Summary
筋機能の客観的評価は子供に特に困難です。市販のデジタル 3次元センサーに基づいて、子供向けのゲームのテストは臨床試験のための上肢機能を評価するために開発されました。
Abstract
進行性で不可逆的な筋萎縮脊髄性筋萎縮症 (SMA) および他の同じような筋肉障害の病気の特徴です。筋機能の客観的な評価はエッセンシャルをし、重要な挑戦、成功した臨床試験の前提条件が。現在の臨床評価尺度は、特定の定義済みの粒度の粗い個々 のアイテムへの運動異常を抑制します。Kinect センサーは、低コスト ・ ポータブル モーションセンシング キャプチャとトラック人々 の多くの医学の運動や研究分野に使用される技術として浮上しています。この 3 D センサーを用いた手法が開発され、ゲームのようなテストは SMA の患者の上肢機能を客観的に測定するように設計。プロトタイプのテストは、関節運動機能を対象とします。仮想シーンに坐っている間患者は拡張し、フレックスに到達し、いくつかのオブジェクトを配置するために全体のアームを持ち上げ、指示されました。両方の上肢運動の運動学的・時空間特性が抽出し、分析、例えば伸展と屈曲角度、手速度、および加速度。最初の研究は、外来の SMA 患者の 18 と 19 年齢と性別にマッチさせた健常者の小さなコホートを含まれています。腕の動きの包括的な分析を実現されました。しかし、グループ間に有意差が見つかりませんでした患者の判断能力と試験難易度の不一致のため。この経験を基に、高められた難しさの最初のゲームと筋持久力をターゲットと 2 番目のゲームの修正版から成るテストの 2 番目のバージョンは、設計し、実装されました。新しいテストは患者のグループでまだ実施されていません。私たちの仕事はこのような筋機能の評価における 3次元センサーの潜在的な能力を示したし、臨床評価尺度を補完するために客観的なアプローチを提案しました。
Introduction
筋機能の包括的な評価多くの神経筋疾患の臨床試験の成功のための重要な前提条件の重要な評価であります。臨床評価尺度標準化されたアセスメント ツールとしてますます使用され、確立の結果として1を測定します。しかし、彼らは、臨床医の主観的な判断に大きく依存して相当な変化間と内検矛盾2につながる可能性があります。 または正確な測定1の基準を満たしていない番号を生成します。さらに、多くの神経筋疾患主の子供に影響を与えるし、これらの尺度のほとんどは、長くて退屈な余分な課題を課しています。神経筋疾患の例、脊髄性筋萎縮症 (SMA)、進歩的な筋肉弱さ3によって特徴付けられる致命的な神経筋疾患であります。車椅子 (タイプ 2) と臨床的表現型によって何人かの患者が住んでいるといくつか、立ち上がって裸眼 (タイプ 3) を歩くことができます4。ように可動域, 筋力, 筋疲労の面で筋肉の機能を測定するため、病気の進行と薬の有効性を追跡するためにより敏感な客観的評価ツールの増加需要があります。
動きのセンシング技術の急速な進歩が可能間マーカー無料の方法で全身の動きをキャプチャにおける 3次元センサー (Kinect) の値が広く検討されている、比較的低コストで運動特性を分析します。内蔵の赤外線センサーと実装機械学習アルゴリズムを使用して、追跡対象者の体の場所を推論して、体の関節や頭、首を含むポイントと呼ばれる 20 の解剖学的ランドマークの 3 次元の位置を介して手、手首、肘、肩、背骨、腰、膝、足首、フィート5。時間分解能は 30 Hz まで震えなどいくつかの病理学的運動症状を除いてほとんどの物理的な動きのために十分であります。3次元センサーの空間精度は、地上真実6またはマーカーに基づく 3 次元運動解析システム7,8,9,10 は、金本位制で広く検証されています。 ,11,12。良い同時的妥当性と再現性さまざまなテストによって明らかにされている、特に正面から見る12との総運動7。SMA 児の上肢機能を客観的に評価、するためには、設計し、関節運動の能力を測定する 3 D センサーに基づいてゲームのような実験を実施します。
Protocol
観測・縦断的研究で大学子供病院のバーゼル (UKBB) 大人と子供の両方の試験を行った。詳細の人口統計、臨床研究については、以前の文書13,14で見つけることが。すべてのプロシージャは Ethikkomission UKBB ローカル倫理委員会で承認されヘルシンキ宣言の表現の原則に基づき実施します。書面によるインフォームド コンセントと国際会議調和 (ICH) と地域の規制によるとの研究プロトコル準拠は法定年齢の下の子供のためすべての被験者または法定代理人によって提供されました。同意。
