Name: 열 및 전기 자극에 고통 응답을 분석 하기 위한 다중 모드 신호 (동영상) | JoVE Journal
Uploaded: 2019-04-05T13:00:00.000+00:00
Duration: 9 min 16 s
Description: 학습하세요 열 및 전기 자극을 이용한 다중 모드 통증 신호 분석 방법을 통해 생리학적, 시각적, 언어적 반응을 동시에 기록하고 통증 강도와 지속 시간을 객관적으로 평가하는 기술을 익히세요.

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

저자 레나 프리드리히, 마리아 Velana, 산드라 Gebhardt로 Bärwaldt, 그리고 티 나 Daucher는 연구 수행에 그들의 귀중 한 도움에 감사 하 고 싶습니다. 또한, 특별 한 감사 합니다 밖으로 박사 스테파니 루카비나 그녀의 과학적인 지원에 대 한. 이 연구는 DFG/TR233/12 (http://www.dfg.de/) "발전 및 체계적인 유효성 검사는 자동 통증 인식 시스템에 기준의 얼굴 식 및 Psychobiological 매개 변수" 프로젝트, 독일 연구에 의해 투자의 일부분 이었다 재단입니다.

<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>

저자는 공개 없다.

제시 프로토콜 열 (열) 및 생리, 영상 녹화 및 paralinguistic 신호 하는 동안 전기 통증의 실험 채집에 집중 한다. 다른 자극 강도 및 두 개의 서로 다른 자극 기간 (phasic 및 토 닉), 두 가지 통증 모델 결합이 새로운 접근 방식을 정신 패턴 및 통증의 표현에 대 한 광범위 한 관점을 제공 합니다. 그러나,이 프로토콜의 실현을 위한 몇 가지 단계 간주 해야 합니다.
일반적으로, 통증 자극을 사용 하는 경우 과목의 안전을 위해 결정적 이다. 모든 통증 자극 매우 제어 하 고만 경험이 풍부한 경험에 의해 실시 한다. 또한, 기록 하 고 안정적이 고 높은 품질 데이터를 적절 한 부착 장치 (전극)의 수집에 대 한 완벽 한 기록 장치 및 컴퓨터 간의 원활한 통신 기능 좋습니다. 방해의 모든 소스를 제거 하거나 최소한으로 감소 해야 합니다. 참가자 간의 일관성을 보장 하기 위해 제공 하는 표준화 된 지침과 변하지 실험 조건 중요 하다.
우리의 경험에의 하면 모든 조건을 충족 하 고 수많은 고통 스러운 자극을 수신 하고자, 시간이 오래 걸립니다 이며 매우 도전 하는 적합 한 참여자를 찾는. 그 외에, 금전적 보상 연구 과목을 유치 하기 위해 충분히 높은 수 있다. 특히 사람 30 ~ 50 세는 찾기 어렵다입니다. 이 실험은 너무 때문에 있을 수 있습니다 긴 (ca. 도착 및 출발을 포함 하 여 4 시간) 그리고 그들은 직장에서 반나절을 벗고 있다.
참가자의 안전을 최우선의 때문에 고통을 유도 제한 될 필요가 있습니다. 윤리적인 지침으로 인해 자극 농도 초과 해서는 안 화상 및 열 및 전기 고통 유도에서 무 의식에 각각 방지 하기 위해 특정 수준. 농도의 일반 컷오프는 천장 효과 일부 과목 참을 고통을 하기 전에 강도 제한 도달 수 있습니다 발생할 수 있습니다. 이 연구에서 약 42% (고려 열 교정 파트 1과 2) 참가자의 열 차단 (대표 결과 참조)에 도달 했습니다. 로 그들은 그들의 "진짜" 고통을 공차를 도달 하지 않았다, 높은 열 자극에 그들의 생리 적인 응답 수에 도달 그들의 생리 적인 응답 달리 다르게 동작 합니다. 그렇다면,이 두 그룹을 혼합 수 있는 영향을 미칠 통증 인식 측면에서 분류 결과.
주소는 중요 한 점은이 실험에서 통증 양상입니다. 참가자는 (사실는 때문이 높은 실험 설정에서 제어할 수 있다) 열 및 전기 통증 자극에만 대상이 됩니다. 따라서, 품질에 대 한 고통을 패턴을 검사 하는 경우 결과 수 있습니다 번역 하지 압력, 등 다른 통증 양상에 화학 또는 내장 통증. 결과의 양도 대 한 동일한 배려 연구 샘플에 적용 됩니다. 프로토콜은 윤리적으로 건강 한 성인으로 제한 됩니다. 예를 들어 어린이나 cognitively 및 구두로 장애인된 사람 포함 되지 않습니다. 게다가, 우리의 연구에만 유럽 사람들이 참가 했다. 또한, 분석 결과 수 있습니다에 적용 되지 그룹이이 실험에서 간주 되지 않습니다.
또 다른 한계는 호손 효과24우려 수 있습니다: 주제 그들은 연구에서 촬영/관찰 되는 알고 있습니다. 이 그들의 동작을 변경할 수 있습니다.
기존 통증 데이터베이스에 비해, 프로토콜 두 통증 모델 및 두 시간 과정 (phasic과 토 닉) 결합으로 고통 응답 패턴을 분석 하기 위한 상당한 이점을 제공: 강도와 통증의 지속 시간, 외도 품질 고려 통증. 열 통 전기 통증 다르게 설명 (예: 날카로운 대 레코딩), 그것은 또한 통증 반응에 다를 수 있습니다. 그렇다면, 그 결과 고통 응답 패턴 통증의 기본 소스에 연결 수 있습니다. 또한, 연구는 통증 조사 기회의 범위를 넓혀 멀티 모달: 5 정신 신호를 채용, 2 얼굴 (앞면) 카메라 신호, 1 몸 보기 카메라 신호, 1 열 카메라와 1 개의 오디오 신호, 통증을 분석할 수 및 더 정확 하 게 평가.
통증 반응 패턴의 좀 더 복잡 한 조사를 위해이 방법의 미래 확장 더 biosignals electroencephalography (뇌 파), 체온, 호흡 등을 포함 해야 합니다. 그것은 또한 더 고통 모델 제어 압력을 큰 혜택의 것입니다. 연구팀은이 프로토콜 수집한 데이터를 통해 자동 통증 인식에 추가 임상 제어 그룹 유망한 기계 학습 모델을 테스트 해야 합니다.

