Name: video movement analysis using smartphones (vimas): a pilot study
Uploaded: 2017-03-14T12:30:00.000+00:00
Duration: 7 min 51 s
Description: Watch this Scientific Journal Video about Video Movement Analysis Using Smartphones ViMAS: A Pilot Study at JoVE.com

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

이 프로토콜은 웨인 주립 대학의 임상 시험 심사위원회의 승인을했다. 1. 실험 준비 <ol><li> 위치 카메라는 전체 6-m의 산책로를 촬영합니다. 6 m의 산책로를 걷고을 캡처하는 카메라를 4 3D 모션의 총을 캡처합니다. <ol><li> 6 미터 산책로의 네 모서리에 각 카메라를 놓습니다. 서로 대향 보도의 대각선 양단에 각 카메라의 방향. </li></ol></li><li> 각 참가자의 신장, 체중 및 다리 길이 조치를 수집합니다. <ol><li> kg의 질량을 측정한다. </li><li> 측정 테이프 두 다리의 malleoli을 내측에 더 큰 대전 자부에서 (미터) 다리 길이를 측정한다. </li><li> 참가자가 벽에 부착 된 테이프를 측정 옆 맨발 대기함으로써, (m) 높이를 측정한다. 벽에 부착 된 테이프를 측정에서 측정을 읽을 수 있도록 참가자의 머리 위에 눈금자를 놓습니다. </li></ol></li><li&gt; 스마트 폰 홀더 클립 삼각대 어댑터를 삼각대에 스마트 폰을 장착합니다. 보도의 중심에 수직 2 m 또는 4 m의 삼각대를 놓습니다. 검증 연구를 수행하는 경우이 배치의 순서를 무작위로. </li><li> 양측 전방 우수한 장골 문장에 참가자 3 스마트 마커 (ASIS), 허벅지의 상부 1/3, 종아리와 발 배부의 1/3 상부의 장소 클러스터. 좌우 후방 우수 장골의 문장 사이의 중간 선에서 하나의 스마트 마커를 배치합니다. <ol><li> 벨크로 스트랩 / 양면 접착 테이프로 스마트 마커를 고정합니다. 정면 평면에서 안전 허벅지와 종아리 마커. </li></ol></li><li> 양측 내측 및 외측 대퇴골, 내측 및 외측 malleoli과 3D 모션 캡쳐 시스템의 교정을위한 제 1 및 제 2 발가락 사이의 웹 공간을 통해 뼈의 랜드 마크를 나타내는 장소 스티커입니다. 교정 절차는 각각의 실험에 고유 한 3 차원 모션 캡쳐 장비 및 소프트웨어 : 참고. </리&gt; <li> 교정 절차는 데이터를 분석하는 데 사용되는 3 차원 모션 캡처 장치 및 / 또는 소프트웨어 제조업체에 의해 제공되는 교육 매뉴얼을 참조. 여기서 사용 된 공정은 배치 된 스티커의 3 차원 위치를 등록하기 위해, 스마트 마커 계장 &quot;벽&quot;을 사용하는 것을 포함한다. </li></ol> 2. 실험 <ol><li> 참가자의 하체 만 (ASIS 등의 우수한 테두리) 또는 상부 및 하부 몸체 (견봉과 같은 우수한 경계)를 캡처하는 스마트 폰 카메라 렌즈의 높이를 조정합니다. m에서 카메라 렌즈의 바닥으로부터의 높이를 측정한다. </li><li> 참가자들에게 연습 시험을 제공합니다. 한 조사원은 스마트 폰 동작이 있고, 다른 하나는 3 차원 모션 캡쳐 시스템을 제어하는 ​​컴퓨터를 동작한다. 스마트 폰의 기록에 시험 번호를 표시하는 번호가 용지를 사용하십시오. </li><li> 스마트 폰 응용 프로그램을 엽니 다. 하단의 S 센터를 빨간색 &quot;레코드&quot;버튼을 누릅니다creen은 (때 수직 방향으로) 기록을 시작합니다. 참고 : 스마트 폰이 이미 삼각대에 배치 된 경우, 버튼은 스마트 폰의 홈 버튼 근처 가운데, 휴대 전화의 오른쪽에서 나타납니다. </li><li> 정상 속도로 걷는 참가자 지시, 직선을 걷는 그들을 돕기 위해 반대 벽에 배치 마커에 초점을 맞추었다. 참가자의 측면 프로필을 캡처 보도에 스마트 폰 평행하게 배치합니다. 참여자가 양쪽에 보도의 시작 부분에 배치 된 제 두 차원 모션 캡쳐 카메라를 교차하고, 어느 쪽의 통로의 타 단부에 배치 된 또 다른 2 차원의 모션 캡쳐 카메라를 향해 걸어 갖는다. <ol><li> 각 시험의 경우, 각 참가자에게 시작하는 카운트 다운을 제공 (3, 2, 1, GO) 및 시험 (3, 2, 1, STOP)을 종료. </li></ol></li><li> 피사체가 6 m 거리를 걷고 완료되면,이 도보 재판 기록을 완료 한 번 더 빨강 &quot;레코드&quot;버튼을 선택합니다. </li><li> 확인각 시험 후 위치에 대한 LL 마커. 마커 위치가 변경되었을 경우, 새로운 마커 게재 위치에 3D 모션 캡쳐 시스템을 재조정하기 위해 1.6 단계로 돌아갑니다. </li><li> 이 참가자는 단계 2.1에서 각 카메라의 거리에서 3 시험을 수행합니다. </li><li> 두 번째 거리에 스마트 폰과 삼각대를 이동합니다. 산책 길의 중간 지점에 서서 참가자를 돌려줍니다. 2.5 - 프로토콜 2.2 단계의 지침을 따르십시오. </li><li> 저장하고 스마트 마커를 제거하기 전에 3D 모션 캡쳐 녹화 및 스마트 폰의 기록을 확인합니다. </li></ol> 3. 데이터 분석 <ol><li> 무릎 각도를 계산하는 소프트웨어 / 제조업체의 지침을 따르십시오. 수동으로 보행주기의 발 뒤꿈치 파업과 발가락 오프 단계에서 화면에 표시되는 무릎 각도를 기록한다. </li><li> 발 뒤꿈치 파업의 발가락의 순간에 동의해야 두 연구자의 팀에 의해 캡처 된 이벤트 떨어져 발 뒤꿈치 파업과 발가락을위한 스마트 폰 레코딩의 분석을 완료F 이벤트 및 각도 측정 랜드 마크. 무릎 각도 측정을위한 랜드 마크 배치의 증가 정확성을 위해 스타일러스를 사용합니다. 다음 단계는 두 연구자가 공동으로 수행됩니다. </li><li> 단지 기록 된 시험을 보려면 (수직 방향) 화면의 왼쪽 하단 모서리에있는 비디오 광장을 선택합니다. </li><li> 화면의 바닥에있는 스크롤 바를 이용하여, 피사체가 화면 중앙에 (바람직한 변수 중) 힐 스트라이크 또는 발가락 오프에 가장 가까운되는 프레임을 선택한다. </li><li> 각도에 드롭 화면의 상단 오른쪽에있는 흰색, 설명 연필 아이콘을 누릅니다. </li><li> 각 옵션 드롭 다운 메뉴에서 두 번째 옵션을 선택합니다. </li><li> 선호하는 색상과 각 메이커를 선택합니다. 하나의 각도를 한 번에 측정 할 수 있습니다. 이 프로토콜에서 측정 된 각도는 순수 시상면에서 무릎 각도로 구성되었다. </li><li> 슬라이드 또는 드롭 할 수있는 화면의 아무 곳이나 스타일러스를 누릅니다각도. </li><li> 벡터 위쪽 대퇴골을 따라 아래쪽 측면 malleoli 향해 도달으로, 무릎 관절 (측면 외과)에 각도의 중심을 놓습니다. </li><li> 서로 간격을 드로잉 천천히 화면의 중심에 두 손가락을 가까이 배치에 의해, &quot;줌인&quot;을 필요로하는 경우. 주 : 각의 배치가 일단 만족 공구는 자동으로 주어진 프레임의 무릎 각도를 산출한다. </li><li> 3.10 - 발가락을 끄거나 발 뒤꿈치 파업의 다른 단계에서 무릎 각도를 확인하려면, 반복 3.4 단계를 반복합니다. </li></ol> 4. 임상 프로토콜 <ol><li> 측정하고 측정 테이프와 마커 / 접착 테이프를 사용하여 6 m의 산책로를 표시합니다. </li><li> 삼각대 평행에 스마트 폰을 놓고 6 미터의 산책로의 중심에 닫습니다. </li><li> 몸통과 하체를 캡처 4m 거리에 하체를 캡처 2m 거리에 산책로의 중심에서 삼각대를 놓고, 또는. 모든 카메라 위치에 허용시상 평면 운동의 LY 캡처. </li><li> 다음 식을 사용하여 바닥에서 스마트 폰 카메라 렌즈의 높이의 높이를 계산한다 : 만 하체 캡처 근처 카메라 구성 (2m) 카메라 렌즈 높이 = (미터 0.87xPatient의 기준 다리 길이) - 0.12 모두 하체와 트렁크 캡처까지 카메라를 구성 (4m) 미터에서 카메라 렌즈 높이 = 환자의 기준 다리 길이 - 0.23 </li><li> 반복 섹션 2-3 기록하고 스마트 폰 앱을 사용하여 데이터를 분석합니다. </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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliability+of+videotaped+observational+gait+analysis+in+patients+with+orthopedic+impairments.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Use+of+standardized+outcome+measures+in+physical+therapist+practice:+perceptions+and+applications.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evidence-based+practice:+beliefs,+attitudes,+knowledge,+and+behaviors+of+physical+therapists.