Parkinson's disease generates a special interest in factors such as the risk of falls and gait and posture patterns. Using Kinect for gait and arm swing analysis is possible to measure spatiotemporal variables to allow the Parkinson disease diagnose in early stages, with an objective and valid test. In gait analysis, the human gait pattern has a basic unit called the gait cycle, composed of two phases: stance and swing. Using this phases, it is possible to get spatiotemporal variables as walking speed. In arm swing analysis is possible to measure the magnitude, time and speed related to the arm movement. In this paper, we show preliminary results from both, gait and arm swing analysis using Kinect and digital signal processing techniques. The result shows di erences between PD and non-PD patients, this result aims to allow clinical experts to diagnose and assess Parkinson patients, with short evaCopyright c by the paper's authors. Copying permitted for private and academic purposes. luation times and with non-invasive technologies. 1.
La enfermedad de Parkinson (EP) es la segunda enfermedad neurodegenerativa mas comun en el mundo. Esta enfermedad es conocida por generar temblores, rigidez en las extremidades y desordenes de la marcha y la postura corporal. Desde hace un tiempo, se busca evaluar la EP de forma objetiva, ya que hasta ahora las evaluaciones mundialmente reconocidas se rigen por escalas como la UPDRS (Uni ed Parkinson's Disease Rating Scale), de nida y recientemente actualizada por la MDS (Sociedad de trastornos del movimiento) [Fahn1987]. Recientemente se ha investigado el desarrollo de nuevas herramientas basadas en las TIC que puedan ser usadas en escenarios cotidianos al paciente o al experto cl nico, como el consultorio. El grupo de investigacion i2t, de la Universidad Icesi, desarrollo el sistema de captura eMotion, el cual usa una camara RGBD para capturar informacion de las articulaciones del cuerpo humano. El eMotion establece la posicion de las articulaciones y permite obtener los datos de tiempo y distancia de forma tan precisa como un laboratorio de marcha [Paredes2015] [Fernndez-Baena2012] [Galna2014].
A pesar de que se han desarrollado y explorado tecnicas de analisis de sen~ales para evaluar las afecciones motoras de los pacientes con EP, muchas de estas se basan en experimentos o pruebas de alta complejidad. Por tal razon, se hace relevante el desarrollo de tecnicas de analisis que puedan ser integradas al sistema de captura eMotion, ya que de esta forma se contar a con un sistema de bajo costo, de facil uso, valido, objetivo y replicable, que permita complementar el diagnostico cl nico de pacientes con EP, con menores restricciones que los sistemas comerciales actuales. En el presente documento se muestran los resultados preliminares de realizar analisis de marcha y de balanceo de brazos utilizando Kinect y tecnicas de procesamiento como la transformada Wavelet y analisis de picos.
Las tecnolog as que apoyan al analisis del movimiento humano han avanzado en las ultimas tres decadas y, a pesar de ser consideradas cl nicamente utiles, la aplicabilidad y accesibilidad rutinaria de esta tecnolog a ha sido limitada [Tupa2015]. Si bien estos instrumentos pueden proporcionar datos cuantitativos precisos con respecto a variables de la marcha, los requisitos de tiempo, la preparacion de los pacientes, el costo, la accesibilidad, el espacio y los conocimientos tecnicos hacen que su implementacion rutinaria, en entornos cl nicos, sea dif cil [Clark2013, Galna2014].
El Kinect usado en este trabajo, es capaz de analizar los movimientos de las extremidades y la marcha [Paredes2015]. Este dispositivo se ha propuesto como una solucion a las limitaciones de la evaluacion objetiva de la marcha y el balanceo, debido a su portabilidad, bajo costo, disponibilidad y facilidad de uso tanto en la cl nica como en la investigacion [Viehweger2010]. Existen estudios cl nicos que han favorecido el uso de Kinect y han informado una adecuada concordancia con los laboratorios de analisis marcha en la evaluacion de las variables cl nicas, como: paso sano, identicacion de pasos, control postural, velocidad, longitud del paso y el ciclo de la marcha, as como la evaluacion de la marcha y los movimientos gruesos de las extremidades superiores y la lentitud de los movimientos en los pacientes con EP [Zhao2015]
La transformada Wavelet es una de las tecnicas de mayor uso en el area biomedica, Chau et al [Chau2001], quienes discuten, mediante una revision, las principales aplicaciones de la transformada wavelet, en las cuales se incluyen el suavizado y la discriminacion de sen~ales. Tambien a rman que esta tecnica puede ser usada en informacion de marcha y la locomocion humana las cuales no son facilmente comprensibles con los metodos existentes. 3.