고통 모두에 의해 다르게 인식 되는 매우 개인적이 고 불쾌 한 느낌입니다. 그것은 개월 초에서 지속 하 고 (욱 신 거 려, 날카로운, 레코딩, 등등)의 품질에 따라 달라질 수 있습니다. 부적절 하 게 치료, 통증 바디의 신체적, 심리적 기능, 삶의 질 감소 영향과 만성 질환의 위험을 맺는 다. 임상 치료에서 통증 강도와 품질의 정확한 평가 매우 성공적인 통증 관리1,2제공 관련이 있습니다. 와 같은 시각적 아날로그 저울 (VAS) 통증, 평가, 숫자 평가 척도 (NRS), 또는 McGill 고통 질문 지3, 골드 표준 방법에 의존 자체 cognitively 및 구두로 보고 환자와, 따라서, 충분히 유일한 작품의 손상 되지 않은 사람. 따라서, 모든 사람 신생아4헛소리, 배당금, 진정, 또는 통풍된 환자5또는 치 매6,7고통 받는 사람들에 관해서 방법 타당성과 신뢰성 부족 설립. 이외에 또는 자기 비늘을 보고 하는 대신, 훈련된 인원 (예: 취리히 관찰 통증 평가8 또는 수도원 고통 규모9)에 의해 관측을 통해 통증을 측정 하는 방법 최근 몇 년 동안에서 개발 되었습니다. 그럼에도 불구 하 고, 심지어 이러한 도구 고통 한계에서 신뢰성과 타당성, 심지어 훈련된 평가 객관적인 평가 보장할 수 없습니다. 또한, 응용 프로그램 때 자주 임상 직원을 위해 너무 시간이 많이 걸리는 통증 평가 정기적으로 이루어져야 한다.
여러 연구 팀 자동된 통증 생리의 방법으로 통증을 측정 하기 위한 시각적 허용, 시스템 인식 개발에 초점을 맞춘 또는 paralinguistic 신호 평가 하 고 통증과 농도 모니터링에 대 한 새로운 접근법으로 설정 객관적으로. 감지와 통증10,11,12,13,16,,1718 차별화에 유망한 결과 표시 하는 이전 연구 또는 기본 감정14,15 신호 중 하나에 전적으로 기반으로 차별 고통10,11,12,,1314, 설정 15 세트의 조합/퓨전16,,1719 에 잘. 상기 형식은 거의 자율적으로 통과 같은 스트레스 자극에 반응. 그들을 사용 하 여 그녀의 고통을 보고 하는 사람의 능력을 요구 하지 않습니다 장점이 있습니다. 이러한 개인은 같은 modalities를 통합 하는 객관적인 통증 인식 시스템에서 크게 혜택 것 이다. 이끌려 통증 반응의 구성 된 데이터 집합 통증 패턴을 분석 하 고 검색 및 모니터링 통증에 대 한 실용적인 응용 프로그램 개발에 대 한 귀중 한 정보를 제공 합니다. 다른 이들, 월터 외.20 "BioVid 열 통증 데이터베이스", 공개적으로 사용할 수을 제공 하는 데이터를 짧은 시간 고통 스러운 열 자극 및 해당 정신 및 시각 반응을 유도 복합 데이터베이스를 만들었습니다. Velana 외.21 "SenseEmotion 데이터베이스" biosignals, 비디오, 그리고 자원 봉사자 phasic 열 통증과 정서적 자극에 의해 영향을에서 paralinguistic 정보를 포함 합니다.
이러한 데이터베이스 통증 반응을 검사 하는 데 적합 한 동안, 그들은 대부분 하나의 특정 통증 모델에 근거한 다. 통증 (살 일 걸 요 통증 모델)에 따라 품질에 및 그것의 기간에는 다른, 그것은 또한 다를 수 있습니다에 생리 적, 시각적, 그리고 paralinguistic 상관. 저자의 지식 최고의 복합 연구 또는 데이터베이스를 두 개 이상의 통증 모델을 결합 하 고 강도와 통증 패턴 감지 뿐만 아니라 또한 고통 특성 사이 구별 하기 위하여 기간에 통증 자극을 다 존재 한다.
이 종이 통증과 동시에 기록 생리 응답 (예를 들어, ECG, 생쥐 trapezius, corrugator supercilii및 zygomaticus의 EMG를 유도 하는 복잡 한 정신 실험을 수행 하는 방법에 대 한 프로토콜 제공 주요, SCL) (예를 들어, 얼굴 표정, 신체 제스처, 얼굴 피부 온도) 비디오 및 오디오 데이터. 참가자 들은 함께 자극 (phasic) 짧은 고 (토 닉) 열 및 전기 통증 자극 강도에 차이가 더 이상 지속. 실험 전에 교정 단계 결정 합니다 통증 임계값을 각 주제에 대 한 개별적으로.
연구 조사 강도와 품질, 통계적 방법, 기계 학습 알고리즘, 기타 등등에 의하여 길이 관한 통증 (패턴)에 대 한 복합 데이터 수집을 목표로 합니다. 또한, 이미 수집 된 데이터 "X-ITE (Experimentally 나nduced Thermal 및 Electrical) 통증 데이터베이스" 이름 아래 학술 연구 목적으로 출판 될 예정입니다. 그것은 BioVid 열 통증과 SenseEmotion20,21, 같은 기존 데이터베이스를 확장 하 고 추가 개발, 개선, 및 유효성의 문제에 자동화 된 고통 인식 시스템의 평가에 기여할 수 있습니다. 신뢰성, 그리고 실시간 인식입니다.
종이의 나머지는 다음과 같은 방식으로 구성 됩니다. 프로토콜 통증 도출 연구 단계별 수행 하는 방법을 설명 합니다. 다음, 대표적인 결과 실험의 결과 제시. 마지막으로, 논의 중요 한 단계, 제한, 및 미래 확장에 대 한 제안을 다음 연구의 혜택을 다루고 있습니다.

