저자
연락처

로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

여기에 설명된 프로토콜은 상지 결손의 정량적 평가를 강화하는 것을 목표로 하며, 클리닉과 가정에서 원격 평가를 위한 추가 기술을 개발하는 것을 목표로 합니다. 가상 현실 및 바이오 센서 기술은 신경근 시스템의 기능에 대한 통찰력을 제공하기 위해 표준 임상 기술과 결합됩니다.

초록

움직일 수 있는 능력은 우리가 세상과 상호 작용할 수 있게 해줍니다. 이 능력이 손상되면 삶의 질과 독립성을 크게 떨어뜨리고 합병증으로 이어질 수 있습니다. 원격 환자 평가 및 재활의 중요성은 최근 대면 서비스에 대한 접근이 제한됨에 따라 증가했습니다. 예를 들어, COVID-19 팬데믹으로 인해 예기치 않게 엄격한 규제가 발생하여 비응급 의료 서비스에 대한 접근성이 감소했습니다. 또한 원격 진료는 서비스에 대한 접근이 제한된 농촌, 소외된 지역 및 저소득 지역의 의료 격차를 해결할 수 있는 기회를 제공합니다.

원격 진료 옵션을 통해 접근성을 개선하면 병원 또는 전문의 방문 횟수가 제한되고 일상적인 진료를 보다 저렴하게 이용할 수 있습니다. 마지막으로, 가정 간호를 위해 쉽게 구할 수 있는 상업용 소비자 전자 제품을 사용하면 증상, 치료 효능 및 치료 용량에 대한 정량적 관찰이 향상되어 환자 결과를 향상시킬 수 있습니다. 원격 치료는 이러한 문제를 해결할 수 있는 유망한 수단이지만, 이러한 응용 분야에서 운동 장애를 정량적으로 특성화해야 할 필요성이 있습니다. 다음 프로토콜은 임상의와 연구원이 복잡한 움직임 및 기본 근육 활동에 대한 고해상도 데이터를 얻을 수 있도록 이러한 지식 격차를 해결하고자 합니다. 궁극적인 목표는 기능적 임상 시험의 원격 관리를 위한 프로토콜을 개발하는 것입니다.

여기에서 참가자들은 손 기능을 평가하는 데 자주 사용되는 의학적으로 영감을 받은 BBT(Box and Block task)를 수행하도록 지시받았습니다. 이 과제는 피험자들이 장벽으로 분리된 두 구획 사이에서 표준화된 큐브를 운반하도록 요구한다. 우리는 원격 평가 프로토콜 개발의 잠재력을 보여주기 위해 가상 현실에서 수정된 BBT를 구현했습니다. 근육 활성화는 표면 근전도를 사용하여 각 피험자에 대해 캡처되었습니다. 이 프로토콜을 통해 고품질 데이터를 획득하여 상세하고 정량적인 방식으로 운동 장애를 더 잘 특성화할 수 있었습니다. 궁극적으로 이러한 데이터는 가상 재활 및 원격 환자 모니터링을 위한 프로토콜을 개발하는 데 사용될 수 있습니다.

서문

움직임은 우리가 세상과 상호 작용하는 방식입니다. 물 한 잔을 줍거나 걸어서 출근하는 것과 같은 일상 활동은 단순해 보일 수 있지만, 이러한 움직임조차도 중추 신경계, 근육 및 팔다리 사이의 복잡한 신호 전달에 의존합니다1. 따라서 개인의 독립성과 삶의 질은 개인의 사지 기능 수준과 높은 상관관계가 있습니다 2,3. 척수 손상(SCI) 또는 말초 신경 손상과 같은 신경 손상은 영구적인 운동 결손을 초래할 수 있으며, 이로 인해 일상 생활의 간단한 활동조차 수행할 수 있는 능력을 감소시킬 수 있습니다 4,5. 미국 국립 신경 장애 및 뇌졸중 연구소(National Institute of Neurological Disorders and Stroke)에 따르면 미국에서 1억 명 이상의 사람들이 운동 장애를 겪고 있으며, 뇌졸중은 주요 원인중 하나입니다 6,7,8. 이러한 부상의 특성으로 인해 환자는 종종 정량적 운동 평가 및 원격 치료가 도움이 될 수 있는 장기간의 치료가 필요합니다.

