Name: 熱および電気刺激に対する痛みの反応を分析するためのマルチ モーダル信号 (動画) | JoVE Journal
Uploaded: 2019-04-05T13:00:00.000+00:00
Duration: 9 min 16 s
Description: 学ぼう、熱および電気刺激を用いたマルチモーダル痛み反応解析法。生理学的・視覚的・音声データを同期記録し、痛みの強度と持続時間を客観的に評価する手法を解説します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

著者らは、研究を行う上で彼らの貴重な助けのベレナ Friedrich、マリア ・ Velana、サンドラ ゲープハルト、Romy Bärwaldt ティナ ヴェールデアゼーを感謝したいです。また、あなたに特別な感謝に出る博士ステファニー ・ ルカヴィナ彼女の科学的なサポートのため。本研究では、DFG/TR233/12 (http://www.dfg.de/)「進歩と体系的な検証の自動化痛み認識システムの顔式と心理生物学的パラメーターの」プロジェクト、ドイツ研究資金の一部財団。

<ol><li>Hawker, G. A., Mian, S., Kendzerska, T., French, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measures+of+adult+pain%3A+Visual+analog+scale+for+pain+%28vas+pain%29%2C+numeric+rating+scale+for+pain+%28nrs+pain%29%2C+mcgill+pain+questionnaire+%28mpq%29%2C+short%E2%80%90form+mcgill+pain+questionnaire+%28sf%E2%80%90mpq%29%2C+chronic+pain+grade+scale+%28cpgs%29%2C+short+form%E2%80%9036+bodily+pain+scale+%28sf%E2%80%9036+bps%29%2C+and+measure+of+intermittent+and+constant+osteoarthritis+pain+%28icoap%29%5BTitle%5D)+AND+%22Arthritis+Care+%26+Research%22%5BJournal%5D)">Measures of adult pain: Visual analog scale for pain (vas pain), numeric rating scale for pain (nrs pain), mcgill pain questionnaire (mpq), short‐form mcgill pain questionnaire (sf‐mpq), chronic pain grade scale (cpgs), short form‐36 bodily pain scale (sf‐36 bps), and measure of intermittent and constant osteoarthritis pain (icoap).</a> Arthritis Care & Research. 63 (11), 240-252 (2011).</li>
<li>Kehlet, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+pain+control+and+accelerated+postoperative+surgical+recovery%5BTitle%5D)+AND+%22Surgical+Clinics%22%5BJournal%5D)">Acute pain control and accelerated postoperative surgical recovery.</a> Surgical Clinics. 79, 431-443 (1999).</li>
<li>McQuay, H., Moore, A., Justins, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Treating+acute+pain+in+hospital%5BTitle%5D)+AND+%22British+Medical+Journal%22%5BJournal%5D)">Treating acute pain in hospital.</a> British Medical Journal. 314 (7093), 1531-1535 (1997).</li>
<li>Brahnam, S., Chuang, C. F., Shih, F. Y., Slack, M. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SVM+classification+of+neonatal+facial+images+of+pain.+Fuzzy+Logic+and+Applications+%28revised+selected+papers+from+the+6th+International+Workshop%2C+WILF+2005%2C+Crema%2C+Italy%2C+September+15-17%2C+2005%29%5BTitle%5D)+AND+%22Lecture+Notes+in+Computer+Science%22%5BJournal%5D)">SVM classification of neonatal facial images of pain. Fuzzy Logic and Applications (revised selected papers from the 6th International Workshop, WILF 2005, Crema, Italy, September 15-17, 2005).</a> Lecture Notes in Computer Science. 3849, 121-128 (2005).</li>
<li>Basler, H. D., Bloem, R., Casser, H. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ein+strukturiertes+Schmerzinterview+f%C3%BCr+geriatrische+Patienten%5BTitle%5D)+AND+%22Schmerz%22%5BJournal%5D)">Ein strukturiertes Schmerzinterview für geriatrische Patienten.</a> Schmerz. 15, 164-171 (2001).</li>
<li>Zwakhalen, S. M. G., Hamers, J. P. H., Abu-Saad, H. H., Berger, M. P. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+in+elderly+people+with+severe+dementia%3A+a+systematic+review+of+behavioural+pain+assessment+tools%5BTitle%5D)+AND+%22BioMed+Central+Geriatrics%22%5BJournal%5D)">Pain in elderly people with severe dementia: a systematic review of behavioural pain assessment tools.</a> BioMed Central Geriatrics. 6 (3), (2006).</li>
<li>Herr, K., Bjoro, K., Decker, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tools+for+assessment+of+pain+in+nonverbal+older+adults+with+dementia%3A+a+state-of-the-science+review%5BTitle%5D)+AND+%22Journal+of+Pain+and+Symptom+Manage%22%5BJournal%5D)">Tools for assessment of pain in nonverbal older adults with dementia: a state-of-the-science review.</a> Journal of Pain and Symptom Manage. 31 (2), 170-192 (2006).</li>
<li>Handel, E., Gnass, I. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHandel%2C+E+%22Praxishandbuch+ZOPA+%3A+Schmerzeinsch%C3%A4tzung+bei+Patienten+mit+kognitiven+und%2Foder+Bewusstseinsbeeintr%C3%A4chtigungen%22">Praxishandbuch ZOPA : Schmerzeinschätzung bei Patienten mit kognitiven und/oder Bewusstseinsbeeinträchtigungen</a>. , Huber. Bern. (2010).</li>
<li>Abbey, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Abbey+pain+scale%3A+a+1-minute+numerical+indicator+for+people+with+end-stage+dementia%5BTitle%5D)+AND+%22International+Journal+Of+Palliative+Nursing%22%5BJournal%5D)">The Abbey pain scale: a 1-minute numerical indicator for people with end-stage dementia.</a> International Journal Of Palliative Nursing. 10 (1), 6-13 (2004).</li>
<li>Gruss, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+intensity+recognition+rates+via+biopotential+feature+patterns+with+support+vector+machines%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Pain intensity recognition rates via biopotential feature patterns with support vector machines.</a> PLoS ONE. 10, 1-14 (2015).</li>
<li>Walter, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+pain+quantification+using+autonomic+parameters%5BTitle%5D)+AND+%22Psychology+%26+Neuroscience%22%5BJournal%5D)">Automatic pain quantification using autonomic parameters.</a> Psychology & Neuroscience. 7 (3), 363(2014).</li>