<table><tbody><tr><td>PATHWAY 모델 ATS</td><td>Medoc Ltd., Ramat Yishai, 이스라엘</td><td></td><td>열 자극기</td></tr><tr><td>30 mm x 30 mm ATS Thermode</td><td>Medoc Ltd., Ramat Yishai, 이스라엘</td><td></td><td>Thermode</td></tr><tr><td>PATHWAY 소프트웨어 Arbel 6.3.7.22.1</td><td>Medoc Ltd., Ramat Yishai, 이스라엘</td><td></td><td>열 자극기 소프트웨어</td></tr><tr><td>Digitimer DS7A 전류 자극기</td><td>Digitimer Ltd., Hertfordshire, UK</td><td></td><td>전기 자극기</td></tr><tr><td>Inquisit 5</td><td>밀리 초 소프트웨어, 시애틀, 워싱턴, 미국</td><td></td><td>전기 자극을 트리거하기위한 소프트웨어</td></tr><tr><td>아날로그-디지털 변환기</td><td>Wissenschaftliche Werkstatt Elektronik, University of Ulm, Ulm, Germany</td><td>맞춤형 BIOPAC</td><td></td></tr><tr><td>MP150 시스템</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td>생체 신호 기록 하드웨어</td></tr><tr><td>AcqKnowledge 소프트웨어 4.1.1</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td>생체 신호 녹음 소프트웨어</td></tr><tr><td>NTG-2 이중 전원 지향성 콘덴서 마이크</td><td>R&Oslash;DE 마이크, Silverwater, Australia</td><td></td><td>오디오 녹음 마이크</td></tr><tr><td>Kinect v2</td><td>Microsoft, Redmond, WA, USA</td><td></td><td>바디 뷰 카메라</td></tr><tr><td>AV Pike F-145C</td><td>Allied Vision Technologies GmbH, Stadtroda, Germany</td><td></td><td>얼굴 카메라(정면도)</td></tr><tr><td>AV Prosilica GT 1600C</td><td>Allied Vision Technologies GmbH, Stadtroda, Germany</td><td></td><td>얼굴 카메라(측면 모습)</td></tr><tr><td>PIR uc 180 Thermal Camera</td><td>InfraTec GmbH, 드레스덴, 독일</td><td></td><td>열화상 카메라</td></tr><tr><td>동기화 하드웨어</td><td>Werkstatt, IIKT, University of Magdeburg, Magdeburg, Germany</td><td>custom built</td><td>카메라의 하드웨어 트리거링, 트리거 신호는 BIOPAC 및 Audacity</td></tr><tr><td>녹음 및 동기화 소프트웨어에</td> 의해 기록됩니다 <td>Philipp Werner, Neuro-Information Technology, University of Magdeburg, Magdeburg, Germany</td><td>맞춤형 소프트웨어</td><td>실시간 녹화, 오프라인 비디오 인코딩 및 오프라인 동기화</td></tr><tr><td>Examination Couch</td><td>ClinicalCare GmbH, 브레멘, 독일</td><td></td><td></td></tr><tr><td>Ag-AgCl 전극 EL254 / EL254S (재사용 가능, 기록 직경 4mm)</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td>EMG M. corrugator 및 M. zygomaticus</td></tr><tr><td>Ag-AgCl 전극 BlueSensor P (일회용, 피부 접촉 크기: 직경 34mm, 측정 영역 154mm2)</td><td>Ambu GmbH, 독일 바트 나우하임</td> ECG 및 EMG를 기록하는 데 사용됩니다M. trapezius.<td></td><td> 전기 자극에도 사용</td></tr><tr><td>Audacity 2.1.2</td><td>Dominic Mazzoni (Audacity)</td><td></td> <td>오디오 녹음 소프트웨어</td></tr><tr><td>콜드 젤 팩</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>연고</td></tr><tr><td>Alumnium 프로필</td><td>항목 Industrietechnik GmbH, Solingen, Germany</td><td></td><td>모든 카메라를 설치하는 데 사용됩니다. 마이크</td></tr><tr><td>전극 젤 GEL1</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td></td></tr><tr><td>ELPREP 피부 준비 젤</td><td>BIOPAC Systems, Inc., Goleta, CA, USA</td><td></td><td></td></tr></tbody></table>

