Neuromuscular DiseasesNeuromuscular DiseasesНервно-мышечные болезни2222-87212413-0443Publishing House ABV Press65610.17650/2222-8721-2025-15-2-28-36ORIGINAL REPORTSОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯSoftware for the analysis of reach-to-grasp and transport movements: applications in cognitive and neurophysiological researchПрограммное обеспечение для анализа движений захвата и переноса рукой: возможности применения в когнитивных и нейрофизиологических исследованияхhttps://orcid.org/0000-0003-2346-4222VyazminA. O.ВязьминА. О.
Russian Federation

Aleksandr Olegovich Vyazmin,

20, Myasnitskaya St., Moscow 101000.

Александр Олегович Вязьмин,

101000 Москва, ул. Мясницкая, 20.

aovyazmin@hse.ruhttps://orcid.org/0009-0003-4328-5325ChapanovaM. R.ЧапановаМ. Р.
Russian Federation

34, Tallinskaya St., Moscow 123458.

123458 Москва, Таллинская ул., 34.

https://orcid.org/0009-0003-9388-2849MorozovM. S.МорозовМ. С.
Russian Federation

34, Tallinskaya St., Moscow 123458.

123458 Москва, Таллинская ул., 34.

https://orcid.org/0000-0003-4403-7246AksenovS. A.АксеновС. А.
Russian Federation

34, Tallinskaya St., Moscow 123458.

123458 Москва, Таллинская ул., 34.

https://orcid.org/0000-0003-0934-6764FeurraM.ФеурраМ.
Russian Federation

20, Myasnitskaya St., Moscow 101000.

101000 Москва, ул. Мясницкая, 20.

Centre for Cognition and Decision making, Institute for Cognitive Neuroscience, National Research University “Higher School of Economics”Центр нейроэкономики и когнитивных исследований, Институт когнитивных нейронаук ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики»School of Applied Mathematics, Tikhonov Moscow Institute of Electronics and Mathematics, National Research University “Higher School of Economics”Департамент прикладной математики Московского института электроники и математики им. А.Н. Тихонова ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики»2309202515228362209202522092025Copyright ©; 2025, Vyazmin A.O., Chapanova M.R., Morozov M.S., Aksenov S.A., Feurra M.Copyright ©; 2025, Вязьмин А.О., Чапанова М.Р., Морозов М.С., Аксенов С.А., Феурра М.2025Vyazmin A.O., Chapanova M.R., Morozov M.S., Aksenov S.A., Feurra M.Вязьмин А.О., Чапанова М.Р., Морозов М.С., Аксенов С.А., Феурра М.https://creativecommons.org/licenses/by/4.0https://nmb.abvpress.ru/jour/article/view/656

Aim. To present Kinematic 4, a software tool designed for automated analysis of reach-to-grasp and object transport movements using data obtained from motion capture systems.

Materials and methods. The software was developed in Python and implements algorithms for automatic detection of key temporal events in motor actions. Initially validated in MATLAB, the algorithmic framework was adapted into a cross-platform desktop application with a graphical user interface. Kinematic 4 processes coordinate data from markers placed on the thumb, index finger, wrist, object, and specialized glasses with a movable shutter. The program identifies six critical time points: experiment onset, hand lifting, finger opening, maximum grasp aperture, object lifting, and object placement.

Results. Comparison between results obtained using Kinematic 4 and those generated by the original MATLAB script demonstrated full consistency. The software was successfully validated on experimental datasets and showed high stability. Its user-friendly interface and automated workflow make it a reliable and reproducible tool for both research and clinical applications.

Conclusion. Kinematic 4 can be effectively used for assessing upper-limb movements in neuroscience and clinical contexts, including the diagnosis of motor impairments and monitoring of recovery dynamics. Future development may include integration with other biosignals and machine learning modules for predictive analytics.

Цель исследования – представить программное обеспечение Kinematic 4, предназначенное для автоматизированного анализа кинематических характеристик действий захвата и переноса объектов рукой на основе данных, полученных с помощью систем захвата движения.

Материалы и методы. Программа разработана на языке Python и реализует алгоритмы автоматического определения ключевых временных точек двигательного акта. Исходная алгоритмическая структура была апробирована ранее в среде MATLAB и адаптирована в виде кроссплатформенного настольного приложения с графическим интерфейсом. Kinematic 4 позволяет анализировать координатные данные, полученные от трекеров, размещенных на пальцах, запястье, объекте и специализированных очках с подвижной створкой. Программа определяет 6 временных маркеров, соответствующих этапам выполнения действия: начало эксперимента, начало движения кисти, начало раскрытия пальцев, максимальную апертуру захвата, начало подъема объекта и его опускание.

Результаты. Сравнительный анализ результатов, полученных с помощью Kinematic 4 и ранее разработанного MATLAB-скрипта, показал полное соответствие. Программа успешно прошла верификацию на экспериментальных данных и продемонстрировала стабильную работу. Благодаря интуитивно понятному интерфейсу и автоматизации расчетов Kinematic 4 обеспечивает воспроизводимый и удобный инструмент для научных и клинических исследований.