<li>Werner, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+pain+assessment+with+facial+activity+descriptors%5BTitle%5D)+AND+%22IEEE+Transactions+on+Affective+Computing%22%5BJournal%5D)">Automatic pain assessment with facial activity descriptors.</a> IEEE Transactions on Affective Computing. 8 (3), 286-299 (2017).</li>
<li>Thiam, P., Kessler, V., Walter, S., Palm, G., Schwenker, F. Audio-Visual Recognition of Pain Intensity. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aThiam%2C+P+%22IAPR+Workshop+on+Multimodal+Pattern+Recognition+of+Social+Signals+in+Human-Computer+Interaction%22">IAPR Workshop on Multimodal Pattern Recognition of Social Signals in Human-Computer Interaction</a>. , Springer. Cham. (2016).</li>
<li>Niese, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Towards+Pain+Recognition+in+Post-Operative+Phases+Using+3D-based+Features+from+Video+and+Support+Vector+Machines%5BTitle%5D)+AND+%22International+Journal+of+Digital+Content+Technology+and+its+Applications%22%5BJournal%5D)">Towards Pain Recognition in Post-Operative Phases Using 3D-based Features from Video and Support Vector Machines.</a> International Journal of Digital Content Technology and its Applications. 3 (4), 21-33 (2009).</li>
<li>Hammal, Z., Kunz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+monitoring%3A+A+dynamic+and+context-sensitive+system%5BTitle%5D)+AND+%22Pattern+Recognition%22%5BJournal%5D)">Pain monitoring: A dynamic and context-sensitive system.</a> Pattern Recognition. 45 (4), 1265-1280 (2012).</li>
<li>Werner, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+pain+recognition+from+video+and+biomedical+signals%5BTitle%5D)+AND+%22Pattern+Recognition+%28ICPR%29%2C+22nd+International+Conference+on+Pattern+Recognition%22%5BJournal%5D)">Automatic pain recognition from video and biomedical signals.</a> Pattern Recognition (ICPR), 22nd International Conference on Pattern Recognition. , 4582-4587 (2014).</li>
<li>Walter, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diagnostik+der+Schmerzintensit%C3%A4t%2C+basierend+auf+multimodalen+Signalen+und+maschinellen+Lernen%5BTitle%5D)+AND+%22Habilitationsschrift%22%5BJournal%5D)">Diagnostik der Schmerzintensität, basierend auf multimodalen Signalen und maschinellen Lernen.</a> Habilitationsschrift. , (2017).</li>
<li>Chu, Y., Zhao, X., Han, J., Su, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Physiological+Signal-Based+Method+for+Measurement+of+Pain+Intensity%5BTitle%5D)+AND+%22Frontiers+in+aneuroscience%22%5BJournal%5D)">Physiological Signal-Based Method for Measurement of Pain Intensity.</a> Frontiers in aneuroscience. 11, (2017).</li>
<li>Kächele, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multimodal+data+fusion+for+person-independent%2C+continuous+estimation+of+pain+intensity%5BTitle%5D)+AND+%22Engineering+Applications+of+Neural+Networks%22%5BJournal%5D)">Multimodal data fusion for person-independent, continuous estimation of pain intensity.</a> Engineering Applications of Neural Networks. , 275-285 (2015).</li>
<li>Walter, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+BioVid+Heat+Pain+Database+-+Data+for+the+advancement+and+systematic+validation+of+an+automated+pain+recognition+system%5BTitle%5D)+AND+%22Cybernetics+%28CYBCONF%29%2C+IEEE+International+Conference+on+Cybernetics%22%5BJournal%5D)">The BioVid Heat Pain Database - Data for the advancement and systematic validation of an automated pain recognition system.</a> Cybernetics (CYBCONF), IEEE International Conference on Cybernetics. , 128-131 (2013).</li>
<li>Velana, M., Walter, S., Gruss, S., Werner, P., Al-Hamadi, A. The SenseEmotion Database: A Multimodal Database for the Development and Systematic Validation of an Automatic Pain- and Emotion-Recognition System. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVelana%2C+M+%22Multimodal+Pattern+Recognition+of+Social+Signals+in+Human-Computer-Interaction.+MPRSS+2016.+Lecture+Notes+in+Computer+Science%22">Multimodal Pattern Recognition of Social Signals in Human-Computer-Interaction. MPRSS 2016. Lecture Notes in Computer Science</a>. Schwenker, F., Scherer, S. , Springer. Cham. (2017).</li>
<li>Lautenbacher, S., Peters, J. H., Heesen, M., Scheel, J., Kunz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age+changes+in+pain+perception%3A+a+systematic-review+and+meta-analysis+of+age+effects+on+pain+and+tolerance+thresholds%5BTitle%5D)+AND+%22Neuroscience+%26+Biobehavioral+Reviews%22%5BJournal%5D)">Age changes in pain perception: a systematic-review and meta-analysis of age effects on pain and tolerance thresholds.</a> Neuroscience & Biobehavioral Reviews. 75, 104-113 (2017).</li>
<li>Kállai, I., Barke, A., Voss, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effects+of+experimenter+characteristics+on+pain+reports+in+women+and+men%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">The effects of experimenter characteristics on pain reports in women and men.</a> Pain. 112 (1), 142-147 (2004).</li>
<li>McCambridge, J., Witton, J., Elbourne, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Systematic+review+of+the+Hawthorne+effect%3A+New+concepts+are+needed+to+study+research+participation+effects%5BTitle%5D)+AND+%22Journal+of+Clinical+Epidemiology%22%5BJournal%5D)">Systematic review of the Hawthorne effect: New concepts are needed to study research participation effects.</a> Journal of Clinical Epidemiology. 67 (3), 267-277 (2014).</li>
</ol>