열 및 전기 자극에 고통 응답을 분석 하기 위한 다중 모드 신호

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

통증의 평가 주로 통신 하는 사람을 필요로 하는 방법에 의존 합니다. 그러나,이 인지 및 언어 장애가 있는 사람들을 위해 기존의 방법 그들은 신뢰성과 타당성 부족으로 충분 하지 않습니다. 이 문제를 접근, 최근 연구 생리학에서 파생 된 응답의 매개에 의해 촉진 된 객관적인 통증 평가 및 비디오 및 오디오 신호에 집중 한다. 신뢰할 수 있는 자동화 된 고통을 인식 시스템을 개발 하기 위해 노력 통증을 분석 하 고 유효한 통증 패턴 감지 복합 데이터베이스를 만드는 되었습니다. 결과 유망 하 고, 그들은 단지 차별 통증이 나 고통 대 통증 강도에 초점. 이 전진 하기 위하여 연구 또한 고려해 야 품질 및 통증의 기간 고급 통증 관리에 대 한 추가적인 귀중 한 정보를 제공 합니다. 보완 하기 위해 기존 데이터베이스와 고통의 품질과 길이 관한 분석,이 종이 유도, 측정, 및 유효한 통증 반응을 수집 하는 정신 실험을 제안 합니다. 참가자는 강도 (낮은, 중간, 및 높은), 기간에서 다른 고통 스러운 자극을 받게 됩니다 (5 s / 1 분), 그리고 적임 (열 / 전기 통증) 오디오, 비디오 (예를 들어, 얼굴 표정, 몸 동작, 얼굴 피부 온도), 동안과 생리 신호 (예를 들어, [심전도] 심전도 피부 전도도 [scl], 얼굴 전도 [EMG], 및 M. trapezius의 EMG) 기록 되 고 있다. 교정 단계 (낮은 참을 고통)에서 피사체의 개별 통증 범위를 결정 하 고 자극 단계는 통증 자극, 보정된 범위에 따라 적용 되는 연구에 의하여 이루어져 있다. 취득된 데이터 정제, 개선, 및 객관적인 통증 평가 관점에서 자동된 인식 시스템 평가 수 있습니다. 더 자세히, 추가 고통 modalities, 압력 등 통증 반응을 조사 하 고 이러한 시스템의 개발에 대 한 화학, 또는 감기 통증 미래 연구에 포함 되어야 합니다. 이 연구의 기록 된 데이터는 "X-ITE 통증 데이터베이스"로 나올 것 이다.

