Intézmények:BME Méréstechnika és Információs Rendszerek Tanszék, Országos Orvosi Rehabilitációs Intézet Szent János Kórház
Évfolyam: V. évfolyam
Lapszám:2006. / 1
Hónap:február
Oldal:37-41
Terjedelem:5
Rovat:INFOKOMMUNIKÁCIÓ
Alrovat:ÚJDONSÁG
Absztrakt:
Az agyérkatasztrófát szenvedettek állapotának minősítésére különböző skálákat használnak. Ezek célja többnyire a motoros vagy szenzoros károsodás illetve az önellátási képesség mérése. Az önellátás elvégezhető csökkent funkciójú végtagokkal is, így a hagyományos skálák az ujjak és végtagok mozgásában jelenlevő korlátozottságot elfedhetik. A korlátozottság objektíven minősíthető mozgás analizátor felhasználásával. Előre definiált mozgásmintákat kell végrehajtani, az ujjakra és a karra helyezett markerek követése alapján történik az értékelés. 15 agyérkatasztrófát szenvedett beteg vizsgálata történt az Országos Orvosi Rehabilitációs Intézetben (OORI). A mozgások analízisét felhasználva objektíven értékelhető a paciensek aktuális állapota és így a rehabilitáció folyamata.
Intézmény: Országos Orvosi Rehabilitációs Intézet Szent János Kórház
[1] Herndon RM (ed.): Handbook of Neurologic Rating Scales. Demos Medical Publishing, 1997.
[2] Cavanagh SJ, Hogan K, Gordon V, Fairfax J: Strokespecific FIM models in an urban population. J Neurosci Nurs. 2000 Feb;32(1):17-21.
[3] Wade DT, Collen FM, Robb GF, Warlow CP: Physiotherapy intervention late after stroke and mobility. BMJ. 1992 May 2;304(6835):1179-80.
[4] Mahoney FI, Barthel D: Functional evaluation: the Barthel Index. Maryland State Med Journal, 1965; 14:56-61.
[5] Williams LS, Weinberger M, Harris LE, Clark DO, Biller J.: Development of a stroke-specific quality of life scale. Stroke. 1999 Jul;30(7):1362-9.
[6] Herczeg E, Baumgartner I, Fazekas G, Kovács Zs, NepuszT: Mozgásanalizáló rendszer alkalmazása féloldali bénult betegek kézfunkciójának felmérésére. Rehabilitáció, 14. évf. 4. szám, 2004. december, 31-34. old.
[7] Jobbágy Á, Hamar G: PAM: Passive Marker-based Analyzer to Test Patients with Neural Diseases. Proc. of 26th Annual Conference of IEEE EMBS, 1-5 Sept. 2004, San Francisco, CA USA, pp. 4751-4754. [8] Jobbágy Á, Furnée EH: Marker Centre Estimation Algorithms In CCD Camera Based Motion Analysis. Medical & Biological Engineering & Computing, Vol. 32. Nr. 1. Jan. 1994. pp. 85-91.
[9] Kanjilal PP, Palit S, Saha G: Fetal ECG Extraction from Single-Channel Maternal ECG Using Singular Value Decomposition. IEEE Tr on BME, vol. 44. 1997 No. 1. pp. 51-59.
[10] Stokes V, Lanshammer H, Thorstensson A: Dominant Pattern Extraction from 3D Kinematic Data. IEEE Tr. on BME, 1999 January, pp. 100-106.
[11] Nepusz T: Mozgásanalízis alkalmazása agyi érkatasztrófán átesett betegek kvantitatív állapotfelmérésére. Diplomaterv, Budapesti Műszaki és Gazdaságtudományi Egyetem, Villamosmérnöki és Informatikai Kar, 2005.
[12] Jobbágy Á, Harcos P, Karoly R, Fazekas G: Analysis of the Finger-Tapping Test. Journal of Neuroscience Methods, January 30, 2005. Vol 141/1, pp. 29-39.
A cikket sikeresen a könyvepolcára helyeztük!
Tisztelt Felhasználónk!
A cikket a könyvespolcára helyeztük. A későbbiekben
bármikor elérheti a cikket a könyvespolcán található listáról.
A cikk megtekintéséhez onine regisztráció szükséges!
Tisztelt Látogató!