著者が明らかに何もありません。

提案するプロトコルは、熱 (熱) と電気生理学的、視覚的記録とパラ言語信号痛みの実験的獲得に焦点を当てください。この手法は、さまざまな刺激強度と二つの異なる刺激の期間 (様相や強壮剤)、痛みの 2 つのモデルを組み合わせることは、精神生理学的パターンと痛みの表現について広い視野を提供しています。ただし、このプロトコルを実現するためいくつかの手順を考慮する必要があります。
一般に、痛みの刺激を使用して場合は、被験者の安全を確保するため重要です。すべての痛みの刺激は高度に管理する必要があるし、経験豊富な実験者によって適用される必要があります。 さらに、記録し、デバイス (電極)、適切な添付ファイルの信頼性の高い、高品質データの収集記録デバイスとコンピューター間の円滑なコミュニケーションの完全な機能は強くお勧めします。干渉のすべてのソースを排除または最小限に減らす必要があります。参加者間の一貫性を保証するため、標準化された手順と変わらない実験条件を提供することが重要です。
私たちの経験によると、適切な参加者すべての条件を満たすと多数の痛みを伴う刺激を受けたい、長い時間がかかるとは非常に挑戦を見つけること。それに加え、金銭的補償は、研究科目を引き付けるために十分に高くなければなりません。特に 30 と 50 の間の人は見つけにくい。実験はあまりにも可能性があります長い (ca. 4 時間、到着と出発を含む)、彼らの仕事から半日を離陸する必要があります。
参加者の安全は最優先事項なので、痛みの誘導は制限する必要があります。倫理的なガイドラインにより刺激強度はそれぞれやけど、熱と電気の痛み誘導の面で無意識を防ぐために一定のレベルを超えない。いくつかの科目が耐え難い痛みを感じて前に強度限界に達すると、強度の一般的なカットオフによる天井効果を可能性があります。本研究では約 42% (熱校正のパート 1 と 2 を考慮した) 参加者に達して温度ヒューズ (代表的な結果を参照してください)。彼らは彼らの「本当の」痛みの許容差届きませんでしたと、それらに達した被験者の生理反応とは対照的最高熱刺激に対する生理に与える影響の動作が異なる可能性があります。もしそうなら、これらの 2 つのグループを混合痛み認識の観点からの分類結果を及ぼせます。
アドレスの重要な点は、この実験で痛みの様相です。参加者は、熱および電気の痛みの刺激にのみ対象と (というために、これらを高実験の設定で制御されます)。したがって、品質に関する痛みのパターンを調べると場合、調査結果に翻訳しないかもしれない圧力など他の痛み治療法化学や内臓の痛み。 結果の伝達性の同じ考察は、研究サンプルに適用されます。プロトコルは、健康な成人に倫理的に制限されます。たとえば、子供または認知と口頭で障害者は含まれません。さらに、本研究ではヨーロッパ人だけが参加しました。ここでは、分析の結果適用されない場合もこの実験において考慮されないグループに。
別の制限は、ホーソン効果24を懸念があります: 被験者が研究で撮影・観察されていることに注意してください。これはその動作を変更可能性があります。
既存の痛みデータベースと比較して、プロトコルは、それは 2 つの痛みモデルと 2 時間コース (様相や強壮剤) を組み合わせた痛み応答パターンを分析するための重要な利点を提供します: 強度、痛みの期間のほか、品質の検討痛み。電気の痛みとは異なる熱痛みを説明するように (例えば、シャープ対燃焼)、それはまた痛み反応の異なる場合があります。もしそうなら、これらの調査結果は痛みの基になるソースに痛み応答パターンをリンクでした。さらに、研究では、痛みの調査の機会の範囲を拡大するマルチ モーダル: 5 の精神生理学的信号を採用し、2 (前側) カメラ信号、1 体ビュー カメラ信号、1 熱カメラに直面し、1 オーディオ信号、痛みを分析することがあり、正確に評価します。
痛み反応パターンのより複雑な調査、このメソッドの将来の拡張は、脳波計 (EEG)、体温、呼吸などより多くの生体情報を含める必要があります。さらに疼痛モデルとして制御圧力を採用する大きなメリットのことも。このプロトコルで収集したデータによる自動痛み認識を目指して研究者臨床コントロール グループを使用有望な機械学習モデルをテストする必要があります。

痛みは、誰もがの認識の相違は非常に個人的な不快な感覚です。それは秒から数ヶ月まで続くし、その品質 (ズキズキ、シャープ、燃焼など) で異なる場合があります。不十分な治療、痛みが体の物理的および心理的機能に影響を与える、生活の質を減少、慢性的な状態になることのリスクを負います。痛みの強度と品質の正確な評価は、臨床ケア成功した疼痛管理1,2を提供するために関連性の高い。視覚アナログ スケール (VAS) など、痛みの評価、数値評価スケール (NRS)、または3マギル痛み質問紙のゴールド スタンダード メソッドに依存して自己認知と口頭で患者と、したがって、唯一の仕事で十分の報告健常者の人。したがって、すべてのそれらの方法新生児4、せん妄状態、眠い、鎮静、または換気患者5、または認知症6,7で苦しんでいる人になったら妥当性と信頼性を欠いている確立されました。加えまたはスケールを自己報告する別の方法として、訓練を受けた担当者 (例えば、チューリッヒ観測痛み評価8または修道院疼痛スケール9) による観察を通して痛みを測定する方法が近年開発されています。それにもかかわらず、でもこれらのツール苦しむ制限信頼性と妥当性でも訓練を受けた評価者が客観的な評価を保証できません。さらに、アプリケーションは、しばしば臨床スタッフの時間がかかりすぎる痛みの評価を定期的に行う必要があります。
いくつかの研究チームは、視覚により生理の痛みを測定できるように、システムを認識し自動痛みの開発に焦点を当てているおよび/またはパラ言語信号を評価し、痛みとその強度を監視するための新しいアプローチとして設定します客観的に。前の研究は、検出と痛み10、11,12,13,16,17,18の差別化の有望な結果を示すか基本的な感情14,15に基づいて信号の 1 つから差別の痛み13,1412,10、11、、を設定します。 15セットの組み合わせ/フュージョンの16,17,19でと同様。上記様式はほぼ自律的痛みなどのストレス刺激に反応します。それらを使用して人の能力は、彼女/彼の痛みを報告するために必要がないこと利点があります。そのような個人はこのような様式を取り入れた痛みの客観的認識システム多大な利益。誘発疼痛への反応から成るデータ セットは、痛みのパターンを分析し、検出と痛みの監視のための実用的なアプリケーションの開発のための貴重な情報を提供します。他の中でウォルターら20データベースを作成"BioVid 熱痛み」、マルチ モーダル データベースが公開されて、短時間からのデータによる痛みを伴う熱刺激と対応する精神生理学的反応を提供します。Velana ら21の「SenseEmotion データベース」には、生体情報ビデオ、および一過性熱痛みや感情的な刺激によって影響を受けるボランティアからパラ言語情報が含まれていますいます。
これらのデータベースは痛みの反応を調べるに適して、彼らは大抵 1 つの特定の苦痛モデルに基づいています。痛みとは異なる (おそらく痛みモデル) によってその品質で、その期間、それも異なる場合があります生理学的、視覚的に、パラ言語相関します。筆者の知る限り、マルチ モーダル研究またはデータベースが存在しないする 2 つ以上の痛みモデルを組み合わせるし、強度と継続時間だけでなく痛みのパターンを検出、また苦痛の質を区別するために痛みの刺激が異なります。
このペーパーは、痛みと同時にレコードの生理学的応答 (例えば、心電図、頬骨の、皺眉筋、毛様体筋僧帽筋の筋電図を引き出すために複雑な精神生理学的実験を実施する方法のプロトコルを提供します主要な、SCL)、ビデオ (顔の表情、体の動き、顔の皮膚温度) およびオーディオ データ。参加者は刺激 (一過性) 短いし、長持ちする (トニック) 熱と電気の痛みの刺激強度が異なる。実験開始前の調整段階は、個別に各教科の痛覚閾値を決定します。
研究は、強度、品質、統計的機械学習アルゴリズムなどによる長さに関する痛み (パターン) を調査するためのマルチ モーダル データの収集を目指しています。さらに、既に収集したデータは、名前「X-ITE (Experimentally私nduced TメタルボンドとElectrical) 痛みデータベース」で学術研究目的で発行される予定です。BioVid 熱痛みと SenseEmotion20,21, などの既存のデータベースを拡張し、さらに開発、改善、および、妥当性の問題で自動痛み認識システムの評価に貢献できます。信頼性、およびリアルタイム認識。
本稿の残りの部分は、次の方法で構成されています。プロトコルでは、順を追って痛み抽出調査を実施する方法について説明します。その後、代表の結果は、実験の結果を提示します。最後に、重要な手順、制限、および将来の拡張のための提案に続いて研究の利点についても説明します。

