Name: Vídeo: Video Movement Analysis Using Smartphones ViMAS: A Pilot Study
Uploaded: 2017-03-14T12:30:00.000+00:00
Duration: 7 min 51 s
Description: 16.8K visualizações. Wayne State University. This manuscript describes the method to test the concurrent validity of kinematic measures recorded by the smartphone application in comparison to a 3D motion capture system in the sagittal plane. This protocol will enable clinicians to set up smartphones for video capture of human movement.

The authors wish to thank all the participants who generously gave their time to participate in this study.

Este protocolo foi aprovado pelo Institutional Review Board of Wayne State University. 1. Preparação Experimental <ol><li> câmeras posição para capturar toda a 6 m passarela. Use um total de 4 3D movimento capta câmeras para capturar a pé ao longo de um de 6 m passarela. <ol><li> Coloque cada uma das câmaras nos 4 cantos do 6 m passarela. Orientar cada uma das câmaras nas extremidades da diagonal da passarela para enfrentar um ao outro. </li></ol></li><li> Recolha altura, peso e comprimento da perna medidas de cada participante. <ol><li> Medir a massa em quilogramas. </li><li> Meça o comprimento da perna (em metros) do trocânter maior para medial maléolo de ambas as pernas com uma fita métrica. </li><li> Medir a altura (em metros), fazendo com que o participante em pé descalço ao lado de uma fita de medição fixado à parede. Coloque uma régua no topo da cabeça do participante para ler a medição da fita métrica fixada na parede. </li></ol></li><li&gt; Montar o smartphone em um tripé com um adaptador de tripé para um clipe de suporte do telefone inteligente. Coloque o tripé a 2-m ou 4-m, perpendicular ao centro da passagem. Aleatória a ordem de este posicionamento se realizar um estudo de validação. </li><li> Coloque aglomerados de 3 marcadores inteligentes sobre o participante no anterior bilateral cristas ilíacas superiores (ASIS), 1/3 superior da coxa, 1/3 superior panturrilha e dorso do pé. Coloque um único marcador inteligente na linha média entre a posterior esquerda cristas ilíacas superior direita e. <ol><li> Fixe os marcadores inteligentes com tiras de velcro / dupla fita adesiva frente e verso. Seguros marcadores coxa e da panturrilha no plano frontal. </li></ol></li><li> Coloque etiquetas indicando pontos ósseos mais medial bilateral e côndilos femorais laterais, maléolo medial e lateral e o webspace entre primeiro e segundo dedos do pé para a calibração do sistema de captura de movimento 3D. NOTA: O procedimento de calibração é específico para cada laboratório, e equipamentos de captura de movimento 3D e software. </li&gt; <li> Para o procedimento de calibração, consultar o manual de instruções fornecido pelo fabricante do equipamento 3D captura de movimento e / ou software que é usado para analisar os dados. O processo usado aqui envolve o uso de um instrumentado &quot;Wand&quot; com marcadores inteligentes, para registrar a localização 3D dos adesivos que foram colocados. </li></ol> 2. Experiência <ol><li> Ajuste a altura inteligente lente da câmera do telefone para capturar qualquer parte inferior do corpo do participante somente (ASIS fronteira como superior) ou superior e inferior do corpo (acrômio fronteira como superior). Medir a altura do chão para a lente da câmera em metros. </li><li> Dê aos participantes uma experimentação prática. Ter um investigador operar o telefone inteligente, e a outra operar o computador que controla o sistema de captura de movimento 3D. Use papel numerado para indicar o número julgamento sobre a gravação do telefone inteligente. </li><li> Abra o aplicativo de telefone inteligente. Pressione o botão vermelho &quot;record&quot; na parte inferior, o centro das screen para começar a gravar (quando, na orientação vertical). NOTA: Se o smartphone já foi colocado no tripé, o botão aparece no meio, com o lado direito do telefone, perto do botão home do smartphone. </li><li> Instruir o participante a andar ao seu ritmo normal, focado em um marcador colocado na parede oposta para ajudá-los a andar em linha reta. Coloque o smartphone paralela à passagem para capturar um perfil lateral do participante. Tem o participante atravessar as duas primeiras câmeras de captura de movimentos 3D colocados no início da passarela em ambos os lados, e caminhar no sentido mais duas câmeras de captura de movimentos 3D colocados na outra extremidade da passarela em ambos os lados. <ol><li> Para cada ensaio, dar a cada participante uma contagem regressiva para começar (3, 2, 1, GO) e no final do estudo (3, 2, 1, STOP). </li></ol></li><li> Após o sujeito acaba de caminhada de 6 m de distância, selecione o botão vermelho &quot;Record&quot; mais uma vez para terminar a gravação deste julgamento curta. </li><li> Verifique amarcadores ll para posição depois de cada ensaio. Se a posição do marcador foi alterado, volte para o passo 1.6 para recalibrar o sistema de captura de movimento 3D para os novos posicionamentos do marcador. </li><li> Têm os participantes realizam 3 ensaios em cada distância da câmera na etapa 2.1. </li><li> Mova o tripé com o telefone inteligente para a segunda distância. Devolver o participante para ficar no ponto médio do caminho a pé. Siga as instruções no protocolo passos 2,2-2,5. </li><li> Salvar e verificar as gravações de captura de movimentos 3D e gravações de smartphones antes da remoção de marcadores inteligentes. </li></ol> Análise 3. Dados <ol><li> Siga as instruções do software / fabricante para calcular o ângulo do joelho. registrar manualmente o ângulo do joelho que é exibido na tela ao calcanhar e dedo do pé off fase do ciclo da marcha. </li><li> Completar a análise de gravações de telefones inteligentes para apoio do calcanhar e dedo do pé off eventos capturados por uma equipe de dois investigadores, que têm de chegar a acordo sobre o momento do impacto do calcanhar e dedo do péeventos de f e marcas de terra medição do ângulo. Usar uma caneta para aumentar a precisão da colocação marco para medidas de ângulo do joelho. As etapas a seguir são feitas conjuntamente pelos dois investigadores. </li><li> Para visualizar o julgamento que acabou de ser gravada, selecione o quadrado de vídeo no canto inferior esquerdo da tela (na orientação vertical). </li><li> Usando a barra de rolagem na base da tela, selecione o quadro em que o sujeito está mais próximo do calcanhar ou dedo do pé fora (o que é a variável de preferência) no centro da tela. </li><li> A queda no ângulo, tocar no, ícone de lápis esboçado branco no lado superior direito da tela. </li><li> Selecione a opção de ângulo, a segunda opção no menu drop-down. </li><li> Escolha uma cor preferida eo fabricante ângulo. Por favor, note que apenas um ângulo pode ser medido de uma só vez. O ângulo medido neste protocolo puramente consistia do ângulo do joelho, no plano sagital. </li><li> Deslize ou toque a caneta em qualquer lugar na tela para soltar naângulo. </li><li> Colocar o centro do ângulo na articulação do joelho (côndilo lateral), com os vectores que alcançam para cima ao longo do fémur e para baixo na direcção do maléolo lateral. </li><li> Se necessário, &quot;zoom in&quot;, colocando dois dedos no centro da tela e lentamente desenhá-los separados um do outro. NOTA: Uma vez satisfeito com o posicionamento do ângulo, a ferramenta calcula automaticamente o ângulo do joelho naquele determinado quadro. </li><li> Para identificar o ângulo do joelho em outras fases do toe off ou calcanhar, repita os passos 3,4-3,10. </li></ol> 4. Protocolo Clínico <ol><li> Medir e marcar a 6 m passarela usando uma fita métrica e marcador de fita / pegajoso. </li><li> Coloque o smartphone em um tripé paralelo e próximo do centro da passarela de 6 metros. </li><li> Coloque o tripé 2 m de distância a partir do centro da passagem para capturar a extremidade inferior, ou 4 m de distância para capturar o tronco e membros inferiores. Todas as posições de câmera permitem acaptura ly da cinemática do plano sagital. </li><li> Calcular a altura da altura lente da câmera do smartphone a partir do chão, usando as seguintes fórmulas: configuração da câmera próximo (2 m) por apenas inferior captura de extremidade Altura lente da câmera = (comprimento da perna de referência do 0.87xPatient em metros) - 0,12 configuração da câmera longe (4 metros) para a extremidade e tronco de captura inferior Lente da câmera height = comprimento da perna de referência do paciente em metros - 0,23 </li><li> seções de repetição 2-3 para gravar e analisar dados usando o aplicativo de telefone inteligente. </li></ol>