Az Ön által megtekinteni kívánt cikk az IMEONLINE cikkadatbázisához tartozik, melynek olvasása online regisztrációhoz kötött.
A regisztrálást követően fogja tudni megtekinteni a cikk tartalmát!
A megadott cikk nem elérhető!
Tisztelt Felhasználónk!
Az Ön által megtekinteni kívánt cikk nem elérhető a rendszerben!
A megadott cikk nem elérhető!
Tisztelt Felhasználónk!
Az Ön által megtekinteni kívánt cikk nem elérhető a rendszerben!
Sikeresen szavazott a cikkre!
Tisztelt Felhasználónk!
Köszönjük a szavazatát!
A szavazás nem sikerült!
Tisztelt Felhasználónk!
Ön már szavazott az adott cikkre!
Cikk megtekintése
Tisztelt Felhasználónk!
A cikk több nyelven is elérhető! Kérjük, adja meg, hogy melyik nyelven kívánja megtekinteni az adott cikket!
Cikk megtekintésének megerősítése!
Tisztelt Felhasználónk!
Az Ön által megtekintetni kívánt cikk tartalma fizetős szolgáltatás.
A megtekinteni kívánt cikket automatikusan hozzáadjuk a könyvespolcához!
A cikket bármikor elérheti a könyvespolcok menüpontról is!
INFOKOMMUNIKÁCIÓ ÚJDONSÁGOK Agyérkatasztrófát szenvedett betegek objektív minősítése Jobbágy Ákos, BME Méréstechnika és Információs Rendszerek Tanszék Fazekas Gábor, Országos Orvosi Rehabilitációs Intézet, Szent János Kórház Az agyérkatasztrófát szenvedettek állapotának minősítésére különböző skálákat használnak. Ezek célja többnyire a motoros vagy szenzoros károsodás illetve az önellátási képesség mérése. Az önellátás elvégezhető csökkent funkciójú végtagokkal is, így a hagyományos skálák az ujjak és végtagok mozgásában jelenlevő korlátozottságot elfedhetik. A korlátozottság objektíven minősíthető mozgás analizátor felhasználásával. Előre definiált mozgásmintákat kell végrehajtani, az ujjakra és a karra helyezett markerek követése alapján történik az értékelés. 15 agyérkatasztrófát szenvedett beteg vizsgálata történt az Országos Orvosi Rehabilitációs Intézetben (OORI). A mozgások analízisét felhasználva objektíven értékelhető a paciensek aktuális állapota és így a rehabilitáció folyamata. talatait felhasználva várható, hogy a készülékből – a hozzá kidolgozott mérési és kiértékelési eljárással együtt – igény esetén terméket állítunk elő. MÓDSZEREK Tesztelt személyek Az Országos Orvosi Rehabilitációs Intézetben (OORI) 15 agyérkatasztrófát szenvedett (7 férfi és 8 nő) beteg mozgását vizsgáltuk (1. táblázat). A paciensekről részletes ismertetést ad [6]. A paciensek között többen is balesetet szenvedett fiatalok voltak. BEVEZETÉS Az agyérkatasztrófát szenvedettek állapotának felmérésére használt skálákról [1] ad részletes értékelést. A legelterjedtebbek: Functional Independence Measure (FIM, [2]), Activity Index, Orgogozo Scale, Rivermead Scale [3], Barthel Index [4], Ashworth Scale [5], Hand Movement Scale (HM). A skálák egyik csoportja a motoros és/vagy szenzoros károsodás fokát, másik csoportja a legfontosabb napi aktivitásokat (pl. étkezés, tisztálkodás, öltözködés) vizsgálja. Ebből adódóan a hüvelykujj bénulása jóval nagyobb mértékű teljesítményromlást jelent, mint bármely más ujj bénulása. Kutatómunkánk célja agyérkatasztrófát szenvedettek aktuális állapotának objektív megállapítása volt. A betegek a zongorázást utánzó mozgást (finger-tapping) és a mutató mozgást (pointing) végezték el, ez utóbbit külön a bal és a jobb karral. Megtörtént a paciensek hagyományos skálák szerinti felmérése is. Az eredmények azt mutatják, hogy a mozgásminták alapján történő és a Rivermead skála szerinti értékelés adja a