<table><tbody><tr><td>PATHWAY Model ATS</td><td>Medoc Ltd., Ramat Yishai, Israel</td><td></td><td>Thermal Stimulator</td></tr><tr><td>30 mm x 30 mm ATS Thermode</td><td>Medoc Ltd., Ramat Yishai, Israel</td><td></td><td></td></tr><tr><td>Thermode PATHWAY Software Arbel 6.3.7.22.1</td><td>Medoc Ltd., Ramat Yishai, Israel</td><td></td><td>Thermal Stimulator Software</td></tr><tr><td>Digitimer DS7A Current Stimulator</td><td>Digitimer Ltd., Hertfordshire, UK</td><td></td><td>電気刺激装置</td></tr><tr><td>Inquisit 5</td><td>ミリ秒 ソフトウェア、シアトル、ワシントン州、米国</td><td></td><td>電気刺激をトリガーするためのソフトウェア</td></tr><tr><td>アナログ-デジタルコンバータ</td><td>Wissenschaftliche Werkstatt Elektronik、ウルム大学、ウルム、ドイツ</td><td>カスタムビルド</td><td></td></tr><tr><td>BIOPAC MP150システム</td><td>BIOPAC Systems, Inc.、ゴレタ、カリフォルニア州、米国</td><td></td><td>バイオシグナル記録ハードウェア</td></tr><tr><td>AcqKnowledgeソフトウェア 4.1.1</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td>Biosignal Recording Software</td></tr><tr><td>NTG-2 Dual Powered Directional Condenser Microphone</td><td>R&Oslash;DE Microphones, Silverwater, Australia</td><td></td><td>Audio Recording Microphone</td></tr><tr><td>Kinect v2</td><td>Microsoft, Redmond, WA, USA</td><td></td><td>Body View Camera</td></tr><tr><td>AV Pike F-145C</td><td>Allied Vision Technologies GmbH, Stadtroda, Germany</td><td></td><td>フェイスカメラ(正面図)</td></tr><tr><td>AV Prosilica GT 1600C</td><td>Allied Vision Technologies GmbH、シュタットローダ、ドイツ</td><td></td><td>フェイスカメラ(側面図)</td></tr><tr><td>PIR uc 180 Thermal Camera</td><td>InfraTec GmbH、ドレスデン、ドイツ</td><td></td><td>サーマルフェイスカメラ</td></tr><tr><td>同期ハードウェア</td><td>Werkstatt、IIKT、マクデブルク大学、マクデブルク、</td><td>ドイツ カスタムメイド</td><td>カメラのハードウェアトリガー、トリガー信号はBIOPACとAudacityによって記録されます</td></tr><tr><td>録音および同期ソフトウェア</td><td>Philipp Werner、Neuro-Information Technology、マクデブルク大学、マクデブルク、ドイツ</td><td>カスタムソフトウェア</td><td>リアルタイム録画、オフラインビデオエンコーディング、およびオフライン同期</td></tr><tr><td>Examination Couch</td><td>ClinicalCare GmbH、ブレーメン、ドイツ</td><td></td><td></td></tr><tr><td>Ag-AgCl電極 EL254 / EL254S (再利用可能、記録直径4mm)</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td>EMG M. corrugator および M. zygomaticus</td></tr><tr><td>Ag-AgCl 電極 BlueSensor P (使い捨て、皮膚接触サイズ:直径34mm、測定面積154mm2)</td><td>Ambu GmbH, バート・ナウハイム(ドイツ</td><td></td>) <td>心電図と筋電図の記録に使用 M. trapezius.電気刺激にも使用されます</td></tr><tr><td>Audacity 2.1.2</td><td>Dominic Mazzoni (Audacity)</td><td></td><td>オーディオ録音ソフトウェア</td></tr><tr><td>Cold Gel Pack</td><td>C+V Pharma Depot GmbH, Versmold, Germany</td><td></td><td></td></tr><tr><td>Panthenol 50mg/g</td><td>ratiopharm GmbH, Ulm, Germany</td><td></td><td>軟膏</td></tr><tr><td>Alumnium プロファイル</td><td>item Industrietechnik GmbH, Solingen, Germany</td><td></td><td>すべてのカメラのインストールに使用マイク</td></tr><tr><td>電極ゲル GEL1</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td></td></tr><tr><td>ELPREP Skin Preparation Gel</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td></td></tr></tbody></table>