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+a+Clinical+Gait+Analysis+Method+Using+Videography+and+Temporal-Distance+Measures+with+16-Mm+Cinematography.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Concurrent+validity+and+reliability+of+two-dimensional+video+analysis+of+hip+and+knee+joint+motion+during+mechanical+lifting.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+gait+evaluation+in+the+clinic.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gait+abnormalities+induced+by+acquired+bilateral+pallidal+lesions:+a+motion+analysis+study.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reproducibility+and+validity+of+video+screen+measurements+of+gait+in+children+with+spastic+cerebral+palsy.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sitting+posture+of+subjects+with+postural+backache.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effect+of+4-aminopyridine+on+gait+in+ambulatory+spinal+cord+injuries:+a+double-blind,+placebo-controlled,+crossover+trial.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gait+analysis+following+treadmill+training+with+body+weight+support+versus+conventional+physical+therapy:+a+prospective+randomized+controlled+single+blind+study.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=[Gait+analysis+and+quality+of+life+evaluation+after+gait+training+in+patients+with+spinal+cord+injury].">[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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Residual+effects+of+a+traumatic+brain+injury+on+locomotor+capacity:+a+first+study+of+spatiotemporal+patterns+during+unobstructed+and+obstructed+walking.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+lower+extremity+motor+score+parameters+for+patients+with+motor+incomplete+spinal+cord+injury+using+gait+parameters.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliability+and+Validity+of+the+Shaw+Gait+Assessment+Tool+for+Temporospatial+Gait+Assessment+in+People+With+Hemiparesis.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Agreement+Between+Temporospatial+Gait+Parameters+of+an+Electronic+Walkway+and+a+Motion+Capture+System+in+Healthy+and+Chronic+Stroke+Populations.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+a+novel+powered+hip+orthosis+for+walking+by+a+spinal+cord+injury+patient:+a+single+case+study.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effects+of+the+addition+of+functional+electrical+stimulation+to+ground+level+gait+training+with+body+weight+support+after+chronic+stroke.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gait+training+with+partial+body+weight+support+during+overground+walking+for+individuals+with+chronic+stroke:+a+pilot+study.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliability+of+observational+kinamatic+gait+analysis.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=More+than+half+of+MDs+under+age+35+now+using+PDAs.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Systematic+Review+of+Healthcare+Applications+for+Smartphones.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliability+of+a+smartphone-based+goniometer+for+knee+joint+goniometry.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliability+and+validity+of+a+smartphone+app+to+measure+joint+range.">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, <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ability+to+detect+change+in+single+leg+squat+movement+patterns+following+instruction+in+females+with+patellofemoral+pain+using+2D+motion+analysis+methods.">Ability to detect change in single leg squat movement patterns following instruction in females with patellofemoral pain using 2D motion analysis methods.</a> Combined Sections Meeting. , (2014).</li><li>Eltoukhy, M. A., Asfour, S., Thompson, C., Latta, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+the+performance+of+digital+video+analysis+of+human+motion:+dartfish+tracking+system.">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="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliability+of+goniometric+measurements.">Reliability of goniometric measurements.</a> Phys Ther. 58 (11), 1355-1360 (1978).</li><li>Bovens, A. M., van Baak, M. A., Vrencken, J. G., Wijnen, J. A., Verstappen, F. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Variability+and+reliability+of+joint+measurements.">Variability and reliability of joint measurements.</a> Am J Sports Med. 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.