<ol><li>Brunnekreef, J. J., van Uden, C. J., van Moorsel, S., Kooloos, J. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reliability+of+videotaped+observational+gait+analysis+in+patients+with+orthopedic+impairments%5BTitle%5D)+AND+%22BMC+Musculoskelet+Disord%22%5BJournal%5D)">Reliability of videotaped observational gait analysis in patients with orthopedic impairments.</a> BMC Musculoskelet Disord. 6 (17), (2005).</li>
<li>Jette, D. U., Halbert, J., Iverson, C., Miceli, E., Shah, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+standardized+outcome+measures+in+physical+therapist+practice%3A+perceptions+and+applications%5BTitle%5D)+AND+%22Phys+Ther%22%5BJournal%5D)">Use of standardized outcome measures in physical therapist practice: perceptions and applications.</a> Phys Ther. 89 (2), 125-135 (2009).</li>
<li>Jette, D. U., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evidence-based+practice%3A+beliefs%2C+attitudes%2C+knowledge%2C+and+behaviors+of+physical+therapists%5BTitle%5D)+AND+%22Phys+Ther%22%5BJournal%5D)">Evidence-based practice: beliefs, attitudes, knowledge, and behaviors of physical therapists.</a> Phys Ther. 83 (9), 786-805 (2003).</li>
<li>Stuberg, W. A., Colerick, V. L., Blanke, D. J., Bruce, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+a+Clinical+Gait+Analysis+Method+Using+Videography+and+Temporal-Distance+Measures+with+16-Mm+Cinematography%5BTitle%5D)+AND+%22Phys+Ther%22%5BJournal%5D)">Comparison of a Clinical Gait Analysis Method Using Videography and Temporal-Distance Measures with 16-Mm Cinematography.</a> Phys Ther. 68 (8), 1221-1225 (1988).</li>
<li>Norris, B. S., Olson, S. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Concurrent+validity+and+reliability+of+two-dimensional+video+analysis+of+hip+and+knee+joint+motion+during+mechanical+lifting%5BTitle%5D)+AND+%22Physiother+Theory+Pract%22%5BJournal%5D)">Concurrent validity and reliability of two-dimensional video analysis of hip and knee joint motion during mechanical lifting.</a> Physiother Theory Pract. 27 (7), 521-530 (2011).</li>
<li>Robinson, J. L., Smidt, G. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+gait+evaluation+in+the+clinic%5BTitle%5D)+AND+%22Phys+Ther%22%5BJournal%5D)">Quantitative gait evaluation in the clinic.</a> Phys Ther. 61 (3), 351-353 (1981).</li>
<li>Krystkowiak, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gait+abnormalities+induced+by+acquired+bilateral+pallidal+lesions%3A+a+motion+analysis+study%5BTitle%5D)+AND+%22J+Neurol%22%5BJournal%5D)">Gait abnormalities induced by acquired bilateral pallidal lesions: a motion analysis study.</a> J Neurol. 253 (5), 594-600 (2006).</li>
<li>Grunt, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reproducibility+and+validity+of+video+screen+measurements+of+gait+in+children+with+spastic+cerebral+palsy%5BTitle%5D)+AND+%22Gait+Posture%22%5BJournal%5D)">Reproducibility and validity of video screen measurements of gait in children with spastic cerebral palsy.</a> Gait Posture. 31 (4), 489-494 (2010).</li>
<li>Womersley, L., May, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sitting+posture+of+subjects+with+postural+backache%5BTitle%5D)+AND+%22J+Manipulative+Physiol+Ther%22%5BJournal%5D)">Sitting posture of subjects with postural backache.</a> J Manipulative Physiol Ther. 29 (3), 213-218 (2006).</li>
<li>DeForge, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effect+of+4-aminopyridine+on+gait+in+ambulatory+spinal+cord+injuries%3A+a+double-blind%2C+placebo-controlled%2C+crossover+trial%5BTitle%5D)+AND+%22Spinal+Cord%22%5BJournal%5D)">Effect of 4-aminopyridine on gait in ambulatory spinal cord injuries: a double-blind, placebo-controlled, crossover trial.</a> Spinal Cord. 42 (12), 674-685 (2004).</li>
<li>Lucareli, P. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gait+analysis+following+treadmill+training+with+body+weight+support+versus+conventional+physical+therapy%3A+a+prospective+randomized+controlled+single+blind+study%5BTitle%5D)+AND+%22Spinal+Cord%22%5BJournal%5D)">Gait analysis following treadmill training with body weight support versus conventional physical therapy: a prospective randomized controlled single blind study.</a> Spinal Cord. 49 (9), 1001-1007 (2011).</li>
<li>Lucareli, P. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((%5BGait+analysis+and+quality+of+life+evaluation+after+gait+training+in+patients+with+spinal+cord+injury%5D%5BTitle%5D)+AND+%22Rev+Neurol%22%5BJournal%5D)">[Gait analysis and quality of life evaluation after gait training in patients with spinal cord injury].</a> Rev Neurol. 46 (7), 406-410 (2008).</li>
<li>McFadyen, B. J., Swaine, B., Dumas, D., Durand, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Residual+effects+of+a+traumatic+brain+injury+on+locomotor+capacity%3A+a+first+study+of+spatiotemporal+patterns+during+unobstructed+and+obstructed+walking%5BTitle%5D)+AND+%22J+Head+Trauma+Rehabil%22%5BJournal%5D)">Residual effects of a traumatic brain injury on locomotor capacity: a first study of spatiotemporal patterns during unobstructed and obstructed walking.</a> J Head Trauma Rehabil. 18 (6), 512-525 (2003).</li>