熱および電気刺激に対する痛みの反応を分析するためのマルチ モーダル信号

Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli

痛みの評価は、主に通信する人を必要とするメソッドに依存しています。ただし、認知・言語障害を持つ人々 のため、既存メソッドは十分な信頼性と妥当性に欠けていると同時ではありません。この問題をアプローチするには、最近の研究は生理学から派生した応答のパラメーターによって促進される痛みの客観的評価とビデオおよびオーディオ信号について説明します。信頼性の高い自動痛み認識システムを開発するには、努力は、痛みを分析し、有効な痛みのパターンを検出するためにマルチ モーダル データベースの作成でなされました。結果が有望な中、彼らは唯一の差別の痛みや痛みと痛みの強度に焦点します。これを進めるために研究も検討してください品質と痛みの持続機関より高度な疼痛管理のための追加の貴重な情報を提供します。既存のデータベースと痛みの質と長さについての分析を補完するには、引き出す、測定、および有効な痛みの反応収集する生理心理学的実験を提案します。参加者は、強度 (低、中、および高)、期間の異なる痛みの刺激にさらされて (5 s/1 分) とモダリティ (熱/電気痛み) 一方で, オーディオ、ビデオ (など顔の表情、ジェスチャー、顔の皮膚温度)、および生理学的信号 (例えば、心電図 [ECG] 皮膚コンダクタンス レベル [SCL]、顔面筋電図 [筋電図] と僧帽筋の筋) が記録されています。研究は、(低耐え難い痛み) から被験者の個々 の痛みの範囲を決定する校正フェーズと校正の範囲に応じて、刺激が適用される痛みが刺激フェーズで構成されます。得られたデータは、精製、改善、および痛みの客観的評価の観点から自動認識システムの評価できます。詳細は、圧力などの追加の痛みモダリティで痛み反応を調査する上でこのようなシステムのさらなる発展のため今後の研究で化学、または冷たい痛みが含まれます。本研究の記録されたデータは、「X ITE 痛みデータベース」としてリリースされます。