注:「ワードローブ」は、関節の可動範囲を測定を目的としたプロトタイプ ゲームにように設計され実装されました。それは、限り、必要なセンサーのドライバーがインストールされても Windows 8 または以降のオペレーティング システム上で実行できる実行可能なアプリケーションとしてエクスポートされました。プロトタイプ ゲーム Kinect センサー v1 に基づいてまたは第 2 版 (説明参照) Kinect センサー v2 は要求 (参照補足符号化ファイル) で承ります。
1. セットアップとテストのための準備
- 3 D センサーをインストール (e.g。、Kinect) ドライバーとコンピューター上に設計されたアプリケーション。
- 1 m 0.5 - の高さで、テーブルのような適切な表面にコンピューターを配置します。
- 置き 3 D デバイスも同じ面上には、コンピューターの中央に配置、立体カメラの高さが約 0.5 - 地上 1 メートル テーブルで固定します。3次元センサーの仰角を正しく被写体をキャプチャする必要に応じて手動で調整 (以下 2.4.2 を参照してください)。
- 3-D アダプターをコンピューターおよび電源ユニットに電源ケーブルを含むすべてのケーブルを正しく接続します。
- 約 2 メートルにコンピューターと 3次元センサーでテーブルの前に高さ調節可能な椅子を配置します。
2. テストの実施
- コンピューターを起動し、最適なボリュームに音をオンにします。自動データ転送が必要な場合は、インターネットが接続されていることを確認します。
- 椅子の上に座るに主題を指示します。
- コンピューターでアプリケーションを起動し、最初のページに、サブジェクトの ID を入力します。
- 「ワードローブ」のゲームを示しています 2 番目のページに入力する最初のページの「スタート」ボタンをクリックしてください。
- 大きなワードローブの前に主題の体を表す画面で、スケルトン図 (上半身のみ) に注意してください。図を見ていないときは、波とかどうか彼は車椅子で前後に移動したり、3次元センサーが捉えた人までお立ちに主題を指示します。
- 画面上の指示を読むし、すべての命令は、緑色のフォントまでの距離、高さ、および椅子と被写体の横方向位置をそれに応じて調整します。
注: 距離、高さ、および椅子の横方向位置を自身件名またはヘルパーその後フィールドからステップ アウトする必要がありますを調整できます。最適な高さを達成することはできません、立体カメラの仰角を手動で調整します。最適な位置は、画面の真ん中に表示される件名の首に、デバイスから 2 メートルです。 - データ記録せずトレーニング セッションを開始する鉄道ボタンを押します。
注: 場合は件名が既にゲームに精通している知っている何か、直接 [スタート] ボタンを押して、トレーニングをスキップします。 - 被写体を画面の指示に従って、次の動きを実行してみましょう。
- オブジェクトが仮想の手になるまで点滅仮想オブジェクトに到達する要求された腕 (右または左) を拡張します。
- Flex の同じ腕、物理的にオブジェクトを配置するために体に指示されたポイントをタップします。
- 20 のすべてのオブジェクトは達され、配置までは、腕の伸展・屈曲運動を続行します。
注: 各ラウンドで 10 個のオブジェクトの 2 つのラウンドがあります。ラウンド内左側を左の腕が求められる 5 つのオブジェクトが続く右の腕を必要と右側にある 5 つのオブジェクトがあります。これは、トレーニング セッションを終了します。
- 今回は暗号化されたファイルに 9 の上半身ポイントの場所を記録 2.4.3、ステップのように、初めからもう一度同じタスクを実行する「スタート」ボタンを押します。ゲームは、どちらかが 20 のすべてのオブジェクトを配置することによって、または事前に定義された時間 (4 分) がなくなったときに自動的に終了します。
注: 件名が弱すぎる、または他の状況が起こる場合に、いつでもゲームを終了することが可能ですも。
- 最後のページに自動的に入力「ワードローブ」ゲームから継手の範囲を示す 1 つのクモのプロットを示しています。
- [終了] ボタンを押してゲームを終了またはリピートボタンを押してテストを繰り返します。
3. テスト - データ処理後
- 記録し、暗号化されたデータと、ハード ディスク上のログ ファイルを保存し、必要に応じてインターネットを介してデータ アナリストに転送します。データ処理と分析の詳細については、前文書13で提供されています。
