIJD ont donc été préférées, bien que bon nombre des tâches ne conviennent pas à un milieu clinique général6.
Récemment, la réalité virtuelle (VR) ont démontré que cette technologie pourrait avoir des applications importantes en médecine et en soins de santé, qui comprend tout, de la formation à la réhabilitation d’évaluation médicale7. Tous les participants peuvent être testés dans les mêmes conditions VR, qui imitent le monde réel. Par exemple, Allain et al. 8 mis au point une tâche de café virtuelle et a montré que les patients avec des troubles cognitifs n’a pas eu la tâche. Klinger et al. 9 mis au point un autre environnement de VR postale et du shopping de tâches et trouvé un lien significatif entre le délai d’exécution de tâche en VR et les résultats des tests neuropsychologiques. Des études antérieures de VR de l’évaluation de l’AIJD ont principalement axés sur les mesures du rendement simples tels que le temps de réaction ou de l’exactitude lorsque vous utilisez des périphériques d’entrée classiques comme une souris et un clavier8,9. Des données de performances plus détaillées sur IADL sont donc nécessaire pour dépister efficacement les patients atteints de MCI4.
L’analyse cinématique des données de capture de mouvement en temps réel est une approche puissante pour documenter quantitativement les données de performances détaillés associées aux tâches IADL. Par exemple, blanc et al. 10 a développé une cuisine virtuelle qui capture les données angle articulaire du participant au cours des tâches de la vie quotidiennes et utilisé les données capturées pour évaluer quantitativement l’efficacité de la thérapie physique. Dimbwadyo-Terrer et al. 11 a développé un environnement immersif de VR pour évaluer les performances supérieurs lorsqu’il effectue des missions fondamentales de la vie quotidienne et ont montré que les données cinématiques enregistrement dans un environnement de VR fortement corrélé avec les échelles fonctionnelles du membre supérieur. Ces analyses cinématiques avec les systèmes de capture de mouvement pourront fournir d’évaluer rapidement un patient des troubles cognitifs12. Inclusion des données cinématiques détaillées dans le dépistage des patients avec MCI a considérablement amélioré la classification des patients par rapport aux témoins sains,13.
Nous décrivons ici un protocole afin d’évaluer la cinématique des mouvements de la vie quotidienne avec systèmes de capture de mouvement dans un environnement immersif de VR. Le protocole comprend deux tâches complexes de l’AIJD : « tâche 1 : retirer de l’argent » (qui gère les transactions financières) et « tâche 2 : prenez le bus » (en utilisant les transports en commun). Tandis que les tâches sont exécutées, un système de capture de mouvement retracer la position et l’orientation de la main dominante et la tête. Après avoir terminé la tâche 1, la trajectoire de la main dominante, la distance de mouvement et temps d’exécution ont été recueillis. Dans la tâche 2, tête trajectoire, la distance de mouvement et temps d’exécution ont été recueillis. La section de résultats représentant dans cet article détaille l’essai préliminaire des patients avec MCI (c.-à-d.AIVQ capacités sont affaiblies) par rapport aux témoins sains (c.-à-d., les capacités de l’AIJD sont intactes).
Protocol
Representative Results
Discussion
Nous avons détaillé d’un protocole de mesure cinématique des mouvements de la vie quotidienne avec systèmes de capture de mouvement dans un environnement immersif de VR. Tout d’abord, le paramètre expérimental guidé à la façon de mettre en place, préparer et de familiariser les participants avec l’environnement immersif de VR. Deuxièmement, nous avons développé deux tâches normalisées de l’AIJD en VR. En troisième lieu, étape 3 et l’étape 5 de la section de protocole sont des opérations plus …
Disclosures
The authors have nothing to disclose.
Acknowledgements
K.S. et A.L. contribuent également. Cette recherche a été financée par le programme de recherche sciences fondamentales grâce à la Fondation de la recherche nationale de Corée (NRF) financé par le ministère de la Science, TIC & avenir planification (FRO-2016R1D1A1B03931389).
