Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Behavior

分析疼痛对热和电刺激反应的多模态信号

doi: 10.3791/59057 Published: April 5, 2019

Summary

本文的重点是实验引起疼痛通过热 (热) 和电刺激, 同时记录生理, 视觉和副语言的反应。它旨在收集有效的多模态数据, 以便根据疼痛的强度、质量和持续时间来分析疼痛。

Abstract

疼痛的评估主要依靠需要一个人交流的方法。然而, 对于有认知和语言障碍的人来说, 现有的方法是不够的, 因为它们缺乏可靠性和有效性。为了解决这个问题, 最近的研究侧重于客观的疼痛评估, 其基础是来自生理、视频和音频信号的反应参数。为了开发可靠的自动疼痛识别系统, 我们努力创建多模式数据库, 以分析疼痛并检测有效的疼痛模式。虽然结果很有希望, 但他们只关注鉴别疼痛或疼痛强度与不疼痛。为了推进这一进程, 研究还应考虑疼痛的质量和持续时间, 因为它们为更高级的疼痛管理提供了额外的有价值的信息。为了补充现有的数据库和质量和长度的疼痛分析, 本文提出了一个心理生理实验, 以获得, 测量, 并收集有效的疼痛反应。参与者在音频、视频 (如面部表情、身体手势、面部皮肤温度) 和生理方面受到不同强度 (低、中、高)、持续时间 (5秒/1分钟) 和方式 (热/电疼痛) 等不同的痛苦刺激。信号 (如心电图 [心电图]、皮肤电导率水平 [SCL]、面部肌电图 [EMG] 和 m .梯形肌电图) 被记录。这项研究包括一个校准阶段, 以确定一个被试的个人疼痛范围 (从低疼痛到不可容忍的疼痛) 和刺激阶段, 其中疼痛刺激, 根据校准的范围, 应用。所获得的数据可能允许在客观疼痛评估方面完善、改进和评估自动识别系统。为了进一步发展这种系统, 并更详细地调查疼痛反应, 应在今后的研究中纳入压力、化学或冷痛等额外的疼痛方式。这项研究的记录数据将作为 "X-ITE 疼痛数据库" 发布。

Introduction

疼痛是一种非常个人化和不愉快的感觉, 每个人都有不同的感觉。它的持续时间从几秒钟到几个月, 质量可能会有所不同 (抽搐、锐利、燃烧等)。如果治疗不当, 疼痛会影响身体的身体和心理功能, 降低生活质量, 并承担成为慢性病的风险。在临床护理中, 准确评估疼痛强度和质量对于提供成功的疼痛管理 1,2非常相关。评估疼痛的黄金标准方法, 如视觉模拟量表 (VAS)、数字评分表 (NRS) 或 Mgill 疼痛问卷 3, 依赖于患者的自我报告, 因此, 仅在认知和口头上充分使用未受损的人。因此, 所有这些既定的方法缺乏有效性和可靠性, 当涉及到新生儿 4, 神志不清, 嗜睡, 镇静剂, 或通风的病人5,患有老年痴呆症 6, 7.除了自我报告量表之外或作为自我报告量表的替代品, 近年来还开发了通过训练有素的人员观察来测量疼痛的方法 (例如, 苏黎世观察疼痛评估 8或修道院疼痛量表 9)。然而, 即使是这些工具在可靠性和有效性方面也受到限制, 因为即使是受过训练的评分者也不能保证进行客观的评估。此外, 当疼痛评估应定期进行时, 临床工作人员的应用往往过于耗时。

几个研究小组专注于开发自动疼痛识别系统, 这些系统可以通过生理、视觉、副语言信号集作为评估和监测疼痛及其强度的新方法来测量疼痛客观。先前的研究表明, 在检测和区分疼痛10111213、16、1718区分疼痛从基本情绪14,15完全基于其中一个信号集10,11,12,13,14, 15以及在组合或融合 16,17,19集合。上述方式几乎可以自主地对疼痛等有压力的刺激做出反应。使用它们的好处是, 它们不需要一个人报告他的痛苦的能力。这些人将大大受益于纳入这种方式的客观疼痛识别制度。由引起疼痛的反应组成的数据集为分析疼痛模式和开发检测和监测疼痛的实际应用提供了宝贵的信息。除其他外, Walter 等20 人创建了 "Bivid 热疼痛数据库", 这是一个可公开使用的多式联运数据库, 提供了短时诱发疼痛热刺激的数据以及相应的心理生理和视觉反应。Velana 等21 的 "感知数据库" 包括受相热疼痛和情绪刺激影响的志愿者提供的生物信号、视频和副语言信息。

虽然这些数据库非常适合检查疼痛反应, 但它们大多基于一个特定的疼痛模型。由于疼痛的质量不同 (据称取决于疼痛模型) 和持续时间, 它在生理、视觉和副语言方面也可能不同。据作者所知, 没有多式联运研究或数据库结合两个或两个以上的疼痛模型, 并在强度和持续时间上改变疼痛刺激, 以便不仅检测疼痛模式, 而且区分疼痛品质。

本文提供了一个关于如何进行复杂的心理生理实验, 以引起疼痛, 同时记录生理反应 (如, 心电图, 肌电图的梯形,瓦楞纸剂超纤毛, 和胃痛主要, scl) 以及视频 (如面部表情, 身体手势, 面部皮肤温度) 和音频数据。参与者受到短 (相) 和更持久 (补品) 热和电疼痛刺激的刺激, 强度不同。实验前的校准阶段可分别确定每个受试者的疼痛阈值。

本研究旨在通过统计方法、机器学习算法等, 收集多模态数据, 用于调查强度、质量和长度方面的疼痛 (模式)。此外, 已经收集的数据计划出版的学术研究的目的是以 "X-ITE (Ex全生诱导 t hermal 和e说教) 痛苦数据库" 的名义出版. 它可以扩展现有的数据库, 如 biovid疼痛和感觉 20, 21, 并有助于进一步开发、改进和/评估自动疼痛识别系统的有效性问题,可靠性和实时识别。

本文的其余部分按以下方式组织。该协议描述了如何逐步进行疼痛诱发研究。然后, 有代表性的结果给出了实验的结果。最后, 讨论涉及研究的关键步骤、局限性和好处, 然后对今后的扩展提出建议。

Protocol

这项研究是根据《赫尔辛基世界医学协会宣言》 (道德委员会获得批准) 规定的道德准则进行的, 并得到乌尔姆大学道德委员会的批准 (Helmholtzstraše 20, 89081 Ulm, Germany)。