leginkább hasonló eredményt (r = 0.5). Az objektív minősítés elterjedéséhez szükséges egy markerbázisú mozgásanalizátor, amelynek kezelése műszaki és informatikai szakértelmet nem igényel, így orvosi/klinikai használatra alkalmas. Ennek fejlesztése a BME Méréstechnika és Információs Rendszerek Tanszéken történik. A többéves munka eredményeként létrejött mozgásanalizátor kísérleti jellegű alkalmazására kerül sor 2006-ban az OORIban és a Szent Imre Kórházban (Budapest). A neurológusok, gyógytornászok és ápolók által történt mérések tapasz- 1. táblázat A vizsgálatban részt vett paciensek A felhasznált mozgásanalizátor A felvételek egyszerű, passzív marker bázisú mozgásanalizátorral (PAM, [7]) készültek. A készüléket orvosi/klinikai használatra fejlesztettük. A lényegesen költségesebb általános célú mozgásanalizátorok (pl. [8]) sokkal jobb felbontást nyújtanak, mind térben mind időben. Ebben az alkalmazásban azonban erre nincs szükség. IME V. évfolyam 1. szám 2006. február 37 INFOKOMMUNIKÁCIÓ ÚJDONSÁGOK A PAM analizátor passzív markerek helyzetét tudja meghatározni. Másodpercenként 50 mintát vesz, a marker pozíciók függőleges és vízszintes vetületét számítja ki. Az általunk használt kar–, kéz- és ujjmozgások vizsgálatához ez a mintavételi frekvencia elegendő [7]. A kétdimenziós marker pozíció meghatározás miatt a kamera és a mozgások relatív helyzete állandó kell legyen. Az 1. ábra mutatja a felhasznált mérési elrendezést. A zongorázást utánzó mozgásnál gumiszalagok biztosítják a csuklók kamerához képesti állandó helyzetét. A mutató mozgásnál két, az asztalon levő pontot kell felváltva megérinteni. A kameraállvány az asztal lapjához rögzített. vizsgáltuk: ujjdoboló mozgás, mutatás jobb karral, mutatás bal karral. Az ujjdoboló mozgás a zongorázást utánozza. A beteg – a hüvelykujjait kivéve – egyszerre felemeli mindegyik ujját, majd leüt az asztalra ismét az alábbi sorrendben: kis–, gyűrűs–, középső- és mutatóujj. Az utasítás az, hogy a lehető leggyorsabban végezzék a mozgást és igyekezzenek a lehető legmagasabbra emelni ujjaikat. A mutató mozgás 5 ciklusból áll. Két megjelölt pont van az asztalon, egymástól kb. 40 cm-re. A mutatóujj kezdetben a pacienshez közelebbi megjelölt ponton van. Innen felemelve a másik pontot kell megérinteni, majd az ujjat a kiinduló helyzetbe visszavinni. Ezt a mozgást kell ötször megismételni. A 2. és 3. ábra a J11-es paciens mozgásáról készült felvételeket mutatja az agyérkatasztrófa bekövetkezése után két héttel. A 3. ábrán a felső két diagram másfél másodperces részt mutat a mutató-, középső- és gyűrűsujj mozgásáról. Az alsó két diagram a középső ujjak mozgásáról készült nyolc másodperces felvételeket mutatja. 1. ábra Ujjdoboló mozgás vizsgálata PAM analizátorral A PAM infravörös tartományban érzékeny videokamerát használ. A kamera lencséje körül infraLED-ekből álló gyűrű helyezkedik el, amely a képszinkron jel után 2 ms késleltetéssel 2 ms időre felvillan. Ez biztosítja a környezeti fényelnyomást és az éles markerképet. A kamera IEEE 1394-es interfészen keresztül egy számítógéphez csatlakozik. A számítógépen Linux operációs rendszer alatt fut a felvételt készítő és kiértékelő program. A program kezelése néhány gomb megnyomásával történik, szakértelmet nem igényel, így orvosi/klinikai használatra kiválóan alkalmas. Bekapcsolás után a felvételt és kiértékelést végző program automatikusan elindul, kéri az aktuálisan vizsgálandó mozgás kiválasztását (menüből) és a paciens azonosító megadását. Ellenőrzi, hogy az adott mozgásmintához szükséges darabszámú marker van-e a képen. Ha ettől eltérő számú markert detektál, akkor figyelmezteti a kezelőt, és nem indítja el a mérést. Ha a markerek száma megfelelő, akkor egy gombnyomásra elindul a mérés, majd ennek befejeződése után ismét automatikusan megtörténik a kiértékelés. A PAM beállításától függően a videofelvétel és a markerek trajektóriái automatikusan eltárolásra kerülhetnek. Felvételek A felvételek az OORI-ban készültek, 2003. november 11. és december 17. között. A betegek három mozgását 38 IME V. évfolyam 1. szám 2006. február 2. ábra A J11-es paciens mutató mozgásának trajektóriái 2 héttel az agyérkatasztrófa után. Érintett oldal (jobb): lent 3. ábra A J11-es paciens ujjdoboló mozgása 2 héttel az agyérkatasztrófa után. A felső két diagram másfél másodperces részt mutat a mutató-, középső- és gyűrűsujj mozgásáról. Az alsó két diagram a középső ujjak mozgásáról készült nyolc másodperces felvételeket mutatja INFOKOMMUNIKÁCIÓ ÚJDONSÁGOK Az ujjdoboló mozgást a trajektória alapján nehéz felismerni. A 4. és 5. ábra a J11-es paciens mozgását mutatja 24 nappal a 2. és 3. ábrán bemutatott vizsgálat után. mozgás a periodikushoz. Erre jól használható az SVD analízis [9, 10]. A Fourier analízissel szemben itt a bázisfüggvények tetszőlegesek lehetnek, nem csak szinuszosak. A mozgás periodikussága (PM) annál nagyobb, minél nagyobb súllyal szerepel a teljes mozgás leírásában a domináns bázisfüggvény. Ha a bázisfüggvényeket súlyuk szerint sorba rendezzük, akkor PM = σ 21 n 2 Σσi i=1 ahol σ i az i. bázisvektor súlya. Ha σ 1-n kívül az összes többi σ i értéke nulla, akkor periodikus a jel, PM = 1. 4. ábra A J11-es paciens mutató mozgásának trajektóriái 24 nappal az első teszt (38 nappal az agyérkatasztrófa) után Lassan könnyebb a mozgást szabályosan elvégezni. Ezért a szabályosságon kívül a végrehajtás sebességét is vizsgálni kell. Az ujjdoboló mozgást könnyebb gyorsabban végezni kisebb amplitúdóval, azaz ha nem emeljük az ujjakat magasra. A mozgás sebességét az amplitúdó és a frekvencia szorzatával jellemezzük: n A Σ i i=1 Ti amxfr = n ahol Ai az i. ujjdobolási ciklus amplitúdója cm-ben, Ti az i. ciklus periódusideje s-ban, n az adott idő (vizsgálatainkban 20 s) alatt végrehajtott ciklusok száma. Ezek alapján az ujjdoboló mozgást minősítő paraméter (Finger-Tapping Test Score): FTTS = (PM – 0.6) * amxfr 5. ábra A J11-es paciens ujjdoboló mozgását jellemző trajektóriák 24 nappal az első teszt (38 nappal az agyérkatasztrófa) után A mutató mozgásról felvett marker trajektóriák alakja nem változott meg lényegesen, viszont az öt oda-vissza mutatás ideje jelentősen lerövidült. Az ujjdoboló mozgás esetében a javulás nyilvánvaló, különösen az érintett (jobb) oldalon. A mérések kiértékelése Neurológusok felmérték a kéz és a kar motoros funkcióit a hagyományos skálák (HM, Módosított Ashworth, FIM, Rivermead) szerint. Az eredmények az 1. táblázatban találhatók. A mozgásokról készült felvételek kiértékelése során vizsgáljuk azok szabályosságát. Mivel a pacienseknek ugyanazokat a mozdulatokat kell ismételni, a szabályosságot azzal jellemezzük, mennyire áll közel a kváziperiodikus A mintegy 300 kiértékelt ujjdoboló mozgás tanulmányozása alapján 0.6 levonása azért szükséges, hogy a szabályosság és a gyorsaság az eredményben azonos súllyal szerepeljen. FTTS meghatározható minden ujjra. Egy kéz teljesítményét a mutató–, középső- és gyűrűs ujj FTTS értékének átlaga, a vizsgált személy teljesítményét pedig a két kézre kiszámított érték átlaga jellemzi. A mutató mozgást is jellemzi a szabályosság és a gyorsaság. Ezen kívül a két megjelölt pont közti trajektória szakasz simaságát és egy pont megérintésekor az ujj helyzetének szórását kell figyelembe venni a mutatás minősítésekor [11], (Pointing Test Score): PTS = fr x PM x (1 – hsm) x (1 – hac) ahol fr a mozgás frekvenciája (ciklus/másodperc), PM a mozgás periodikussága, hsm a mozgás simasági hibája (a legjobban illeszkedő másodfokú görbétől való relatív eltérés), hac a végpontok megérintésekor kapott relatív szórás. IME V. évfolyam 1. szám 2006. február 39 INFOKOMMUNIKÁCIÓ ÚJDONSÁGOK EREDMÉNYEK A paciensek mozgásának mozgásanalizátor segítségével elvégzett jellemzését összehasonlítottuk a hagyományos skálák által nyújtott értékeléssel. A 2. táblázat adatai megerősítik, hogy FTTS és PTS más jellemzőket mér, mint a FIM és a Barthel index. (Ezek a skálák a mindennapi élettevékenységet vizsgálják, amiben fontos, de messze nem egyedüli szerepe van a kéznek.) A Rivermead skála hasonló értékelést ad, mint FTTS és PTS. (A Rivermead skálának a felső végtagi motoros károsodást mérő blokkját vizsgáltuk, amiben a kézmozgások szerepe kiemelkedően fontos.) A 6. ábra mutatja a vizsgált 15 beteg FTTS és PTS értékei (mind az érintett mind a nem érintett oldalon) és a hagyományos skálák szerinti értékelések közötti kapcsolatokat. Szoros korreláció volt az érintett és a nem érintett oldali FTTS értékek között. Ennek oka a két kéz ujjainak mozgása közti szinkronizáció. Ilyen szinkronizációt nem találtunk a korábbi, Parkinson kóros betegeken végzett vizsgálataink során [12]. Mivel a mutató mozgás egyszerre csak az egyik oldalt vizsgálja, nincs ilyen összefüggés az érintett és a nem érintett oldalak PTS értékelése között. 2. táblázat Korreláció az érintett oldali FTTS, PTS és a hagyományos skálák minősítése között 6. ábra Korrelációs értékek az érintett oldalra számított FTTS (világos csíkok), PTS (sötét csíkok) és a hagyományos skálák illetve a nem érintett oldalra számított FTTS és PTS között sztochasztikus jelleggel tértek el a szabályos mozgástól. Az agyérkatasztrófát szenvedettek között több olyan beteg is volt, aki eltért ugyan a szabályos mozgástól, de az eltérés minden periódusban közel azonos volt. A mérések alapján megállapítható, hogy a passzív markerbázisú analízis a neurológiai betegségekben szenvedők aktuális állapotának jellemzésére nagy felbontású módszert kínál. Széles körben történő klinikai elterjedés esetén különböző neurológiai betegségben szenvedőkről készíthetők felvételek. Az így létrejövő adatbázisra támaszkodva a mozgások objektív vizsgálata a különböző neurológiai betegségek jobb diagnosztizálását és a betegek aktuális állapotának pontosabb megállapítását fogja segíteni. (Jelenleg a neurológiai betegségek – különösen korai – diagnosztizálása viszonylag nagy hibaszázalékkal történik.) A paciensek együttműködése elengedhetetlen a helyes eredményhez, ebben a gyógytornász vagy az ápoló szerepe kiemelkedően fontos. KÖSZÖNETNYILVÁNÍTÁS Korábbi vizsgálatainkban Parkinson kórosok vettek részt. Az ő mozgásuk szignifikánsan különbözik az agyérkatasztrófát szenvedettek mozgásától. A Parkinson kórosok A cikkben leírt kutatómunkát az OTKA T 049357 pályázat támogatta. A felvételeket Baumgartner Ildikó készítette. IRODALOMJEGYZÉK [1] Herndon RM (ed.): Handbook of Neurologic Rating Scales. Demos Medical Publishing, 1997. [2] Cavanagh SJ, Hogan K, Gordon V, Fairfax J: Strokespecific FIM models in an urban population. J Neurosci Nurs. 2000 Feb;32(1):17-21. [3] Wade DT, Collen FM, Robb GF, Warlow CP: Physiotherapy intervention late after stroke and mobility. BMJ. 1992 May 2;304(6835):1179-80. [4] Mahoney FI, Barthel D: Functional evaluation: the Barthel Index. Maryland State Med Journal, 1965; 14:56-61. 40 IME V. évfolyam 1. szám 2006. február [5] Williams LS, Weinberger M, Harris LE, Clark DO, Biller J.: Development of a stroke-specific quality of life scale. Stroke. 1999 Jul;30(7):1362-9. [6] Herczeg E, Baumgartner I, Fazekas G, Kovács Zs, Nepusz T: Mozgásanalizáló rendszer alkalmazása féloldali bénult betegek kézfunkciójának felmérésére. Rehabilitáció, 14. évf. 4. szám, 2004. december, 31-34. old. [7] Jobbágy Á, Hamar G: PAM: Passive Marker-based Analyzer to Test Patients with Neural Diseases. Proc. of 26th Annual Conference of IEEE EMBS, 1-5 Sept. 2004, San Francisco, CA USA, pp. 4751-4754. INFOKOMMUNIKÁCIÓ ÚJDONSÁGOK [8] Jobbágy Á, Furnée EH: Marker Centre Estimation Algorithms In CCD Camera Based Motion Analysis. Medical & Biological Engineering & Computing, Vol. 32. Nr. 1. Jan. 1994. pp. 85-91. [9] Kanjilal PP, Palit S, Saha G: Fetal ECG Extraction from Single-Channel Maternal ECG Using Singular Value Decomposition. IEEE Tr on BME, vol. 44. 1997 No. 1. pp. 51-59. [10] Stokes V, Lanshammer H, Thorstensson A: Dominant Pattern Extraction from 3D Kinematic Data. IEEE Tr. on BME, 1999 January, pp. 100-106. [11] Nepusz T: Mozgásanalízis alkalmazása agyi érkatasztrófán átesett betegek kvantitatív állapotfelmérésére. Diplomaterv, Budapesti Műszaki és Gazdaságtudományi Egyetem, Villamosmérnöki és Informatikai Kar, 2005. [12] Jobbágy Á, Harcos P, Karoly R, Fazekas G: Analysis of the Finger-Tapping Test. Journal of Neuroscience Methods, January 30, 2005. Vol 141/1, pp. 29-39. A SZERZÔK BEMUTATÁSA Jobbágy Ákos okleveles villamosmérnök. 1976 óta a BME Méréstechnika és Információs Rendszerek tanszéken dolgozik, jelenleg docensként. 1998 óta a Műegyetem oktatási igazgatója. A MATE Elektronikus Műszer- és Orvostechnikai Szakosztályának 1993-2003 között titkára, 2003 óta elnöke. Az IFMBE Secretaries’ Committee elnöke 2003 óta. Az IEEE Hungary Section Instrumentation and Measurement & Engineering in Medicine and Biology Joint Chapter elnöke 2001 óta. K+F tevékenysége során több orvosi készülék intelligens vezérlőjének fejlesztésében vett részt. Fő szakterülete a mozgásanalízis orvosi/klinikai alkalmazása és az egészségállapot otthoni monitorozása. Mintegy 70 tudományos publikációja jelent meg angolul és 40 magyarul. Fazekas Gábor 1984-ben végzett a Semmelweis Orvostudományi Egyetemen. 1988-ban neurológiából, 1994ben reumatológiából, 2000-ben mozgásszervi rehabilitációból szerzett szakképesítést. Jelenleg a Szent János Kór- ház Mozgásszervi Rehabilitációs Osztályának vezetője, emellett az Országos Orvosi Rehabilitációs Intézet orvosmérnöki rehabilitációs kutatási programját irányítja. Érdeklődési területe a fejlett technológiai alkalmazási lehetőségei a rehabilitációban beleértve az állapotfelmérés és a terápia oldalát is. IV. Infokommunikációs Konferencia Helyszín: Hotel Stadion Budapest Időpont: 2006. április 5-6. Larix Kiadó Kft. 1089 Budapest Kálvária tér 3. 333-2434 210-2682 ime@imeonline.hu, larix@larix.hu www.imeonline.hu, www.larix.hu IME V. évfolyam 1. szám 2006. február 41
