Please use this identifier to cite or link to this item: http://repository.eia.edu.co/handle/11190/1963
Title: Contribution to the validation of functional methods in clinical gait analysis
Authors: Álvarez Gómez, Stephanie
Adviser: Pillet, Hélèn
Keywords : Análisis de la marcha
Campo clínico
Cinemática humana
Marcos anatómicos
Analysis of the march
Clinical field
Human kinematics
Anatomical frames
Issue Date: 2013
Publisher: Universidad EIA
Abstract: El análisis del movimiento humano tiene como objetivo recopilar información cuantitativa sobre la mecánica del sistema musculoesquelético durante la ejecución de una tarea motora (Cappozzo, et al., 2005). En el campo clínico, el análisis del movimiento está específicamente relacionado con la tarea de la marcha denominada análisis de la marcha. El análisis de la marcha a menudo utiliza la cinemática de las articulaciones para determinar los aspectos normales o anormales de la marcha y, en consecuencia, diagnosticar trastornos, evaluar la gravedad de una enfermedad y seleccionar entre los tratamientos (Baker, 2006). El dispositivo más comúnmente utilizado para medir la cinemática humana es el sistema optoelectrónico marcado que incluye varias cámaras digitales y un software que permite rastrear marcadores retrorreflectantes (pasivos) o emisores de luz (activos) colocados en la piel del paciente durante los movimientos estudiados ( Cappozzo, et al., 2005). Convencionalmente en el análisis de la marcha un enfoque llamado métodos predictivos, que se basa en regresiones matemáticas, utiliza las posiciones de los marcadores externos colocados en la piel del paciente y los puntos de referencia óseos para determinar centros articulares y ejes de rotación de segmentos (Davis, et al., 1991) . Estos ejes de rotación (AoR) conforman marcos unidos a segmentos corporales llamados marcos anatómicos (AF) que permiten seguir las posturas de los segmentos del cuerpo en el espacio. En este enfoque, se supone que el AoR de los huesos se aproxima al AoR de los segmentos corporales que contienen los huesos de interés y que la cinemática articular se estima como la cinemática del segmento corporal (por ejemplo, se asume que el AoR del apretado y la pierna coinciden con el AoR de el fémur y la tibia). En consecuencia, la repetibilidad y precisión de este enfoque están sujetas a la definición de AoR y su capacidad para aproximar los ejes funcionales de las articulaciones (Blankevoort, Huisekes y De Lange 1990). En contraste, un segundo enfoque que se refiere a los métodos funcionales emplea técnicas de ajuste y transformación aplicadas a las trayectorias de los marcadores de la piel durante los movimientos de la articulación del paciente para determinar la AoR. En este enfoque, los ejes helicoidales instantáneos o finitos se utilizan para definir las rotaciones de dos segmentos adyacentes a lo largo del movimiento (Woltring y Huiskes, 1985; Walker, Rovick y Roberston, 1988) y el eje helicoidal medio (MHA) (las posiciones y orientaciones medias de todos los ejes helicoidales) se considera generalmente como el AoR funcional. Teniendo en cuenta que el MHA se basa en el movimiento del paciente, se supone que los AF construidos a partir de AoR funcional son más precisos para estimar la cinemática de la articulación que los AF construidos a partir de AoR definida a partir del método predictivo. Sin embargo, durante el movimiento del paciente, aparecen artefactos de tejidos blandos (cuando la deformación y desplazamiento externo de la piel introduce movimiento relativo al hueso subyacente) y generan errores en los resultados obtenidos de los marcadores colocados en la piel (Leardini, et al., 2005). Para evitar el artefacto de los tejidos blandos, otra alternativa es definir el AoR directamente desde la geometría ósea utilizando métodos de imagen en lugar de enfoques de análisis de la marcha que funcionan a partir de los marcadores de la piel. Se pueden usar diferentes modalidades de imágenes como la tomografía computarizada (tomografía computarizada), la resonancia magnética (MRI) o los sistemas de rayos X biplanar a dosis bajas para realizar reconstrucciones tridimensionales de huesos y construir la resonancia magnética a partir de puntos de referencia óseos en el hueso. Entonces, los dos enfoques del análisis de la marcha mencionados anteriormente se pueden aplicar para construir AoR desde el hueso o calcular el MHA usando imágenes sucesivas adquiridas durante el movimiento (Van Campen, et al., 2011). Este enfoque es el más preciso para localizar puntos de referencia en el hueso y determinar la AoR; sin embargo, restricciones como la alta dosis de radiación de las mediciones de CT-Scan, la disponibilidad limitada de MRI o la adquisición restringida a posiciones que no soportan peso (posiciones de colocación) hacen modalidades de imagen no apropiadas para el análisis de la marcha en la rutina clínica.