어떤 사람에 의해 다르게 인식 되 고 있습니다 표현 diversely 얼굴 표정, paralinguistic 또는 생리 신호 통과 이 연구의 디자인은 기본 목표에 관하여 여러 가지 방법으로 고통 응답을 분석 하는 적당 한. 얻은 데이터와 같은 연구 질문에 대답 수 있습니다: 특정 고통 응답 패턴 있습니까? 그들은 고통 모델 및 기간에 관한 다릅니까?
총 134 주제 우리의 실험에 참가 했다. 성 비율은 50: 50 이었다. 우리는 다음 연령 그룹에 그들을 분할: 1) 18-29 년 (N = 49, 23 남자, 26 여성), 2) 30-39 년 (N = 45, 23 남자, 여자 22), 3) 40-50 년 (N = 40, 21 남자, 19 여자). 모든 과목의 평균 연령은 31.4 (SD = 9.7), 모든 사람의 = 33.4 (SD = 9.3) 모든 여자의 = 32.9 (SD = 10.2) 년. 연구가 했다 독일 울 름 대학교의 의학 심리학에서.
이 프로토콜의 주요 결과 반영 과목 통증 자극에 응답 하는 오디오, 비디오 및 정신 신호의 데이터 집합입니다. 표 1 기록 된 신호의 기술 기능에 및 연구에서 유도 통증 자극의 숫자에 대 한 일반적인 개요를 제공합니다.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="5">기술 기능</td>
		</tr>
<tr>
<td>신호:</td>
			<td colspan="2">샘플링 속도:</td>
			<td colspan="2">특성:</td>
		</tr>
<tr>
<td>오디오</td>
			<td colspan="2">44100 Hz</td>
			<td colspan="2">모노, MP3 320 kbps</td>
		</tr>
<tr>
<td>카메라 (얼굴, 정면 보기) 1</td>
			<td colspan="2">25 Hz</td>
			<td colspan="2">비디오 색상: 해상도 1384 x 1032 Libx265 (16, CRF 프리셋 매체)로 인코딩된 HEVC</td>
		</tr>
<tr>
<td>카메라 2 (얼굴, 측면 보기)</td>
			<td colspan="2">25 Hz</td>
			<td colspan="2">비디오 색상: 1620 x 840 해상도 Libx265 (16, CRF 프리셋 매체)로 인코딩된 HEVC</td>
		</tr>
<tr>
<td>바디 카메라</td>
			<td colspan="2">ca. 30 Hz</td>
			<td colspan="2">비디오 색상: 1500 x 600 해상도 HEVC 인코딩된 libx265 (CRF 16, 프리셋 매체); 깊이 비디오: 해상도 500 x 200, 무손실 인코딩</td>
		</tr>
<tr>
<td>열 카메라</td>
			<td colspan="2">ca. 120.8 Hz</td>
			<td colspan="2">표면 온도 비디오: 해상도 120x160, 회색조 MPEG 4 AVC 인코딩된 libx264 (CRF 0, 미리 설정 된 veryfast), 인코딩된 온도 26.5-52.0 ° C (0.1의 단계)</td>
		</tr>
<tr>
<td>ECG</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">하드웨어 BioPac 통해 필터링: 35 Hz LP, 0.5 Hz HP, 50 Hz 노치 필터</td>
		</tr>
<tr>
<td>SCL</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">하드웨어 BioPac 통해 필터링: 10 Hz LP, 아니 HP 노치 필터</td>
		</tr>
<tr>
<td>EMG M. trapezius</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">하드웨어 BioPac 통해 필터링: 500 Hz LP, 10 Hz HP, 노치 필터</td>
		</tr>
<tr>
<td>EMG M. corrugator supercilii</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">하드웨어 BioPac 통해 필터링: 500 Hz LP, 10 Hz HP, 노치 필터</td>
		</tr>
<tr>
<td>EMG M. zygomaticus 주요</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">하드웨어 BioPac 통해 필터링: 500 Hz LP, 10 Hz HP, 노치 필터</td>
		</tr>
<tr>
<td>자극</td>
			<td colspan="2">열</td>
			<td colspan="2">전기</td>
		</tr>
<tr>
<td>주제:</td>
			<td>Phasic 자극 (5 s):</td>
			<td>토 닉 자극 (60 s):</td>
			<td>Phasic 자극 (5 s):</td>
			<td>토 닉 자극 (60 s):</td>
		</tr>
<tr>
<td>과목 당</td>
			<td>90 (강도 당 30)</td>
			<td>3 (강도 당 1)</td>
			<td>90 (강도 당 30)</td>
			<td>3 (강도 당 1)</td>
		</tr>
<tr>
<td>모든 (N = 134)</td>
			<td>12060 (강도 당 4020)</td>
			<td>402 (강도 당 134)</td>
			<td>12060 (강도 당 4020)</td>
			<td>402 (강도 당 134)</td>
		</tr>
<tr>
<td>남성 (n = 67)</td>
			<td>6030 (강도 당 2010)</td>
			<td>201 (강도 당 67)</td>
			<td>6030 (강도 당 2010)</td>
			<td>201 (강도 당 67)</td>
		</tr>
<tr>
<td>여성 (n = 67)</td>
			<td>6030 (강도 당 2010)</td>
			<td>201 (강도 당 67)</td>
			<td>6030 (강도 당 2010)</td>
			<td>201 (강도 당 67)</td>
		</tr>