1. 科目征聘和甄选

  1. 通过海报、讲义、当地新闻广告和社交媒体, 招募同等数量的18至50岁的健康男女科目, 以实现主要是一般的样本。宣传研究的科学效益, 并提供货币补偿。提供电话号码或联系电子邮件地址以获取更多信息。
    注: 疼痛敏感性中与年龄有关的影响报告很好, 22, 应在样本选择中加以考虑。为了避免将结果与年龄影响混为一谈, 我们选择了劳滕巴赫等认为的年轻群体。
  2. 排除符合以下任何标准的潜在对象: 患有慢性疼痛、抑郁症或有精神障碍史;有神经系统疾病、头痛综合征或心血管疾病;经常服用止痛药或在实验前直接使用止痛药。

2. 疼痛诱发实验的一般准备

注: 疼痛诱发实验由两个时间连续部分组成: 校准部分和疼痛刺激部分。校准部分确定参与者的个人疼痛阈值和疼痛耐受水平的热和电刺激。疼痛刺激部分进行根据个体阈值调整的疼痛诱导。实验的每个部分都在不同的房间里进行: 校准室和实验室。校准室还可作为实验者在疼痛刺激部分的监控室 (参见图 1)。

Figure 1
图 1: 房间设置的原理图表示.右侧显示校准部分所在的校准/监控室。稍后, 它还可作为疼痛刺激部分的信号监测室, 跟随校准部分。左侧显示了疼痛刺激部分发生的实验室。两个房间都是通过管道连接的, 热模式、电刺激器的电极电缆和电脑电线都可以通过。请点击这里查看此图的较大版本.

  1. 欢迎到达的主题, 并带领他/校准室。详细告知参与者3小时的实验和在任何时候终止的可能性, 没有任何负面后果。获得实验的书面知情同意和不适用任何排除标准的书面确认。准备收据和货币补偿。
  2. 使用 ce 标志的刺激器, 允许诱导高度控制的热和电刺激。使用模拟到数字转换器, 将模拟热和电刺激转换为数字信号进行捕获。打开散热器和电刺激器。
  3. 对于校准和实验的主要部分, 使用适当的软件, 使手动和/或自动触发的热和电刺激。启动热刺激器和电刺激器的软件。准备铅笔和纸, 记下参与者报告的刺激强度和相应的疼痛强度。
  4. 让主体舒适地坐在有右侧扶手的椅子上。放置一个打印的评级表从0到100在步骤5与, 在左边, 锚点 0/无疼痛, 并在右边, 锚点100/不可容忍的疼痛在主体面前。当被要求使用刺激的时候, 使用所提供的量表, 指示受试者立即对刺激的疼痛强度进行口头评价。准确地解释, 只有零意味着 "没有痛苦", 而100等于刺激, 不能再容忍了。
    注: 在这项研究中, "疼痛耐受性" 被理解为一个主体不能再忍受的刺激的强度, 这意味着这里: 不能再容忍了。因此, 与临床实践中使用的数字评分表相比, 锚点100被标记为不可容忍的疼痛。

3. 电气疼痛阈值和公差的校准 (第1部分和第2部分)

注: 只有一个实验者应该进行校准部分, 以尽量减少对疼痛敏感性的社会影响。选择与参与者相同性别的实验者, 以最大限度地减少对疼痛敏感性的跨性别影响23第1部分确定疼痛阈值和耐受性的短 (相) 电刺激和第2部分的更持久 (补品)刺激。这些值可作为计算疼痛刺激部分中应用的相感和补体电痛刺激的基础。

  1. 用酒精溶液清洁参与者的右食指和中指的皮肤。将一个一次性 Ag/AgCl 电极 (皮肤接触尺寸: 直径为34毫米) 放在右食指 (阳极) 中间指骨的上侧, 另一个放置在右中指 (阴极) 近端的指骨上侧。将电极连接到电刺激器。
  2. 让当事人把右臂舒服地放在扶手上, 并为他们提供以下程序的说明。
    注: 下面是如何制定电气校准的指令的示例第1部分: "您将遇到不同强度的短电刺激。我们从很低的强度开始。首先, 你需要表明你第一次感到低痛。这将是你的 ' 痛苦门槛 '。为了确定这个门槛, 我将启动一个电力刺激, 在它结束前不久, 我将说 ' 现在 ' "当这种情况发生时, 你应该立即报告刺激是否痛苦, 将其评级从零到100不等。如果刺激措施不痛苦, 请报告 "零"。然后我将以更大的强度继续。第一次报告大于零的数字后, 我将把强度降低几个级别, 我们重复整个过程, 直到您再次指示一个大于零的数字。我们这样做是为了验证 "疼痛阈值"。之后, 我会慢慢增加强度, 将刺激评价为 "百", 这意味着你不能再忍受或忍受痛苦。这将是你的 "疼痛耐受水平"。再次, 为了验证这个级别, 我将返回几个级别, 我们将重复该过程, 直到您第二次报告 "100"。一旦你说 ' 百 ', 我就会立即停止刺激 "
  3. 通过单击电气刺激器 (软件) 的启动按钮, 启动持续时间为5秒的 0.5 ma (400 v) 刺激, 开始电气校准第1部分。
    注: 电气校准部件1的每个电刺激的持续时间为5秒。刺激包括100个单一的电击, 2 毫秒的持续时间, 每个在5秒均匀分布。
    注意: 电气校准始终从 0.5 mA 开始, 并在 25 mA 时中断, 以防止昏迷和危及生命的情况。
  4. 在刺激计划的第4秒"现在"。写下相应刺激强度的主题报告的数字。进行10秒长的暂停。
  5. 如果主题报告为零, 则将强度增加 0.5 mA, 启动刺激, 然后返回到步骤3.4。否则, 将强度降低 1.5 mA (最小值: 0.5 mA), 启动刺激, 然后返回到步骤3.4。当主体第二次报告大于零的数字时, 计算与零相对应的两个强度的平均值, 将其写下来, 并将其标记为 "相声电疼痛阈值" (peth)。然后, 继续执行步骤3.6。
  6. 将当前强度增加 0.5 mA, 然后启动刺激。
  7. 从开始刺激后的4秒后说 "现在"。写下相应刺激强度的主题报告的数字。暂停10秒。
  8. 如果主题报告的值低于 100, 则将强度增加 0.5 mA, 启动刺激, 然后返回到步骤3.7。否则, 将强度降低 1.5 mA (最小值: 0.5 mA), 启动刺激, 然后返回到步骤3.7。当主题第二次报告100时, 计算与100相对应的两种强度的平均值, 将其写下来, 并将其标记为 "相位电气疼痛容忍度" (petto)。继续执行步骤3.9。
  9. 将电气校准的第2部分通知参与者。
    注: 这是电气校准第2部分的一个可能的说明: "同样, 我们从低强度开始, 但这一次, 刺激将更长。我要说两次 ' 现在 ', 就在刺激计划开始后不久。每次我说 ' 现在 ', 你都会像第一部分一样报告一个数字。第一次报告大于零的数字后, 我将把强度降低几个级别, 我们为验证目的重复整个过程, 直到您再次指示一个大于零的数字。之后, 我会慢慢增加强度, 达到你将刺激评价为 "百" 的程度。再次, 为了验证这个阈值, 我将返回几个级别, 我们将重复该过程, 直到您第二次报告 "100"。一旦你说 ' 百 ', 我就会立即停止刺激 "
  10. 通过单击电气刺激器 (软件) 的启动按钮, 启动持续时间为10秒的 0.5 mA (400 V) 的刺激, 开始电气校准第2部分。
    注: 电气校准第2部分的每个电刺激的持续时间为10秒。刺激包括200个单一的电击, 每个周期为2毫秒, 分布均匀分布在10秒。
  11. 从开始刺激计划1后说 "现在"。写下相应刺激强度的主题报告的数字。在刺激结束前说 "现在" 1, 再写下主题现在报告的相应刺激强度的数字。暂停10秒。
  12. 如果主体的两个报告均为零, 则将强度增加 0.5 mA, 启动刺激, 然后返回到步骤3.11。否则, 将强度降低 1.5 mA (最小值: 0.5 mA), 启动刺激, 然后返回到步骤3.11。当主体第二次报告大于零的数字时, 计算与零相对应的两种强度的平均值, 将其写下来, 并将其标记为 "补音电疼痛阈值" (tepth)。随后, 继续执行步骤3.13。
  13. 将当前强度增加 0.5 mA, 然后启动刺激。
  14. 从开始刺激计划1后说 "现在"。写下相应刺激强度的主题报告的数字。在刺激计划结束前说 "现在" 1。再次, 写下当事人现在报告的相应刺激强度的数字。暂停10秒。
  15. 如果主题的两个报告都低于 100, 则将强度增加 0.5 mA, 启动刺激, 并重复步骤 3.14 \ u2012点15。否则, 如果主题的报告正好为 100, 请将强度降低 1.5 mA (最小值: 0.5 mA), 启动刺激, 并重复步骤 3.14\ u201a23. 15。当主题第二次报告100时, 计算与100相对应的两种强度的平均值, 将其写下来, 并将其标记为 "补音电气疼痛耐受性" (tepto)。然后继续执行步骤3.16。
  16. 断开电极与电刺激器的连接, 并从参与者的手指上取下两个 Ag/AgCl 电极。用酒精溶液清洗手指, 将电极凝胶洗掉。