痛みは、者の認識の相違は、まちまちの表情、パラ言語および/または生理学的な信号自体を述べることができます。今回のデザインは、基になる目的に関してさまざまな方法で痛みの反応を分析に適しています。得られたデータなど研究の質問に答えることを: 応答パターン特定の苦痛はありますか?痛みモデルと期間についても外れるか。
134 科目の合計は、我々 の実験に参加しました。性比は 50/50。次の年齢別グループに分けて: 1) 18-29 歳 (N = 49、23 人、26 人の女性)、2) 30 ~ 39 歳 (N = 45、23 人、22 の女性)、3) 40-50 年 (N = 40、21 人、女性 19)。すべての被験者の平均年齢は 31.4 (SD = 9.7)、すべての男性 = 33.4 (SD = 9.3) とすべての女性 = 32.9 (SD = 10.2) 年。研究はドイツ、ウルム大学の医学心理学教室で起こった。
このプロトコルの主な結果は、痛み刺激に対する被験者の応答を反映するオーディオ、ビデオ、および生理学的シグナルのデータ セットです。表 1は、記録された信号の技術的特徴と研究で誘発される痛み刺激の数の概要を示します。
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="5">技術的な特徴</td>
		</tr>
<tr>
<td>信号:</td>
			<td colspan="2">サンプリング レート:</td>
			<td colspan="2">属性:</td>
		</tr>
<tr>
<td>オーディオ</td>
			<td colspan="2">44100 Hz</td>
			<td colspan="2">モノラル、MP3 320kbps</td>
		</tr>
<tr>
<td>カメラ 1 (顔、正面)</td>
			<td colspan="2">25 Hz</td>
			<td colspan="2">ビデオの色: 解像度 1384 x 1032 Libx265 (CRF 16、プリセット媒体) でエンコードされた HEVC</td>
		</tr>
<tr>
<td>カメラ 2 (顔、横から見た図)</td>
			<td colspan="2">25 Hz</td>
			<td colspan="2">ビデオの色: 解像度 1620 × 840 Libx265 (CRF 16、プリセット媒体) でエンコードされた HEVC</td>
		</tr>
<tr>
<td>本体カメラ</td>
			<td colspan="2">約 30 Hz</td>
			<td colspan="2">ビデオの色: 1500 × 600 の解像度 Libx265 (CRF 16、プリセット媒体); でエンコードされた HEVC ビデオの深さ: 解像度 500 x 200、ロスレス符号化</td>
		</tr>
<tr>
<td>サーマル カメラ</td>
			<td colspan="2">約 120.8 Hz</td>
			<td colspan="2">表面温度ビデオ: 解像度 120 × 160 グレースケール libx264 でエンコードされた MPEG 4 AVC (CRF 0、プリセット非常に速く) エンコードされた温度範囲 26.5-52.0 ° C (0.1 ステップ)</td>
		</tr>
<tr>
<td>心電図</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">BioPac を介してフィルタ リングされてハードウェア: 35 Hz LP、0.5 Hz の HP、 50 Hz のノッチ フィルター</td>
		</tr>
<tr>
<td>SCL</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">ハードウェアは、BioPac を介してフィルタ リングされて: 10 Hz LP、ない HP ノッチ フィルターなし</td>
		</tr>
<tr>
<td>筋僧帽筋</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">BioPac を介してフィルタ リングされてハードウェア: LP 500 Hz、10 Hz の HP、 ノッチ フィルターなし</td>
		</tr>
<tr>
<td>EMG, 皺眉筋</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">BioPac を介してフィルタ リングされてハードウェア: LP 500 Hz、10 Hz の HP、 ノッチ フィルターなし</td>
		</tr>
<tr>
<td>大頬骨筋 m.</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">BioPac を介してフィルタ リングされてハードウェア: LP 500 Hz、10 Hz の HP、 ノッチ フィルターなし</td>
		</tr>
<tr>
<td>刺激</td>
			<td colspan="2">熱</td>
			<td colspan="2">電気</td>
		</tr>
<tr>
<td>科目:</td>
			<td>一過性の刺激 (5 s)。</td>
			<td>強壮刺激 (60 s)。</td>
			<td>一過性の刺激 (5 s)。</td>
			<td>強壮刺激 (60 s)。</td>
		</tr>
<tr>
<td>科目毎</td>
			<td>90 (強度あたり 30)</td>
			<td>3 (強度あたり 1)</td>
			<td>90 (強度あたり 30)</td>
			<td>3 (強度あたり 1)</td>
		</tr>
<tr>
<td>すべて (N = 134)</td>
			<td>12060 (強度あたり 4020)</td>
			<td>402 (強度あたり 134)</td>
			<td>12060 (強度あたり 4020)</td>
			<td>402 (強度あたり 134)</td>
		</tr>
<tr>
<td>男性 (n = 67)</td>
			<td>6030 (強度/2010)</td>
			<td>201 (強度あたり 67)</td>
			<td>6030 (強度/2010)</td>
			<td>201 (強度あたり 67)</td>
		</tr>
<tr>
<td>女性 (n = 67)</td>
			<td>6030 (強度/2010)</td>
			<td>201 (強度あたり 67)</td>
			<td>6030 (強度/2010)</td>
			<td>201 (強度あたり 67)</td>
		</tr>
</tbody></table>表 1: 技術的な特徴と数誘発刺激します。上半分 (技術的な特徴) ショー サンプリング レートや特定の信号の属性。下半分の (刺激) ショー (熱・電気) による特定の番号痛み刺激の 1 つの主題、すべての主題および各性別。(MP3 = 動画像専門家グループ レイヤー 3 オーディオ、kbps キロビット/秒、HEVC を = = 高効率映像符号化、CRF = 一定率、MPEG 4 AVC 動画像専門家グループ レイヤー 4 高度なビデオ符号化、Hz = ヘルツ、° C を = = 摂氏、s = 秒、心電図心電図、SCL を = = 皮膚コンダクタンス レベル、筋筋電図、LP を = = 低域通過フィルター、HP ハイパス フィルター、 M. = 毛様体筋を =)。
研究の校正段階に関する二次結果は表 2で示されます。それはすべての科目のため、さらに男性と女性のサブグループの平均刺激温度と痛みの強さ 1 と (プロトコルの 5.11 のステップで計算される) として 3 の電流を示します。
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>刺激</td>
			<td colspan="4">[° C] の熱平均 (SD)</td>
			<td colspan="4">[MA] の電気的意味 (SD)</td>
		</tr>
<tr>
<td>科目</td>
			<td>pH1</td>
			<td>pH3</td>
			<td>第1</td>
			<td>第3</td>
			<td>pE1</td>
			<td>pE3</td>
			<td>tE1</td>
			<td>テ3</td>
		</tr>
<tr>
<td>すべて (N = 134)</td>
			<td>44.03 (2.25)</td>
			<td>49.17 (1.20)</td>
			<td>42.50 (2.14)</td>
			<td>47.76 (1.02)</td>
			<td>1.63 (0.94)</td>
			<td>5.64 (2.72)</td>
			<td>1.69 (1.12)</td>
			<td>5.70 (2.59)</td>
		</tr>
<tr>
<td>男性 (n = 67)</td>
			<td>44.56 (2.18)</td>
			<td>49.48 (0.89)</td>
			<td>(1.98) 43.11</td>
			<td>47.93 (1.04)</td>
			<td>1.94 (1.01)</td>
			<td>6.83 (3.02)</td>
			<td>1.96 (1.16)</td>
			<td>6.90 (2.72)</td>
		</tr>
<tr>
<td>女性 (n = 67)</td>
			<td>43.51 (2.74)</td>
			<td>48.87 (1.39)</td>
			<td>41.89 (2.14)</td>
			<td>47.59 (0.98)</td>
			<td>1.32 (0.75)</td>
			<td>4.45 (1.70)</td>
			<td>1.43 (1.01)</td>
			<td>4.51 (1.80)</td>
		</tr>
</tbody></table>表 2: 刺激温度と痛み強度 1 と 3 の流れを意味します。(pH1pH3 = 一過性熱痛強度 1、3; 第1第3強度 1、3; 強壮剤熱痛みを = pE1pE3強度 1、3; 電気一過性の痛み = テ1tE3 = 強壮剤電気的痛み強度 1、3;° C = 摂氏;mA = ミリ アンペア、SD = 標準偏差)。
プロトコルのすべての手順を慎重に実施 (コンピューターまたは録音デバイスがクラッシュするなど) の面で技術的な問題が発生しない場合は、成功した結果は図 4 に示されているのようになります。すべての信号は、高品質と干渉の外部からの影響を受けません。参加者は、明らかにすべてのカメラに表示されます。
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59057/59057fig4.jpg"> 図 4: 成功した実験からモデルデータ。図は、記録された信号数秒前に、・中・後激しい痛み刺激を示しています。すべての信号は非フィルターされ、時間の同期します。わかりやすくするため、映像信号の代表的なスクリーン ショットのみがここに表示されます。(筋筋電図、SCL を = = 皮膚コンダクタンス レベル、心電図心電図、 M=。 =毛様体筋、s = 秒)。<a href="https://www.jove.com/files/ftp_upload/59057/59057fig4large.jpg" target="_blank">この図の拡大版を表示するのにはここをクリックしてください</a>。
ただし、予期しない事件は、雑音になったり、破損したデータ可能性があります。ほかのコンピューターまたはデバイスのクラッシュ、電極 (特に再利用可能な電極細径両面接着つばによって付す) の到来をほとんど録音使用できない信号に 。サブ最適なデータ セットの例としては、図 5は、EMG 電極がオフになるし、無用の対応する信号の瞬間を示します。
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59057/59057fig5.jpg"> 図 5: サブ最適な実験からモデルデータ。赤い円は、サブジェクトの頬から落ちた時の筋電図電極 (M. 頬骨) のいずれかを示します。これは汗や頭の動きが原因かもしれない。この瞬間から、シグナルが失われました。(筋筋電図、SCL を = = 皮膚コンダクタンス レベル、心電図心電図、 M=。 =毛様体筋、s = 秒)。<a href="https://www.jove.com/files/ftp_upload/59057/59057fig5large.jpg" target="_blank">この図の拡大版を表示するのにはここをクリックしてください</a>。
倫理的なガイドラインのため熱および電気刺激の最大強度は制限しなければならなかったと。熱校正コントロールについて (補足ファイルを参照してください) をその、37 科目 (31 人、6 人の女性) に達した 50.5 ° C の指定したカットオフ (比 = 37/134 = 27.61%)。熱校正部分は 1、60 参加者 (39 人、21 の女性) に達した 50.0 ° C のカットオフ (比 = 60/134 44.78% を =)第 2 部に関する 57 人 (男性 37, 20 の女性) に達した 49.5 ° C のカットオフと (比 57/134 を = = 42.54%)。両方電気校正部品のためのカットオフは 25 mA です。134 科目のどれもそれに達した。
我々 は、(次の段落を参照) のデータを公開する予定、カットオフに達している参加者のデータ セットさらにマークされている、対応するヒューズの彼らの主観的な痛みの評価が含まれます。
プロトコルの主な焦点は熱と電気の痛みの分析のためのマルチ モーダル信号を得ることを指摘したいと思います。したがって、ここにはその他の結果は説明なし。チェックして、不足しているデータまたは拒否承諾書データ共有のためのデータ セットを除く後、この研究のデータ セットが可能「痛みデータベースの X-映像情報メディア学会」名義。X ITE 痛み DB を取得する時期と方法の詳細については、https://github.com/philippwerner/pain-database-list をご覧ください。
1 の補足ファイル。<a href="https://www.jove.com/files/ftp_upload/59057/Supplementary_File_1.docx" target="_blank">このファイルをダウンロードするここをクリックしてください</a>。