Abstract (English): Human movement analysis aims at gathering quantitative information about the mechanics of the musculo-skeletal system during the execution of a motor task (Cappozzo, et al., 2005). In the clinical field, movement analysis is specifically concerned by the gait task referred as gait analysis. Gait analysis often uses joint kinematics to determine the normal or abnormal aspects of gait and consequently diagnose disorders, evaluate severity of a disease and select among treatments (Baker, 2006). The most commonly used device for measuring human kinematics is the marked-based optoelectronic system which includes several digital cameras and a software that allows to track retroreflective (passive) or light-emitting (active) markers placed on the patient’s skin during the studied movements (Cappozzo, et al., 2005). Conventionally in gait analysis an approach called predictive methods, which is based on mathematical regressions, uses the positions of external markers placed on the patient’s skin and bony landmarks to determine joint centers and axes of rotation of segments (Davis, et al., 1991). These axes of rotation (AoR) make up frames attached to body segments named Anatomical Frames (AFs) that allow following the poses of body segments in space. In this approach the AoR of bones are assumed to approximate the AoR of body segments containing the bones of interest and joint kinematics is estimated as the body segment kinematics (For example the AoR the of the tight and leg are assumed to coincide with the AoR of the femur and the tibia). In consequence, the repeatability and accuracy of this approach are subjected to the definition of AoR and their ability to approximate the functional axes of joints (Blankevoort, Huisekes & De Lange 1990). In contrast, a second approach that refers to functional methods employs fitting and transformation techniques applied to the skin markers trajectories during patient’s joint movements to determine the AoR. In this approach instantaneous or finite helical axes are used to define the rotations of two adjacent segments throughout motion (Woltring & Huiskes, 1985 ; Walker, Rovick & Roberston,1988) and the mean helical axis (MHA) (the average positions and orientations of all the helical axes) is generally considered as the functional AoR. Taking into account that the MHA is based on patient’s motion, it is assumed that AFs built from functional AoR are more accurate at estimating joint kinematics than AFs built from AoR defined from predictive method. However, during patient motion soft tissue artifact appear (when external skin deformation and displacement introduces movement relative to the underlying bone) and generate errors in the results obtained from markers placed on the skin (Leardini, et al., 2005). To avoid soft tissue artifact another alternative is to define the AoR directly from bone geometry using imaging methods rather than gait analysis approaches that work from skin markers. Different imaging modalities like computed tomography scan (CT-scan), magnetic resonance imaging (MRI) or low dose biplanar X-ray systems can be used to perform 3D reconstructions of bones and to build AoR from skeletal landmarks in the bone. Then the two approaches from gait analysis previously mentioned can be applied to build AoR from the bone or computing the MHA using successive images acquired during motion (Van Campen, et al., 2011). This approach is the most accurate for locating landmarks on the bone and determining AoR, however constraints like the high radiation dose of CT-Scan measurements, the limited availability of MRI or the restricted acquisition to non-weight bearing positions (laying down positions) make imaging modalities non appropriate for gait analysis in clinical routine.
Description: 48 páginas
URI: http://repository.eia.edu.co/handle/11190/1963
Citation: Álvarez Gómez, S. (2014) Contribution to the validation of functional methods for clinical gait analysis (Trabajo de grado). Recuperado de: http://repository.eia.edu.co/handle/11190/1963
Autorization: openAccess
Location: BIOM00226
Appears in Collections:Ingeniería Biomédica

Files in This Item:
File Description SizeFormat 
AlvarezStephanie_2013_ContributionValidationFunctional.pdfTrabajo de grado1.42 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.