4. 热痛阈值和公差的校准 (第1部分和第2部分)

注: 热痛校准分为两部分。第1部分根据短 (相) 热刺激确定疼痛阈值和耐受性,第2部分根据更持久 (补品) 热刺激来确定疼痛阈值和耐受性。这些值可作为计算疼痛刺激部分中应用的相感和补重热疼痛刺激的基础。

  1. 通过钩环紧固件表带, 将30毫米 x 30 毫米热模式应用于受物的右前臂上部, 靠近手腕约30毫米。让主体把他们的右臂舒服地放在扶手上。
    注: 热模式是热刺激器的表面部分, 它附着在主体的皮肤上, 并诱导实际的热刺激。
  2. 向主题通报热校准第1部分的过程。
    注: 热校准第1部分的指令公式可能是: "您现在将体验不同强度的短但恒定的热刺激。我们从高于你体温的温度开始。热刺激将开始, 在它结束前不久, 我会说 ' 现在 '。当这种情况发生时, 你应该通过将刺激的等级从零到100不等来快速报告刺激是否痛苦, 就像你在电气校准部分所做的那样。同样, 如果刺激措施并不痛苦, 请报告 "零"。然后我将以更大的强度继续。在两个刺激之间总是有几秒钟的停顿。当您报告 "100" 或达到截止温度时, 校准阶段就完成了。
  3. 通过单击热刺激器 (软件) 的启动按钮, 启动持续时间为5秒的39°c 刺激, 开始热校准第1部分。
    注意: 热校准第1部分的截止温度为 50°c, 以防止皮肤灼伤。
    注: 热校准部件1的每个热刺激的持续时间为5秒。
  4. 在刺激计划的第4秒说 "现在"。记下主题在相应温度下给出的强度数字。暂停10秒。
  5. 如果主体的指示小于 100, 请将温度提高 1°c, 启动刺激, 并重复步骤 4.4 \\ u20124.5。否则, 如果指示为 100, 或达到50°c 的截止温度, 则通过继续执行下一步来终止热校准第1部分。
  6. 检查注意到的数字, 并将第一个温度标记为相应的强度数大于零的温度, 标记为 "相热疼痛阈值" (pHPTh)。将温度标记为 "相热疼痛耐受性" (pHPTo), 指示为100。
    注: 如果主题报告的数字低于100在截止温度 (50°c), 标记50°c 为 pHPTo。
  7. 将热校准的第2部分通知参与者。
    注: 以下是此热校准阶段的说明的示例公式: "我们从高于体温的温度开始, 但这次热刺激的时间会更长。我会说两次 ' 现在 ': 就在刺激开始之后, 就在刺激结束前不久。每次我说 ' 现在 ', 你都会报告一个数字, 等于你的痛苦经历。如果刺激措施不痛苦, 请报告 "零"。然后我将继续随着温度的升高。每次刺激后总是有几秒钟的停顿。当您报告 "100" 或达到截止温度时, 校准阶段就完成了。
    注意: 热校准第3部分的截止温度为 49.5°c, 以防止皮肤灼伤, 因为刺激时间较长。
  8. 通过单击热刺激器 (软件) 的启动按钮, 开始热校准第2部分, 刺激时间为 39°c, 长达10秒。
    注: 热校准第2部分的每个热刺激的持续时间为10秒。
  9. 从开始刺激计划1后说 "现在"。写下相应温度下主题报告的强度数字。在刺激计划结束前说 "现在" 1。再次, 写下主题现在报告的相应温度的强度数字。暂停60秒。
  10. 如果主体的两个指示都低于 100, 请将温度提高 1°c (例外: 请参见下面的注释), 开始下一个刺激, 然后重复步骤4.16。否则, 如果任何报告正好为100或达到49.5°c 的截止温度, 则通过继续执行以下步骤终止热校准第2部分。
    注: 在此校准阶段, 温度步骤为: 39°c、40°c、49.5、44°c、43°c、44°c、45°c、46°c、47°C、48°c、49°c、49.5°c、49.5°c.
  11. 检查注意到的数字, 并将至少一个相应数字大于零的第一个温度标记为 "补热疼痛阈值" (Tthth)。标记温度与第一个被注意的报告100作为 "补热痛苦容忍度" (tHPTo)。
    注: 如果主体在截止温度 (49.5°c) 下报告两个数字都低于 100, 则将49.5°c 标记为 tHPTo。
  12. 从参与者的腋下取下热模式。询问主题, 他们是否需要短暂的休息和/或想使用卫生设施。要执行检查参与者是否适合热刺激方面的疼痛刺激部分, 请按照补充文件 1中描述的说明进行操作。

