Системы захвата движений: медико-техническая оценка современного этапа развития технологии. Обзор литературы
https://doi.org/10.47529/2223-2524.2023.1.9
Аннотация
Цель исследования: провести сравнительный медико-технический анализ существующих систем захвата движений.
Материалы и методы: в качестве научной базы для достижения поставленной цели использовались открытые источники данных (ресурсы eLibrary, Scopus, PubMed и др.). Глубина поиска не ограничена.
Результаты: последовательно представлены сведения о безмаркерных и маркерных системах захвата движения, в том числе инерционных, мобильных, механических, оптоэлектронных, магнитных, и системах, использующих технологию виртуальной реальности. Выполнен сравнительный анализ медико-технических характеристик представленных систем.
Заключение: показано, то системы захвата движения — перспективное направление развития целой группы инструментов для диагностики локомоторной функции, которая может быть успешно интегрирована в клинику спортивной медицины. Системы захвата движения разнятся по своим техническим параметрам, что требует глубокого аналитического подхода в их использовании для решения разных клинических задач.
Ключевые слова
Об авторах
М. Д. Иванова
ФГАОУ ВО «Пермский национальный исследовательский политехнический университет»
Россия
Россия
Иванова Мария Дмитриевна, аспирант кафедры ВММБ
614990, Пермь, Комсомольский пр., 29
С. В. Муравьев
ООО «Йорд Тех»
Россия
Россия
Муравьев Сергей Владимирович, к.м.н., научный директор
614000, Пермь, ул. Пушкина, 25, 124
Г. З. Клоян
ФГАОУ ВО «Пермский национальный исследовательский политехнический университет»
Россия
Россия
Клоян Гаянэ Зурабиевна, аспирант кафедры ВММБ
614990, Пермь, Комсомольский пр., 29
В. Н. Никитин
ФГАОУ ВО «Пермский национальный исследовательский политехнический университет»
Россия
Россия
Никитин Владислав Николаевич, к.т.н., доцент кафедры ВММБ
614990, Пермь, Комсомольский пр., 29
И. Д. Шитоев
ФГАОУ ВО «Пермский национальный исследовательский политехнический университет»
Россия
Россия
Шитоев Иван Дмитриевич, ассистент кафедры ВММБ
614990, Пермь, Комсомольский пр., 29
Список литературы
1. Григоревич В.В. Всеобщая история физической культуры и спорта. Москва: Советский спорт; 2008.
2. Григоревич В.В. Всеобщая история физической культуры и спорта. Гродно: ГрГУ; 2005.
3. Потехина Ю.П., Даутов Д.Р., Горячева Д.А., Павлов Д.В., Курникова А.А. Гониометрическая оценка состояния опорно-двигательного аппарата студентов. Журнал анатомии и гистопатологии. 2018;7(3):46–50. https://doi.org/10.18499/2225-7357-2018-7-3-46-50
4. Тряпичников А.С., Щурова Е.Н., Чегуров О.К., Долганова Т.И. Оценка дисфункции мышц нижних конечностей на предоперационном этапе у больных коксартрозом с деформацией бедренной кости. Фундаментальные исследования. 2015;(1):1042–1045.
5. Finni T., Hu M., Kettunen P., Vilavuo T., Cheng S. Measurement of EMG activity with textile electrodes embedded into clothing. Physiol. Meas. 2007;28(11):1405–1419. https://doi.org/10.1088/0967-3334/28/11/007
6. Marcolin G., Panizzolo F. A., Petrone N., Moro T., Grigoletto D., Piccolo D., Paoli A. Differences in electromyographic activity of biceps brachii and brachioradialis while performing three variants of curl. PeerJ. 2018;6:e5165. https://doi.org/10.7717/peerj.5165
7. Hlavacka F., Kundrát J., Krizková M., Bacová E. Physiologic range of stabilometry values obtained in the upright posture using a computer. Cesk. Neurol. Neurochir. 1990;53(2):107–113.