이 유효성 연구는 임상에서 임상 학적 보행 분석 폰 기술을 사용하여 객관적이고 비용 효과적인 수단으로 이용 될 수 있도록 자유롭게 사용할 폰 애플리케이션의 유효성을 확인 하였다. 스마트 폰 응용 프로그램과 운동 학적 조치를 검토 기존의 검증 연구는 제한적이며 시상면에서의 보행 동안 기록 동적 운동 학적 조치를 평가하지 않았습니다. 이 검증 연구는 스마트 폰과 시상면에서 운동 무릎 조치를 검토 한 처음이다. 또한이 유효성 연구는 임상의 복제를위한 폰 애플리케이션을 사용 시상면에서 운동 보행 분석을위한 프로토콜을 개발하는 것으로 알려진 제이다. 결과에 따라, EXP 될 것이었다 차원 모션 캡쳐 시스템 및 스마트 폰 애플리케이션에 의해 무릎 각도 측정 사이에 상당한 차이가 있었다반사된다. 3 차원 모션 캡쳐 시스템의 용량에 비해 스마트 폰에 의해 얻어진 측정 정밀도의 제한이있다. 스마트 폰의 제한된 정밀도는 연구 수행시 특정 장치에 사용할 수 있었던 기술 매개 변수를 기반으로합니다. 기술이 발전을 계속, 스마트 폰 플랫폼은 향상된 캡처 속도로 제공 할 수있다. 이동 프레임 내에서 분석 여전히 캡처 이미지를위한 비디오를 느리게 할 수있는 기능도 제공 스마트 폰 플랫폼의 운동 학적 분석의 정밀도를 향상시킬 수 있습니다. 고선명 비디오 녹화, 슬로우 모션 캡처, 줌 및 포커스 용량의 질 등의 기능 혼입 크게 목표 보용 순간의 왜곡없이 말단의 분석을 향상시킬 수있다. 측정 정밀도가 얻어 무릎 측정 값에 영향을해도, 측정 오차의 유의 한 차이는 두 개의 카메라 사이의 거리가 검출되지 않았다. 의 중간 합의가 있었다발가락 오프 단계, 발 뒤꿈치 파업 동안 무릎 확장 또는 과신전 측정의 계약에 비해 무릎 굴곡 측정의 증가 된 계약을 나타내는 동안 무릎 각도 측정. 평균적으로 2 - 측정 오차의 6도 범위가 검출되었다. 이 연구에서 얻은 오차의 범위는 오류의 설립, 임상 적으로 허용되는 범위와 잘 대응한다. 예를 들어, 하나의 시험관에 의해 선단 찍은 복수 고니 오 미터 측정은 4 ~ 5 °의 범위를 갖는다. 27, 28는 상기 복수의 시험관 취한 조치 말단 고니 오 미터의 평균 표준 편차는 5~6도이다. 시상면에서 기계 리프팅의 캡처를 조사 연구와 비교했을 때, 측정 오류는 앞서 언급 한 임상 적으로 허용 측정의 반사이다. 노리스 등의 알에 의해 수행 된 연구에서. 도 5의 표준 오차기계 리프팅 동안 고관절, 무릎 및 발목의 측정 의미를 분석 하였다. 무릎 측정 오차의 6.1도 있었다. 그러나 노리스에 의해 얻어진 조치는 스마트 폰 호환 응용 프로그램과 함께 컴퓨터에서 분석과 조치를 기록하는 캠코더를 이용했다. 모든 치수는 모두 포착 스마트 폰에 분석 되었기 때문에 측정 오차를 직접 본 연구에서 얻어진 측정 값과 비교 될 수 없다. 설명한 바와 같이,이 논문에 제시된 결과를 복제하기 위해, 프로토콜의 모든 단계를 따라야한다. 특히 제 2이 검증 기법을 수행하고 또한 스마트 폰 앱을 사용하여 올바른 운동 측정을 얻기에 매우 중요합니다. 이 단계는 스마트 폰 카메라 배치 방법을 간략하게 설명하고, 운동 학적 조치를 수행. 운동 학적 조인트 측정 폰 사용의 유효성뿐만 아니라, 본 연구는 단순화 폰의 사용을 표준화하려고 한병원에서 시상면의 보행 분석을위한 기술. 연구자들은 최소 및 쉽게 사용할 장비를 사용하여, 임상 공간 내에서 본 연구의 사실적인 재현을위한 프로토콜을 개발했다. 이 프로토콜은 원하는 하체 세그먼트의 적절한 캡처 환자의 특정 설정을 계산하기 위해 필요한 공간, 필요 장비, 필요한 수식에 대한 매개 변수를 포함한다. 아래에 설명 된 설정에 따라, 연구자들은 임상의가 오류의 ± 5도에 유효한 운동 조치를 획득 할 것이 상대적으로 확신합니다.

인간의 걸음 걸이의 평가는 물리 치료 평가 및 임상 의사 결정 과정의 핵심 구성 요소입니다. 1 보행 평가는 신경 및 근골격계 결손 환자에서 보행 적자를 평가하기 위해 자주 사용되는 임상 도구입니다. 걸음 걸이의 재평가는 그들의 초기 평가에서 설정 한 목표를 달성 개입의 효과에 대한 정보와 임상의를 제공 할 수 있습니다. 환자를 평가할 때 표준화 결과 측정치를 이용하기위한 물리 치료사 미국 국가 인정 필요가있다. 2이 필요 보험 급여 정책의 빠르게 변화하는 풍경뿐만 아니라 물리 치료사 증거 기반 실천에 더 많이 의존 할 강조 변화에서 유래한다. 3 비롯한 다수의 방법으로 관찰 할 수 보용의 다양한 측면을 평가할 수 많은 결과 측정이있다 : 힘그것은 최소한의 장비 및 시간을 필요로 임상에 의한 연간 관찰, 관능 평가는, 비디오 임상 세팅 등 대책 전자 통로 입체 동작 분석 소프트웨어를 기록, 관찰 영상, 보행 분석은 일반적으로 수행된다. 관측 보행 분석 일반적으로 병원에서 사용되지만, 여전히 주관적 평가 남아있다. (4) 따라서, 치료 경험 시력 거리 피사체 (촬영 간격)에서, 계측 공구, 및 임의의 다른 요소와 같은 인자 평가에 변동 에러를 도입 할 수있다. 그러한 변화의 잠재적 궁극적 유효한 수단의 사용에 의해 극복 될 수있는 측정 수단보다 신뢰성을위한 중요한 필요성을 제시한다. (5) 그것의 처음, 비디오 그래피 및 관련 기술 때문에 다양한 기능을 제한 입술을 검사하는 데 사용되었습니다장애인 운동 능력뿐만 아니라 시각적 피드백의 형태에서 ulting. 안부 평가를 보행하기에 이것은 급성 사실이다. Stuberg 등은. &quot;비디오 그래피 장비가 병원에서 일반적으로 사용할 수 있습니다 ... 그리고 보행주기 동안 자세와 관절 위치에 대한 자세한 객관적인 정보와 임상을 제공합니다.&quot;발견 기술로 4 계속 개선하므로 비디오 분석 기능을 가지고있다. 이러한 기능은 임상 적으로 보행의 다양한 매개 변수를 평가하는 더 큰 능력을 가진 물리 치료사를 제공합니다. 물리 치료사에 초점 두 가지 주요 매개 변수는 운동과 시공간 매개 변수를 포함한다. 이름에서 알 수 있듯이, 시공간 조치는 거리와 시간의 요소를 포함한다. 보행주기에 특정 시공간 조치가 포함됩니다 만, 보폭, 단계 길이, 종지, 그리고 속도에 한정되는 것은 아니다. O를 6 운동 학적 조치각 보행주기 동안 관찰 낮은 사지의 관절 운동 / 회전에 THER 손 초점. 피어 리뷰 기사 번호 시공간 학적, 또는 파라미터들의 두 가지 유형의 조합을 평가하기 위해 측정 결과는 같은 비디오 모션 분석의 사용, 특히 2 차원 카메라 시스템을 인용했다고 발표되었다. 이 기사는 뇌졸중 (CVA)의 역사를 가진 개인을 포함한 다양한 임상 집단, 외상성 뇌 손상 (TBI), 척수 손상 (SCI), 파킨슨 병 (PD), 뇌성 마비 (CP), 건강한 개인을 평가했다. 회로도 아래에 제시 (그림 1)이 주제에 게시 된 관련 상호 검토 문학을 식별하기 위해 채택 된 프레임 워크를 제공합니다. <img alt="그림 1" src="/files/ftp_upload/54659/54659fig1.jpg" /> 그림 1. 제 선택 기준에 대한 도식. 일전자 회로도는 걸음 걸이 분석에보고되었다 변수의 유형을 확인하기 위해 피어 리뷰 기사를 선택하는 데 사용되는 단계를 설명합니다. <a href="https://ecsource-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/54659/54659fig1large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a> 보용 파라미터를 기록하기위한 비디오 모션 분석을 사용한 연구 연구의 대부분은 유효성 연구 하였다. 도 7은 특정 기능 동작시 관절 각도 (8, 9)를 검사하고 사전 개입 동작의 비교를 통해 치료 효과를 평가하는 특정 진단 / 병리 인한 비정상적인 움직임을 평가 : 학적 유효성 연구는 또한 세 개의 카테고리 중 하나로 분류 될 수있다 및 사후 개입 움직임. 10, 11은 마찬가지로, 조사 연구는 시공간 파라 평가m은 또한 세 가지 카테고리로 분류 될 수있다 : 특정 병리학 (12, 13)으로 인한 비정상적인 움직임 평가, 특정 기능적 활동 중에 플랫폼 (14) 검사, 15, 16 및 특정 간섭의 효과를 결정. 모두 학적 및 시공간 파라미터 주로 보조기 특정 치료 개입의 효과를 결정하는 대상으로 한 평가 17 조사 연구 17 체중 / 부분 체중지지 트레드밀 훈련. (18)는,이 기사의 19 예비 기술적 인 분석은 결정 연구의 52.1 % (매개 변수의 조합 (21.7 %)을 조사하는 운동 (30.4 % 전적으로 찾는 사람들)과 이들의 합) r에 그2 차원 카메라 시스템 esearched 학적 파라미터. 이 시공간 매개 변수를 평가 (시공간 매개 변수 (47.8 %) 및 매개 변수의 조합 (21.7 %)을 연구 기사의 합)이 69.5 기사 %에 비해입니다. 기록 학적 및 시공간 보용 파라미터를 평가하는 방법 론적 차이는 사용되는 관찰 보행 분석의 형태의 관점에서 임상 적으로 볼 수있다. 연구에 의해 지시 된 바와 같이 시공간 매개 변수는 훨씬 더 큰 주파수로 평가된다. 일반적 트렌드가 이유 합의 세 같습니다 저비용, 사용의 용이성, 및 표준 프로토콜의 존재는 이러한 매개 변수를 측정하기 위해. 임상 설정 - (94 % 40 %) 관찰 학적 측정은 매우 낮은 인트라 레이터 (60 %) 간 레이터 신뢰성있는 것으로 밝혀졌다. 4이 넓은 범위에서 마커의 위치의 변화에 의한 것으로 이해된다최적의 뼈 및 관절 각도를 평가하기 위해 사용 된 특정 툴. 마커의 위치에 배치의 분 차이가 크게 결과 각도를 변경할 수 있습니다. 보용을 평가 클럭 방법 용지, 연필을 사용 중지 특히 - 시공간 측정은 매우 신뢰성이 높은 (97 %까지 69 %)을 갖는다. (20) 지난 몇 년간의 기술적 진보는 상당히 건강이 실행되는 방식을 변경했습니다. 스마트 폰의 출현 최근 인터넷 온라인 연구 논문에 액세스하고, 다른 전자 자원 언제든지 더욱 쉽게 이용할 임상한다. 마틴 등. 보고 &quot;스마트 폰의 일반적인 사용은 임상, 의학 교육 및 연구에 증가하고있다.&quot; (21) 본 연구에서는 35 세 미만의 의료 의사의 50 %가 임상에서 스마트 폰을 사용하여 구현했다고 응답했습니다. 이러한 경향의 증분미국에서 의사의 64 %가 임상 연습에서 스마트 폰을 사용하고있는 것으로 볼 때 2009 년에 완화. 맨해튼 검토 연구는 더욱 더 연구가이 상승 추세가 참으로 상승을 계속하고 있는지 확인하기 위해 실시되지는 않았지만 이러한 성장은 2012 년 (22)에 의해 임상에서 스마트 폰 사용을 구현하는 의사와 의료 임상의 81 %까지 상승 계속 것이라고 예측 이 임상에서 스마트 폰 플랫폼의 사용이 더욱 일반화 될 것으로, 의료의 기술 알려진 구현, 가정하는 것이 합리적이다. 물리 치료 연습 스마트 폰 응용 프로그램의 현재 사용은 확립되어 있지 않다. 최신 물리 치료사 폰 영상 분석 애플리케이션의 사용을 평가하는 연구는 거의없는 실정이다. 그러나, 다양한 스마트 폰 응용 프로그램은 오에 돌파구 보조 도구로 개별 물리 치료사에 의해 사용되어왔다모두 재활의 사용과 다양한 분야의 교육 운동 선수에 대한 utpatient 정형 외과 설정. 스마트 폰 앱은 또한 검증 된 일부 관절 각도를 측정 할 수 있습니다. 23, 24 개별 치료는 일화 적 증거에 기초하여, 환자에 대한 시각적 피드백을위한 스마트 폰과 환자의 보행주기에 부족 될 수있는 다양한 구성 요소에 쉽게 고장에 대한 다양한 분석 애플리케이션을 사용하기 시작했다. 그러나 이러한 조치의 유효 기간은 알 수없는 남아 있습니다. 이러한 폰 영상 분석 애플리케이션에 대한 존재 한정된 연구는 특히 전방면 (25)과 상기 장치의 상호 레이터의 신뢰성, 슬관절 및 고관절 각도 발목 학적 보용 파라미터의 유효성에 집중하고있다. 26 kinem를 기록하는 스마트 비디오 분석 애플리케이션의 사용을 입증 한 날짜에 대한 연구는 없다가장 일반적으로 임상 보행 분석에서 수행되는 시상면, 보행의 atics. 이 연구의 목적은 스마트 폰 애플리케이션에 의해 기록 학적 조치의 동시 유효성을 테스트 및 시상면에 3 차원 모션 캡쳐 시스템에 의해 기록 방법으로 비교 하였다. 우리는 3 차원 모션 캡쳐 시스템에 의해 기록 된 방법에 비해 스마트 폰 애플리케이션에 의해 기록 수단 사이에는 큰 차이가 없을 것으로 예상한다. 이차 목적은 2 m의 거리에 가까운 피사체 (에서 스마트 폰 카메라의 두 경우 별개의 게재 위치를 테스트하는 것입니다, 스마트 폰 카메라의 두 가지 게재 위치 사이의 조치 4 -nt 차이의 먼 거리 연구의 최종 목적. 스마트 폰 애플리케이션을 사용하여 임상 비디오 보행 분석을위한 프로토콜 초안이다.

<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

임상에서 스마트 폰의 사용은 지속적으로 인간의 보행을 평가하기 위해 사용될 수있는 저비용 / 무료로 이용할 수 &quot;앱&quot;의 가용성으로 증가하고있다. 이 논문의 주된 목적은 시상면에 3 차원 모션 캡쳐 시스템에 비해 스마트 폰 애플리케이션에 의해 기록 학적 조치의 동시 유효성을 테스트하는 것이다. 보조의 목적은 영상의 움직임 분석을위한 스마트 폰 카메라의 셋업에 대한 임상 프로토콜을 개발하는 것이었다. 시상면 무릎 각도는 스마트 폰 앱 (32) 건강한 피험자에서 3D 모션 캡처 시스템을 사용하여 이벤트 떨어져 발 뒤꿈치 파업과 발가락 동안 측정 하였다. 세 가지 시험은 근처 (2-m) 멀리 (4-m) 스마트 폰 카메라의 거리에서 수행 하였다. 거리의 순서는 무작위로했다. 회귀 분석은 어느 피사체의 높이 또는 다리 길이에 기초하여 상기 카메라의 높이를 추정하기 위해 수행 하였다. 압솔뤼테 측정 오류가 발 뒤꿈치 파업 (5.81 ± 5.26도)에 비해 발가락 오프 (3.12 ± 5.44도) 중 적어도이었다. 유의 한 (p &lt;0.05)의 무릎 각도의인가 및 3D 모션 캡쳐 방법 간의 적절한 합의가 있었다. 두 개의 카메라 위치의 절대 측정 오차간에 유의 한 (p &lt;0.05) 차이는 없었다. 보행주기의 오프 발가락과 발 뒤꿈치 파업 이벤트 기간 동안 5도 - 측정 오류 (3) 사이에 평균. 스마트 폰 앱의 사용은 보행이나 인간의 움직임 분석을 수행하는 병원에서 유용한 도구가 될 수 있습니다. 추가 연구는 상지 및 몸통의 움직임을 측정 정밀도를 설정할 필요가있다.

모든 32 과목 6 도보 시험을 완료; 그러나, 참가자 (6)로부터 데이터가 열악한 마커 공개 결과 기술적 문제의 데이터 분석에 포함되지 않았다. 무릎 각도의 절대 측정 오류가 발 뒤꿈치 파업 (5.81 ± 5.26도) (표 1B)에 비해 발가락 오프 이벤트 (3.12 ± 5.44도) 중 적어도이었다. 스마트 폰 응용 프로그램과 무릎 각도의 3D 모션 캡쳐 조치 사이에 통계적으로 유의 한 계약 (P&gt; 0.05)가 없었다. 두 개의 카메라 위치 (2.0 m와 4.0 m) 사이의 절대 측정 오차 사이에 유의 한 차이 (&gt; 0.05 P)도 없었다. 참가자의 다리 길이는 가까운 거리에서 40.4 스마트 폰 카메라가 먼 거리에 배치되었을 때의 높이는 %의 분산 (4.0 m, P &lt;0.0001), 50 %의 분산 (2.0 m, P &lt;0.0001)를 차지했다. 표를 특히 발가락 오프 단계 동안 계약을 중간 정도의 낮은 보였다 것으로 나타났다 1A). 이벤트 발가락 오프 1, 모두 가까운 곳과 먼 거리에 대한 힐 스트라이크 1과 발가락 오프 2에서, 스마트 폰 응용 프로그램은 보통 계약을 보였다. 개선 된 계약은 관찰 개선 된 ICC 값으로, 가까운 먼 거리에서 모두 발가락 오프 2에서 관찰되었다 (토 오프 2 근처 ICC = 0.447, P &lt;0.05; 발가락 오프 2 파 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> 카메라 위치 </td><td> 보행 단계 </td><td> 평균 오류 </td><td> 표준. 일탈 </td></tr><tr><td rowspan="4"> 가까운 </td><td> 힐 스트라이크 (1) </td><td> 5.74 </td><td> 8.49 </td></tr><tr><td> 힐 스트라이크 2 </td><td> 6.36 </td><td> 4.14 </td></tr> &lt;TR&gt; <td> 오프 발가락 1 </td><td> 3.93 </td><td> (5) </td></tr><tr><td> 오프 발가락 2 </td><td> 2.49 * </td><td> 4.99 </td></tr><tr><td rowspan="4"> 멀리 </td><td> 힐 스트라이크 (1) </td><td> 4.97 </td><td> 5.58 </td></tr><tr><td> 힐 스트라이크 2 </td><td> 5.47 </td><td> 3.6 </td></tr><tr><td> 오프 발가락 1 </td><td> 2.71 </td><td> 5.64 </td></tr><tr><td> 오프 발가락 2 </td><td> 2.54 * </td><td> 4.69 </td></tr></tbody></table> 표 1 : 의미 값 (p- 값)와 개체 간 상관 관계 분석. * P &lt;0.05를 나타냅니다. <table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td> 카메라 위치 </td><td> 보행 단계 </td><td> 급내 상관 관계 </td><td> 의미 </td></tr><tr><td rowspan="4"> 가까운 </td><td> 힐 스트라이크 (1) </td><td> 0.168 </td><td> 0.368 </td></tr><tr> &lt;오프 TD&gt; 발가락 1 </td><td> 0.324 </td><td> 0.126 </td></tr><tr><td> 힐 스트라이크 2 </td><td> 0.335 </td><td> 0.07 </td></tr><tr><td> 오프 발가락 2 </td><td> 0.447 </td><td> 0.018 * </td></tr><tr><td rowspan="4"> 멀리 </td><td> 힐 스트라이크 (1) </td><td> 0.157 </td><td> 0.327 </td></tr><tr><td> 오프 발가락 1 </td><td> 0.284 </td><td> 0.084 </td></tr><tr><td> 힐 스트라이크 2 </td><td> 0.248 </td><td> 0.119 </td></tr><tr><td> 오프 발가락 2 </td><td> 0.454 </td><td> 0.046 * </td></tr></tbody></table> 표 2 : 무릎 각도 측정 오류. 응용 프로그램 및 모션 캡처 시스템 간의 측정의 차이에서 발생하는 개성 - 알트 플롯은 어떤 비례 오류가 관찰되지 않고, 차이가 임의의 성격의 제안 시각적 인 증거를 제공 (도 2a 및도 2b). 플롯 FOR 2.0 m와 4.0 m의 거리보다 중앙의 평균 차이 선 주위에 흩어져있는 데이터를 표시합니다. 이 카메라의 위치는 측정의 오차에 기여하지 않았다는 것을 나타낸다. <img alt="그림 2" src="/files/ftp_upload/54659/54659fig2.jpg" /> 앱과 3D 모션에 의해 기록 된 측정 값 사이의 차이를 보여주는 그림 2. 개성 및 알트 플롯 오프에서 멀리 및 카메라 위치 근처 발가락 동안 시스템을 캡처합니다. 발가락 오프 2 근처가) 카메라 위치 파 발가락 오프 2 b)는 카메라 위치.

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.

비디오 운동 분석을 사용하여 스마트 폰 (ViMAS) : 파일럿 연구

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

Universidad San Sebastian

Research

JoVE Journal

Medicine

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

16.7K 조회수.  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.

비디오: 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.

일상 생활 환경에서 스마트 폰 기반의 인간 활동 인식 시스템의 평가

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

연구

행동분석학

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.

도시 공원 환경에서 산책 비디오를 무료로 볼 수 있는 비디오 콘텐츠 분석과 눈 추적 데이터 결합

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

환경과학

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.

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.

가상 현실에서의 일상 생활 움직임 모션 캡처 시스템의 기구학을 측정

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

Measuring the Switch Cost of Smartphone Use While Walking

This paper presents a study protocol to measure the task-switching cost of using a smartphone while walking. This method involves having participants walk on a treadmill under two experimental conditions: a control condition (i.e., simply walking) and a multitasking condition (i.e., texting while walking). During these conditions, the participants must switch between the tasks related to the experimental condition and a direction determining task. This direction task is done with a point-light walker figure, seemingly walking towards the left or the right of the participant. Performance on the direction task represents the participant&#8217;s task-switching costs. There were two performance measures: 1) correct identification of the direction and 2) response time. EEG data are recorded in order to measure the alpha oscillations and cognitive engagement occurring during the task switch. This method is limited in its ecological validity: pedestrian environments have many stimuli occurring simultaneously and competing for attention. Nonetheless, this method is appropriate for pinpointing task-switching costs. The EEG data allow the study of the underlying mechanisms in the brain that are related to differing task-switching costs. This design allows the comparison between task switching when doing one task at a time, as compared to task switching when multitasking, prior to the stimulus presentation. This allows understanding and pinpointing both the behavioral and neurophysiological impact of these two different task-switching conditions. Furthermore, by correlating the task-switching costs with the brain activity, we can learn more about what causes these behavioral effects. This protocol is an appropriate base for studying the switching cost of different smartphone uses. Different tasks, questionnaires, and other measures can be added to it in order to understand the different factors involved in the task-switching cost of smartphone use while walking.

This study design measures the task-switching cost of using a smartphone while walking. Participants undergo two experimental conditions: a control condition (walking) and a multitasking condition (texting while walking). Participants switch between these tasks and a direction determining task. EEG data as well as behavioral measures are recorded.

걷는 동안 스마트 폰 사용의 스위치 비용 측정

This paper presents a study protocol to measure the task-switching cost of using a smartphone while walking. This method involves having participants walk ...

A Methodology for Capturing Joint Visual Attention Using Mobile Eye-Trackers

With the advent of new technological advances, it is possible to study social interactions at a microlevel with unprecedented accuracy. High frequency sensors, such as eye-trackers, electrodermal activity wristbands, EEG bands, and motion sensors provide observations at the millisecond level. This level of precision allows researchers to collect large datasets on social interactions. In this paper, I discuss how multiple eye-trackers can capture a fundamental construct in social interactions, joint visual attention (JVA). JVA has been studied by developmental psychologists to understand how children acquire language, learning scientists to understand how small groups of learners work together, and social scientists to understand interactions in small teams. This paper describes a methodology for capturing JVA in colocated settings using mobile eye-trackers. It presents some empirical results and discusses implications of capturing microobservations to understand social interactions.

Using multimodal sensors is a promising way to understand the role of social interactions in educational settings. This paper describes a methodology for capturing joint visual attention from colocated dyads using mobile eye-trackers.

모바일 아이 트래커를 사용하여 공동 시각 주의를 포착하는 방법론

With the advent of new technological advances, it is possible to study social interactions at a microlevel with unprecedented accuracy. High frequency ...

An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones

Keyboard input has played an essential role in human-computer interaction with a vast user base, and the keyboard design has always been one of the fundamental objects of studies on smart devices. With the development of screen technology, more precise data and indicators could be collected by smartphones to in-depth evaluate the keyboard design. The enlargement of the phone screen has led to unsatisfactory input experience and finger pain, especially for one-handed input. The input efficiency and comfort have attracted the attention of researchers and designers, and the curved keyboard with size-adjustable buttons, which roughly accorded with the physiological structure of thumbs, was proposed to optimize the one-handed usage on large-screen smartphones. However, its real effects remained ambiguous. Therefore, this protocol demonstrated a general and summarized method to evaluate the effect of curved QWERTY keyboard design on a 5-inch smartphone through a self-developed software with detailed variables, including objective behavioral data, subjective feedback, and the coordinate data of each touchpoint. There is sufficient existing literature on evaluating virtual keyboards; however, only a few of them systematically summarized and took reflection on the evaluation methods and processes. Therefore, this protocol fills in the gap and presents a process and method of the systematic evaluation of keyboard design with available codes for analysis and visualization.&#160;It needs no additional or expensive equipment&#160;and is easy to conduct and operate. In addition, the protocol also helps to get potential reasons for the disadvantages of the design and enlightens the optimization of designs. In conclusion, this protocol with the open-source resources could not only be an in-class demonstrative experiment to inspire the novice to start their studies but also contributes to improving the user experience and the revenue of input method editor companies.

The presented protocol integrates various evaluation methods and demonstrates a method to evaluate the keyboard design on smartphones. Pairs matched by English characters are proposed as the input material, and the transition time between two keys is used as the dependent variable.

스마트폰에서 키보드 디자인을 평가하는 평가 방법 및 툴킷

Keyboard input has played an essential role in human-computer interaction with a vast user base, and the keyboard design has always been one of the ...

예쁜꼬마선충(C. elegans) 잔디 회피 분석을 위한 스마트폰 기반 이미징

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.

저자 스포트라이트: 예쁜꼬마선충(C. elegans) 잔디 회피 분석을 위한 스마트폰 기반 이미징 방법  

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.

예쁜꼬마선충 잔디 회피 분석을 위한 스마트폰 기반 이미징 방법

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

비디오 운동 분석을 사용하여 스마트 폰 (ViMAS) : 파일럿 연구

요약

더 많은 비디오 탐색

이 비디오의 챕터

일상 생활 환경에서 스마트 폰 기반의 인간 활동 인식 시스템의 평가

도시 공원 환경에서 산책 비디오를 무료로 볼 수 있는 비디오 콘텐츠 분석과 눈 추적 데이터 결합

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

가상 현실에서의 일상 생활 움직임 모션 캡처 시스템의 기구학을 측정

걷는 동안 스마트 폰 사용의 스위치 비용 측정

모바일 아이 트래커를 사용하여 공동 시각 주의를 포착하는 방법론

스마트폰에서 키보드 디자인을 평가하는 평가 방법 및 툴킷

예쁜꼬마선충 잔디 회피 분석을 위한 스마트폰 기반 이미징 방법

예쁜꼬마선충 잔디 회피 분석을 위한 스마트폰 기반 이미징 방법

예쁜꼬마선충 잔디 회피 분석을 위한 스마트폰 기반 이미징 방법