5. 疼痛刺激实验的准备

  1. 在校准/监控室旁边的摄像机监测、温控和低噪声实验室中进行疼痛刺激 (参见图 1)。通过管道 (直径80毫米) 连接两个房间。
    注: 相机监控提供有关主体健康状况的信息, 并允许在突然昏迷或循环系统崩溃的情况下进行快速干预。
  2. 在实验过程中, 在考试沙发上设置了一个主题所在的检查沙发。将其与长边放在管道附近的墙边。为头部提供一个枕头。
  3. 在考试沙发旁边的墙上贴上一面镜子, 研究对象的头部将在那里休息。
  4. 为了捕捉生理数据 (心电图、3x EMG 和 SCL)、音频、视频 (面部正面和侧面视图、面部皮肤温度和全身视图) 以及实验期间的热和电刺激器输出, 请使用适当的记录计算机,软件和录音设备 (生物信号记录仪、三台高分辨率彩色摄像机、一台热像仪和一个定向麦克风)。
    1. 开发同步记录的模式的解决方案。它可以包括设备的硬件触发、生物信号和音频记录仪对触发信号的记录、计算机时钟同步 (例如通过 NTP) 和时间戳与数据流的记录, 以及记录数据的后处理流, 以补偿时间偏移和时钟漂移。
  5. 安装全身视图摄像头的方式, 它捕捉到的对象的整个身体。在参与者头部上方约1米处安装正面视图摄像头。将麦克风安装在左侧, 热像仪安装在右侧, 旁边是正面面摄像头。将侧视摄像头连接到天花板上。将其调整到能够记录主体面部一侧以及镜像中反射的另一侧的位置 (参见图 2)。

Figure 2
图 2: 摄像机和麦克风设置的原理图表示.正面面摄像头、热像仪和麦克风设置在参与者头部上方约1米处。侧视摄像头借助镜子捕捉面部两侧。安装在墙上的人体视图摄像头允许记录身体运动。请点击这里查看此图的较大版本.

注: 由于一个小实验室, 将侧视摄像头与镜子相结合是一个非常优雅的解决方案, 只需一台相机即可捕捉拍摄主体面部两侧的情况。

  1. 将生物信号记录计算机的图形输出复制到校准/监控室设置的计算机监视器上。
  2. 在校准/监控室中设置有源 PC 扬声器。通过管道将它们连接到录音计算机。一定要通过麦克风听到参与者的声音, 以防他们在实验中需要帮助。
  3. 通过导管将电刺激器的热模式和电极电缆穿过实验室。将卷起的声学泡沫放在导管的两侧 (或类似的吸收声音的材料)。
    注: 将热刺激器留在校准/监测室。它污染音频信号记录, 因为定期启动其内部呼吸机, 以便冷却。
  4. 将记录采样率设置如下: (a) 44.1 kHz 的音频;(b) 25 赫兹的正面和侧面视线摄像机;(c) 30 赫兹的全体视光相机;(d) 120 赫兹热像仪;(e) 1, 000 赫兹的 SCL、EMG 和心电图. 保存所有设置。
  5. 得到一个冷凝胶包 (100 毫米 x 100 毫米), 并把它放到一个冰柜。准备一条200毫米 x 200 毫米卫生无纺布毛巾或类似的东西 (例如, 一条薄薄的纸巾) 和一条软膏。
  6. 计算12个单独的刺激强度, 6个用于热和电疼痛诱导, 如下所示: (a) 相电疼痛强度 3 (pE3) = 90% 的 pEPTo;(b) 相电疼痛强度 2 (Epe2) = (P-3 + pEPTh)/2;(c) 相电疼痛强度 1 (pE1) = pepth;(d) 补体电痛强度 3 (Te3) = 90% 的 tEPTo;(e) 补体电痛强度 2 (Tonic2) = (tonic + tEPTh)/2;(f) 补体电痛强度 1 (Te1) = Tepth;(g) 相热疼痛强度 3 (pH 3) = Phpto-0.5°c, 如果研究对象报告为 pHPTo-否则为 100, ph 值3 = phpto;(h) 相热疼痛强度 2 (pH 值2) = (ph 值3 + pHPTh)/2;(i) 相热疼痛强度 1 (pH 值1) = phpth;(j) 补感热痛强度 3 (Th3) = Thpto-0.5°c, 如果研究对象报告为 tHPTo-否则, Th3 = thpto;(k) 补感热痛强度 2 (Th2) = (Tonic3 + tHPTh)/2;(l) 补感热痛强度 1 (Th1) = Thpth.
  7. 输入相声电 (Pe1\ u2012pe3) 和热痛强度 (ph 值1\u2012ph 3) 和感光电(te1\ u2012pE3) 和热痛强度 (th1\ u2012 tonic 3) 的值-根据第3节进行的校准和4—into 热和电刺激器软件进行的校准, 在步骤5.11 中计算。将基线 (无疼痛) 温度设置为 32°c, 将温度率提高到 8°cs. 保存所有设置。
  8. 使用基于脚本语言的计算机软件, 它与热和电刺激器进行通信。确保它允许控制和触发疼痛刺激的基础上的疼痛激发脚本。
    注: 疼痛诱发脚本触发随机疼痛刺激, 并控制时间和持续时间。在这项研究中, 热刺激器的软件提供了准备疼痛激振脚本的可能性。该软件会自动触发热刺激, 并在触发电刺激时发送信号。电气刺激是由在第二个软件中准备的脚本触发的。
  9. 准备疼痛引发脚本 (参见图 3), 如下所示。将每个相刺激强度的数量(pe1、pe2、pe3、pH 值1、ph 值2和 ph3) 设置为 30, 并将每个补品刺激强度的数量 (te1、tonic、te3tH 1、th2 和 tH)到 1.将每个相刺激的持续时间设置为 5秒, 将每个补药刺激的持续时间设置为 60秒. 随机化所有刺激的顺序。将相态刺激到 8-12 s 之间的暂停随机. 将补音刺激后的停顿设置为 300s. 保存所有设置。
    注: 由于持续时间较长, 不同补强热刺激的次数设置为 1, 以避免皮肤灼伤。所有在补强刺激后的停顿必须是 300秒, 以便使生理信号恢复到基线, 从而不污染随后的信号。

Figure 3
图 3: 疼痛刺激部分的图形插图.(A) 具有随机相 (蓝色) 和补音 (红色) 疼痛刺激的典型疼痛诱发脚本。(B) 节选自上述疼痛刺激脚本: 三个相位刺激, 持续时间为 5秒, 随后暂停。暂停的持续时间从8秒到12秒不等。(pH值 1, ph值 2, ph 3 = 强度1, 2, 3; th 1, th 2,th3 = 强直热痛与强度为 1, 2, 3; pe 1,pe 2, pe3= 相电疼痛与强度1, 2, 3;Te1, te2, te3 = 强度为 1, 2, 3 的补离子电痛;s = 秒)。请点击这里查看此图的较大版本.