<li>Shin, J. C., Yoo, J. H., Jung, T. H., Goo, H. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+lower+extremity+motor+score+parameters+for+patients+with+motor+incomplete+spinal+cord+injury+using+gait+parameters%5BTitle%5D)+AND+%22Spinal+Cord%22%5BJournal%5D)">Comparison of lower extremity motor score parameters for patients with motor incomplete spinal cord injury using gait parameters.</a> Spinal Cord. 49 (4), 529-533 (2011).</li>
<li>Reid, S., Held, J. M., Lawrence, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reliability+and+Validity+of+the+Shaw+Gait+Assessment+Tool+for+Temporospatial+Gait+Assessment+in+People+With+Hemiparesis%5BTitle%5D)+AND+%22Arch+Phys+Med+Rehabil%22%5BJournal%5D)">Reliability and Validity of the Shaw Gait Assessment Tool for Temporospatial Gait Assessment in People With Hemiparesis.</a> Arch Phys Med Rehabil. 92 (7), 1060-1065 (2011).</li>
<li>Stokic, D. S., Horn, T. S., Ramshur, J. M., Chow, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Agreement+Between+Temporospatial+Gait+Parameters+of+an+Electronic+Walkway+and+a+Motion+Capture+System+in+Healthy+and+Chronic+Stroke+Populations%5BTitle%5D)+AND+%22Am+J+Phys+Med+Rehabil%22%5BJournal%5D)">Agreement Between Temporospatial Gait Parameters of an Electronic Walkway and a Motion Capture System in Healthy and Chronic Stroke Populations.</a> Am J Phys Med Rehabil. 88 (6), 437-444 (2009).</li>
<li>Arazpour, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+a+novel+powered+hip+orthosis+for+walking+by+a+spinal+cord+injury+patient%3A+a+single+case+study%5BTitle%5D)+AND+%22J.+Prosthet.+Orthot.+Int%22%5BJournal%5D)">Evaluation of a novel powered hip orthosis for walking by a spinal cord injury patient: a single case study.</a> J. Prosthet. Orthot. Int. 36 (1), 105-112 (2012).</li>
<li>Prado-Medeiros, C. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effects+of+the+addition+of+functional+electrical+stimulation+to+ground+level+gait+training+with+body+weight+support+after+chronic+stroke%5BTitle%5D)+AND+%22Revista+Brasileira+De+Fisioterapia%22%5BJournal%5D)">Effects of the addition of functional electrical stimulation to ground level gait training with body weight support after chronic stroke.</a> Revista Brasileira De Fisioterapia. 15 (6), 436-444 (2011).</li>
<li>Sousa, C. O., Barela, J. A., Prado-Medeiros, C. L., Salvini, T. F., Barela, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gait+training+with+partial+body+weight+support+during+overground+walking+for+individuals+with+chronic+stroke%3A+a+pilot+study%5BTitle%5D)+AND+%22J+Neuroeng+Rehabil%22%5BJournal%5D)">Gait training with partial body weight support during overground walking for individuals with chronic stroke: a pilot study.</a> J Neuroeng Rehabil. 8 (48), (2011).</li>
<li>Krebs, D. E., Edelstein, J. E., Fishman, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reliability+of+observational+kinamatic+gait+analysis%5BTitle%5D)+AND+%22J+Am+Phys+Ther+Assoc%22%5BJournal%5D)">Reliability of observational kinamatic gait analysis.</a> J Am Phys Ther Assoc. 65, 1027-1033 (1995).</li>
<li>Martin, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((More+than+half+of+MDs+under+age+35+now+using+PDAs%5BTitle%5D)+AND+%22Can.+Med.+Assoc.+J%22%5BJournal%5D)">More than half of MDs under age 35 now using PDAs.</a> Can. Med. Assoc. J. 169 (9), 952(2003).</li>
<li>Mosa, A. M., Yoo, I., Sheets, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Systematic+Review+of+Healthcare+Applications+for+Smartphones%5BTitle%5D)+AND+%22BMC+Med+Inform+Decis+Mak%22%5BJournal%5D)">A Systematic Review of Healthcare Applications for Smartphones.</a> BMC Med Inform Decis Mak. 12, (2012).</li>
<li>Ferriero, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reliability+of+a+smartphone-based+goniometer+for+knee+joint+goniometry%5BTitle%5D)+AND+%22Int+J+Rehabil+Res%22%5BJournal%5D)">Reliability of a smartphone-based goniometer for knee joint goniometry.</a> Int J Rehabil Res. 36 (2), 146-151 (2013).</li>
<li>Vohralik, S. L., Bowen, A. R., Burns, J., Hiller, C. E., Nightingale, E. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reliability+and+validity+of+a+smartphone+app+to+measure+joint+range%5BTitle%5D)+AND+%22Am+J+Phys+Med+Rehabil%22%5BJournal%5D)">Reliability and validity of a smartphone app to measure joint range.</a> Am J Phys Med Rehabil. 94 (4), 325-330 (2015).</li>
<li>Scholtes, S. S., Gretchen, Ability to detect change in single leg squat movement patterns following instruction in females with patellofemoral pain using 2D motion analysis methods. Combined Sections Meeting. , APTA. Las Vegas, USA. (2014).</li>
<li>Eltoukhy, M. A., Asfour, S., Thompson, C., Latta, L. <a target="_blank" href="http://www.ijser.org/viewPaperDetail.aspx?I069691">Evaluation of the performance of digital video analysis of human motion: dartfish tracking system.</a> IJSER. 3 (3), 1-6 (2012).</li>
<li>Boone, D. C., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/704684">Reliability of goniometric measurements.</a> Phys Ther. 58 (11), 1355-1360 (1978).</li>
<li>Variability and reliability of joint measurements. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/2405721">Am J Sports Med</a>. Bovens, A. M., van Baak, M. A., Vrencken, J. G., Wijnen, J. A., Verstappen, F. T. 18 (1), 58-63 (1990).</li>
</ol>

