Development of a mobile application for testing fine motor skills disorders

• Autorzy: Andrushchenko Marko , Selivanova Karina , Avrunin Oleg , Kraievska Alla , Mamyrbayev Orken , Momynzhanova Kymbat

Identyfikatory

DOI

10.35784/iapgos.6470

Warianty tytułu

PL

Opracowanie aplikacji mobilnej do badania zaburzeń motoryki precyzyjnej

• Języki publikacji: EN

Abstrakty

EN

The purpose of this research is to develop a mobile application to identify fine motor disorders and help in their development. Many techniques are used to test fine motor skills, including drawing, cutting, folding, creating compositions from various materials, and more. However, using digital devices to test fine motor skills will be automatic, useful, and helpful. Digital devices such as sensor and graphic tablets, sensors, digitizers, and smartphones can provide accurate measurements of reaction times and movement speed, and allow real-time data to be recorded and analyzed. A cross-platform tool was developed to test basic graphic skills and level of fine motor skills development. The algorithm for the determination of the graphic abilities of users is based on the Frechette discrete distance formula, which allows measuring the deviation of an experimental figure from the etalon figure. Experimental results were conducted at the Laboratory of 3D Biomedical Technologies of the Department of Biomedical Engineering of Kharkiv National University of Radio Electronics. The application is designed to analyze graphic skills through a series of exercises that test various skills, such as drawing, shading, and coloring shapes.

PL

Celem artykułu jest opracowanie aplikacji mobilnej do testowania umiejętności graficznych i określania zaburzeń zdolności motorycznych. Do testowania umiejętności motorycznych wykorzystywanych jest wiele technik, w tym rysowanie, wycinanie, składanie, tworzenie kompozycji z różnych materiałów i wiele innych. Jednak korzystanie z urządzeń cyfrowych do testowania umiejętności motorycznych będzie automatyczne, użyteczne i pomocne. Urządzenia cyfrowe, takie jak tablety sensoryczne i graficzne, czujniki, digitalizatory i smartfony mogą zapewnić dokładne pomiary czasu reakcji i prędkości ruchu oraz umożliwiają rejestrowanie i analizowanie danych w czasie rzeczywistym. Opracowano wieloplatformowe narzędzie do testowania podstawowych umiejętności graficznych i poziomu rozwoju umiejętności motorycznych. Algorytm określania zdolności graficznych użytkowników opiera się na formule dyskretnej odległości Frechette'a, która pozwala zmierzyć odchylenie figury eksperymentalnej od figury wzorcowej. Wyniki eksperymentalne przeprowadzono w Laboratorium Technologii Biomedycznych 3D Wydziału Inżynierii Biomedycznej Charkowskiego Narodowego Uniwersytetu Radioelektroniki. Aplikacja została zaprojektowana do analizy umiejętności graficznych poprzez serię ćwiczeń, które testują różne umiejętności, takie jak rysowanie, cieniowanie i kolorowanie kształtów.

Słowa kluczowe

EN

healthcare; motor disorders detection; cross-platform development; digital healthcare tools; graphic motion analysis; mobile application

PL

opieka zdrowotna; wykrywanie zaburzeń motorycznych; rozwój międzyplatformowy; cyfrowe narzędzia opieki zdrowotnej; graficzna analiza ruchu; aplikacja mobilna

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2025
• Tom: T. 15, nr 1
• Strony: 139--143
• Opis fizyczny: Bibliogr. 16 poz., fot.