</tbody></table>표 1: 기술적인 기능 및 수 유도 자극. 위 반 (기술 기능) 쇼 샘플링 속도 및 특정 신호 특성. 낮은 반 (자극) 쇼 (열/전기) 유발된 특정 숫자 통증 자극 한 주제에 대 한, 모든 과목에 대 한 및 각 성별에 대 한. (MP3 = 이동 그림 전문가 그룹 레이어 3 오디오, kbps 초당 킬로 비트, HEVC = 높은 효율 비디오 코딩, CRF = = 일정 률, MPEG-4 AVC 모션 사진 전문가 그룹 레이어 4 비디오 고급 비디오 코딩, Hz = 헤르츠, ° C = 섭씨, = s = 초, ECG 심전도, SCL = = 피부 전도도 수준, EMG 전도, LP = = 저역 통과 필터, HP = 하이 패스 필터, M. = 생쥐).
연구의 교정 단계에 관한 2 차 결과 표 2에 표시 됩니다. 모든 과목에 대 한 그리고 또한 남성과 여성의 하위 그룹에 대 한 평균 자극 온도 및 통증 강도 1 고 3 (5.11 프로토콜의 단계에서 계산 된)의 전류를 보여줍니다.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>자극</td>
			<td colspan="4">[° C]에서 열 평균 (SD)</td>
			<td colspan="4">[MA]에서 전기 평균 (SD)</td>
		</tr>
<tr>
<td>과목</td>
			<td>pH1</td>
			<td>pH3</td>
			<td>일1</td>
			<td>목3</td>
			<td>pE1</td>
			<td>체육3</td>
			<td>테1</td>
			<td>테3</td>
		</tr>
<tr>
<td>모든 (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>남성 (n = 67)</td>
			<td>44.56 (2.18)</td>
			<td>49.48 (0.89)</td>
			<td>43.11 (1.98)</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>여성 (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>표 2: 자극 온도 및 통증 강도 1과 3의 전류를 의미. (pH1, pH3 = phasic 열 통증 강도 1, 3;1번째,3 번째 토 닉 열 통증 강도 1, 3; = pE1, pE3 phasic 전기 통증 강도 1, 3; = 테1, 테3 토 닉 전기 통증 = 강도 1, 3; ° C = 섭씨 온도; mA 밀리암페어, SD = 표준 편차 =).
프로토콜의 모든 단계를 신중 하 게 실시 하는 조건 (컴퓨터 또는 녹음 장치 충돌, 등) 아무런 기술적 문제가 발생 하는 경우에, 성공적인 결과 그림 4에서와 같이 비슷한 보일 수 있습니다. 모든 신호는 높은 품질의 고 방해의 외부 소스에 의해 영향을 받지 않습니다. 참가자 모든 카메라에 명확 하 게 표시 됩니다.
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59057/59057fig4.jpg"> 그림 4 : 성공적인 실험에서 예제 데이터. 그림 기록 된 신호는 몇 초 동안과 이후, 이전 한 강렬한 통증 자극을 묘사 한다. 모든 신호는 필터링 되지 않은 하 고 시간에 동기화. 명확성을 위해, 비디오 신호의 대표 스크린샷만 여기 표시 됩니다. (EMG 전도, SCL = = 피부 전도도 수준, ECG 심전도, M=. = 생쥐, s = 초). <a href="https://www.jove.com/files/ftp_upload/59057/59057fig4large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.</a>
그러나, 예기치 않은 사건 시끄러운 또는 손상 된 데이터를 발생할 수 있습니다. 외에 컴퓨터 또는 장치 충돌, 전극 (특히 재사용 가능한 전극 작은 직경을 가진 이중 면 접착제 고리를 사용 하 여 붙어 있는)의 오는에서 주로 녹음 사용할 수 없게 신호 이끌어 낸다. 최적의 데이터 집합에 대 한 예를 들어, 그림 5 는 EMG 전극 벗기 해당 신호를 쓸모 없는 렌더링 순간을 보여준다.
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59057/59057fig5.jpg"> 그림 5 : 최적의 실험에서 예제 데이터. 빨간색 동그라미의 뺨에서 EMG 전극 (주요 M. zygomaticus)에의 한 시간 떨어진 나타냅니다. 이 땀 또는 머리 움직임으로 인해 되었을 수 있습니다. 이 순간부터, 신호 손실 되었습니다. (EMG 전도, SCL = = 피부 전도도 수준, ECG 심전도, M=. = 생쥐, s = 초). <a href="https://www.jove.com/files/ftp_upload/59057/59057fig5large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.</a>
때문에 윤리적 지침, 열 및 전기 자극의 최대 농도 제한 해야 했다. 열 보정 제어에 관한 부분 (보조 파일 참조), 37 과목 (31 남자, 6 여자) 도달 50.5 ° C의 주어진된 컷오프 (비율 37/134 = = 27.61%). 열 교정 부분 1, 60 참가자 (39 남자, 여자 21) 도달 50.0 ° C의 컷오프 (비율 = 60/134 = 44.78%) 그리고 2 부에 관한 57 명 (37 남자, 20 여자) 도달 49.5 ℃의 컷오프 (비율 = 57/134 = 42.54%). 두 전기 교정 부분에 대 한 구분은 25 mA. 134 주제의 아무도 그것에 도달 했습니다.
우리 (다음 단락 참조) 데이터를 게시 하려면, 참가자는 대진표에 도달 했습니다의 데이터 세트는 또한 표시 될 것 이다 고 해당 차단에 대 한 그들의 주관적 통증 평가 포함 됩니다.
우리는 프로토콜의 주요 초점은 열 및 전기 통증을 분석 하기 위한 다중 모드 신호를 얻는 다는 것을 지적 하 고 싶습니다. 따라서, 다른 결과 여기 설명 합니다. 확인 후 누락 된 데이터 또는 데이터 공유에 대 한 서 면된 동의 거부 데이터 세트를 제외 하 고,이 연구의 데이터 세트 만들 것 이다 "X-ITE 통증 데이터베이스" 이름에서 사용할 수 있습니다. 시기와 X-ITE 통증 DB을 구하는 방법에 관한 자세한 내용은 https://github.com/philippwerner/pain-database-list를 참조 하십시오.
보조 파일 1. <a href="https://www.jove.com/files/ftp_upload/59057/Supplementary_File_1.docx" target="_blank">이 파일을 다운로드 하려면 여기를 클릭 하십시오.</a>