- ログ ファイルをチェックするレコードを 3-D 臨床レポートを比較することによって、完全性とはデータの妥当性を確認します。
- 計算し、関節角度、速度、加速度、手のパスの長さ、身体補償運動、到達可能なスペースなど、数値の特徴として 27 の動き特性を抽出します。
- 計算、プロットし、理解し、次の統計分析に関しては 3次元センサー データを解釈するために機能を選択します。
- 統計解析として PCA (主成分分析)、ANOVA (分散分析)、相関分析、線形混合効果モデルを実行します。
Representative Results
上に示した手順を使用して、異なる運動機能をプロットし、動きの包括的な理解を得るために分析手法を検討しています。
図 1、9 の上半身ポイントからトレースが (X、縦方向の位置 Z は 3次元までの距離 Y を表す件名の水平位置を表す 2 次元投影を表す X と Y 軸に制限するプロットします。センサー)。図 1は、どのような 3 D センサー実際に措置、ボディ ポイントの空間的位置を示します。1 つの SMA 患者と 4 の訪問を 1 つの健康的な制御を並べて患者とコントロールの両方がはっきり認識可能な軌道でタスクを完了したことを示す.すべての訪問者、例えば患者の手の軌道に一貫性のある滞在する特定の件名に依存した特性があった。比較では、制御対象いたトランク移動が比較的少なく、赤、黄色とピンクのラインの小さい群集によって示される時間をかけて (頭、首、胴体ポイントそれぞれ)。どちらも 2 つの科目は任意の非対称運動機能を示した。
時系列データからの特徴抽出体ポイントの位置いくつかの代表を図 2に示します。図 2は図 1と比較して、どのような潜在的な情報を抽出し、生センサー データから基になる運動特性を理解するためにビジュアル化できるのアイデアを与えます。図 21 つのテーマから 2 つのラウンドの肘伸展・屈曲相を示す分割手トレース プロットです。軌道は自体を 2 回のラウンドの間に非常によく似ています。下の 3 つのオブジェクトの両方の手は無理しすぎる傾向があるが、これは上の 2 つのオブジェクトのためのケースではありません。図 2b手の速度のヒストグラムをプロットする (静止状態を除外する手が移動; 中)。この主題のための右の手と左の大きな違いはありません。図 2cでは、オブジェクトの位置あたりトランク補償運動の一種として考えることが頭、首、胴体のポイントの合計のパスの長さを示しています。体幹の動きが比較的大きい場合 3 と 8 より高いコーナーに置かれている、オブジェクトの他の位置と比較しています。さらに、頭部が他の二点より明らかに変わりました。図 2 d, 2 e、 2 階ひげのいくつかの機能のためのすべての 4 の訪問から全体的な分布を示します。4 のすべての訪問の最初の 7 つの患者に限りは、わかりやすくするために表示されます。図 2dは、被験者間の腕の長さの違いを補うために、センサーを用いて個々 の腕の長さで割った値合計手のパスの長さを示しています。実施運動中に達するし、オブジェクトを配置する手パスの長さが 1 つのオブジェクトの長さの 2 倍腕周りしたがって、20 オブジェクト パス全体の長さ、腕の長さの約 40 倍です。症例 1 と症例 3 (図 2f) 間の平均手速度やトランク補償運動患者 2 と 3 (図 2e) との間で、被験者間の明らかな違いは観察されます。
完全の臨床関連の解析と結果は、私たちの以前の文書13で見つけることができます。
図 1: テスト中 9 上半身ポイントの代表的なトレース プロット上の 4 のプロット 1 つの SMA 患者から、下 4 のプロットが 1 つの健康管理から。この図は、私たちの前の文書13から変更されています。この図の拡大版を表示するのにはここをクリックしてください。
図 2: 代表的な集計分析結果: (a)、(b)、(c) は、1 つのテーマから、(d)、(e)、(f) は最初 7 の SMA 患者から概要を完了 4 訪問。(D)、(e) と (f) は、ボックスの上部と下部は最初そして第 3 四分の一対座と箱の中の水平線が中央値。(垂直線をボックスから伸びる) ひげの長さは、低い四分位数の上部四分位数の 1.5 IQR 内最高点 1.5 四分範囲 (IQR) の中で最も低いポイントとして定義されます。ダイヤモンドは、ひげ外外れ値を表します。(a) 分割手トレース プロット。実線は、いつ手を差し伸べるオブジェクトの破線は、手が体にオブジェクトを配置するとき肘屈曲相を表しながら肘伸展相を表します。それぞれの色は、2 つのラウンドから同じ位置にオブジェクトを表します。(b) の伸展・屈曲運動時の手速度ヒストグラム。(c) 頭、首、および個々 のオブジェクトの胴体ポイントから補償運動距離を合計します。(d) 箱型図の右と左の合計手軌道のパスの長さは、それぞれ以上 4 訪問を手します。Y 軸は、総手個々 の腕の長さで割った値のパスの長さを示しています。(e) 合計トランク補償動き頭、首、胴などの箱型図は、右側と左側それぞれ以上 4 の動き訪問からの動きのポイントします。(f) 箱型図の右と左の手それぞれ以上 4 訪問の動きの間に中央の手の速度。この図の拡大版を表示するのにはここをクリックしてください。