No relevant financial relationship exists with Hudl Technique (Ubersense). Adams Physical Therapy Clinic, Novi, MI were our clinical collaborators on this study.

O objectivo deste estudo de validação era para determinar a validade de um aparelho de aplicação livremente disponíveis, a fim de ser utilizado clinicamente como um meio eficaz de custo e objectivos da utilização da tecnologia aparelho para análise de marcha cinemática no contexto clínico. estudos de validação existentes que examinaram medidas cinemáticas com uma aplicação de smartphone são limitados e não ter avaliado as medidas cinemáticas dinâmicas gravadas durante a marcha no plano sagital. Este estudo de validação é o primeiro a examinar medidas joelho cinemáticas no plano sagital com um smartphone. Além disso, este estudo de validação é o primeiro conhecidos para desenvolver um protocolo para a análise da marcha cinemática no plano sagital utilizando um aparelho para aplicação de replicação no ambiente clínico. Com base nos resultados, houve uma diferença significativa entre medidas de ângulo do joelho pelo sistema de captura de movimento 3D e aplicações de smartphone, que era para ser expected. Há precisão limitada das medidas obtidas por o smartphone em comparação com a capacidade do sistema de captura de movimento 3D. A precisão limitada do aparelho é baseado nos parâmetros tecnológicos que estavam disponíveis no dispositivo específico quando o estudo foi realizado. Como a tecnologia continua a avançar, as plataformas de smartphones podem apresentar taxas de captação melhoradas. A capacidade de desacelerar vídeo para análise e captura de imagens fixas dentro de um quadro em movimento também pode melhorar a precisão da análise cinemática em plataformas de smartphones disponíveis. Incorporação de recursos como gravação de vídeo de alta definição, captura de movimento lento, a qualidade das capacidades de zoom e foco pode melhorar significativamente a análise da extremidade sem distorção do momento marcha desejada. Mesmo que a precisão de medição influenciado a medida do joelho obtido, não foi detectada nenhuma diferença significativa no erro de medição entre as duas distâncias da câmara. Houve concordância moderada damedidas de ângulo do joelho durante o toe off fase, indicando o aumento do acordo de medida de flexão do joelho, em comparação a um acordo de extensão do joelho ou medição hiperextensão durante a greve calcanhar. Em média, a 2 - foi detectado gama de 6 graus de erros de medição. A gama de erro obtida neste estudo corresponde bem com um intervalo estabelecido, clinicamente aceitável de erro. Por exemplo, várias medidas tomadas goniométricas de uma extremidade por um único examinador tem uma gama de 4 a 5 graus. 27, 28 Além disso, o desvio padrão da média das medidas tomadas de extremidades goniométrico por múltiplos é examinadores 5 a 6 graus. Quando comparado com um estudo investigando captura de elevação mecânica no plano sagital, erro de medição também é reflexo da medida clinicamente aceitável mencionado anteriormente. Em um estudo realizado por Norris et al. 5, o erro padrão demédia medida do quadril, joelho e tornozelo durante a elevação mecânica foi analisada. Não foi de 6,1 graus de erro para medições do joelho. No entanto, as medidas obtidas por Norris utilizou uma câmara de vídeo para gravar as medidas com a análise em um computador com um aplicativo compatível smartphone. Os erros de medição não podem ser directamente comparados com as medidas obtidos neste estudo, porque todas as medidas foram ambos capturados e analisados ​​em um smartphone. A fim de reproduzir os resultados apresentados neste manuscrito, todas as etapas do protocolo deve ser seguido como descrito. Em particular Seção 2 é fundamental para realizar esta técnica de validação e também a obtenção de uma medida cinemática válida usando o aplicativo de smartphone. Estas etapas descrevem o método de posicionamento da câmera do smartphone e executar as medidas cinemáticas. Além da validação do uso de smartphones para a medição conjunta cinemática, este estudo tentou simplificar e padronizar o uso de smartphonesA tecnologia para a análise da marcha do plano sagital na clínica. Os investigadores desenvolveram um protocolo para uma reprodução realista deste estudo clínico dentro de um espaço, utilizando-se o mínimo de equipamento e prontamente disponíveis. O protocolo inclui parâmetros para o espaço necessário, equipamentos necessários, e as fórmulas necessárias para calcular a configuração específica do paciente para a captação adequada dos segmentos de extremidades inferiores desejados. Seguindo a configuração descritas abaixo, os investigadores são relativamente confiante que os médicos vão obter medidas cinemáticas válidos com ± 5 graus de erro.