Выводы. Программное обеспечение может быть эффективно использовано для оценки движений руки в нейронаучных и клинических задачах, включая диагностику моторных нарушений и мониторинг восстановительных процессов. В перспективе возможны интеграция с другими биофизическими сигналами и внедрение элементов интеллектуального анализа данных.

kinematic analysismotion capturemotor planningrehabilitationneurodiagnosticsPythonкинематический анализсистема захвата движениямоторное планированиереабилитациянейродиагностикаPythonThe study was carried out within the framework of the Fundamental Research Program of the National Research University “Higher School of Economics”Исследование осуществлено в рамках Программы фундаментальных исследований ФГАОУ ВО «Национальный исследовательский университет «Высшая школа экономики».MacKenzie C. L., Iberall T. The Grasping Hand. Amsterdam: Elsevier, 1994. 256 p.Jeannerod M. The timing of natural prehension movements. J Motor Behav 1984;16(3):235–54. DOI: 10.1080/00222895.1984.10735307Castiello U. The neuroscience of grasping. Nat Rev Neurosci 2005;6(9):726–36. DOI: 10.1038/nrn1744Nowak D. A. The impact of stroke on the performance of grasping: Usefulness of kinetic and kinematic motion analysis. Neurosci Biobehav Rev 2008;32(8):1439–50. DOI: 10.1016/j.neubiorev.2008.04.017Fasano A., Mazzoni A. Reaching and grasping movements in Parkinson’s disease: A review. J Parkinsons Dis 2022;12(4): 1083–113. DOI: 10.3233/JPD-223102Wiesendanger M., Serrien D. J. Neurological problems affecting hand dexterity. Brain Res Rev 2001;36(2–3):161–8. DOI: 10.1016/S0165-0173(01)00085-6Betti S., Zani G., Guerra S. et al. Reach-to-grasp movements: A multimodal techniques study. Front Psychol 2018;9:990. DOI: 10.3389/fpsyg.2018.00990Sartori L., Spoto A., Gatti M., Straulino E. The shape of water: How tai chi and mental imagery effect the kinematics of a reach-to-grasp movement. Front Physiol 2020;11:297. DOI: 10.3389/fphys.2020.00297Frykberg G. E., Grip H., Alt Murphy M. How many trials are needed in kinematic analysis of reach-to-grasp? A study of the drinking task in persons with stroke and non-disabled controls. J Neuroeng Rehabil 2021;18(1):13. DOI: 10.1186/s12984-021-00806-wPaulignan Y., Frak V. G., Toni I., Jeannerod M. Influence of object position and size on human prehension movements. Exp Brain Res 1997;114(2):226–34. DOI: 10.1007/PL00005653Sziburis T., Blex S., Glasmachers T., Iossifidis I. Ruhr hand motion catalog of human center-out transport trajectories in 3D task-space captured by a redundant measurement system. arXiv e-prints; arXiv:2401.00562. DOI: 10.48550/arXiv.2401.00562Mazzarella J., Richie D., Chaudhari A. M. W. et al. Object weight and hand dominance impact kinematics in a functional reach-to-drink task in school-aged children. Sensors (Basel) 2024;24(16):5421. DOI: 10.3390/s24165421Choi H., Park D., Rha D. W. et al. Kinematic analysis of movement patterns during a reach-and-grasp task in stroke patients. Front Neurol 2023;14:1225425. DOI: 10.3389/fneur.2023.1225425Murphy M. A., Willén C., Sunnerhagen K. S. Kinematic variables quantifying upper-extremity performance after stroke during reaching and drinking from a glass. Neurorehabil Neural Repair 2011;25(1):71–80. DOI: 10.1177/1545968310370743Vyazmin A. O., Ragimova A. A., Si G. L. et al. Efficiency of object movement depending on its orientation in space: kinematic analysis of motor planning and execution. Nervno-myshechnye bolezni = Neuromuscular Diseases 2024;14(3):38–53. (In Russ.). DOI: https://doi.org/10.17650/2222-8721-2024-14-3-38-53Вязьмин А. О., Рагимова А. А., Си Г. Л. и др. Эффективность перемещения предмета в зависимости от его ориентации в пространстве: кинематический анализ моторного планирования и выполнения. Нервно-мышечные болезни 2024;14(3): 38–53. DOI: https://doi.org/10.17650/2222-8721-2024-14-3-38-53Wong A. L., Haith A. M., Krakauer J. W. Motor planning. Neurosci 2015;21(4):385–98. DOI: 10.1177/1073858414557845Johansson R. S., Flanagan J. R. Coding and use of tactile signals from the fingertips in object manipulation tasks. Nat Rev Neurosci 2009;10(5):345–59. DOI: 10.1038/nrn2621Scott S. H. Optimal feedback control and the neural basis of volitional motor control. Nat Rev Neurosci 2004;5(7):532–45. DOI: 10.1038/nrn1427Zhang J., Xiao Yu., Li Z.-M. et al. Reach-to-grasp kinematics and kinetics with and without visual feedback in early-stage Alzheimer’s disease. J Neuroeng Rehabil 2022;19(1):121. DOI: 10.1186/s12984-022-01060-5Pardhan S., Scarfe A., Bourne R., Timmis M. A comparison of reach-to-grasp and transport-to-place performance in participants with age-related macular degeneration and glaucoma. Invest Ophthalmol Vis Sci 2017;58(3):1560–9. DOI: 10.1167/iovs.16-21008Shadmehr R., Krakauer J. W. A computational neuroanatomy for motor control. Exp Brain Res 2008;185(3):359–81. DOI: 10.1007/s00221-007-1269-0