Запечатлевая движение,
Создавая истории

Группа исследователей под руководством профессора Хань Цзяня из Университета Нанкай предложила систему оценки хирургического лечения болезни Паркинсона, которая может в реальном времени отслеживать движения рук пациентов во время операции, обеспечивать бесконтактное извлечение характеристик движений и предоставлять визуализацию данных для поддержки клинического принятия решений. Связанная исследовательская статья под названием «Бесконтактная система внутриоперационной количественной оценки брадикинезии при глубокой стимуляции мозга» была опубликована в международном журнале Computer Methods and Programs in Biomedicine, который специализируется на обработке медицинских изображений и биомедицинской информатике.

Система захвата движения NOKOV предоставляет высокоточные данные о положении для измерения движений рук у пациентов с болезнью Паркинсона, помогая проверить надежность контроллера Leap Motion Controller (LMC) в бесконтактной системе оценки для измерения данных о движении рук.

Цитирование

Нинбо Юй, Ян Юй, Цзяньнэн Линь, Юйчэнь Ян, Цзинчао Ву, Сыцюань Лян, Цзялин Ву, Цзяньда Хань, Бесконтактная система внутриоперационной количественной оценки брадикинезии при глубокой стимуляции мозга, Computer Methods and Programs in Biomedicine, Том 225, 2022, 107005, ISSN 0169-2607, https://doi.org/10.1016/j.cmpb.2022.107005.

Исследовательский контекст

Хирургия глубокой стимуляции мозга (DBS) является эффективным методом лечения пациентов с продвинутой стадией болезни Паркинсона. Объективная оценка движений пациентов имеет важное значение для точного позиционирования электродов во время операции. Однако существующие системы оценки имеют проблемы, такие как субъективные различия и помехи добровольным движениям пациентов. Исследовательская группа разработала объективную количественную систему оценки, которая также является бесконтактной системой мониторинга и оценки, решая проблему носимых устройств, мешающих добровольным движениям пациентов.

Дизайн системы

Количественная система оценки использует оптический датчик Leap Motion Controller (LMC), который компактен и может измерять движения рук пациентов без контакта. Программное обеспечение LMC может получать направление и трехмерные координаты 27 частей руки с субмиллиметровой точностью и высокой частотой выборки. Одновременно графический интерфейс пользователя (GUI) создан с использованием программного набора инструментов разработки LMC.

Когда система находится в работе, LMC обнаруживает движения рук пациента и возвращает данные по кадрам в GUI. Интерфейс GUI может отображать модель руки и траекторию в реальном времени, автоматически сохранять данные и выполнять количественный анализ.

Блок-схема спроектированной системы оценки

Экспериментальная проверка

Надежность данных LMC была проверена с помощью системы захвата движения NOKOV, с участием здоровых людей в качестве испытуемых. Используемая в эксперименте система захвата движения содержит 8 камер, которые могут обнаруживать маркеры с разных углов.

Техническая проверка с использованием системы захвата движения

Результаты показали, что средний коэффициент корреляции Пирсона между скорректированными данными LMC и данными системы захвата движения NOKOV достиг 0.986, со средней разницей амплитуд 2.11 мм. Кроме того, значительных различий в расчетах всех характеристик движений не было, что указывает на точность и надежность данных измерений и выделенных характеристик системы LMC.

Данные LMC, скорректированные данные и данные Mocap

Система оценки была клинически протестирована на 20 пациентах с болезнью Паркинсона, перенесших операцию глубокой стимуляции мозга, подтверждая возможность использования разработанной системы для внутриоперационной оценки и ее надежную работу. Ожидается, что система станет объективным инструментом внутриоперационной оценки, анализа и визуализации для лечения болезни Паркинсона с помощью хирургии глубокой стимуляции мозга.

Клиническое испытание бесконтактной количественной системы оценки

Система захвата движения NOKOV, выступая в роли золотого стандарта, предоставила высокоточные данные о движении рук для этого эксперимента, помогая проверить надежность данных бесконтактной системы оценки в эксперименте.