この資料は当てて痛み熱 (熱) の実験的獲得および生理学的、視覚的、録音中の電気刺激と非言語的応答。強度、品質、および継続時間に基づく痛みの分析に有効なマルチ モーダル データの収集を目指します。

The assessment of pain relies mostly on methods that require a person to communicate. However, for people with cognitive and verbal impairments, existing ...

提示された方法で取得されたデータは、基礎となる疼痛モデルとは無関係に、疼痛強度を認識する方法に光を当てる可能性がある。また、痛みの持続時間を評価するのに役立ちます.この技術の主な利点は、信号記録と疼痛刺激の点でのマルチモダリティです。これは、疼痛研究の範囲を大幅に広げます。この技術は、より効率的な疼痛管理のために病理治療における疼痛存在を監視するために適用することができる。彼のプロトコルを実行するには、電極アプリケーションなど、多くの複雑な手動操作が必要であり、視覚的なデモンストレーションを通じてより速く、より簡単に学ぶことができます。この手順を実証するのは、この研究の実験者として訓練を受けた私の研究室の学生、サンドラ・ゲブハルトです。手順の準備をするには、到着した被験者を歓迎し、キャリブレーションルームに彼女を導きます。キャリブレーション手順と次の痛みの刺激について詳細に彼女に知らせてください。次に、カメラで監視された温度制御と低ノイズの実験室で、校正監視室の隣で痛みの刺激を行います。実験中に生理学的データ、オーディオ、ビデオ、熱および電気刺激装置の出力をキャプチャするために、適切な記録コンピュータ、ソフトウェア、および記録装置を使用します。熱および電気刺激装置で行われた校正に基づいて計算される、熱の痛み強度と強壮な電気および熱強度の値を入力します。基準温度を摂氏32度、温度レートを毎秒8°Cに設定し、すべての設定を保存します。続いて、ここに示すように、痛みの引き起こしスクリプトを準備します。各フェース刺激強度の数を30に、各強壮度刺激強度の数を1に設定します。次に、各フェズリスティック刺激の持続時間を5秒に、各強壮剤刺激の持続時間を60秒に設定する。すべての刺激の順序と8〜12秒のフェージック刺激の間の休止をランダム化します。その後、強壮刺激後の休止時間を300秒に設定します。痛みの刺激を開始するには、被験者に診察ソファの上に快適に横たわるのを頼みます。電極がアルコール溶液に取り付けられるすべての皮膚領域をきれいにしなさい。左頬の表面、左耳の後ろ、左眉の上、そして研磨ゲルで額の上の死んだ皮膚細胞を取り除きます。次に、アルコール溶液でこれらの領域を再洗浄します。皮膚の導通度の測定のために、ベルクロストラップで右人差し指と中指の遠位ファランクスの下側に、事前にゲル化されていない銀、塩化銀電極を2つ取り付けます。ECGを記録するには、円形の接触領域を持つ3つのゲル化された接着剤銀、塩化銀スナップ電極を使用してください。正鎖骨の下に約6センチメートル、左9番目と10番目の肋骨にアノード電極を胸部にカソード電極を置きます。骨盤の骨の隣の右側のウエストに参照電極を取り付けます。筋液性トラペジウスのEMGを記録するために、また、円形の接触領域を有する3つのゲル化された接着銀、塩化銀スナップ電極を使用する。頸部の左側にあるトラペジウス筋の上に、カソードとアノード電極を並べて配置します。次に、左鎖骨の下に参照電極を置きます。6つの再利用可能なシールド銀、塩化銀電極を使用して、筋肉院コルゲータースーパーシリーと筋体性のEGを測定します。両面接着カラーの片側を電極に取り付けます。続いて、電極の空洞を電解質ゲルで満たします。両面接着カラーの反対側の紙の裏面を取り外します。筋肉のコルゲーターのスーパーシリーの場合は、負極電極を左眉の真上に、グラベララインの隣に置きます。次いで、カソード電極をアノード電極に1センチメートル横に置いた。参照電極を前頭骨の真ん中、生え際のすぐ下に取り付けます。筋腔内のザイゴマティクスメジャーの場合、左口腔コミュシュアから左耳葉までの架空の線を引く。アノード電極をラインの中央部の少し下に置き、陰極電極をその隣に1センチメートルの内側に置きます。参照電極を左のマストイドに取り付けます。次に、全ての電極をバイオシグナル記録装置の対応する入力に接続する。バイオシグナル記録ソフトウェアを使用して、すべての生理学的信号が良好で優れた品質であることを確認し、視覚的なチェックを行います。次に、銀、塩化銀アノード電極を左人差し指の中間ファランクスの上側に置き、陰極電極を左中指の近位ファランクスの上側に置く。電極を電気刺激装置に接続します。サーモデを被験者の左前腕の上側に塗布し、手首に約30ミリメートル近く、ベルクロストラップを付けます。すべてのカメラを起動します。カメラに参加者が完全に見えるようにします。次に、データ同期の要件に準拠して、すべての記録装置を起動します。痛みの引き起こしスクリプトを実行します。被験者と疼痛刺激部の進行を注意深く監視する。痛みの引き起こしスクリプトの終了後、すべての記録装置を停止します。参加者が大丈夫かどうかを確認し、すべての電極とサーモデを取り外します。次に、冷たいゲルパックの周りに衛生的な、不織布タオルを包みます。サーモデが5分以上置かれた皮膚領域に塗布してもらいます。次に、サーモデが置かれた皮膚領域に軟膏を塗布する。その後、参加者に感謝し、さよならを言います。使い捨て電極をすべて廃棄します。すべての再利用可能な電極、および試験のソファをきれいにしなさい。ここに示されているのは、激しい痛みの刺激の前、中、後の被写体の画像です。記録されたすべての信号は、フィルタリングされず、時間内に同期されます。わかりやすくするために、ビデオ信号の代表的なスクリーンショットのみが表示されます。この手順を試みる間、痛みの刺激を開始する前にすべての信号が最適化されていることを確認することが重要です。また、痛みの引き起こしスクリプトを実行する前に、すべての記録デバイスがオンになっていることを確認します。この手順に従って、近赤外線夜間視力カメラを実装する、またはバイオ信号の記録のような他の方法は、夜間の環境で痛みをより効率的に認識するために行うことができる。この技術は患者とコミュニケーションを取る必要なしに苦痛を客観的に認識することを可能にする。異なる疼痛特性を区別し、根底にある痛みの原因に対する洞察を提供することが有用である。痛み刺激装置は、訓練を受けた人員によって操作されない場合、重傷を引き起こす可能性があります。参加者の安全を確保するために、刺激強度のカットオフに関する倫理的および安全上の制限に常に従ってください。