운동 장애를 치료하기 위한 현재의 관행은 물리 치료사 또는 작업 치료사와 같은 훈련된 전문가의 관찰을 통한 기능의 초기 및 지속적인 임상 평가를 모두 필요로 하는 경우가 많습니다. 표준으로 검증된 임상 검사는 종종 훈련된 전문가가 이를 관리해야 하며, 특정 시간 제약과 사전 정의된 움직임 또는 기능적 작업에 대한 주관적인 점수가 매겨집니다. 그러나 건강한 사람에서도 관절 각도의 다양한 조합으로 동일한 움직임을 수행할 수 있습니다. 이 개념을 근골격계 중복성(musculoskeletal redundancy)이라고 합니다.

기능적 임상 검사는 종종 피험자 간 변동성의 기저에 있는 개별 중복을 설명하지 않습니다. 임상의와 연구자 모두에게 중복으로 인한 정상적인 변동성과 움직임의 병리학적 변화를 구별하는 것은 여전히 어려운 과제로 남아 있습니다. 잘 훈련된 평가자가 수행하는 표준화된 임상 평가는 저해상도 채점 시스템을 활용하여 평가자 간 변동성을 줄이고 테스트 타당성을 개선합니다. 그러나 이것은 천장 효과를 도입하여 경미한 운동 결손을 가질 수 있는 피험자에 대한 민감도와 예측 타당도를 낮춥니다 9,10. 또한, 이러한 임상 검사는 결손이 수동적인 신체 역학에 의해 발생하는지 또는 적극적인 근육 협응에 의해 발생하는지 구별할 수 없으며, 이는 초기 진단 및 환자별 재활 계획을 설계할 때 중요할 수 있습니다. 무작위 임상시험에서는 이러한 임상시험에서 제공된 근거에 기초하여 수립된 치료 계획의 효능이 일관되지 않은 것으로 나타났습니다 11,12,13. 여러 연구에서 향후 중재 설계를 안내하는 데 사용할 수 있는 정량적이고 사용자 친화적인 임상 지표의 필요성을 강조했습니다14,15.

이전 연구에서 우리는 뇌졸중 후 팔 장애에서 쉽게 구할 수 있는 소비자 모션 캡처 장치를 사용한 자동 움직임 평가의 구현과 유방암 환자의 흉부 수술 후 어깨 기능 평가를 입증했습니다16,17. 또한, 특정 활성 움직임의 근육 모멘트를 추정하기 위해 활성 관절 모멘트를 사용하는 것이 관절 각도에 비해 뇌졸중 후 운동 결손을 더 민감하게 측정하는 것으로 나타났다18. 따라서 모션 캡처 및 표면 근전도(EMG)는 표준 임상 검사에서 무증상으로 진단되었지만 여전히 움직임 장애, 피로 또는 통증을 경험할 수 있는 환자를 평가하는 데 매우 중요할 수 있습니다. 이 논문은 운동 장애가 있는 환자 집단에서 재택 평가 및 재활 방법을 개발하기 위해 표준 임상 테스트 중에 움직임의 상세하고 정량적인 특성화를 가능하게 할 수 있는 시스템에 대해 설명합니다.