Se conto en total con un grupo de 24 voluntarios. Este se dividio en dos grupos, 12 pacientes y 12 controles, emparejados por sexo y edad. Los rangos de edad estan entre 53 y 73 an~os de edad. Todos los pacientes con EP se encontraban en estadios tempranos, I o II segun la escala Hoehn y Yahr. Se obtuvo aprobacion del comite de etica institucional de la Fundacion Cl nica Valle del Lili antes de comenzar el estudio, ademas todos los participantes proporcionaron consentimiento informado por escrito antes de la participacion.
Usamos el sistema de captura e-Motion como herramienta de captura. Las cuales son obtenidas en un corredor de 1.5 metros de ancho por 4 metros de largo. Cada voluntario camino tres veces, desde el punto mas lejano hasta el Kinect. La gura 1, ilustra el corredor usado para evaluar los voluntarios.
Figura 1: Pasillo de marcha usado para las pruebas de Kinect 3.1.
Para realizar el analisis de marcha, se normalizo por el numero de pasos efectivos en el area de captura, el cual es de maximo 3 pasos, al igual que en los laboratorios de marcha, se uso un solo paso efectivo. Decidimos enfocarnos en la articulacion de los tobillos (izquierdo y derecho), dado que, en un estudio previo, comprobamos que esta articulacion no presentaba diferencias con el modelo antropometrico usado por los laboratorios de marcha [Paredes2015]. Como tecnica de procesamiento se decidio usar la transformada Wavelet, ya que ha demostrado tener un amplio rango de aplicaciones en sen~ales biomedicas [Chau2001].
Dado que las tecnicas wavelet nos permiten obtener informacion en dos dominios, frecuencia y tiempo, es una tecnica que nos permite distinguir entre las fases de la marcha, es decir, fase de balanceo, la cual corresponde al desplazamiento del pie; y la fase de apoyo, la cual corresponde a los momentos cuando el pie esta estatico sobre el piso.
En este resumen presentamos los resultados preliminares de aplicar la wavelet db8, o \Daubechies" con 8 niveles de desvanecimiento, a cada sen~al de tobillo (izquierda o derecha), la gura 2 muestra una de las sen~ales de marcha procesadas y los resultados de la descomposicion wavelet aplicada.
Despues de aplicar tecnicas wavelet, se aplico un umbral de nido como el promedio de la sen~al, el cual nos permitio clasi car las fases de la marcha en apoyo o balanceo. Los valores por encima del umbral se asignaron a la fase de balanceo y los valores por debajo se asignaron a la fase de apoyo. Con los resultados de esta clasi cacion se generaron variables espaciotemporales como tiempos de apoyo y balanceo, y velocidad de la marcha. 3.2.
Para el analisis del balanceo de brazos, decidimos usar la articulacion correspondiente a las mun~ecas de cada brazo. En el caso de los controles y los pacientes se evidencio ruido en la sen~al procesada, sin embargo, en algunos pacientes el ruido era de mayor magnitud que en los controles, esto puede asociarse al temblor en las manos. En ambos grupos de personas, se aplico la tecnica de limpieza de ruido Savitzky-Golay [Schafer2011].
En el analisis de brazos, es importante medir la magnitud del balanceo de brazos, la cual es una medida de distancia anterior-posterior, es decir, que indica la distancia que se desplazo el brazo desde el punto mas atras hasta el punto mas adelante mientras el sujeto camina. La gura 2 muestra el balanceo de brazos izquierdo y derecho de un paciente. Segun el criterio cl nico, el paciente de la gra ca presenta rigidez en el brazo izquierdo.
Mediante la deteccion de picos se logro detectar el balanceo de brazos, en sentido anterior-posterior, tambien permitio determinar el tiempo que tomaba el brazo en ir desde el punto mas atras hasta el punto mas adelante. Otra variable obtenida del analisis de picos fue la velocidad del balanceo de brazos, obtenida de la razon entre la magnitud del balanceo y el tiempo que toma cada balanceo. Finalmente, una variable ya descrita en la literatura cl nica que se calculo para este estudio fue la asimetr a en el balanceo de brazos, que describe de forma porcentual la diferencia del movimiento entre cada extremidad (Brazo izquierdo y derecho) [Mirelman2015].
En la tabla 1, presentamos los resultados promedios obtenidos de analizar la marcha y el balanceo de brazos. En general, los resultados muestran evidencia cuantitativa de las afecciones de la EP, lo cual nos permite diferenciar entre los voluntarios con EP y sin EP. Mediante este analisis se evidenciaron diferencias Figura 2: A) Sen~al del movimiento del tobillo izquierdo, B) Descomposicion wavelet resultante de la sen~al en A, la l nea roja representa el umbral; Sen~ales del analisis de picos a la sen~al balanceo de C) un brazo derecho y D) Brazo izquierdo. entre los resultados obtenidos por los pacientes y los controles.