Discussion
提案された Kinect ベース評価に関して、従来の臨床評価尺度または洗練されたマーカー ベースのビデオ子供向け、低コスト、およびポータブル ソリューションを提供しながら客観的かつ包括的な運動解析を提供システム。5 分未満続いたゲームのテスト、身体の複数のポイントを同時に集中的に調べたし、高精度の速度、関節の角度を含む多くの時空間的および運動学的特性を分析しました。全体のセットアップや研修にも多く評価尺度またはビデオ ・ システムに比べて少なくて。
このアプローチの最も重要なステップは、テストの設計だった。根本的の運動症状をキャプチャするために設計されたタスクは対応する能力スペクトルをカバー、床または天井の影響を避けるため。この具体的な表示例には、筋力や関節の限られた範囲、筋肉のこわばり、疲労に SMA の一般的な物理的な症状が含まれます。提案されたテストは、SMA のタイプ 2 の患者のために典型的だった限られた共同の範囲を含むこれらの症状に適しています。残念なことに、プロトタイプは、SMA 型 3 患者のみを募集計画研究の最初の試みとしてだけ調べた。患者の機能がどのような現在のテスト上 (天井の効果) を測定することが、望ましい結果を達成できなかった。この外来患者グループでは、筋肉の疲労と体の転送は良い尺度であろうが。
この経験に基づいて、「ワードローブ」ゲームとさらに「ボート漕ぎ」ゲームの修正バージョンから成るテストの 2 番目のバージョンが設計されました。「ワードローブ」ゲームの修正バージョンは 3 つの難易度レベルです。最初のレベルでは、オブジェクトは、対象がターゲットの人のみ、車椅子に座ることができず完全に弱い患者のグループ拡張サポートなし腕、腕を完全に拡張する必要はありませんので、体に近い配置されます。2 番目のレベルでは、オブジェクトは、腕全体の長さは、人を持ち上げ、任意のサポートなしの腕を拡張することができます患者群を対象との距離に配置されます。最も困難なレベルでオブジェクトがわずかに置かれた腕の範囲外したがって、件名は、拡張機能として上半身を移動する必要があります。3 番目のレベル対象軸と近位の動きは測定も外来患者グループとします。ゲームの位置決めの段階で、被写体の腕の長さを自動計測し、次ゲーム内のオブジェクトの位置の計算に使用したがって、難しさのレベルは、個人の能力に自動的に調整されます。個々 の能力の限界に達すると到達も配置できないオブジェクト、レベルはスキップされます特定の時間後に自動的に、または手動でオペレーターによって画面で「スキップ」ボタンを押すことによって。「ボート漕ぎ」ゲーム ターゲット筋持久力と 1 分の運動をできるだけ速く圧延腕を繰り返す件名が必要です。今後の研究では、2 番目のバージョンは SMA 型 2 タスク患者における上肢機能と軸方向の動きを制限する限られた腕運動能力を持つ患者の能力を測定するので、3 と入力してから患者のスペクトルをカバーするものです。
テスト設計の他の側面、床面の影響の検討。限られた空間と時空間解像度のため 3次元センサーが歩行、腕を振ってなど正確に粗大運動を捉えることのみ。微動検出、図のタッピングや手の回転、携帯電話手首ウェアラブルなどにより敏感なデジタル装置などが必要です。前述したように、このようなアプリケーションの成功の鍵は、病の症状は根本的なデバイスの機能と設計されたタスクの適切な一致を構築するためです。
テスト設計時にいくつかの他の考慮事項には、年齢、学習効果、言語などがあります。以来 SMA 主に子供に影響を与える、テスト必要があります単純なクリア可能な限り魅力的な gamification 特性を維持しながら。私たちのデザインは、漫画の登場人物と手描きのオブジェクトが使用されました。タスクは、子供時代の 2 つまたは 3 年後に買収は通常セルフ ドレッシングの動作を模倣しました。動きは、科目が理解できるし、短いトレーニング フェーズの後テストを実行、学習効果は回避された測定し、私たちの以前の文書13で説明したように単純な保持されました。
