Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Behavior

열 및 전기 자극에 고통 응답을 분석 하기 위한 다중 모드 신호

doi: 10.3791/59057 Published: April 5, 2019

Summary

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.

Abstract

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.

Introduction

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 superciliizygomaticus의 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 nduced 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.

Protocol

헬싱키의 세계 의학 협회 선언에서 윤리 지침에 따라 연구 되었다 (윤리 위원회 승인을 수 여 되었다: 196/10-UBB/발)의 울 름 대학 (윤리 위원회에 의해 승인 Helmholtzstraße 20, 89081 Ulm, 독일).

1. 대상 모집 선택

  1. 포스터, 유인물, 지역 언론 광고, 그리고 주로 일반적인 샘플을 달성 하기 위해 소셜 미디어를 통해 18 ~ 50 세 사이의 건강 한 여성 및 남성 과목의 동등한 수를 모집 합니다. 연구의 과학적 혜택을 광고 하 고 금전적 보상을 제공 합니다. 자세한 내용은 전자 메일 주소를 문의 또는 전화 번호를 제공 합니다.
    참고: 통증 감도 나이 관련 된 효과 잘 보고22 이며 샘플 선택에서 고려 되어야 한다. 나이 효과와 결과 혼동을 피하기 위해, 우리 Lautenbacher 외.22에 의해 간주 젊은 그룹을 선택 합니다.
  2. 다음 조건 중 하나를 충족 하는 잠재적인 과목 제외: 만성 통증, 우울증, 또는 정신 장애;의 역사에서 고통 신경학 상 조건, 두통 증후군, 또는 심혈 관 질환; 정기적으로 진통제를 복용 하거나 직접 실험 하기 전에 진통제를 사용 하 여.

2. 일반 준비 통증 도출 실험의

참고: 통증 도출 실험 두 일시적으로 연속 된 부분으로 구성: 교정 부분과 통증 자극 부분. 교정에 참가자의 개별 통증 임계값 및 열 및 전기 자극에서 고통 허용 수준을 결정합니다. 통증 자극에 개별 임계값을 조정 하는 고통을 유도 수행 합니다. 실험의 각 부분에 다른 룸에 일어난다: 교정 룸과는 실험. 교정 방 역할도 실험에 대 한 모니터링 룸 통증 자극 동안 부분 ( 그림 1참조).

Figure 1
그림 1 : 룸의 도식 대표. 오른쪽 교정/모니터링 룸을 교정 부분 발생 보여줍니다. 나중에, 그것은 또한 교정 부분을 다음과 같이 고통 자극 부분에서 룸 모니터링 신호 역할. 왼쪽 통증 자극 부분 발생 실험 공간을 보여 줍니다. 두 객실은 thermode, 전기 자극 기 및 컴퓨터 전선의 전극의 케이블을 통해 전달 될 수 있습니다 도관 파이프로 연결 됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

  1. 도착 주제를 환영 하 고 교정 방에 그녀를 리드. 3 h 실험 및 어떤 부정적인 결과 없이 언제 든 지 해지의 가능성에 대 한 세부 사항에 있는 참가자를 알려. 실험 및 서 면된 확인에 대 한 서 면된 통지 해준 동의 기준 적용 제외의 아무도 얻을. 영수증 및 금전적 보상을 준비 합니다.
  2. 허용 제어 높은 열 및 전기 자극을 유도 하는 CE 표시 자극 제를 사용 합니다. 아날로그 열 및 전기 자극을 잡으려고 디지털 신호로 변환 하는 아날로그-디지털 컨버터를 사용 합니다. 열 및 전기 자극 기를 켭니다.
  3. 교정과 실험의 주요 부분에 대 한 열 및 전기 자극의 수동 또는 자동 발생 수 있는 적절 한 소프트웨어를 사용 합니다. 열 및 전기 자극 기의 소프트웨어를 실행 합니다. 자극 강도 및 참가자에 의해 보고 된 해당 통증 강도 적어 종이 연필을 준비 합니다.
  4. 오른쪽 면 팔걸이 자에 편안 하 게 앉아 주제를 보자. 0에서 100, 왼쪽된, 앵커 포인트 0/아니오 고통 에, 오른쪽에 5 단계에서가 인쇄 된 평가 척도, 앵커 포인트 주제 앞 100/참을 고통 장소. 주제는 구두로 제공 규모를 사용 하 여 그렇게 하도록 요청 받을 때에 즉시 자극의 통증 강도 평가 하도록 지시 합니다. 정확 하 게 설명만 제로 의미 "고통" 100 동안 더 이상 용납 될 수 없는 자극 같습니다.
    참고:이 연구에서 "고통을 허용"으로 이해 된다 주제 여기 의미, 더 이상 견딜 수 없는 자극의 강도: 더 이상 용인할 수 없다. 따라서, 앵커 포인트 100 임상 연습에 사용 되는 숫자 평가 척도 달리 참을 고통으로 표시 됩니다.