Cuadro 1: Datos promedios de las variables obtenidas del analisis de marcha y del balanceo de brazos
Pacientes con EP Pacientes sin EP
Izquierda Derecha Izquierda Derecha Tiempo de fase de apoyo (s) 1.62 (0.83) 1.59 (0.82) 1.04 (0.26) 1.18 (0.22) Tiempo de fase de balanceo (s) 1.13 (0.48) 1.1 (0.47) 0.81 (0.16) 0.81 (0.13) Velocidad (m/s) 0.77 (0.23) 0.78 (0.23) 1.08 (0.23) 0.95 (0.14) Magnitud del balanceo de brazos (m) 0.1 (0.06) 0.17 (0.11) 0.22 (0.08) 0.27 (0.1) Tiempo del balanceo de brazos (s) 0.93 (0.15) 1 (0.24) 1.01 (0.17) 1 (0.18) Velocidad del balanceo de brazos (m/s) 0.1 (0.06) 0.16 (0.09) 0.22 (0.07) 0.26 (0.09) Coe ciente de asimetr a del balanceo 0.16 (0.11) 0.07 (0.07) 5.
En este estudio mostramos resultados preliminares de evaluar tecnicas de procesamiento digital de sen~ales biomedicas obtenidas mediante Kinect, lo anterior, con la nalidad de obtener variables espacio-temporales asociadas a la marcha y al balanceo de brazos. La literatura muestra que las tecnicas Wavelet y analisis de picos tienen un amplio rango de aplicaciones, sin embargo, ninguno de los estudios encontrados se enfoca en utilizar Kinect como elemento de captura de informacion de marcha, y simultaneamente, usar Wavelet y analisis de picos para la etapa de procesamiento.
En este estudio preliminar utilizamos una camara RGBD, la cual ya ha demostrado buena con abilidad para ser utilizada en analisis de marcha, a pesar de ser un dispositivo que fue inicialmente concebido para la industria de los juegos de consola. Es importante mencionar que este dispositivo presenta algunas limitaciones en cuanto al area de captura, ya que su rango efectivo alcanza maximo 4 metros en el mejor de los casos, a pesar de esto, sigue siendo un dispositivo que ha mostrado utilidad en el contexto cl nico y un buen acuerdo, con respecto a las herramientas del mercado [Galna2014] [Clark2013].
De la tabla 1 observamos que las variables obtenidas proveen metricas objetivas para evaluar la progresion de la enfermedad, por ejemplo, la velocidad es menor en los pacientes con Parkinson que en aquellos que no tienen Parkinson, asociado a las alteraciones motoras que causa la enfermedad, tambien se evidencia que toman mas tiempo en cada fase de la marcha, lo cual es un efecto ya conocido que esta relacionado con los s ntomas de la enfermedad. As mismo, se observa un valor de asimetr a bajo para los voluntarios sanos, lo cual es consecuente con el criterio cl nico, el cual indica que los pacientes sanos no presentan alteraciones en el balanceo. Las variables de balanceo de brazos de los pacientes, como magnitud del balanceo indican que los pacientes desplazan sus brazos en menor medida en comparacion con sus controles. Por otro lado, la asimetr a para los pacientes alcanza un valor mayor con respecto a los controles, indicando que en promedio los pacientes con EP tienen una alta asimetr a en el balanceo de brazos.
Finamente, se hace importante complementar este estudio con una muestra de mayor taman~o, sin embargo, los presentes resultados preliminares muestran la alta aplicabilidad de Wavelet y analisis de picos, sobre sen~ales de marcha y balanceo de brazos obtenidas de Kinect.
En este estudio, realizamos una evaluacion de tecnicas de procesamiento digital de sen~ales como Wavelet y analisis de picos para determinar variables espaciotemporales que permitan un diagnostico y seguimiento objetivo de la enfermedad de Parkinson, usando una camara de profundidad (Microsoft Kinect).
Esta aproximacion mostro ser una oportunidad para evaluar las variables de marcha y balanceo de brazos de forma objetiva, valida, replicable, con baja complejidad algor tmica y bajos tiempos de ejecucion.
Finalmente, las variables de marcha y del balanceo de brazos, indican ser utiles en la diferenciacion de pacientes con enfermedad de Parkinson. Se plantea como trabajo futuro, el uso de una camara RGBD con un mayor rango de profundidad, y una mayor muestra de voluntarios para lograr comparar estad sticamente grupos de pacientes.