Twórcy

autor

Andrushchenko Marko

• Kharkiv National University of Radio Electronics, Department of Biomedical Engineering, Kharkiv, Ukraine

• https://orcid.org/0000-0003-1722-2390

autor

Selivanova Karina

• Kharkiv National University of Radio Electronics, Department of Biomedical Engineering, Kharkiv, Ukraine

• https://orcid.org/0000-0003-1002-0761

autor

Avrunin Oleg

• Kharkiv National University of Radio Electronics, Department of Biomedical Engineering, Kharkiv, Ukraine

• https://orcid.org/0000-0002-6312-687X

autor

Kraievska Alla

• Vinnytsia National Technical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0003-2812-6986

autor

Mamyrbayev Orken

• Kazakh National Technical University named after K.I. Satbayev, Almaty, Kazakhstan

• https://orcid.org/0000-0001-8318-3794

autor

Momynzhanova Kymbat

• Kazakh National University, Faculty of Information Technology, Almaty, Kazakhstan

• https://orcid.org/0000-0002-9981-5706+

Bibliografia

• [1] Apple Inc. Vision Framework Overview. Apple Developer Documentation, 2024 [https://developer.apple.com/documentation/vision] (available: 9.08.2024).
• [2] Avrunin O. et al.: Improving the methods for visualization of middle ear pathologies based on telemedicine services in remote treatment. 2020 IEEE KhPI Week on Advanced Technology, KhPI Week 2020, 347–350 [https://doi:10.1109/KhPIWeek51551.2020.9250090].
• [3] Fine Motor Skills Practice on the Play Store [https://play.google.com/store/apps/details?id=air.tracing] (available: 9.08.2024).
• [4] Hartingsveldt M. J. et al.: Reliability and validity of the fine motor scale of the peabody developmental motor scales-2. Occupational Therapy International 12(1), 2005, 1–13 [https://doi.org/10.1002/oti.11].
• [5] KanDo: Fine Motor Skills Measurement Tool on the App Store. [https://apps.apple.com/us/app/kando-fine-motor-skills-measurementtool/id499010991] (available: 9.08.2024).
• [6] Mahmoud W. A. J.: Motor skill acquisition in children with poor motor coordination. Oxford Brookes University, 2017 [https://doi.org/10.24384/Z1P3-3A68].
• [7] Martin R. C.: Clean Architecture: A Craftsman’s Guide to Software Structure and Design. Pearson, 2018.
• [8] ML Kit, Google Developers [https://developers.google.com/ml-kit/guides] (available: 9.08.2024).
• [9] Oberklaid F. et al.: Children’s health and development: Approaches to early identification and intervention. Archives of Disease in Childhood 98(12), 2013, 1008–1011 [https://doi.org/10.1136/archdischild-2013-304091].
• [10] Selivanova K. G. et al.: Biometric hand tremor identification on graphics tablet. Proc. SPIE 11176, 2019, 111762H [https://doi.org/10.1117/12.2536421].
• [11] Selivanova K., Avrunin O.: Method of Hand Movement Disorders Determination based on the Surgeon's Laparoscopic Video Recording. 3rd KhPI Week on Advanced Technology – KhPI Week, 2022, 1–4 [https://doi.org/10.1109/KhPIWeek57572.2022.9916457].
• [12] Sierra C. et al.: Fine Motor Activities in Elementary School Children: A Replication Study. Am J Occup Ther 74(2), 2020, 7402345010p1– 7402345010p7 [https://doi.org/10.5014/ajot.2020.035014].
• [13] Strooband K. F. B. et al.: Systematic review and meta-analyses: Motor skill interventions to improve fine motor development in children aged brith to 6 years. Journal of Developmental Behavioral Pediatrics, 41(4), 2020, 319–331 [https://doi.org/10.1097/dbp.0000000000000779].
• [14] Strooband K. F. B. et al.: Revelance and risk factors of pre-schoolers' fine motor delay within vulnerable Australian communities. Journal of Paediatrics and Child Health 57(1), 2020, 114–120 [https://doi.org/10.1111/jpc.15152].
• [15] Taeger J. et al.: Utilization of Smartphone Depth Mapping Cameras for App-Based Grading of Facial Movement Disorders: Development and Feasibility Study. JMIR mHealth and uHealth 9(1), 2021, e193466 [https://doi.org/10.2196/19346].
• [16] Wójcik W. et al.: Information Technology in Medical Diagnostics II. Taylor & Francis Group. CRC Press, Balkema Book, London 2019.