이 문서는 열 (열)을 통해 통증의 실험 도출에 초점을 맞추고 생리, 영상, 녹음 하는 동안 전기 자극 및 paralinguistic 응답. 그것은 통증의 강도, 품질, 및 기간에 따라 분석에 대 한 유효한 복합 데이터 수집을 목표로 합니다.

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

제시된 방법으로 얻은 데이터는 근본적인 고통 모형과 독립적으로 고통 강도를 인식하는 방법에 빛을 비출 수 있습니다. 그것은 또한 고통 기간을 평가하는 것을 도울 수 있습니다. 이 기술의 주요 장점은 신호 기록 및 통증 자극 측면에서 다변성입니다.그것은 크게 통증 연구의 범위를 확대. 이 기술은 보다 효율적인 통증 관리를 위해 병리학 치료에서 통증 존재를 모니터링하기 위해 적용 할 수 있습니다. 프로토콜을 실행하려면 전극 응용 프로그램과 같은 많은 복잡한 수동 작업이 필요하며 시각적 데모를 통해 더 빠르고 쉽게 배울 수 있습니다.절차를 보여주는 산드라 Gebhardt, 이 연구를 위한 실험자로 훈련 된 내 실험실에서 학생. 절차를 준비하기 위해 도착 주제를 환영하고 교정 실로 그녀를 이끌수 있습니다. 교정 절차와 다음과 같은 통증 자극에 대해 자세히 알려주십시오.다음으로 교정 모니터링 실 옆에 카메라 모니터링, 온도 제어 및 저잡이 실험실에서 통증 자극을 수행합니다. 실험 중에 생리적 데이터, 오디오, 비디오 및 열 및 전기 자극기 출력을 캡처하기 위해 적절한 기록 컴퓨터, 소프트웨어 및 녹음 장치를 사용합니다. 열 및 전기 자극기에서 수행된 교정을 기반으로 계산된 황면 전기 및 열 통증 강도 및 강장제 전기 및 열 강도의 값을 입력합니다.기준 온도가 섭씨 32도, 온도 속도를 초당 섭씨 8도로 설정한 다음 모든 설정을 저장합니다. 그런 다음 여기에 표시된 것처럼 고통 유도 스크립트를 준비합니다. 각 면세 자극 강도의 수를 30으로 설정하고 각 강장제 자극 강도의 수를 하나로 설정합니다.그런 다음 각 면편 자극의 지속 시간을 5초로 설정하고 각 강장제 자극의 지속 시간을 60초로 설정합니다. 모든 자극의 순서와 8~12초의 면화 자극 사이의 일시 정지를 임의화합니다. 그 후 강장제 자극 후 일시 중지를 300초로 설정합니다.통증 자극을 시작하려면, 검사 소파에 편안하게 누워 피사체를 요청합니다. 전극이 알코올 용액과 함께 부착될 모든 피부 영역을 청소하십시오. 왼쪽 뺨 표면, 왼쪽 귀 뒤, 왼쪽 눈썹 위, 연마 젤로 이마에 죽은 피부 세포를 제거합니다.그런 다음 알코올 용액으로 이 영역을 다시 청소하십시오. 피부 전도도 수준을 측정하기 위해, 벨크로 스트랩과 오른쪽 인덱스의 황실 지골의 아래쪽에 두 개의 미리 겔화 되지 않는 은, 은 염화물 전극을 부착합니다. 심전도를 기록하려면 미리 겔화된 3개의 접착형 은, 실버 염화물 스냅 전극을 원형 접점으로 사용하십시오.음극 전극을 가슴에 놓고 오른쪽 쇄골 아래 약 6cm, 왼쪽 9번 과 10번째 갈비뼈에 양극 전극을 배치합니다. 골반 뼈 옆 오른쪽 허리에 기준 전극을 부착합니다. 근막 사다리꼴의 EMG를 기록하려면, 또한 원형 접촉 영역과 세 미리 겔화 접착 실버, 실버 염화 비닐 스냅 전극을 사용합니다.음극과 양극 전극을 목 왼쪽에 있는 사다리꼴 근육에 나란히 놓습니다. 그런 다음 참조 전극을 왼쪽 쇄골 에 아래에 놓습니다. 6개의 재사용 가능한 차폐 은, 은염화물 전극을 사용하여 근육 통관 수퍼실리와 근육질 zygomaticus 전공의 EMG를 측정합니다.양면 접착제 칼라의 한쪽면을 전극에 부착합니다. 그 후 전극의 충치를 전해질 젤로 채웁니다. 양면 접착제 칼라의 반대편에 있는 용지 받힘 받체를 제거합니다.근육 성 부식관 슈퍼실리의 경우, 양극 전극을 빙하 선 옆에 있는 왼쪽 눈썹 바로 위에 놓습니다. 그런 다음 음극 전극을 1센티미터 측면으로 양극 전극에 놓습니다. 헤어라인 바로 아래 전두엽 뼈 의 중간에 기준 전극을 부착합니다.근육 질 zygomaticus 전공의 경우 왼쪽 구두 쉼표에서 왼쪽 귀 엽에 가상 의 선을 그립니다. 양극 전극을 선 중앙 아래에 약간 놓고 음극 전극을 1센티미터 내측으로 놓습니다. 레퍼런스 전극을 왼쪽 마스토이드에 부착합니다.그런 다음 모든 전극을 바이오시그널 기록 장치의 해당 입력에 연결합니다. 모든 생리적 신호가 좋고 우수한 품질인지 확인하기 위해 생체 신호 기록 소프트웨어를 사용하여 시각적 검사를 수행하십시오. 다음으로, 왼쪽 검지 손가락의 중간 지골의 상부에 은, 은염화물 양극 전극을 놓고 왼쪽 중간 손가락의 근접 지골의 상부에 음극 전극을 놓는다.전극을 전기 자극기에 연결합니다. 피험자의 왼쪽 팔뚝 의 상부에 열데를 바르고, 손목에 약 30밀리미터 의 근위를 벨크로 스트랩으로 바치게 한다. 모든 카메라를 시작합니다.참가자가 카메라에서 완벽하게 볼 수 있는지 확인합니다. 그런 다음 모든 기록 장치를 시작하여 데이터 동기화에 대한 요구 사항을 준수합니다. 고통 유도 스크립트를 실행합니다.피사체와 통증 자극 부분의 진행 상황을 주의 깊게 모니터링합니다. 통증 유도 스크립트의 종료 후, 모든 녹음 장치를 중지합니다. 참가자가 괜찮았는지 확인하고 모든 전극과 열극을 분리합니다.다음으로, 냉장 젤 팩주위에 위생적이고 부직포되지 않은 수건을 감싸는 다. 참가자에게 열병이 적어도 5분 동안 배치된 피부 부위에 적용하도록 요청하십시오. 그런 다음 열이 가놓인 피부 부위에 연고를 바하십시오.그 후, 참가자에게 감사하고 작별 인사를하십시오. 모든 일회용 전극을 폐기하십시오. 재사용 가능한 전극과 검사 소파를 모두 청소하십시오.여기에 강렬한 통증 자극 전, 도중, 그리고 후에 피사체의 이미지가 표시됩니다. 기록된 모든 신호는 필터링되지 않으며 시간에 동기화됩니다. 명확성을 위해 비디오 신호의 대표적인 스크린샷만 표시됩니다.이 절차를 시도하는 동안 통증 자극을 시작하기 전에 모든 신호를 최적화하는 것이 중요합니다. 또한 통증 유도 스크립트를 실행하기 전에 모든 녹음 장치가 켜지고 있는지 확인합니다. 이 절차에 따라 근적외선 야간 투시경 카메라 구현이나 생체 신호 에 대한 레코딩과 같은 다른 방법을 수행하여 야간 환경에서 통증을 보다 효율적으로 인식할 수 있습니다.이 기술은 환자와 의사 소통할 필요 없이 객관적으로 고통을 인식할 수 있습니다. 그것은 다른 통증 속성을 구별 하 고 고통의 기본 소스에 통찰력을 제공 하는 데 도움이 될 수 있습니다. 통증 자극제는 훈련된 직원이 운영하지 않으면 심각한 부상을 입을 수 있습니다.참가자의 안전을 보장하기 위해 자극 강도 차단에 관한 윤리적 및 안전 제한을 항상 따르십시오.