6. 疼痛刺激

  1. 带领参与者到实验室, 告诉他们即将到来的程序。解释实验装置和仪器的功能。通过按下提供的紧急按钮或要求停止, 再次告知当事人中止实验的可能性。
  2. 让主体舒服地躺在考试沙发上。在实验过程中, 指示他们继续仰面躺着。
  3. 清洁所有电极将与酒精溶液连接的皮肤区域。用磨料凝胶去除左脸颊表面、左耳后面和左眉毛上方的任何死皮细胞。用酒精溶液回收这些区域。
  4. 对于 SCL 的测量, 用 Velcro 表带将两个预置的、非极化的 agcl 电极连接到右食指和中指远端指骨的底侧。确保皮带不要太紧。如果主体报告他们的指尖有一种跳动的感觉, 他们就太紧了。
  5. 要记录心电图, 请使用三个预胶、粘合剂 agocl 捕捉电极, 带圆形接触区域 (直径34毫米)。将一个电极 (阴极) 放在胸部, 约为右锁骨下方6厘米处。将第二个 (阳极) 放置在左侧的第九和第十根肋骨上。将第三个电极 (接地参考) 连接到骨盆骨旁边的右侧腰部。
  6. 为了记录梯形 m 的emg, 还使用三个预胶、粘合剂 agcl 捕捉电极, 带有圆形接触区域 (直径34毫米)。将两个电极 (阴极和阳极) 并排放置在颈部左侧的梯形肌肉上。将下面的第三个 (参考) 放在左锁骨上。
  7. 采用6个可重复使用的屏蔽 Ag/AgCl 电极, 记录直径为4毫米, 测量了 m.瓦楞纸器超强和m. z产 Zygomaticus的 emg。用电解质凝胶填充电极的空腔。
    1. 通过双面胶粘剂衣领连接电极, 如下所示: 对于波纹头,将一个电极 (阳极) 直接放在左眉毛上方, 位于 (左) 线旁边。将第二电极 (阴极) 侧至第一电极1厘米处。
    2. 将第三个电极 (参考) 连接到发际线下方的额骨中部。对于高度的人,从左口头画一条假想的线, 向左耳垂。将一个电极 (阳极) 稍微放在线的中间下方, 在其旁边放置第二个 (阴极) 1 厘米内侧。将第三个电极 (参考) 连接到左侧乳突。将所有电极连接到生物信号记录装置的相应输入。
  8. 如果所有的生理信号都是优良的质量, 通过生物信号记录软件进行目视检查。要求受试者移动某些肌肉并检查相应的信号。通过适当的方法改善任何不满意的信号。
  9. 将一个 Ag/AgCl 电极 (直径34毫米) 放置在左食指 (阳极) 中间指骨的上部, 另一个放在左中指 (阴极) 近端指骨的上侧。在手术过程中, 用医用胶带固定电极可能会出汗, 从而降低电极的附着力。将电极连接到电刺激器。
  10. 通过 Velcro 表带将热模式应用于被试左前臂的上部, 靠近手腕约30毫米。确保表带不会收缩皮肤。
  11. 启动所有摄像机。确保参与者在相机图像中完全可见。如有必要, 请要求拍摄对象调整位置。特别是要注意面部摄像头和一个小视野。理想情况下, 面部应位于图像的中心, 以减少参与者在实验期间将头部移出视野的风险。
  12. 检查麦克风是否打开, 录制音量是否令人满意。
  13. 问主题, 如果她有任何进一步的问题, 如果她是否准备好实验。指导她完全自然地行动, 不要在实验过程中压制和夸大任何疼痛反应。
  14. 启动所有符合数据同步要求的记录设备 (相机、麦克风、生物信号记录仪)。
  15. 离开实验室, 进入校准/监控室。等待 5分钟, 以便使主体的生理信号正常化。运行疼痛激发脚本。
  16. 仔细监测受试和疼痛刺激部分的进展情况。写下任何明显的异常行为、技术问题或因极端运动、电极脱落等而产生的生物信号伪影的时间戳。
  17. 疼痛诱发脚本结束后, 停止所有录制设备。以首选格式导出所有数据。关闭热刺激器和电刺激器。
  18. 检查参与者是否正常, 并分离所有电极和热模式。用酒精溶液清洁所有皮肤区域, 去除电极凝胶残留。
  19. 从冰柜中取出冷凝胶包, 并将其包裹在卫生的无纺布毛巾 (或类似的东西, 例如薄纸巾) 中。要求参与者将其应用到放置模式的皮肤区域至少5分钟。
  20. 为受试者提供展示和解释其个人疼痛程度的机会。
  21. 涂抹软膏到放置了这种模式的皮肤区域。
    注: 冷凝胶包和软膏是用来尽量减少 (潜在的) 发红和刺激的皮肤。
  22. 交出金钱补偿并且有它承认以收据。在出现新问题时提供联系信息。感谢与会者并说再见。
  23. 从导管两侧取出声学泡沫。将电刺激器的热模式和电极电缆传回校准器/监控室。处理所有一次性电极, 清洁所有可重复使用的凝胶电极, 并用合适的表面消毒液清洁检查沙发。把冷胶凝胶包放回冰柜里。

Representative Results

任何一个人对疼痛的感知都是不同的, 在面部表情、副语言和生理信号中可能会有不同的表现。本研究的设计适合于分析疼痛反应的多种方式, 与潜在的目的。获得的数据可能允许回答研究问题, 例如: 是否有具体的疼痛反应模式?它们在疼痛模型和持续时间方面是否存在差异?