가상 현실(VR)은 일상적인 작업을 모델링하면서 몰입형 사용자 경험을 구성하는 데 사용할 수 있습니다. 일반적으로 VR 시스템은 사용자의 손 움직임을 추적하여 가상 환경과의 시뮬레이션 상호 작용을 허용합니다. 여기에서 설명하는 프로토콜은 뇌졸중 또는 어깨 수술 후 장애의 정량적 평가에 기성품 비디오 게임 컨트롤러의 사용을 보여주는 다른 연구와 유사하게 모션 캡처에 소비자 VR 제품을 사용하여 운동 결함 평가를 정량화합니다16,17. 또한, 근전도는 근육 수축의 기저에 있는 신경 활동의 비침습적 측정법이다19. 따라서 EMG는 운동의 신경 제어의 품질을 간접적으로 평가하고 운동 기능에 대한 자세한 평가를 제공하는 데 사용할 수 있습니다. 근전도 검사에 의해 근육 및 신경 손상을 감지할 수 있으며, 근이영양증 및 뇌성마비와 같은 장애는 일반적으로 이 기술을 사용하여 모니터링된다20,21. 또한, 근전도는 근육 강도 또는 경련의 변화를 추적하는 데 사용될 수 있으며, 이는 운동 학적 평가(22,23)에서 분명하지 않을 수 있으며 피로 및 근육 활성화도 마찬가지입니다. 이와 같은 지표는 재활 진행 상황을 고려하는 데 매우 중요하다 23,24,25.

여기에 설명된 실험 패러다임은 VR과 EMG의 조합을 활용하여 기존 임상 평가 도구의 한계를 해결하고자 합니다. 여기에서 참가자들은 실제 물체를 사용하여 VR에서 수정된 BBT(Box and Block task)26 를 수행하도록 요청받았습니다. 표준 BBT는 총 상지 기능의 일반 평가에 사용되는 임상 도구로, 피험자는 1분 이내에 한 구획에서 칸막이를 넘어 인접한 칸막이로 가능한 한 많은 2.5cm 블록을 이동하도록 요청받습니다. 뇌졸중 또는 기타 신경근 질환(예: 상지 마비, 경련성 편마비)이 있는 환자의 결손을 신뢰성 있게 평가하는 데 자주 사용되지만, 6-89세의 건강한 아동 및 성인에 대한 규범적 데이터도 보고되었다26. 가상 움직임 평가는 실생활에서 수행된 검증된 임상 테스트의 기능적 측면을 시뮬레이션하는 데 사용됩니다. VR은 필요한 하드웨어를 줄이면서 표준화된 지침과 프로그래밍된 자동 채점을 제공하는 데 사용됩니다. 따라서 훈련된 전문가의 지속적인 감독이 더 이상 필요하지 않습니다.

이 연구의 BBT는 동일한 위치에 나타나는 한 번에 한 블록의 도달 범위와 파악을 캡처하는 데 초점을 맞추기 위해 단순화되었습니다. 이를 통해 움직임의 재현성을 극대화하고 기록된 데이터에서 개체 간 변동성을 최소화했습니다. 마지막으로, 가상 현실 헤드셋은 최소 $300에 구입할 수 있으며 여러 평가를 수용할 수 있습니다. 일단 프로그래밍이 완료되면, 일반적인 전문 평가와 관련된 비용이 크게 줄어들고 임상 및 원격/재택 환경 모두에서 이러한 검증된 표준 임상 테스트에 대한 접근성을 높일 수 있습니다.

프로토콜

실험 절차는 웨스트 버지니아 대학교 기관 검토 위원회(IRB), 프로토콜 # 1311129283에 의해 승인되었으며 헬싱키 선언의 원칙을 준수했습니다. 이 프로토콜의 위험은 경미하지만 참가자에게 모든 절차와 잠재적 위험을 설명해야 하며 기관 윤리 검토 위원회에서 승인한 문서와 함께 서면 동의를 획득했습니다.

1. 시스템 특성 및 설계

참고: 이 프로토콜의 설정은 (1) EMG 센서 및 베이스, (2) EMG 데이터 수집(DAQ) 소프트웨어, (3) 모션 캡처 시스템, (4) 해당 소프트웨어가 있는 VR 헤드셋 요소로 구성됩니다. 이러한 구성 요소는 그림 1에 시각화되어 있습니다.