8. Самман А., Шахнов В.А. Мобильная платформа виртуальной реальности для восстановления функций верхних конечностей с использованием данных электромиографии. Вестник Московского государственного технического университета им. Н. Э. Баумана. Серия «Приборостроение». 2021;3(136):84–99. https://doi.org/10.18698/0236-3933-2021-3-84-99
9. Махровская Н.А., Безрукавая В.Г., Погромская А.С. Анализ алгоритмов распознавания образов для оптимизации решения задачи поиска объекта в видеоряде. Молодий вчений. 2016;5(32):238–241.
10. Лянгузов А.А., Коробейников А.В. Метод оценки качества работы алгоритмов сжатия видео при передаче по низкоскоростному радиоканалу в условиях воздействия помех. Вестник ИжГТУ имени М.Т. Калашникова. 2022;25(3):74–81.
11. Struck R., Cordoni S., Aliotta S., Pérez-Pachón L., Gröning F. Application of Photogrammetry in Biomedical Science. Adv. Exp. Med. Biol. 2019;1120:121–130. https://doi.org/10.1007/978-3-030-06070-1_10
12. Ey-Chmielewska H., Chruściel-Nogalska M., Frączak B. Photogrammetry and its potential application in medical science on the basis of selected literature. Adv. Clin. Exp. Med. 2015;24(4):737–741. https://doi.org/10.17219/acem/58951
13. Шитоев И.Д., Муравьев С.В., Каракулова Ю.В., Печерский В.И., Никитин В.Н., Клоян Г.З. Эволюция оптической диагностики деформаций позвоночника. методы и перспективы развития (обзор литературы). Гений ортопедии. 2022;28(5):734–744. https://doi.org/10.18019/1028-4427-2022-28-5-734-744
14. Приказ Министерства здравоохранения РФ от 31 июля 2020 г. N 788н «Об утверждении Порядка организации медицинской реабилитации взрослых» [интернет]. Режим доступа: https://rg.ru/documents/2020/09/28/minzdrav-prikaz788-site-dok.html (дата доступа 01.11.2022).
15. Tanaka R., Ishii Y., Yamasaki T., Kawanishi H. Measurement of the total body center of gravity during sit-to-stand motion using a markerless motion capture system. Med. Eng. Phys. 2019;66:91–95. https://doi.org/10.1016/j.medengphy.2018.12.020
16. Tanaka R., Kubota T., Yamasaki T., Higashi A. Validity of the total body centre of gravity during gait using a markerless motion capture system. J. Med. Eng. Technol. 2018;42(3):175–181. https://doi.org/10.1080/03091902.2018.1449909
17. Zhang H., Wang L., Chu S. Chen S., Meng H., Liu G. Application of Optical Motion Capture Technology in Power Safety Entitative Simulation Training System. Optics and Photonics Journal. 2016;6(8B):155–163. https://doi.org/10.4236/opj.2016.68B026
18. Wirth M.A., Fischer G., Verdú J. Comparison of a New Inertial Sensor Based System with an Optoelectronic Motion Capture System for Motion Analysis of Healthy Human Wrist Joints. Sensors. 2019;19(23):5297. https://doi.org/10.3390/s19235297
19. Aurand A.M., Dufour J.S., Marra W.S. Accuracy map of an optical motion scapture system with 42 or 21 cameras in a large measurement volume. J. Biomech. 2017;58:237–240. https://doi.org/10.1016/j.jbiomech.2017.05.006
20. Murphy M.A., Murphy S., Persson H.C. Kinematic Analysis Using 3D Motion Capture of Drinking Task in People with and without Upper-extremity Impairments. J. Vis. Exp. 2018;(133):57228. https://doi.org/10.3791/57228
21. Fleron M.K., Ubbesen N.C., Battistella F., Dejtiar D.J., Oliveira A.S. Accuracy between optical and inertial motion capture systems for assessing trunk speed during preferred gait and transition periods. Sports. Biomech. 2018;18(4):366–377. https://doi.org/10.1080/14763141.2017.1409259
22. Tanaka R., Kubota T., Yamasaki T. Accuracy of human motion capture systems for sport applications; state-of-the-art review. Eur. J. Sport Science. 2018;18(6):806–819. https://doi.org/10.1080/17461391.2018.1463397
23. Harsted S., Holsgaard-Larsen A., Hestbæk L., Boyle E., Lauridsen H.H. Concurrent validity of lower extremity kinematics and jump characteristics captured in pre-school children by a markerless 3D motion capture system. Chiropr. Man. Therap. 2019;27:39. https://doi.org/10.1186/s12998-019-0261-z
24. Karatsidis A., Jung M., Marsh J. A., Schepers H. M., et al. Musculoskeletal model-based inverse dynamic analysis under ambulatory conditions using inertial motion capture. Med. Eng. Phys. 2019;65:68–77. https://doi.org/10.1016/j.medengphy.2018.12.021
25. Mjosund H.L., Boyle E., Kjaer P., Mieritz R. M., Skallgård T., Kent P. Clinically acceptable agreement between the Vi-Move wireless motion sensor system and the Vicon motion capture system when measuring lumbar region inclination motion in the sagittal and coronal planes. BMC Musculoskelet. Disord. 2017;18(1):124. https://doi.org/10.1186/s12891-017-1489-1
26. Johnson W.R., Mian A., Donnelly C.J., Lloyd D., Alderson J. Predicting athlete ground reaction forces and moments from motion capture. Med. Biol.l Eng. Comput. 2018;56(10):1781–1792. https://doi.org/10.1007/s11517-018-1802-7
27. Muller B., Ilg W., Giese M.A., Ludolph N. Validation of enhanced kinect sensor-based motion capturing for gait assessment. PloS One. 2017;12(4):e0175813. https://doi.org/10.1371/journal.pone.0175813
28. Spörri J., Schiefermüller C., Müller E. Collecting kinematic data on a Ski track with optoelectronic stereophotogrammetry: A methodological study assessing the feasibility of bringing the biomechanics Lab to the field. PloS One. 2016;11(8):e0161757. https://doi.org/10.1371/journal.pone.0161757
29. Hu S., Dai M., Dong T., Liu T. A Textile Sensor for Long Durations of Human Motion Capture. Sensors. 2019;9(10):2369. https://doi.org/10.3390/s19102369
30. Petri K., Lichtenstein M., Bandow N., Campe S., Wechselberger M., Sprenger D., et. al. Analysis of anticipation by 3D motion capturing — a new method presented in karate kumite. J. Sports Sci. 2016;35(2):130–135. https://doi.org/10.1080/02640414.2016.1158851
31. Ozkaya G., Jung H. R., Jeong I.S., Choi M.R., Shin M.Y., Lin X., et al. Three-dimensional motion capture data during repetitive overarm throwing practice. Sci. Data. 2018;5:180272. https://doi.org/10.1038/sdata.2018.272
32. Igawa T., Katsuhira J., Hosaka A., Uchikoshi K., Ishihara S., Matsudaira K. Kinetic and kinematic variables affecting trunk flexion during level walking in patients with lumbar spinal stenosis. PloS One. 2018;13(5):e0197228. https://doi.org/10.1371/journal.pone.0197228
33. Bonnechère B., Jansen B., Haack I., Omelina L., Feipel V., Van Sint Jan S., Pandolfo M. Automated functional upper limb evaluation of patients with Friedreich ataxia using serious games rehabilitation exercises. J. Neuroeng. Rehabil. 2018;15(1):87. https://doi.org/10.1186/s12984-018-0430-7
34. Chuang C.-H., Chen Y.-N., Tsai L.-W., Lee C.-C., Tsai H.-C. Improving Learning Performance with Happiness by Interactive Scenarios. The Scientific World Journal. 2014;2014:807347. https://doi.org/10.1155/2014/807347
35. Çubukçu B., Yüzgeç U., Zileli R., Zileli A. Reliability and validity analyze of Kinect V2 based measurement system for shoulder motions. Med. Eng. Phys. 2019;76:20–36. https://doi.org/10.1016/j.medengphy.2019.10.017
36. Galna B., Barry G., Jackson D., Mhiripiri D., Olivier P., Rochester L. Accuracy of the Microsoft Kinect sensor for measuring movement in people with Parkinson’s disease. Gait Posture. 2014:39(4);1062–1068. https://doi.org/10.1016/j.gaitpost.2014.01.008
37. Dewey D.C., Miocinovic S., Bernstein I., Khemani P., Dewey R.B. 3rd, Querry R., et al. Automated gait and balance parameters diagnose and correlate with severity in Parkinson Disease. J. Neurol. Sci. 2014;345(1-2):131–138. https://doi.org/10.1016/j.jns.2014.07.026
38. Takayasu K., Yoshida K., Mishima T., Watanabe M., Matsuda T., Kinoshita H. Analysis of the posture pattern during robotic simulator tasks using an optical motion capture system. Surg. Endosc. 2017:32(1):183–190. https://doi.org/10.1007/s00464-017-5655-1
39. Budman I., Meiri G., Ilan M., Faroy M., Langer A., Reboh D., et al. Quantifying the social symptoms of autism using motion capture. Sci. Rep. 2019;9(1):7712. https://doi.org/10.1038/s41598-019-44180-9
40. Perrott M.A., Pizzari T., Cook J., McClelland J.A. Comparison of lower limb and trunk kinematics between markerless and marker-based motion capture systems. Gait Posture. 2017;52:57–61. https://doi.org/10.1016/j.gaitpost.2016.10.020
41. Marin J., Blanco T., Marin J. J. Octopus: A Design Methodology for Motion Capture Wearables. Sensors. 2017;17(8):1875. https://doi.org/10.3390/s17081875
42. Martinez H.R., Garcia-Sarreon A., Camara-Lemarroy C., Salazar F., Guerrero-González M.L. Accuracy of Markerless 3D Motion Capture Evaluation to Differentiate between on/off Status in Parkinson’s Disease after Deep Brain Stimulation. Parkinson’s Dis. 2018;2018:5830364. https://doi.org/10.1155/2018/5830364
43. Nantsupawat N., Lane P., Siangpraipunt O., Gadwala S., Nugent K. Gait characteristics in patients with chronic obstructive pulmonary disease. J. Prim. Care Community Health. 2015;6(4):1472–1478. https://doi.org/10.1177/2150131915577207
44. Banach M., Wasilewska A., Dlugosz R., Pauk J. Novel techniques for a wireless motion capture system for the monitoring and rehabilitation of disabled persons for application in smart buildings. Technol. Health Care. 2018;26(S2):671–677. https://doi.org/10.3233/THC-182514
45. Rigoni M., Gill S., Babazadeh S., Elsewaisy O., Gillies H., Nguyen N., et al. Assessment of Shoulder Range of Motion Using a Wireless Inertial Motion Capture Device—A Validation Study. Sensors. 2019;19(8):1781. https://doi.org/10.3390/s19081781
46. Delrobaei M., Memar S., Pieterman M., Stratton T. W., McIsaac K., Jog M. Towards remote monitoring of Parkinson’s disease tremor using wearable motion capture systems. J. Neurol. Sci. 2017;384:38–45. https://doi.org/10.1016/j.jns.2017.11.004
47. Zhang J.–T., Novak A.C., Brouwer B., Li Q. Concurrent validation of Xsens MVN measurement of lower limb joint angular kinematics. Physiol. Meas. 2013;34(8):63–69. https://doi.org/10.1088/0967-3334/34/8/N63
48. Moreno A.J., Utrilla G., Marin J., Sanchez-Valverde M.B., Royo A.C. Cervical Spine Assessment Using Passive and Active Mobilization Recorded Through an Optical Motion Capture. J. Chiropr. Med. 2018;17(3):167–181. https://doi.org/10.1016/j.jcm.2017.12.004
49. Ahmad N., Ghazilla R.A.R. Khairi N.M., Kasi V. Reviews on various Inertial Measurement Unit (IMU) Sensor Applications. Signal Proc. Syst. 2013;1(2):256–262. https://doi.org/10.12720/ijsps.1.2.256-262
50. Muyor J.M., Arrabal-Campos F.M., Martínez-Aparicio C., Sánchez-Crespo A., Villa-Pérez M. Test-retest reliability and validity of a motion capture (MOCAP) system for measuring thoracic and lumbar spinal curvatures and sacral inclination in the sagittal plane. J. Back Musculoskelet. Rehabil. 2017;1:1–7. https://doi.org/10.3233/BMR-170606
51. Hachaj T., Piekarczyk M., Ogiela M.R. Human Actions Analysis: Templates Generation, Matching and Visualization Applied to Motion Capture of Highly-Skilled Karate Athletes. Sensors. 2017;17(11):2590. https://doi.org/10.3390/s17112590
52. Bellusci G., Roetenberg D., Dijkstra F., Luinge H., Slycke P. Xsens MVN Motiongrid: Drift-Free Human Motion Tracking using Tightly Coupled Ultra-Wideband and Miniature Inertial Sensors. Xsens Technologies White Paper. 2011;6:1–10.
53. Parks M., Chien J. H., Siu K. Development of a Mobile Motion Capture (MO2CA) System for Future Military Application. J. Mil. Med. 2019;184(Suppl 1):65–71. https://doi.org/10.1093/milmed/usy312
54. Won H.-J., Hong E. The development of sport policy and management in South Korea. International Journal of Sport Policy and Politics. 2014;7(1):1–12. https://doi.org/10.1080/19406940.2014.900104
55. Oyama S., Saeki M., Kaneta S., Shimoda S., Yoneda H., Hirata H. Telerehabilitation Based on Markerless Motion Capture and IMT-2020 (5G) Networks. Stud. Health Technol. Inform. 2022;290:1108–1109. https://doi.org/10.3233/SHTI220291
56. Rabatin A.E., Lynch M.E., Severson M.C., Brandenburg J.E., Driscoll S.W. Pediatric telerehabilitation medicine: Making your virtual visits efficient, effective and fun. J. Pediatr. Rehabil. Med. 2020;13(3):355–370. https://doi.org/10.3233/PRM-200748
57. Darekar A., McFadyen B.J., Lamontagne A., Fung J. Efficacy of virtual reality-based intervention on balance and mobility disorders post-stroke: A scoping review. J. Neuroeng. Rehab. 2015;12(1):46. https://doi.org/10.1186/s12984-015-0035-3
58. Chanpimol S., Seamon B., Hernandez H., Harris-Love M., Blackman M.R. Using Xbox kinect motion capture technology to improve clinical rehabilitation outcomes for balance and cardiovascular health in an individual with chronic TBI. Arch. Physiother. 2017;7:6. https://doi.org/10.1186/s40945-017-0033-9
59. Письменная Е.В., Петрушанская К.А., Котов С.В., Аведиков Г.Е., Митрофанов И.Е., Толстов К.М., Ефаров В.А. Клинико-биомеханическое обоснование применения экзоскелета «ЭкзоАтлет» при ходьбе больных с последствиями ишемического инсульта. Российский журнал биомеханики. 2019;23(2):204–230. https://doi.org/10.15593/RZhBiomeh/2019.2.04
60. Лутохин А.С., Тычков А.Ю., Сотников А.М., Алимурадов А.К. Анализ систем захвата движения в среде виртуальной реальности. Вестник Пензенского государственного университета. 2021;(2):102–106.
Рецензия
Для цитирования:
Иванова М.Д., Муравьев С.В., Клоян Г.З., Никитин В.Н., Шитоев И.Д. Системы захвата движений: медико-техническая оценка современного этапа развития технологии. Обзор литературы. Спортивная медицина: наука и практика. 2023;13(1):28-40. https://doi.org/10.47529/2223-2524.2023.1.9
For citation:
Ivanova M.D., Muravev S.V., Kloyan G.Z., Nikitin V.N., Shitoev I.D. Motion capture systems: medical and technical assessment of the current stage of technology development. Literature review. Sports medicine: research and practice. 2023;13(1):28-40. (In Russ.) https://doi.org/10.47529/2223-2524.2023.1.9
Просмотров: 129
Послать статью по эл. почте 