Avaliação da marcha humana é um componente chave da avaliação fisioterapia e clínica processo de tomada de decisão. 1 avaliação da marcha é uma ferramenta clínica usado com freqüência para avaliar os déficits da marcha em pacientes com déficits neurológicos e músculo-esqueléticas. Reavaliação da marcha pode, então, fornecer o médico com informações sobre a eficácia de uma intervenção na realização dos objectivos que tinham fixado em sua avaliação inicial. Há uma necessidade reconhecida nacionalmente nos Estados Unidos para fisioterapeutas para utilizar medidas de resultados padronizadas ao avaliar pacientes. 2 Esta necessidade decorre da paisagem em rápida mudança das políticas de reembolso de seguros, bem como uma mudança enfatizada por fisioterapeutas para confiar mais pesadamente em práticas baseadas em evidências. 3 Existem numerosas medidas de resultados para avaliar diferentes aspectos da marcha, os quais podem ser observados num número de maneiras, incluindo: visobservação ual por um clínico, avaliação funcional, vídeo gravado medidas, passarelas electrónicas, tridimensional software de análise de movimento, etc. Em contextos clínicos, observacional análise da marcha (visual) é comumente realizada, uma vez que requer equipamentos e tempo mínimo. Embora a análise observacional da marcha é comumente usado dentro da clínica, ele ainda continua a ser uma avaliação subjetiva. 4 Portanto, fatores como a experiência do terapeuta, a acuidade visual, distância do objeto (a distância da câmera), ferramentas de medição e quaisquer outros fatores podem introduzir variabilidade e erro na apreciação. O potencial de tais variabilidade apresenta uma necessidade crítica de um meio mais confiável de medição, o que pode em última análise ser superados pelo uso de instrumentação válido. 5 Desde a sua criação, videografia e tecnologia relacionada foi usado para examinar vários res limitações funcionaisulting da capacidade de movimento deficiente, bem como uma forma de feedback visual. Este é agudamente verdadeiro no que diz respeito à marcha avaliação. Stuberg et ai. descobriu que &quot;equipamentos videografia é comumente disponível na clínica ... e fornece o clínico com informações objetivas adicionais sobre postura e posição da articulação durante o ciclo da marcha.&quot; 4 Como a tecnologia tem continuado a melhorar, por isso, têm a capacidade de análise de vídeo. Estas capacidades fornecer o fisioterapeuta com maior capacidade de avaliar clinicamente os vários parâmetros da marcha. Os dois parâmetros principais que fisioterapeutas se concentram em incluir parâmetros cinemáticos e espaço-temporais. Como o nome indica, as medidas de espaço-temporais envolvem elementos de distância e tempo. Específico para um ciclo de marcha, as medidas de espaço-temporais que incluem, mas não se limitando a, o comprimento da passada, comprimento do passo, a cadência e velocidade. 6 medidas cinemáticas no ofoco mão ther na articulação movimentos / rotações das extremidades inferiores observadas durante cada ciclo da marcha. Uma série de artigos peer-reviewed foram publicados que citaram o uso de análise de movimento de vídeo como medida de resultado, sistemas de câmera especificamente 2D, para avaliar a cinemática, espaço-temporal, ou uma combinação de ambos os tipos de parâmetros. Estes artigos foram avaliadas várias populações clínicas, incluindo indivíduos com história de um acidente vascular cerebral (AVC), lesões cerebrais traumáticas (TCE), lesões da medula espinhal (LME), doença de Parkinson (DP), paralisia cerebral (PC), e indivíduos saudáveis. O esquema apresentado a seguir (Figura 1) fornece a estrutura que foi adotado para identificar a literatura peer-reviewed relevante que foi publicado sobre este tema. <img alt="figura 1" src="/files/ftp_upload/54659/54659fig1.jpg" /> Figura 1. Esquema de Critérios de Seleção artigo. ºe esquemática descreve os passos usados ​​na escolha de artigos revisados ​​por especialistas para determinar o tipo de variáveis ​​que foram relatadas em análise de marcha. <a href="http://ecsource.jove.com/files/ftp_upload/54659/54659fig1large.jpg" target="_blank">Por favor clique aqui para ver uma versão maior desta figura.</a> A maioria dos estudos de investigação que têm utilizado a análise de movimento de vídeo para gravar parâmetros da marcha foram estudos de validação. Estudos de validação cinemáticas podem ser subdivididas em três categorias: avaliar o movimento anormal resultante de um diagnóstico específico / patologia, 7 examinar ângulos articulares durante movimentos funcionais específicas, 8, 9 e avaliar a eficácia do tratamento através de comparação do movimento pré-intervenção e movimento pós-intervenção. 10, 11 Da mesma forma, estudos avaliando Pará espaço-temporalmetros também pode ser dividida em três categorias: avaliação de movimento anormal resultante de uma patologia específica, 12, 13, 14, o exame de uma plataforma durante uma actividade funcional específica, 15, 16 e determinação do efeito de uma intervenção específica. 17 Os estudos que avaliaram ambos os parâmetros cinemáticos e espaço-temporais foram destinado principalmente a determinar a eficácia de intervenções terapêuticas específicas, como órteses 17 ou de peso corporal / peso corporal esteira apoiou a formação parcial. 18, 19 A análise descritiva preliminar destes artigos determinou que 52,1% dos estudos (a soma de quem procura exclusivamente a cinemática (30,4%) e os que examinou uma combinação de parâmetros (21,7%)) researched parâmetros cinemáticos com um sistema de câmera 2D. Isto é, em comparação com a de 69,5% dos artigos (soma de artigos que pesquisado parâmetros espaço-temporais (47,8%) e uma combinação de parâmetros (21,7%)) que avaliou os parâmetros espaço-temporais. As diferenças metodológicas em registar e avaliar parâmetros da marcha cinemáticos e espaço-temporais também são vistos na prática clínica em termos do tipo de análise observacional da marcha a ser utilizados. parâmetros espaço-temporais são avaliados com maior frequência tal como indicado pela pesquisa. Há três consenso geral sobre razões para esta tendência: baixo custo, facilidade de uso, e da existência de um protocolo padrão para medir esses parâmetros. medições cinemáticas observacionais têm sido demonstrado que têm muito baixa intra-avaliador (60%) e confiabilidade entre avaliadores (40% - 94%) em ambientes clínicos. 4 Esta vasta gama entende-se, devido à variação na colocação de marcadores nopontos ósseos e as ferramentas específicas utilizadas para avaliar ângulos articulares. diferenças mínimas na colocação localização dos marcadores pode alterar significativamente os ângulos resultantes. medições espaço-temporais têm muito maior confiabilidade (variando de 69% - 97%), especialmente quando se utiliza o papel, lápis e parar método relógio para avaliar a marcha. 20 Os avanços tecnológicos nas últimas décadas se tenham alterado significativamente a maneira de saúde é praticada. Com o recente surgimento de smartphones, o acesso à Internet, artigos de pesquisa on-line e outros recursos eletrônicos são agora mais prontamente disponíveis para os médicos a qualquer momento. Martin et al. informou que &quot;o uso geral de smartphones está aumentando na prática clínica, o ensino médico e pesquisa.&quot; 21 Neste estudo, mais de 50% dos médicos com idade inferior a 35 responderam que têm implementado utilizando um aparelho, na prática clínica. Esta tendência incraliviou em 2009, quando 64% dos médicos nos Estados Unidos foram encontrados para estar usando smartphones em sua prática clínica. O estudo Manhattan revisão previu ainda que esse crescimento vai continuar a subir até 81% dos médicos e clínicos de saúde execução uso de smartphones na prática clínica em 2012. 22 Embora mais pesquisa não foi conduzida para determinar se esta tendência ascendente tem, efectivamente, continuou a subir, é razoável supor, com a implementação conhecida da tecnologia na área da saúde, que o uso de plataformas de smartphones na prática clínica vai se tornar mais comum. O uso atual de aplicativos de smartphones na prática da fisioterapia não foi estabelecida. Até agora não há estudos avaliando o uso de aplicações de análise de vídeo do smartphone por um fisioterapeuta até à data. No entanto, vários aplicativos de smartphones têm sido utilizados por fisioterapeutas individuais como uma ferramenta de apoio avanço em oconfigurações ortopédicos utpatient para uso em reabilitação e formação de atletas de várias disciplinas. aplicativos de smartphones também estão disponíveis, que podem medir ângulos articulares, alguns dos quais foram validados. 23, 24 terapeutas individuais começaram a usar vários aplicativos de análise em smartphones para feedback visual para o paciente e para facilitar a quebra de vários componentes que podem estar faltando no ciclo da marcha de um paciente, com base em evidências anedóticas. No entanto, a eficácia destas medidas permanece desconhecida. A pesquisa limitada que existe sobre essas aplicações de análise de vídeo de smartphones tem incidido sobre a validação dos parâmetros da marcha cinemáticas, especificamente no tornozelo, ângulos do joelho e quadril, no plano frontal, 25 e confiabilidade entre avaliadores do dispositivo. 26 Não existem estudos até à data que validaram o uso de aplicações de análise de vídeo smartphone para gravar kinematics da marcha no plano sagital, que é mais comumente realizada na análise clínica da marcha. O objetivo deste estudo foi testar a validade concorrente de medidas cinemáticas gravados pelo aplicativo do smartphone e compará-los com medidas gravadas por um sistema de captura de movimento 3D no plano sagital. Prevemos que não haverá diferenças significativas entre as medidas registadas pela aplicação aparelho quando em comparação com as medidas registadas pelo sistema de captura de movimento 3D. O objetivo secundário é testar se dois estágios distintos da câmera do smartphone a partir do sujeito (perto distância de 2 m; longa distância de 4 de diferença nt em medidas entre os dois posicionamentos distintos da câmera do smartphone O objetivo final do estudo. é a elaboração de um protocolo para análise de vídeo clínica da marcha usando um aplicativo de smartphone.