Materials
| Computer | N/A | N/A | Computer requirements: – Single socket H3 (LGA 1150) supports – Intel® Xeon® E3-1200 v3, 4th gen. Core i7/i5/i3 processors – Intel® C226 Express PCH – Up to 32GB DDR3 ECC/non-ECC 1600MHz UDIMM in 4 sockets – Dual Gigabit Ethernet LAN ports – 8x SATA3 (6Gbps) – 2x PCI-E 3.0 x16, 3x PCI-E 2.0 x1, and 2x PCI 5V 32-bit slots – 6x USB 3.0 (2 rear + 4 via headers) – 10x USB 2.0 (4 rear + 6 via headers) – HD Audio 7.1 channel connector by Realtek ALC1150 – 1x DOM power connector and 1x SPDIF Out Header – 800W High Efficiency Power Supply – Intel Xeon E3-1230v3 – DDR3 PC12800 8GB ECC – WD 1TB BLUE WD 10EZEX 3.5" – NVIDIA QUADRO K5000 & SYNC |
| Stereoscopic 3D Projector | Barco | F35 AS3D WUXGA | Resolution: – WQXGA (2,560 x 1,600) – Panorama (2,560 x 1,080) – WUXGA (1,920 x 1,200), 1080p (1,920 x 1,080) |
| Stereoscopic Glasses | Volfoni | Edge 1.2 | For further information, visit http://volfoni.com/en/edge-1-2/ |
| Motion Capture Systems | NaturalPoint OptiTrack | 17W | For further information, visit http://optitrack.com/products/prime-17w/ |
| OptiTrack (Motion capture software) | NaturalPoint OptiTrack | Motive 2.0 | For further information, visit https://optitrack.com/downloads/motive.html |
| MiddleVR (Middleware software) | MiddleVR | MiddleVR For Unity | For further information, visit http://www.middlevr.com/middlevr-for-unity/ |
| VRDaemon (Middleware software) | MiddleVR | MiddleVR For Unity | For further information, visit http://www.middlevr.com/middlevr-for-unity/ |
| Unity3D (Game engine) | Unity Technologies | Personal | For further information, visit https://unity3d.com/unity |
References
- Reppermund, S., et al. Impairment in instrumental activities of daily living with high cognitive demand is an early marker of mild cognitive impairment: the Sydney Memory and Ageing Study. Psychol. Med. 43 (11), 2437-2445 (2013).
- Graf, C. The Lawton instrumental activities of daily living scale. Am. J. Nurs. 108 (4), 52-62 (2008).
- Gold, D. A. An examination of instrumental activities of daily living assessment in older adults and mild cognitive impairment. J. Clin. Exp. Neuropsychol. 34 (1), 11-34 (2012).
- Jekel, K., et al. Mild cognitive impairment and deficits in instrumental activities of daily living: a systematic review. Alzheimers. Res. Ther. 7 (1), 17 (2015).
- Suchy, Y., Kraybill, M. L., Franchow, E. Instrumental activities of daily living among community-dwelling older adults: discrepancies between self-report and performance are mediated by cognitive reserve. J. Clin. Exp. Neuropsychol. 33 (1), 92-100 (2011).
- Desai, A. K., Grossberg, G. T., Sheth, D. N. Activities of Daily Living in patients with Dementia. CNS drugs. 18 (13), 853-875 (2004).
- Ma, M., Jain, L. C., Anderson, P. . Virtual, augmented reality and serious games for healthcare 1. 68, (2014).
- Allain, P., et al. Detecting everyday action deficits in Alzheimer’s disease using a nonimmersive virtual reality kitchen. J. Int. Neuropsychol. Soc. 20 (5), 468-477 (2014).
- Klinger, E., et al. AGATHE: A tool for personalized rehabilitation of cognitive functions based on simulated activities of daily living. IRBM. 34 (2), 113-118 (2013).
- White, D., Burdick, K., Fulk, G., Searleman, J., Carroll, J. A virtual reality application for stroke patient rehabilitation. ICMA. 2, 1081-1086 (2005).
- Dimbwadyo-Terrer, I., et al. Activities of daily living assessment in spinal cord injury using the virtual reality system Toyra: functional and kinematic correlations. Virtual Real. 20 (1), 17-26 (2016).
- Preische, O., Heymann, P., Elbing, U., Laske, C. Diagnostic value of a tablet-based drawing task for discrimination of patients in the early course of Alzheimer’s disease from healthy individuals. J. Alzheimers. Dis. 55 (4), 1463-1469 (2017).
- Seo, K., Kim, J. K., Oh, D. H., Ryu, H., Choi, H. Virtual daily living test to screen for mild cognitive impairment using kinematic movement analysis. PLOS ONE. 12 (7), e0181883 (2017).
- Albert, M. S., et al. The diagnosis of mild cognitive impairment due to Alzheimer’s disease: Recommendations from the National Institute on Aging-Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease. Alzheimers. Dement. 7 (3), 270-279 (2011).
- . Motive Quick Start Guide Available from: https://optitrack.com/public/documents/motive-quick-start-guide-v1.10.0.pdf (2017)
- Kennedy, R. S., Lane, N. E., Berbaum, K. S., Lilienthal, M. G. Simulator sickness questionnaire: An enhanced method for quantifying simulator sickness. Int. J. Aviat. Psychol. 3 (3), 203-220 (1993).
- Singh, N. B., Baumann, C. R., Taylor, W. R. Can Gait Signatures Provide Quantitative Measures for Aiding Clinical Decision-Making? A Systematic Meta-Analysis of Gait Variability Behavior in Patients with Parkinson’s Disease. Front. Hum. Neurosci. 10, 319 (2016).
- Hernandez, F., et al. Six degree-of-freedom measurements of human mild traumatic brain injury. Ann. Biomed. Eng. 43 (8), 1918-1934 (2015).
- Gamito, P., et al. Cognitive training on stroke patients via virtual reality-based serious games. Disabil. Rehabil. 39 (4), 385-388 (2017).