multi-modal-signals-for-analyzing-pain-responses-to-thermal

Research

JoVE Journal

Behavior

行動

人間の被験者の実験的炎症を起こしている皮膚に熱や機械的な痛みのしきい値を評価するアルゴリズムが示されています。...

熱とヒトの炎症を起こしている皮膚における機械的痛覚閾値の決定

出典: Remacle, T., et al.多柱誘導脊髄刺激による腰痛の失敗した腰痛患者の治療。J. Vis. 経験。(2018年)このビデオでは、多列パドルリード脊髄刺激を使用して、腰痛失敗症候群 (FBSS)...

マルチカラムパドルリード脊髄刺激を使用した慢性疼痛の調節

ヒト疼痛モデルは、新規化合物の鎮痛能力を評価し、その臨床効果を予測するために使用される貴重なツールです。特に、統合された方法で使用される場合です。これらのモデルの実装は複雑ですが、適切に実行すれば、このプロトコルで説明されている痛みのモデルは、予測可能で信頼性の高い結果を提供できます。...

統合された、マルチモーダル痛みタスクのバッテリーを使用痛みの検出と許容閾値を決定

この手順の目標は、人間の感覚と痛みの測定のための一連の定量的手法を示すことです。説明されている機器と技術は、ペインクリニックで一般的に見られるか、簡単に入手できます。...

人間にセンセーションと痛みを測定するために、手動テストのプロトコル

反復的なまたは異なるタイプの標準化された刺激に反応して痛みを評価することにより、動的定量的官能検査(QST)は痛みの中枢処理の変化を明らかにすることができます。時間的合計 (TS) と条件付け疼痛調節 (CPM) という 2 つの動的 QST...

ダイナミック定量的感覚検査は、中枢性疼痛処理を特徴づけるために、

このようなQUEST推定手順などの心理物理的方法が効率的に痛くない感覚は痛みを伴う感覚に移行れる刺激強度の堅牢な推定値を得ることができます。閾値強度で繰り返し刺激することによって、評価応答の変動は直接その後の分析では、知覚分類に起因することができます。...

振動Prestimulus活動の痛みに関連した定位を研究中Psychophysicallyアンカー、堅牢なしきい

ここでは、慢性虚血後疼痛(CPIP)の動物モデルを確立するためのステップを詳しく説明するプロトコルです。これは、ヒト複合局所疼痛症候群タイプIを模倣したよく知っているモデルである。機械的および熱過敏症はさらに評価され、CPIPラットモデルで観察されるカプサイシン誘発性ノシフェンシブ挙動も評価される。...

ラットにおける複雑な局所疼痛症候群タイプIに対する慢性虚血後疼痛モデル

腰痛の予防と管理のための新しい治療的介入を開発するためには、動物モデルがトランスレーショナルの観点からこれらの治療法のメカニズムと有効性を調べる必要があります。本プロトコールは、ラットにおける背部機械的感受性を評価するための標準化された方法であるBMS試験を記載する。...

慢性腰痛の機構的検討のためのラットの背部機械的感受性評価

このプロトコルは、後根神経節(DRG)の外科的曝露とそれに続くGCaMP3(遺伝的にコードされたCa2+ インジケーター;緑色蛍光タンパク質-カルモジュリン-M13タンパク質 3)Pirt-GCaMP3マウスを用いて、同側後肢に様々な刺激を加えながら神経細胞集合体をCa2+...

インビボ 無傷の背根神経節における一次感覚ニューロンのネットワークにおけるニューロンアンサンブルのカルシウムイメージング

トランスレーショナルペイン研究のためのオープンソースのリアルタイム閉ループ電気閾値追跡

ここでは、急性麻酔下のin vivo...

麻酔ラットにおける末梢疼痛ブロックを評価する電気生理学的手法

学ぼう、熱および電気刺激を用いたマルチモーダル痛み反応解析法。生理学的・視覚的・音声データを同期記録し、痛みの強度と持続時間を客観的に評価する手法を解説します。

熱および電気刺激に対する痛みの反応を分析するためのマルチモーダル信号

さらに動画を探す

熱および電気刺激に対する痛みの反応を分析するためのマルチ モーダル信号

さらに動画を探す

熱および電気刺激に対する痛みの反応を分析するためのマルチモーダル信号