<table><tbody><tr><td>Hudl Technique App</td><td>Hudl&amp;nbsp;</td><td>Online app</td><td>Freely downladable app from adroid /apple store</td></tr><tr><td>Optotrak Certus 3D motion capture system</td><td>Northern Digital inc</td><td>Optotrak certus System</td><td>http://www.ndigital.com/msci/products/optotrak-certus/</td></tr><tr><td>Smartphone</td><td>Apple</td><td>Iphone 5</td><td>www.apple.com</td></tr></tbody></table>

video movement analysis using smartphones (vimas): a pilot study

O uso de smartphones na prática clínica é cada vez maior com a disponibilidade de custo / &quot;apps&quot; disponíveis gratuitamente baixos que poderiam ser usados ​​para avaliar a marcha humana. O objetivo principal deste artigo é o de testar a validade concorrente de medidas cinemáticas gravados por um aplicativo de smartphone em comparação com um sistema de captura de movimento 3D no plano sagital. O objetivo secundário foi desenvolver um protocolo para os médicos no set up da câmera do smartphone para análise de movimento vídeo. O ângulo do plano do joelho sagital foi medido durante a greve calcanhar e toe off eventos usando o aplicativo de telefone inteligente e um sistema de captura de movimento 3D em 32 indivíduos saudáveis. Três ensaios foram realizados no próximo (2 m) e distante (4-m) distâncias câmera smartphone. A ordem das distâncias foi aleatória. A análise de regressão foi realizada para estimar a altura da câmara com base na altura ou comprimento da perna quer do sujeito. absoluerros de medição te eram menos durante toe off (3,12 ± 5,44 graus) em relação ao impacto do calcanhar (5,81 ± 5,26 graus). Houve significativa (p &lt;0,05), mas acordos moderadas entre a aplicação eo movimento 3D medidas de captura de ângulo dos joelhos. Também não houve (P&gt; 0,05) diferenças significativas entre os erros de medição absolutos entre as duas posições de câmera. Os erros de medição em média entre 3 - 5 graus durante toe off e calcanhar eventos do ciclo da marcha. O uso de aplicativos de smartphones pode ser uma ferramenta útil na clínica para a realização de marcha ou de análise do movimento humano. Mais estudos são necessários para estabelecer a precisão na medição movimentos do membro superior e do tronco.

Todos os 32 pacientes completaram os 6 ensaios de passeio; No entanto, os dados de seis dos participantes não foram incluídos na análise de dados devido a problemas técnicos, resultando em pobre visibilidade marcador. Os erros de medição absolutos dos ângulos do joelho eram menos durante toe off eventos (3,12 ± 5,44 graus) em relação ao impacto do calcanhar (5,81 ± 5,26 graus) (Tabela 1b). Não houve acordos estatisticamente significativas (P&gt; 0,05) entre o aplicativo do smartphone e 3D medidas de captura de movimento de ângulo dos joelhos. Também não houve diferenças significativas (P&gt; 0,05) entre os erros de medição absolutos entre as duas posições de câmera (2,0 m e 4,0 m). comprimento da perna dos participantes foram responsáveis ​​por 40,4% da variância da altura a que a câmara aparelho foi colocado ao longe (4,0 M, P &lt;0,0001), e 50% da variância na distância próxima (2,0 M, P &lt;0,0001). <p class="jove_content" fo:keep-together.within-page = &quot;1&quot;&gt; A correlação (ICC) (2, k) A análise mostrou que as medidas de aplicação de smartphones mostrou baixa concordância para moderar especialmente durante o Toe Off fase, quando comparadas com as do sistema de captura 3D (Tabela 1a). Em eventos Toe Off 1, Heel Greve 1 e Toe Off 2, para ambas as distâncias próximas e distantes, a aplicação do smartphone mostrou concordância moderada. Melhorou acordo foi observado em Toe Off 2, tanto nas distâncias próximas e distantes, com valores melhorada ICC observados (Toe Off 2 Perto do ICC = 0,447, P &lt;0,05; Off Toe 2 Far ICC = 0,454, P &lt;0,05). <table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td> Posição câmara </td><td> Fase de marcha </td><td> Erros médios </td><td> Std. Desvio </td></tr><tr><td rowspan="4"> Perto </td><td> Calcanhar greve 1 </td><td> 5,74 </td><td> 8,49 </td></tr><tr><td> Heel Strike 2 </td><td> 6,36 </td><td> 4.14 </td></tr> &lt;tr&gt; <td> Toe Off 1 </td><td> 3,93 </td><td> 5 </td></tr><tr><td> Toe Off 2 </td><td> 2,49 * </td><td> 4.99 </td></tr><tr><td rowspan="4"> Longe </td><td> Calcanhar greve 1 </td><td> 4,97 </td><td> 5,58 </td></tr><tr><td> Heel Strike 2 </td><td> 5,47 </td><td> 3.6 </td></tr><tr><td> Toe Off 1 </td><td> 2,71 </td><td> 5,64 </td></tr><tr><td> Toe Off 2 </td><td> 2,54 * </td><td> 4,69 </td></tr></tbody></table> Tabela 1: Análise de Correlação Intraclasse com valores de significância (p-valor). * Indica p &lt;0,05. <table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td> Posição câmara </td><td> Fase de marcha </td><td> Correlação intraclasse </td><td> Significado </td></tr><tr><td rowspan="4"> Perto </td><td> Calcanhar greve 1 </td><td> 0,168 </td><td> 0,368 </td></tr><tr> &lt;td&gt; Toe Off 1 </td><td> 0,324 </td><td> 0,126 </td></tr><tr><td> Heel Strike 2 </td><td> 0,335 </td><td> 0,07 </td></tr><tr><td> Toe Off 2 </td><td> 0,447 </td><td> 0,018 * </td></tr><tr><td rowspan="4"> Longe </td><td> Calcanhar greve 1 </td><td> 0,157 </td><td> 0,327 </td></tr><tr><td> Toe Off 1 </td><td> 0,284 </td><td> 0,084 </td></tr><tr><td> Heel Strike 2 </td><td> 0,248 </td><td> 0,119 </td></tr><tr><td> Toe Off 2 </td><td> 0,454 </td><td> 0,046 * </td></tr></tbody></table> Tabela 2: erros de medição do joelho ângulo. Gráficos de Bland-Altman gerados a partir da diferença de medidas entre os sistemas de captura de aplicação e de movimento ofereçam evidência visual que sugere que as diferenças são de natureza aleatória, sem erros proporcionais sendo observados (Figuras 2a e 2b). As parcelas for 2,0 m e 4,0 m distâncias exibir dados que estão mais espalhados ao redor da linha de diferença média no centro. Isto indica que a posição da câmera não contribuiu para os erros nas medições. <img alt="Figura 2" src="/files/ftp_upload/54659/54659fig2.jpg" /> Figura 2. Bland e Altman mostrando a diferença entre as medidas gravados pela App e 3D Movimento Captura do Sistema Durante Toe fora em Far e Near Câmera Posições. a) Camera posição muito Toe Off 2. b) Camera Posição Perto Toe Off 2.

Watch this Scientific Journal Video about Video Movement Analysis Using Smartphones ViMAS: A Pilot Study at JoVE.com

Video Movement Analysis Using Smartphones ViMAS: A Pilot Study

This manuscript describes the method to test the concurrent validity of kinematic measures recorded by the smartphone application in comparison to a 3D motion capture system in the sagittal plane. This protocol will enable clinicians to set up smartphones for video capture of human movement.

Vídeo Análise do Movimento Usando Smartphones (VIMAS): Um estudo piloto

The use of smartphones in clinical practice is steadily increasing with the availability of low cost/freely available &#34;apps&#34; that could be used to ...

video-movement-analysis-using-smartphones-vimas-a-pilot-study

Nanyang Technological University

Research

JoVE Journal

Medicine

Video Movement Analysis Using Smartphones (ViMAS): A Pilot Study

16.8K visualizações.  Wayne State University. This manuscript describes the method to test the concurrent validity of kinematic measures recorded by the smartphone application in comparison to a 3D motion capture system in the sagittal plane. This protocol will enable clinicians to set up smartphones for video capture of human movement.

Vídeo: Video Movement Analysis Using Smartphones ViMAS: A Pilot Study

Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment

An evaluation method that includes continuous activities in a daily-living environment was developed for Wearable Mobility Monitoring Systems (WMMS) that attempt to recognize user activities. Participants performed a pre-determined set of daily living actions within a continuous test circuit that included mobility activities (walking, standing, sitting, lying, ascending/descending stairs), daily living tasks (combing hair, brushing teeth, preparing food, eating, washing dishes), and subtle environment changes (opening doors, using an elevator, walking on inclines, traversing staircase landings, walking outdoors). 
To evaluate WMMS performance on this circuit, fifteen able-bodied participants completed the tasks while wearing a smartphone at their right front pelvis. The WMMS application used smartphone accelerometer and gyroscope signals to classify activity states. A gold standard comparison data set was created by video-recording each trial and manually logging activity onset times. Gold standard and WMMS data were analyzed offline. Three classification sets were calculated for each circuit: (i) mobility or immobility, ii) sit, stand, lie, or walking, and (iii) sit, stand, lie, walking, climbing stairs, or small standing movement. Sensitivities, specificities, and F-Scores for activity categorization and changes-of-state were calculated.
The mobile versus immobile classification set had a sensitivity of 86.30% &#177; 7.2% and specificity of 98.96% &#177; 0.6%, while the second prediction set had a sensitivity of 88.35% &#177; 7.80% and specificity of 98.51% &#177; 0.62%. For the third classification set, sensitivity was 84.92% &#177; 6.38% and specificity was 98.17 &#177; 0.62. F1 scores for the first, second and third classification sets were 86.17 &#177; 6.3, 80.19 &#177; 6.36, and 78.42 &#177; 5.96, respectively. This demonstrates that WMMS performance depends on the evaluation protocol in addition to the algorithms. The demonstrated protocol can be used and tailored for evaluating human activity recognition systems in rehabilitation medicine where mobility monitoring may be beneficial in clinical decision-making.

A standardized evaluation method was developed for Wearable Mobility Monitoring Systems (WMMS) that includes continuous activities in a realistic daily living environment. Testing with a series of daily living activities can decrease activity recognition sensitivity; therefore, realistic testing circuits are encouraged for valid evaluation of WMMS performance.

Avaliação de um Sistema de Reconhecimento de Atividade Humana baseado em Smartphone em uma Vida Diária Ambiente

An evaluation method that includes continuous activities in a daily-living environment was developed for Wearable Mobility Monitoring Systems (WMMS) that ...

Comportamento

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

As individuals increasingly live in cities, methods to study their everyday movements and the data that can be collected becomes important and valuable. Eye-tracking informatics are known to connect to a range of feelings, health conditions, mental states and actions. But because vision is the result of constant eye-movements, teasing out what is important from what is noise is complex and data intensive. Furthermore, a significant challenge is controlling for what people look at compared to what is presented to them.
The following presents a methodology for combining and analyzing eye-tracking on a video of a natural and complex scene with a machine learning technique for analyzing the content of the video. In the protocol we focus on analyzing data from filmed videos, how a video can be best used to record participants&#39; eye-tracking data, and importantly how the content of the video can be analyzed and combined with the eye-tracking data. We present a brief summary of the results and a discussion of the potential of the method for further studies in complex environments.

The objective of the protocol is to detail how to collect video data for use in the laboratory; how to record eye-tracking data of participants looking at the data and how to efficiently analyze the content of the videos that they were looking at using a machine learning technique.

Combinando dados de rastreamento de olhos com uma análise de conteúdo de vídeo de livre-visualizando um vídeo de uma caminhada em um ambiente de parque urbano

As individuals increasingly live in cities, methods to study their everyday movements and the data that can be collected becomes important and valuable. ...

Ambiente

Frame-by-Frame Video Analysis of Idiosyncratic Reach-to-Grasp Movements in Humans

Prehension, the act of reaching to grasp an object, is central to the human experience. We use it to feed ourselves, groom ourselves, and manipulate objects and tools in our environment. Such behaviors are impaired by many sensorimotor disorders, yet our current understanding of their neural control is far from complete. Current technologies for investigating human reach-to-grasp movements often utilize motion tracking systems that can be expensive, require the attachment of markers or sensors to the hands, impede natural movement and sensory feedback, and provide kinematic output that can be difficult to interpret. While generally effective for studying the stereotypical reach-to-grasp movements of healthy sighted adults, many of these technologies face additional limitations when attempting to study the unpredictable and idiosyncratic reach-to-grasp movements of young infants, unsighted adults, and patients with neurological disorders. Thus, we present a novel, inexpensive, and highly reliable yet flexible protocol for quantifying the temporal and kinematic structure of idiosyncratic reach-to-grasp movements in humans. High speed video cameras capture multiple views of the reach-to-grasp movement. Frame-by-frame video analysis is then used to document the timing and magnitude of pre-defined behavioral events such as movement start, collection, maximum height, peak aperture, first contact, and final grasp. The temporal structure of the movement is reconstructed by documenting the relative frame number of each event while the kinematic structure of the hand is quantified using the ruler or measure function in photo editing software to calibrate 2 dimensional linear distances between two body parts or between a body part and the target. Frame-by-frame video analysis can provide a quantitative and comprehensive description of idiosyncratic reach-to-grasp movements and will enable researchers to expand their area of investigation to include a greater range of naturalistic prehensile behaviors, guided by a wider variety of sensory modalities, in both healthy and clinical populations.

This protocol describes how to use frame-by-frame video analysis to quantify idiosyncratic reach-to-grasp movements in humans. A comparative analysis of reaching in sighted versus unsighted healthy adults is used to demonstrate the technique, but the method can also be applied to the study of developmental and clinical populations.

Análise de vídeo quadro-a-quadro de movimentos de alcance de compreender idiossincráticos em seres humanos

Prehension, the act of reaching to grasp an object, is central to the human experience. We use it to feed ourselves, groom ourselves, and manipulate ...

Measuring the Kinematics of Daily Living Movements with Motion Capture Systems in Virtual Reality

The inability to complete instrumental activities of daily living (IADL) is a precursor to various neuropsychological diseases. Questionnaire-based assessments of IADL are easy to use but prone to subjective bias. Here, we describe a novel virtual reality (VR) test to assess two complex IADL tasks: handling financial transactions and using public transportation. While a participant performs the tasks in a VR setting, a motion capture system traces the position and orientation of the dominant hand and head in a three-dimensional Cartesian coordinate system. Kinematic raw data are collected and converted into &#39;kinematic performance measures,&#39; i.e., motion trajectory, moving distance, and time to completion. Motion trajectory is the path of a particular body part (e.g., dominant hand or head) in space. Moving distance refers to the total distance of the trajectory, and time to completion is how long it took to complete an IADL task. These kinematic measures could discriminate patients with cognitive impairment from healthy controls. The development of this kinematic measuring protocol allows detection of early IADL-related cognitive impairments.