テスト プロトコルとデータ分析を実行するとき、いくつかの問題を他の 3 D センサー アプリケーションに同様に発生する可能性が。これらの問題は、ビューのフィールドおよび不規則なサンプリング時間日照妨害、特別な服、1 つ以上の主題を。1 つの場合は、黒い服を着た件名によって検出されなかった日当たりの良い部屋で 3次元センサー日差しの中で直接被写体がなかったときにもわかった。ときよりも 1 つの主題は表示され、分析ビューのフィールド、スケルトンがジャンプする負担を検出する ID 番号の割り当てから消えます。実際の出力がギャップがあるにもかかわらず、3次元センサーは、理論的には 30 Hz の周波数で信号を出力、百さんだから、それは追跡やタイムスタンプをエクスポートすることが重要です。
2 番目のバージョンで現在交換済み、3次元センサーの最初のバージョンで私たちの最初のテストを行ったし、当社の修正版は、この 2 番目のバージョンに基づいて実装されます。バージョンでは、基になるドライバーが異なります、アプリケーション インターフェイス (API) がまた変更されています。アプリケーションを移行する場合、その他の重要な違いはございません。両方のアプリケーションのバージョンにより自由にリクエスト著者センサー ドライバーは、Kinect のウェブサイトからダウンロードすることができますので、これはユーザが心配はありません。
3 D センサーを使って、子供に優しいゲームのような技術を取り入れた革新的・定量的、客観的上肢機能評価ツールを開発しました。実現可能性検討、分析します。私たちの仕事は、代替と補完的な運動評価方法として 3次元センサーの潜在的な力を示した。
Disclosures
著者興陳、デトレフ オオカミ、ユリアーネ Siebourg ポルスター、キリスト教チェコ、オマル Khwaja マーティン Strahm F. ホフマン ・ ラ ロシュは、すべてこの資料の研究の資金の従業員であります。
Acknowledgments
バスティアン Strahm は、この原稿の校正のためのテスト デモンストレーションとローラ aguiar 氏の参加を感謝いたします。
Materials
| Name | Company | Catalog Number | Comments |
| Microsoft Kinect for Windows v1 sensor | Microsoft | N/A | The first version of the test was developed on Kinect sensor v1 which is not sold any more. But the second version was developed on the Kinect sensor v2 which can be tested in a similar way by using Microsoft Kinect for Windows v2 sensor (GT3-00003) together with Microsoft Kinect Adapter (9J7-00009) |
| DELL XPS 2720 All-In-One PC with windows 8 operating system, 16G RAM, Intel Core i7 and 64-bits | DELL | N/A | In our setup, a All-in-one computer was used, but in fact any laptop or computer which fullfills the following requirements and a big screen for the subjects to see will work: windows 8 or higher operating system; 64-bit processor; dual-core 3.2 GHz or faster processor; dedicated USB 3.0 bus; 2 GB RAM |
References
- Hobart, J. C., Cano, S. J., Zajicek, J. P., Thompson, A. J. Rating scales as outcome measures for clinical trials in neurology: problems, solutions, and recommendations. Lancet Neurol. 6, 1094-1105 (2007).