共有134名受试者参加了我们的实验。性别比率是 50/50。我们将他们分为以下年龄组: 1) 18-29 (N = 49, 23名男子, 26名妇女), 2) 30-39 (N = 45, 23名男子, 22名妇女), 3) 40-50岁 (N = 40, 21名男子, 19名妇女)。所有科目的平均年龄为 31.4 (SD = 9.7), 所有男子 = 33.4 (SD = 9.3), 所有妇女的平均年龄为31.4 岁 (SD = 10.2)。这项研究是在德国乌尔姆大学医学心理学系进行的。

该协议的主要结果是一组音频、视频和心理生理信号, 反映了研究对象对疼痛刺激的反应。表 1概述了记录信号的技术特征和研究中诱发疼痛刺激的数量。

技术特点
信号: 采样率: 属性:
音频 44100赫兹 单声道, MP3 320 kbps
相机 1 (面部、正面视图) 25赫兹 彩色视频: 第1384 x 1032 号决议,
HEVC 编码与 libx265 (CRF 16, 预设介质)
相机 2 (面部、侧面视图) 25赫兹 彩色视频: 分辨率 1620 x 840,
HEVC 编码与 libx265 (CRF 16, 预设介质)
车身摄像头 约30赫兹 彩色视频: 分辨率 1500 x 600,
HEVC 用 libx265 (CRF 16, 预设介质) 编码;
深度视频: 分辨率 500 x 200, 无损编码
热像仪 约120.8 赫兹 表面温度视频: 分辨率 120 x 160,
灰度 MPEG-4-avc 编码的 libx264
(CRF 0, 预设非常快),
编码温度范围 26.5-52.0°c (0.1 步)
心电图 1000赫兹 硬件过滤通过 Bippac:35 Hz LP, 0.5 Hp,
50赫兹陷波滤波器
Scl 1000赫兹 硬件通过 Bibipac:10 Hz LP 过滤, 无 HP,
无凹槽滤清器
EMG M. 梯形 1000赫兹 硬件过滤通过 Bipac: 500 Hz LP, 10 Hz HP,
无凹槽滤清器
EMG M. 瓦楞纸箱 1000赫兹 硬件过滤通过 Bipac: 500 Hz LP, 10 Hz HP,
无凹槽滤清器
EMG M. zem动脉 1000赫兹 硬件过滤通过 Bipac: 500 Hz LP, 10 Hz HP,
无凹槽滤清器
刺激 电气
科目: 相刺激 (5秒): 调整 (60秒): 相刺激 (5秒): 调整 (60秒):
每个科目 90 (每强度 30) 3 (每强度 1个) 90 (每强度 30) 3 (每强度 1个)
全部 (N = 134) 12060 (每强度 4020) 402 (每强度 134) 12060 (每强度 4020) 402 (每强度 134)
男性 (n = 67) 6030 (2010年/强度) 201 (每强度 67) 6030 (2010年/强度) 201 (每强度 67)
妇女 (n = 67) 6030 (2010年/强度) 201 (每强度 67) 6030 (2010年/强度) 201 (每强度 67)

表 1: 诱发刺激的技术特点和数量.上半部分 (技术特征) 显示特定信号的采样率和属性。下半部分 (Stimuli) 显示了一个科目、所有科目和每个性别的诱导特异性疼痛刺激的数量。(MP3 = 移动图片专家组分层-3 音频, kbps = 千位/秒, HEVC = 高效视频编码, crf = 恒定速率因子, MPEGG-4-avc = 电影专家组高级视频编码, hz = 赫兹, °c = 摄氏度, s = 秒,心电图 = 心电图, SCL = 皮肤电导率水平, EMG = 肌电图, LP = 低通滤波器, HP = 高通滤波器, m. = Musculus)。

关于研究校准阶段的次要结果见表 2。它显示了所有受试者的平均刺激温度和疼痛强度的电流1和 3 (在协议步骤5.11 中计算), 另外也显示了男性和女性亚群的平均刺激温度和疼痛强度。

刺激 热 [以°c 为] 平均值 (SD) 电气 [ma] 平均值 (Sd)
科目 pH 值1 pH值 3 Th1 tH Pe1 Pe3 Te1 tE
全部 (N = 134) 4.03 (2.25) 49.17 (1.20) 42.50 (2.14) 4776 (1.02) 1.63 (0.94) 5.64 (2.72) 1.69 (1.69) 5.70 (2.59)
男性 (n = 67) 4.56 (2.18) 49.48 (0.89) 43.11 (1.98) 47.93 (1.04) 1.94 (1.94) 6.83 (3.02) 1.96 (1.96) 6.90 (2.72)
妇女 (n = 67) 43.51 (2.74) 48.87 (1.39) 41.89 (2.14) 470.59 (0.98) 1.32 (0.75) 4.45 (1.70) 1.43 (1.43) 4.51 (1.80)

表 2: 平均刺激温度和疼痛强度的电流1和 3.(pH值 1, ph3 = 强度为 1, 3 的相热疼痛; th 1, th 3 = 强度为1、3; pe 1, pe3 = 强度为 1, 3 的相电疼痛; te1, te3 = 补声电疼痛强度为 1, 3;°C = 摄氏度;mA = 毫安, SD = 标准偏差)。

如果协议的所有步骤都是仔细执行的, 并且没有出现技术问题 (在计算机或记录设备崩溃等方面), 则成功的结果可能类似于图4所示。所有信号都是高质量的, 不受外部干扰源的影响。参与者在每个相机中都能清晰地看到。

Figure 4
图 4: 成功实验的示例数据.这个数字描绘了在剧烈的疼痛刺激之前、期间和之后几秒钟记录的信号。所有信号都是未经过滤和同步的时间。为清楚起见, 此处仅显示视频信号的代表性屏幕截图。(EMG = 肌电图, SCL = 皮肤电导率水平, 心电图 = 心电图, m. = 肌肉, s=)。请点击这里查看此图的较大版本.

但是, 意外事件可能会导致数据变得嘈杂或损坏。除了计算机或记录设备崩溃外, 电极 (特别是通过双面粘合衣领连接的直径小的可再利用电极) 大多导致无法使用的信号。作为次优数据集的示例,图 5显示了 emg 电极脱落并使相应信号变得无用的时刻。

Figure 5
图 5: 来自次优实验的示例数据.红色圆圈表示 EMG 电极之一 (m. zemamaticus main) 从主体脸颊上掉落的时间。这可能是由于出汗或头部运动造成的。从这一刻起, 信号就丢失了。(EMG = 肌电图, SCL = 皮肤电导率水平, 心电图 = 心电图, m. = 肌肉, s=)。请点击这里查看此图的较大版本.