We designed a virtual reality test to assess instrumental activities of daily living (IADL) with a motion capture system. We propose a detailed kinematic analysis to interpret the participant&#39;s various movements, including trajectory, moving distance, and time to completion to evaluate IADL capabilities.

Medir a cinemática dos movimentos de vida diária com sistemas de captura de movimento em realidade Virtual

The inability to complete instrumental activities of daily living (IADL) is a precursor to various neuropsychological diseases. Questionnaire-based ...

Virtual Hand with Ambiguous Movement between the Self and Other Origin: Sense of Ownership and 'Other-Produced' Agency

The feeling that a body part is one&#8217;s own body (sense of ownership; SoO) and the feeling based on the causal relationship between one&#8217;s will and action (sense of agency; SoA) have been recognized as the basis of our bodily self-consciousness. Previously, the illusory SoO over a fake body part (e.g., rubber hand) was introduced as the rubber hand illusion (RHI). Furthermore, it was determined that one could also evoke a SoA over an object with movements linked to the one&#8217;s prior intention. On the other hand, the postdictivity of our spontaneity implies that it is essentially inseparable whether actions originate from self or others. In other words, our SoA or daily experiences are obtained in such as inseparable scenario. Previous research, however, has maintained the premise that self- and other-origin movements are perceptually distinguishable. Here, we implement a protocol to make these aspects ambiguous for the participants and to estimate whether they can feel SoO and/or SoA and how. To this end, we employ an experiment using virtual reality, under which participants observe virtual fingers moving very slowly (or quickly or not moving) while their own fingers do not move. For evaluation of the illusory SoO, measurements of skin conductance responses against a knife threat are adopted. Additionally, we introduce face-to-face interviews to determine whether the feelings regarding the slow movement match the conventional SoA definition. Our representative results suggest that the SoO is evoked over the hand, and various attitudes to accept its movement as the participant&#8217;s own with awareness that they did not originate it are reported by the majority. As the results show, the novelty of this protocol is discovering that in such a situation, the SoO cooperates with an externally produced SoA to establish one&#8217;s own bodily experience rather than the independence of the SoO and SoA.

While previous research on bodily self-consciousness assumed that self- and other-origin movements were perceptually distinguishable, this protocol allows them to be ambiguous on a virtual hand with unintentional slight movements. This enables us to observe one&#8217;s experience formed by SoO and other-produced SoA, rather than the absence of SoA.

Mão Virtual com Movimento Ambíguo entre o Eu e a Outra Origem: Senso de Propriedade e Agência 'Outra-Produção'

The feeling that a body part is one&#8217;s own body (sense of ownership; SoO) and the feeling based on the causal relationship between one&#8217;s will ...

Imagem baseada em smartphone para ensaio de prevenção de gramado de C. elegans

A Smartphone-Based Imaging Method for C. elegans Lawn Avoidance Assay

When exposed to toxic or pathogenic bacteria, the nematode Caenorhabditis elegans displays a learned lawn avoidance behavior, in which the worms gradually leave their food source and prefer to remain outside the bacterial lawn. The assay is an easy way to test the worms' ability to sense external or internal cues to properly respond to harmful conditions. Though a simple assay, counting is time consuming, particularly with multiple samples, and assay durations that span overnight are inconvenient for researchers. An imaging system that can image many plates over a long period is useful but costly. Here, we describe a smartphone-based imaging method to record lawn avoidance in C. elegans. The method requires only a smartphone and a light emitting diode (LED) light box, to serve as a transmitted light source. Using free time-lapse camera applications, each phone can image up to six plates, with sufficient sharpness and contrast to manually count worms outside the lawn. The resulting movies are processed into 10 s audio video interleave (AVI) files for every hourly time point, then cropped to show each single plate to make them more amenable for counting. This method is a cost-effective way for those looking to examine avoidance defects and can potentially be extended to other C. elegans assays.

Autor em destaque: um método de imagem baseado em smartphone para ensaio de prevenção de gramado de C. elegans  

This article describes a simple, low-cost method of recording the lawn avoidance behavior of Caenorhabditis elegans, using readily available items such as a smartphone and a light emitting diode (LED) light box. We also provide a Python script to process the video file into a format more amenable for counting.

Um método de imagem baseado em smartphone para C. elegans Lawn Avoidance Assay

When exposed to toxic or pathogenic bacteria, the nematode Caenorhabditis elegans displays a learned lawn avoidance behavior, in which the worms gradually ...

Smartphone como um dispositivo analítico para quantificar proteínas usando o ensaio de Bradford

RGBradford: Protein Quantitation with a Smartphone Camera

Protein quantitation is an essential procedure in life sciences research. Amongst several other methods, the Bradford assay is one of the most used. Because of its widespread, the limitations and advantages of the Bradford assay have been exhaustively reported, including several modifications of the original method to improve its performance. One of the alterations of the original method is the use of a smartphone camera as an analytical instrument. Taking advantage of the three forms of the Coomassie Brilliant Blue dye that exist in the conditions of the Bradford assay, this paper describes how to accurately quantify protein in samples using color data extracted from a single picture of a microplate. After performing the assay in a microplate, a picture is taken using a smartphone camera, and RGB color data is extracted from the picture using a free and open-source image analysis software application. Then, the ratio of blue to green intensity (in the RGB scale) of samples with unknown concentrations of protein is used to calculate the protein content based on a standard curve. No significant difference is observed between values calculated using RGB color data and those calculated using conventional absorbance data.

Autor em destaque: uma abordagem alternativa para a quantificação de proteínas pelo ensaio de Bradford usando um smartphone 

This paper provides a protocol for protein quantification using the Bradford assay and a smartphone as an analytical device. Protein levels in samples can be quantified using color data extracted from a picture of a microplate taken with a smartphone.

RGBradford: Quantificação de proteínas com uma câmera de smartphone

Protein quantitation is an essential procedure in life sciences research. Amongst several other methods, the Bradford assay is one of the most used. ...

Vídeo Análise do Movimento Usando Smartphones (VIMAS): Um estudo piloto

Resumo

Explore mais vídeos

Avaliação de um Sistema de Reconhecimento de Atividade Humana baseado em Smartphone em uma Vida Diária Ambiente

Combinando dados de rastreamento de olhos com uma análise de conteúdo de vídeo de livre-visualizando um vídeo de uma caminhada em um ambiente de parque urbano

Análise de vídeo quadro-a-quadro de movimentos de alcance de compreender idiossincráticos em seres humanos

Medir a cinemática dos movimentos de vida diária com sistemas de captura de movimento em realidade Virtual

Mão Virtual com Movimento Ambíguo entre o Eu e a Outra Origem: Senso de Propriedade e Agência 'Outra-Produção'

Um método de imagem baseado em smartphone para C. elegans Lawn Avoidance Assay

Um método de imagem baseado em smartphone para C. elegans Lawn Avoidance Assay

Um método de imagem baseado em smartphone para C. elegans Lawn Avoidance Assay

RGBradford: Quantificação de proteínas com uma câmera de smartphone

RGBradford: Quantificação de proteínas com uma câmera de smartphone