- Cano, S. J., et al. Rasch analysis of clinical outcome measures in spinal muscular atrophy. Muscle Nerve. 49, 422-430 (2014).
- Monani, U. R., De Vivo, D. C. Neurodegeneration in spinal muscular atrophy: from disease phenotype and animal models to therapeutic strategies and beyond. Future Neurol. 9, 49-65 (2014).
- Kolb, S. J., Kissel, J. T.
- Shotton, J., et al. Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society. , 1297-1304 (2011).
- Plantard, P., Shum, H. P., Le Pierres, A. S., Multon, F. Validation of an ergonomic assessment method using Kinect data in real workplace conditions. Appl Ergon. , (2016).
- Galna, B., et al. Accuracy of the Microsoft Kinect sensor for measuring movement in people with Parkinson's disease. Gait Posture. 39, 1062-1068 (2014).
- Otte, K., et al. Accuracy and Reliability of the Kinect Version 2 for Clinical Measurement of Motor Function. PLoS One. 11, 0166532 (2016).
- Clark, R. A., et al. Reliability and concurrent validity of the Microsoft Xbox One Kinect for assessment of standing balance and postural control. Gait Posture. 42, 210-213 (2015).
- Milgrom, R., Foreman, M., Standeven, J., Engsberg, J. R., Morgan, K. A. Reliability and validity of the Microsoft Kinect for assessment of manual wheelchair propulsion. J Rehabil Res Dev. 53, 901-918 (2016).
- Bonnechere, B., et al. Validity and reliability of the Kinect within functional assessment activities: Comparison with standard stereophotogrammetry. Gait & Posture. 39, 593-598 (2014).
- Huber, M. E., Seitz, A. L., Leeser, M., Sternad, D. Validity and reliability of Kinect skeleton for measuring shoulder joint angles: a feasibility study. Physiotherapy. 101, 389-393 (2015).
- Chen, X., et al. Feasibility of Using Microsoft Kinect to Assess Upper Limb Movement in Type III Spinal Muscular Atrophy Patients. Plos One. 12, (2017).
- Bonati, U., et al. Longitudinal characterization of biomarkers for spinal muscular atrophy. Ann Clin Transl Neur. 4, 292-304 (2017).