根据道德准则, 必须限制热刺激和电刺激的最大强度。关于热校准控制部分 (见补充文件), 37名受试者 (31名男子, 6名妇女) 达到了50.5°c 的规定截止时间 (比率 = 37.134 = 27.61)。至于热校准第1部分, 60名参与者 (39名男性, 21名妇女) 达到了50.0°c 的截止时间 (比率 = 60/134 = 44.78)关于第2部分, 57 人 (37名男子, 20名妇女) 达到了49.5°c 的截止时间 (比率 = 57-134 = 42.54%)。两个电气校准部件的截止时间为 25 mA。134个科目都没有达到。

当我们计划公布数据时 (见下一段), 达到截止日期的参与者的数据集还将被标记, 并包括相应截止时间的主观疼痛评级。

我们想指出的是, 该协议的主要重点是获取多模态信号, 用于分析热和电疼痛。因此, 这里不讨论其他结果。在因数据缺失或数据共享书面同意被拒绝而对数据集进行检查和排除后, 本研究的数据集将以 "X-ITE 疼痛数据库" 的名义提供。有关何时以及如何获得 X-ITE 疼痛数据库的更多信息, 请访问 https://github.com/philippwerner/pain-database-list。

补充文件 1.请点击此处下载此文件.

Discussion

该协议的重点是在记录生理、视觉和副语言信号的同时, 对热 (热) 和电痛进行实验激发。这种新颖的方法结合了两个不同刺激强度和两种不同刺激持续时间 (相变和强直) 的疼痛模型, 提供了一个广泛的视角, 关于疼痛的心理生理模式和表达。然而, 为了实现这一议定书, 需要考虑几个步骤。

一般来说, 如果与疼痛刺激的工作是至关重要的, 以确保对象的安全。所有的疼痛刺激都必须高度控制, 只能由有经验的实验者进行。
此外, 为了记录和收集可靠和高质量的数据, 强烈建议正确连接设备 (电极)、记录设备的完美功能以及计算机之间的顺畅通信。应取消所有干扰来源或将其减少到最低限度。为了保证参与者之间的一致性, 必须提供标准化的指令和不变的实验条件。

根据我们的经验, 找到符合所有标准并愿意接受无数痛苦刺激的合适参与者, 需要很长时间, 而且相当具有挑战性。除此之外, 货币补偿必须足够高, 才能吸引研究对象。特别是 3 0岁至 5 0岁的人很难找到。这可能是因为实验时间太长 (大约 4个小时, 包括到达和离开), 他们必须休息半天。

由于参与者的安全是重中之重, 疼痛诱导可能需要加以限制。根据道德准则, 刺激强度不得超过一定水平, 以防止热和电疼痛诱导方面的烧伤和昏迷。一般的强度中断可能会导致天花板效应, 因为有些研究对象可能会达到强度限制之前, 感觉难以忍受的疼痛。在这项研究中, 约42% 的参与者 (考虑到热校准第1部分和第2部分) 达到了热截止 (见代表性的结果)。由于它们没有达到 "真正" 的疼痛容忍度, 它们对最高热刺激的生理反应可能与到达它们的受试者的生理反应不同。如果是这样, 将这两组混合在一起可能会影响疼痛识别方面的分类结果。

需要解决的一个重要问题是这个实验中的疼痛模式。参与者只受到热和电疼痛刺激 (因为这些在实验环境中是高度可控的)。因此, 如果检查有关质量的疼痛模式, 发现可能不会转化为其他疼痛模式, 如压力, 化学或内脏疼痛。
同样的考虑是结果的可转移性也适用于研究样本。该协议在道德上仅限于健康的成年人。例如, 它不包括儿童或认知和口头受损的人。此外, 在我们的研究中, 只有欧洲人参加。此外, 在这里, 分析结果可能不适用于本实验未考虑的组。

另一个限制可能与霍桑效应24有关: 研究对象意识到他们在研究中被观察到。这可能会改变他们的行为。

与现有的疼痛数据库相比, 该协议为分析疼痛反应模式提供了显著优势, 因为它结合了两个疼痛模型和两个时间过程 (相位和补药): 除了疼痛的强度和持续时间外, 它还考虑了疼痛的质量痛苦。由于热疼痛的描述与电疼痛不同 (例如, 燃烧与尖锐), 因此它在疼痛反应中也可能不同。如果是这样, 这些发现可能会将疼痛反应模式与疼痛的潜在来源联系起来。此外, 本研究还采用多模态, 拓宽疼痛调查的机会范围: 采用5个心理生理信号、2个正面 (正面) 相机信号、1个人体视光摄像机信号、1个热像仪和1个音频信号, 可以分析和分析疼痛。更精确地评估。

对于更复杂的疼痛反应模式的调查, 这种方法的未来扩展应包括更多的生物信号, 如脑电图 (EEG)、体温和呼吸。将控制压力作为进一步的疼痛模型也将是非常有益的。研究人员的目标是通过使用该协议收集的数据自动识别疼痛, 应该进一步测试有希望的机器学习模型与临床对照组。

Disclosures

作者没有什么可透露的。

Acknowledgments

作者要感谢 Verena Friedrich、Maria Velana、Sandra Gebhardt、Romy Bärwaldt 和 Tina Daucher 为开展这项研究提供的宝贵帮助。此外, 还特别感谢斯特凡妮·鲁卡维纳博士的科学支持。这项研究是由德国研究资助的 DFG\ TR223.12 (http://www.dfg.de/) "基于面部表情和心理生物学参数的自动疼痛识别系统的推进和系统验证" 项目的一部分。基础。

Materials

Name Company Catalog Number Comments
PATHWAY Model ATS Medoc Ltd., Ramat Yishai, Israel Thermal Stimulator
30 mm x 30 mm ATS Thermode Medoc Ltd., Ramat Yishai, Israel Thermode
PATHWAY Software Arbel 6.3.7.22.1 Medoc Ltd., Ramat Yishai, Israel Thermal Stimulator Software
Digitimer DS7A Current Stimulator Digitimer Ltd., Hertfordshire, UK Electrical Stimulator
Inquisit 5 Millisecond Software, Seattle, WA, USA Software for triggering electrical stimuli
Analogue-To-Digital Converter Wissenschaftliche Werkstatt Elektronik, University of Ulm, Ulm, Germany custom built
BIOPAC MP150 System BIOPAC Systems, Inc., Goleta, CA, USA Biosignal Recording Hardware
AcqKnowledge Software 4.1.1 BIOPAC Systems, Inc., Goleta, CA, USA Biosignal Recording Software
NTG-2 Dual Powered Directional Condenser Microphone RØDE Microphones, Silverwater, Australia Audio Recording Microphone
Kinect v2 Microsoft, Redmond, WA, USA Body View Camera
AV Pike F-145C Allied Vision Technologies GmbH, Stadtroda, Germany Face Camera (frontal view)
AV Prosilica GT 1600C Allied Vision Technologies GmbH, Stadtroda, Germany Face Camera (side view)
PIR uc 180 Thermal Camera InfraTec GmbH, Dresden, Germany Thermal Face Camera
Synchronization Hardware Werkstatt, IIKT, University of Magdeburg, Magdeburg, Germany custom built Hardware triggering of cameras, trigger signal is recorded by BIOPAC and Audacity
Recording and Synchronization Software Philipp Werner, Neuro-Information Technology, University of Magdeburg, Magdeburg, Germany custom software Real-time recording, offline video encoding, and offline synchronization
Examination Couch ClinicalCare GmbH, Bremen, Germany
Ag-AgCl Electrodes EL254 / EL254S (Reusable, 4mm recording diameter) BIOPAC Systems, Inc., Goleta, CA, USA Used to record EMG M. corrugator and M. zygomaticus
Ag-AgCl Electrodes BlueSensor P (Disposable, skin contact size: 34 mm diameter, measuring area 154 mm2) Ambu GmbH, Bad Nauheim, Germany Used to record ECG and EMG M. trapezius. Also used for electrical stimulation
Audacity 2.1.2 Dominic Mazzoni (Audacity) Audio Recording Software
Cold Gel Pack C+V Pharma Depot GmbH, Versmold, Germany
Panthenol 50mg/g ratiopharm GmbH, Ulm, Germany Ointment
Alumnium Profiles item Industrietechnik GmbH, Solingen, Germany Used to install all cameras and microphone
Electrode Gel GEL1 BIOPAC Systems, Inc., Goleta, CA, USA
ELPREP Skin Preparation Gel BIOPAC Systems, Inc., Goleta, CA, USA