  1. 시스템 구성 요소 설정
    1. EMG 시스템을 연결합니다.
      1. EMG 베이스 스테이션을 연결하여 전원을 공급합니다.
      2. EMG 기지국을 DAQ 스크립트가 들어있는 전용 컴퓨터 (그림 1C)에 연결합니다.
        참고: 예제 스크립트는 다음에서 찾을 수 있습니다: https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0. 일부 상용 제품은 라이센스가 부여된 DAQ 소프트웨어와 함께 제공될 수 있으며, 이 소프트웨어도 사용될 수 있습니다.
    2. 모션 캡처 시스템을 연결합니다.
      1. 두 번째 전용 컴퓨터(그림 1A)를 네트워크 라우터에 연결합니다.
      2. 네트워크 라우터를 모션 캡처 서버에 연결합니다.
      3. 시각화를 위해 모션 캡처 서버를 컴퓨터 모니터에 연결합니다.
      4. 카메라를 모션 캡처 서버에 연결합니다.
    3. VR 시스템을 연결합니다.
      1. VR 헤드셋을 해당 DAQ 스크립트를 사용하여 세 번째 전용 컴퓨터에 연결합니다(그림 1B).
        참고: 예제 스크립트는 다음에서 찾을 수 있습니다 https://www.dropbox.com/sh/7se5lih4noxj584/AACqFDZytpDm-L8jAULFwfTHa?dl=0
      2. 의도한 작업이 포함된 VR 게임 환경을 VR 헤드셋에 연결된 컴퓨터에 로드합니다(그림 1B).
    4. 피험자가 작업을 완료할 영역을 준비합니다.
      1. 팔이 없고 튼튼한 의자를 사용하여 피험자의 정상적인 도달에 방해가 되지 않도록 하십시오.
      2. 수집된 데이터의 안전성과 정확성을 위해 테스트 영역에 모든 장애물이 없는지 확인하십시오.
    5. 시스템을 동기화합니다.
      1. 사용자 정의 소프트웨어 기능을 사용하여 시스템을 일회성 서버에 적시에 동기화합니다.
      2. 또는 한 대의 컴퓨터 또는 선호하는 메시지 관리자를 사용하십시오.

figure-protocol-1774
그림 1: 실험 장비 설정. (A) 마커 모션 캡처 카메라는 실험 공간 주변의 바닥과 천장에 배치되어 모션 추적을 위한 최적의 공간을 구축합니다. 전용 컴퓨터는 모션 캡처 소프트웨어를 실행하고 데이터를 저장하는 데 사용됩니다. (B) VR에서 수정된 BBT를 표시하는 데 사용되는 헤드셋은 가상 평가 및 작업 데이터가 저장되는 전용 컴퓨터에 연결됩니다. (C) EMG 베이스는 작업 실행 중에 근육 활동 데이터가 기록되고 저장되는 전용 컴퓨터에 연결됩니다. 모션 캡처를 위한 EMG 센서와 LED 마커는 모두 세션 중에 피사체의 팔에 배치됩니다( 그림 2 참조). 약어: VR = 가상 현실; EMG = 근전도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

2. 실험 절차

참고: 이 프로토콜에 설명된 실험 흐름의 시각적 표현은 그림 2에 나와 있습니다.

  1. EMG 설정
    1. 최상의 신호 품질을 위한 EMG 센서 배치를 결정하려면 참가자가 관련 근육을 수축하는 동안 근육 배를 촉진합니다(27). 이 프로토콜에 사용된 근육 선택에 대해서는 표 1 을 참조하십시오.
    2. 알코올 물티슈를 사용하여 각 전극과 피험자의 팔에 있는 의도된 센서 배치 부위를 조심스럽게 청소합니다.
      알림: EMG 센서와 피험자의 피부를 모두 철저히 청소하면 전극 대 피부 임피던스가 낮아집니다. 이렇게 하면 기록된 EMG 데이터가 높은 신호 대 잡음비를 가질 수 있습니다. 센서 배치 부위의 과도한 머리카락은 적절하게 청소하더라도 데이터 품질이 저하될 수 있습니다. 이 경우 머리를 깎아야 할 수도 있습니다.
    3. 근전도 전극과 피험자의 피부를 준비한 후 근전도 센서를 피험자에게 배치하여 전극과 피부가 잘 접촉되도록 합니다. 양극 전극은 센서가 근육 섬유의 방향과 평행하도록 배치해야 합니다.
  2. 모션 캡처 시스템 설정
    참고: 운동학을 위해 손의 움직임을 추적하기 위해 VR 헤드셋만 사용하는 경우에는 이 작업이 필요하지 않을 수 있습니다.
    1. 제조업체의 지침에 따라 모션 추적 카메라를 보정합니다. 실험 공간 전체에서 보정 막대를 움직여 모션 추적 카메라를 보정하고 공간의 3D 축을 설정합니다.
      참고: 이 프로토콜에 사용된 마커 모션 캡처 시스템에는 LED 마커가 있는 보정 막대가 포함되어 있습니다.
    2. 원하는 생체 역학 모델을 구성하는 데 필요한 피사체의 상지와 몸통의 뼈 랜드마크에 LED 모션 캡처 마커를 배치합니다.
    3. 제공된 모션 캡처 소프트웨어를 사용하여 모션 캡처 카메라가 모든 마커를 인식하고 추적하도록 합니다. 피험자에게 몇 가지 연습 동작을 수행하도록 지시하고 연구 인원은 실시간으로 마커 데이터를 육안으로 모니터링합니다.
  3. VR 기술 평가 작업 설정
    1. 모션 캡처 실험 공간의 중앙에 의자를 배치합니다. 기존의 실제 테스트에 사용된 것과 유사한 의자를 사용하십시오.
    2. 피험자가 평가 작업을 수행할 의자에서 VR 헤드셋을 보정합니다. 보정이 완료되면 피험자에게 의자에 앉히고 VR 헤드셋을 머리에 씌우도록 지시합니다.
    3. 피험자가 앉아 있는 동안 피험자의 어깨와 땅 사이의 거리와 피험자의 팔 길이를 측정합니다. 이 거리를 사용하여 VR에서 테이블 및 평가 작업이 생성될 위치를 설정합니다.
    4. VR 작업 제어 스크립트에서 피험자의 측정값을 입력하고 원하는 블록 생성 반복 횟수를 프로그래밍합니다.
      참고: 이 수정된 BBT에서는 재현성을 높이기 위해 개별 블록이 한 번에 하나씩 생성됩니다.
  4. 피험자에게 VR에서 수정된 BBT 평가를 수행하도록 지시합니다.
    1. 주제에 대한 작업에 대한 간략한 설명을 제공합니다.
      1. 가상 블록은 실험자가 결정한 대로 왼쪽 또는 오른쪽에 생성됩니다.
      2. 피험자에게 가상 블록을 집어 파티션 위로 운반한 다음 반대쪽 구획의 대상에 놓아야 한다고 설명합니다(그림 2).
        참고: 여기에 사용된 가상 수정 BBT에서 블록은 실험자가 결정한 횟수만큼 자동으로 사라지고 시작 위치에서 다시 생성됩니다.
    2. EMG 데이터 수집을 시작합니다.
    3. 모션 캡처 데이터 수집을 시작합니다.
    4. VR 기술 평가 작업을 시작합니다.
      1. 자동으로 종료되기 전에 미리 설정된 반복 횟수 동안 작업을 실행하도록 합니다.
    5. 사후 해석을 위해 EMG 및 운동학 데이터를 저장합니다.
    6. Modified BBT post-hoc에 대한 임상적으로 유의미한 점수를 장벽을 성공적으로 통과한 블록의 수 또는 60초 동안 작업의 반복으로 결정합니다.