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

Research

연구

JoVE Journal

Behavior

행동

인간의 학습 과목의 실험적 염증 피부에 열 및 기계적 통증 임계값을 평가 알고리즘이 표시됩니다. 두 통증 테스트 패러다임이 독립적으로 통증을 전달하는 두 가지 주요 말초 신경 섬유 집단에 의해 nociceptive 처리를 검토, 즉 비 myelinated C 섬유와 작은 A - 델타 섬유를 myelinated.

열과 인간 주제에 염증이 피부에 기계적 통증 임계값 결정

인간 통증 모델은 새로운 화합물의 진통 가능성을 평가하고 특히 통합적인 방식으로 사용될 때 임상 효능을 예측하는 데 사용되는 유용한 도구입니다. 이러한 모델의 구현은 복잡하지만 적절한 실행을 통해 이 프로토콜에 설명된 통증 모델은 예측적이고 신뢰할 수 있는 결과를 제공할 수 있습니다.

통합, 멀티 모달 통증 작업 배터리를 사용하여 통증 탐지 및 공차 임계 값을 결정

이 절차의 목표는 인간의 감각 및 통증 측정을 위한 일련의 정량적 기술을 보여주는 것입니다. 설명된 장비 및 기술은 통증 클리닉에서 흔히 볼 수 있거나 쉽게 구할 수 있습니다.

수동 테스트의 프로토콜은 인간의 감각과 통증을 측정하는

반복적이거나 다양한 유형의 표준화된 자극에 대한 반응으로 통증을 평가함으로써 동적 정량적 감각 검사(QST)는 통증의 중앙 처리 변화를 밝힐 수 있습니다. 우리는 두 가지 동적 QST 측정, 즉 시간적 합산(TS)과 조건화된 통증 조절(CPM)을 최적화하고 개별화하는 방법을 제시합니다.

동적 정량적 감각 테스트는 중앙 통증 처리의 특성을

예를 들면 QUEST 추정 절차와 정신 물리학 적 방법을 효율적으로 자극 강도 고통스러운 감각에에 아프지 않은 감각이 전환의 강력한 견적을 산출 할 수 있습니다. 임계 강도 반복 자극하여, 평가 응답의 변화는 직접적으로 후속 분석에 지각 적 분류에 기인 할 수있다.

재화 진 동성 Prestimulus 활동의 통증 관련 공부에 Psychophysically - 고정, 강력한 임계 화

여기에 제공된 프로토콜은 만성 허혈 후 통증(CPIP)의 동물 모델을 확립하는 단계를 상세히 설명합니다. 이것은 인간 복잡한 지역 고통 증후군 유형-I를 모방하는 잘 인식된 모형입니다. 기계적 및 열적 과민성은 CPIP 래트 모델에서 관찰된 캡사이신 유도 노시펜스 거동뿐만 아니라 추가로 평가된다.

쥐에 있는 복잡한 지역 고통 증후군 타입-I를 위한 만성 포스트 허혈 고통 모형

요통의 예방 및 관리를 위한 새로운 치료적 개입을 개발하기 위해 동물 모델은 번역 관점에서 이러한 치료법의 메커니즘과 효과를 조사해야 합니다. 현재 프로토콜은 쥐의 기계적 민감도를 평가하기 위한 표준화된 방법인 BMS 테스트를 설명합니다.

만성 요통의 기계론적 조사를 위한 쥐의 등 기계적 민감도 평가

이 프로토콜은 후근 신경절(DRG)에 이어 GCaMP3(유전적으로 인코딩된Ca2+ 지표; 녹색 형광 단백질-칼모듈린-M13 단백질 3) 동측 뒷발에 다양한 자극을 가하면서 Pirt-GCaMP3 마우스를 사용하여 신경 앙상블의Ca2+ 이미징.

생체 내 온전한 등근 신경절에 있는 일차 감각 뉴런 네트워크에서 뉴런 앙상블의 칼슘 이미징

APTrack은 Open Ephys 플랫폼용으로 개발된 소프트웨어 플러그인으로, 실시간 데이터 시각화 및 뉴런 활동 전위의 폐쇄 루프 전기 임계값 추적을 가능하게 합니다. 우리는 이것을 인간 C-섬유 통각수용체와 마우스 C-섬유 및 Aδ-섬유 통각수용체에 대한 미세신경조영술에서 성공적으로 사용했습니다.

중개 통증 연구를 위한 오픈 소스 실시간 폐쇄 루프 전기 임계값 추적

최근 통증 연구의 발전은 녹색 발광 다이오드(GLED)를 비약물적 치료법으로 사용하는 광신경조절의 잠재력을 강조합니다. GLED는 통증 경로를 조절하여 효과적인 통증 완화를 제공합니다. 이 논문은 GLED 노출 프로토콜을 표준화 및 개선하여 연구 전반에 걸쳐 일관성을 개선하고 이 요법의 임상 적용을 발전시키는 것을 목표로 합니다.

통증 관리에서 녹색 발광 다이오드의 역할을 평가하기 위한 광신경조절 기법 최적화

여기서는 급성, 마취, 생체 내 쥐 실험에서 두 가지 유형의 척수 전기생리학적 측정을 사용하여 신경섬유 아형의 활동을 구별할 수 있는 두 가지 유형의 측정법인 국소장 전위 및 광역 동적 범위 단일 뉴런 기록을 평가하는 방법을 제시합니다.

마취된 쥐에서 말초 통증 차단을 평가하는 전기생리학적 방법

학습하세요 열 및 전기 자극을 이용한 다중 모드 통증 신호 분석 방법을 통해 생리학적, 시각적, 언어적 반응을 동시에 기록하고 통증 강도와 지속 시간을 객관적으로 평가하는 기술을 익히세요.

열 및 전기 자극에 고통 응답을 분석 하기 위한 다중 모드 신호

더 많은 동영상 탐색