DOWNLOAD MATERIALS LIST

References

  1. Hawker, G. A., Mian, S., Kendzerska, T., French, M. 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). Arthritis Care & Research. 63, (11), 240-252 (2011).
  2. Kehlet, H. Acute pain control and accelerated postoperative surgical recovery. Surgical Clinics. 79, 431-443 (1999).
  3. McQuay, H., Moore, A., Justins, D. Treating acute pain in hospital. British Medical Journal. 314, (7093), 1531-1535 (1997).
  4. Brahnam, S., Chuang, C. F., Shih, F. Y., Slack, M. R. 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). Lecture Notes in Computer Science. 3849, 121-128 (2005).
  5. Basler, H. D., Bloem, R., Casser, H. R., et al. Ein strukturiertes Schmerzinterview für geriatrische Patienten. Schmerz. 15, 164-171 (2001).
  6. Zwakhalen, S. M. G., Hamers, J. P. H., Abu-Saad, H. H., Berger, M. P. F. Pain in elderly people with severe dementia: a systematic review of behavioural pain assessment tools. BioMed Central Geriatrics. 6, (3), (2006).
  7. Herr, K., Bjoro, K., Decker, S. Tools for assessment of pain in nonverbal older adults with dementia: a state-of-the-science review. Journal of Pain and Symptom Manage. 31, (2), 170-192 (2006).
  8. Handel, E., Gnass, I. Praxishandbuch ZOPA : Schmerzeinschätzung bei Patienten mit kognitiven und/oder Bewusstseinsbeeinträchtigungen. Huber. Bern. (2010).
  9. Abbey, J., et al. The Abbey pain scale: a 1-minute numerical indicator for people with end-stage dementia. International Journal Of Palliative Nursing. 10, (1), 6-13 (2004).
  10. Gruss, S., et al. Pain intensity recognition rates via biopotential feature patterns with support vector machines. PLoS ONE. 10, 1-14 (2015).
  11. Walter, S., et al. Automatic pain quantification using autonomic parameters. Psychology & Neuroscience. 7, (3), 363 (2014).
  12. Werner, P., et al. Automatic pain assessment with facial activity descriptors. IEEE Transactions on Affective Computing. 8, (3), 286-299 (2017).
  13. Thiam, P., Kessler, V., Walter, S., Palm, G., Schwenker, F. Audio-Visual Recognition of Pain Intensity. IAPR Workshop on Multimodal Pattern Recognition of Social Signals in Human-Computer Interaction. Springer. Cham. (2016).
  14. Niese, R., et al. Towards Pain Recognition in Post-Operative Phases Using 3D-based Features from Video and Support Vector Machines. International Journal of Digital Content Technology and its Applications. 3, (4), 21-33 (2009).
  15. Hammal, Z., Kunz, M. Pain monitoring: A dynamic and context-sensitive system. Pattern Recognition. 45, (4), 1265-1280 (2012).
  16. Werner, P., et al. Automatic pain recognition from video and biomedical signals. Pattern Recognition (ICPR), 22nd International Conference on Pattern Recognition. 4582-4587 (2014).
  17. Walter, S. Diagnostik der Schmerzintensität, basierend auf multimodalen Signalen und maschinellen Lernen. Habilitationsschrift. (2017).
  18. Chu, Y., Zhao, X., Han, J., Su, Y. Physiological Signal-Based Method for Measurement of Pain Intensity. Frontiers in aneuroscience. 11, (2017).
  19. Kächele, M., et al. Multimodal data fusion for person-independent, continuous estimation of pain intensity. Engineering Applications of Neural Networks. 275-285 (2015).
  20. Walter, S., et al. The BioVid Heat Pain Database - Data for the advancement and systematic validation of an automated pain recognition system. Cybernetics (CYBCONF), IEEE International Conference on Cybernetics. 128-131 (2013).
  21. 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. Multimodal Pattern Recognition of Social Signals in Human-Computer-Interaction. MPRSS 2016. Lecture Notes in Computer Science. Schwenker, F., Scherer, S. Springer. Cham. (2017).
  22. Lautenbacher, S., Peters, J. H., Heesen, M., Scheel, J., Kunz, M. Age changes in pain perception: a systematic-review and meta-analysis of age effects on pain and tolerance thresholds. Neuroscience & Biobehavioral Reviews. 75, 104-113 (2017).
  23. Kállai, I., Barke, A., Voss, U. The effects of experimenter characteristics on pain reports in women and men. Pain. 112, (1), 142-147 (2004).
  24. McCambridge, J., Witton, J., Elbourne, D. R. Systematic review of the Hawthorne effect: New concepts are needed to study research participation effects. Journal of Clinical Epidemiology. 67, (3), 267-277 (2014).
分析疼痛对热和电刺激反应的多模态信号
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Gruss, S., Geiger, M., Werner, P., Wilhelm, O., Traue, H. C., Al-Hamadi, A., Walter, S. Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli. J. Vis. Exp. (146), e59057, doi:10.3791/59057 (2019).More

Gruss, S., Geiger, M., Werner, P., Wilhelm, O., Traue, H. C., Al-Hamadi, A., Walter, S. Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli. J. Vis. Exp. (146), e59057, doi:10.3791/59057 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter