AIM 1：开发能够在体格检查期间捕获健康控制行为的3D跟踪。在AIM 1中，研究人员将招募健康的志愿者在复制检查室中进行简化的体格检查，同时使用三台同步FLIR摄像机记录。简化的考试将包括四个任务：震颤的评估，手指追逐，手指向鼻子运动和手指攻击。然后，学习人员将使用DeepLabcut（DLC）软件 - 技术，该技术训练人工神经网络以识别图像中用户定义的特征 - 以识别体格检查视频中感兴趣的身体部分。一旦网络得到充分培训，研究人员将测试其对不同患者和不同情况的概括的能力。将对体育检查期间志愿者运动进行的其他分析，以评估诸如震颤，速度和运动曲折之类的特征。

AIM 2：将3D跟踪应用于诊所以跟踪运动障碍患者的身体检查行为。在AIM 2中，研究人员将将训练有素的网络应用于诊所，以检查运动障碍患者的身体检查特征。 AIM 2A将测试DLC网络在患者和健康年龄匹配的对照中进行身体检查期间捕获运动障碍异常的能力。每个测试变量的DLC得分将根据标准量表进行比较。研究人员希望发现DLC跟踪方法能够以反映和超过医生的能力的方式客观地评分运动障碍。在AIM 2B中，研究人员将探索招募患者的人群，以查看是否有可能拔出与某些疾病状态相对应的特征运动。在这个探索性目的中，研究人员希望能够基于追踪运动特征将不同的疾病群（例如：帕金森氏病和共济失调患者）分开。

研究方法：

在AIM 1中，将使用三个带有定制的同步和启动系统的Flir摄像机在科罗拉多大学丹佛大学研究生院校园建造运动竞技场。调查人员将招募科罗拉多大学丹佛大学研究生院的最多30个健康的18至70年历史的对照，以进行简化的体格检查（评估震颤，手指追逐，手指到鼻子运动和手指攻击），同时进行视频是从100 Hz的三个角度捕获的。调查人员预计该测试的每个受试者不超过5分钟。该视频将用于训练DLC人工神经网络以识别肢体功能。研究人员将测量我们训练的DLC网络在身体检查过程中表征每个肢体兴趣点的能力：四个手指和拇指的尖端，所有四个掌pophopophangeargeal关节肩。成功的结果将是一个网络，该网络能够保持在不同个人和不同房间环境之间高度信心的感兴趣特征的能力。

在AIM 2A中，将在科罗拉多大学运动障碍诊所检查室设立跟踪舞台。调查人员将在18至70岁之间招募多达100名患者，这些患者正在与运动障碍相关的任命以及健康年龄匹配的对照组中的患者的配偶和亲戚招募。诊所的患者访问后将询问他们是否想参加研究。如果他们同意，医生将获得书面同意并填写包括患者年龄，种族，性别和诊断（或假定诊断）的患者表格。视频录制将开始，医生将执行上述简化的身体检查。医师将根据0-4的评估和评级（SARA，项目5和6）评估和评级来判断手指追逐和手指对鼻子的任务。姿势震颤和手指攻击将根据统一的帕金森氏病评级量表（UPDRS，项目21和23）从0-4判断。如果患者正在与同意是年龄匹配的对照的人（在患者年龄的10年内）进行访问，则将按照上述重复进行身体检查。调查人员预计，该测试的每个受试者不超过5分钟，开始结束。然后，研究人员将使用DLC算法以类似于医师评分的方式来评估身体检查以评估系统的准确性。

在AIM 2B中，调查人员将探索AIM 2A的患者数据，以了解特定于个体疾病的运动特征。数据聚类方法（PCA和T-SNE）将使用来自每个物理检查任务的高维DLC跟踪数据将数据分为组。成功将衡量的成功是仅基于运动数据分析的彼此分离疾病的能力。

• 健康控制：在安苏兹医疗校园内招募的健康志愿者
• 年龄匹配的对照：在患者年龄的10年内，科罗拉多大学医院的运动障碍诊所的患者的配偶和亲属。
• 运动障碍患者：访问科罗拉多大学医院运动障碍诊所的患者

• 健康控制
  该组将包括18至70岁之间的健康对照。同意后，他们将在三个角度拍摄时完成简化的运动体格检查。该视频数据将用于训练神经网络，以识别广义患者人群的兴趣点。
• 运动障碍患者
  该组将包括18至70岁的运动障碍诊所患者，患有诊断或推定的运动障碍。同意后，他们将在三个角度拍摄时完成简化的运动体格检查。该视频数据将通过对健康控制训练的神经网络进行分析。
• 年龄匹配的控件
  该组将包括与他们一起访问的运动障碍诊所患者的亲戚，以作为年龄匹配的对照（在患者年龄的10岁之内）。同意后，他们将在三个角度拍摄时完成简化的运动体格检查。该视频数据将通过对健康控制训练的神经网络进行分析。

纳入标准：

• 健康控制：年龄范围内
• 年龄匹配的控件：年龄范围内
• 运动障碍患者：已诊断或推定运动障碍

排除标准：

• 健康控制：已诊断或推定运动障碍；年龄范围之外
• 年龄匹配的控制：已诊断或推定运动障碍；年龄范围之外
• 运动障碍患者：年龄范围之外