figure-protocol-4759
그림 2: 실험 프로토콜, VR 작업 및 피험자 설정. (A) 여기에 사용된 실험 프로토콜을 설명하는 흐름도. (B) VR 환경에서 구현된 수정된 BBT의 예시. 해부학적 측정은 VR 작업을 보정하는 데 사용되어 가상 테이블이 올바른 상대 위치에 생성되도록 합니다. (C) 피사체에 LED 모션 캡처 마커 및 EMG 센서를 배치합니다. EMG 센서는 관심 있는 근육에 배치되고 LED 모션 캡처 마커는 뼈가 있는 랜드마크 위에 배치됩니다. 약어: VR = 가상 현실; 근전도 = 근전도; LED = 발광 다이오드. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

결과

이 프로토콜을 사용하여 피험자로부터 얻은 EMG, 운동 및 힘 데이터는 동일한 작업의 반복과 다른 작업 중의 움직임을 특성화하는 데 사용할 수 있습니다. 여기에 표시된 데이터는 이 설정의 타당성을 입증하기 위해 건강한 대조군 참가자의 결과를 나타냅니다. VR에서 수정된 BBT를 수행하는 건강한 피험자로부터 기록된 대표적인 EMG 프로필이 그림 3에 나와 있습니다. 전방 삼?...

토론

근전도 시스템
EMG 시스템의 하드웨어는 근육 활성화 데이터를 얻는 데 사용되는 15개의 EMG 센서로 구성됩니다. 상용 API(Application Programming Interface)를 사용하여 맞춤형 EMG 기록 소프트웨어를 생성했습니다. VR 시스템 하드웨어는 몰입형 VR 환경을 표시하는 데 사용되는 가상 현실 헤드셋과 헤드셋을 가상 평가 작업이 저장된 전용 컴퓨터에 연결하는 케이블로 구성됩니다. 이 소프트웨?...

공개

저자는 선언할 이해 상충이 없습니다.

감사의 말

이 작업은 국방부 보건 담당 차관보실(Office of the Assistant Secretary of Defense for Health Affairs)의 지원을 받아 신경근골격계 손상 환자(RESTORE)를 통한 전투원 복원 연구 프로그램(Award No. W81XWH-21-1-0138)을 받았습니다. 의견, 해석, 결론 및 권장 사항은 저자의 것이며 국방부에서 반드시 보증하는 것은 아닙니다.

자료

NameCompanyCatalog NumberComments
Armless ChairN/AA chair for subjects to sit in should be armless so that their arms are not interfered with.
ComputerDell TechnologiesThree computers were used to accompany the data acquisition equipment.
Leap Motion ControllerUltraleapOptical hand tracking module that captures the hand and finger movement. The controller has two 640 x 240-pixel near-infrared cameras (120 Hz), which are capable of tracking movement up to 60 cm from the device and in a 140 x 120° field of view. This device was attached to the VR headset or secured above the head during movement.
MATLABMathWorks, Inc. Programming platform used to develop custom data acquisition software
Oculus Quest 2MetaImmersive virtual reality headset equipped with hand tracking ability through 4 infrared build-in cameras (72-120 Hz). Can be substituted with other similar devices (ex. HTC Vive, HP Reverb, Playstation VR).
Oculus Quest 2 Link cableMetaUsed to connect the headset to the computer where the VR game was stored
PhaseSpace Motion CapturePhaseSpace, Inc.Markered motion capture system, consisting of a server, cameras with 60° field of view, red light emitting diode (LED) as markers, and a calibration object
Trigno Wireless SystemDelsys, Inc.By Delsys Inc., includes EMG, accelerometer, force sensors, a base station, and collection software. The Trigno-MATLAB Application Programming Interface (API) was used to develop custom recording software.
UnReal Engine 4Epic GamesSoftware used to create and run the modified Box and Block Task in VR

참고문헌

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

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연락처

사서에게 추천하기

JoVE 뉴스레터

연구

교육

저자

사서

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유