3. 전기 통증 임계값 및 공차 (부품 1과 2)의 교정

참고: 하나의 실험 통 민감도에 사회적 영향을 최소화 하는 교정 부분을 수행 해야 합니다. 고통을 감도23크로스-섹스 효과 최소화 하기 위해 참가자 같은 섹스와 실험을 선택 합니다. 1 부는 통증 임계값 및 짧은 (phasic) 전기 자극 점에서 관용과 오래 지속 (토 닉) 전기 자극에서 2 부 를 결정합니다. 그 가치는 phasic 계산 기준으로 봉사 하 고 토 닉 전기 통증 자극 통증 자극에에서 적용.

  1. 오른쪽 인덱스와 가운데 손가락 알코올 솔루션의 참가자의 피부를 청소. 한 일회용 Ag/AgCl 전극 배치 (피부 접촉 크기: 직경에서 34mm) 오른쪽 검지 손가락 (양극)와 오른쪽 가운데 손가락 (음극)의 근 위 지 골의 상부에 또 하나의 지 하는 중간 골의 상부에. 전기 자극 기를 전극 연결 합니다.
  2. 팔걸이에 자신의 오른쪽 팔을 편안 하 게 휴식 하 고 다음 절차에 대 한 지침 들을 제공 하는 주제를 요구 하십시오.
    참고: 여기에 전기 교정 파트 1에 대 한 지침을 수립 하는 방법의 예입니다: "당신은 다른 농도의 짧은 전기 자극을 경험 하 거는. 우리는 매우 낮은 강도부터 시작. 첫째, 당신은 낮은 고통을 느낄 처음으로 표시 하는 데 필요한 있습니다. 이 ' 통증 임계값 ' 될 것입니다. 이 임계값을 결정 하기 위하여는 전기 자극 시작 됩니다 그리고 그것은 종료 직전 '지금.' 말 거 야 이 경우, 자극은 고통 스러운 여부 1 백 0에서 등급 즉시 보고 해야 합니다. 자극은 고통, '0'을 보고 하십시오 내가 다음 강도 증가 함께 갈 것입니다. 0 보다 큰 숫자를 보고 처음으로 후 몇 가지 수준의 강도 줄일 것입니다 하 고 0 보다 큰 수를 다시 표시 될 때까지 모든 절차를 반복 하는 우리. ' 통증 임계값 '의 유효성을 검사 하는 것이 이렇게. 그 후, 난 천천히 속도 의미 하는 ' 한 백 '와 자극 참을 수 없습니다 또는 고통을 더 이상 서 지점에 강도 증가할 것 이다. 이 ' 고통을 허용 수준을 ' 될 것입니다. 다시,이 레벨의 유효성을 검사 하 나 다시 몇 가지 수준을 고 우리까지 당신이 보고 ' 한 백 ' 두 번째 시간에 대 한 절차를 반복 합니다. "한 백 ' 말 하자마자 나 즉시 중지 됩니다 자극."
  3. 0.5의 자극을 시작 하 여 전기 교정 부분 1 시작 기간 5 mA (400 V) 전기 자극 기 (소프트웨어)의 시작 버튼을 클릭 하 여 s.
    주: 1 전기 교정 부의 각 전기 자극은 5의 기간 s. 자극 2 ms 기간 100 단일 electroshocks, 각 5에 균등 하 게 분산 s.
    주의: 항상 전기 교정 시작 0.5 mA 25는 컷오프는 무 의식 및 생명 위협 하는 상황을 방지 하기 위해 엄마.
  4. 4 에서 "지금" 말 자극의 두 번째. 해당 자극 강도 대 한 숫자 주제 보고서를 적어 둡니다. 10의 일시 중지를 수행 s 긴.
  5. 제목 보고 0, 0.5 mA, 자극, 시작과 단계 3.4로 다시 이동 하 여 강도 증가. 그렇지 않으면, 1.5에 의해 강도 줄이기 위해 mA (최소: 0.5 mA), 자극을 시작 하 고 3.4 단계로 다시 이동. 주제 두 번째 시간에 대 한 0 보다 큰 숫자를 보고 하는 경우, 해당 0 하 두 농도의 평균을 계산, 그것을 기록 하 고 "phasic 전기 통증 임계값"로 표시 (pEPTh). 그 후, 3.6 단계로 진행 합니다.
  6. 0.5 mA와 시작 자극에 의해 현재 강도 증가.
  7. 4 후 "지금" 라고 시작 하는 자극에서 s. 해당 자극 강도 대 한 숫자 주제 보고서를 적어 둡니다. 10 일시 정지 s.
  8. 제목 보고 100 미만의 값, 0.5 mA, 자극, 시작과 단계 3.7로 다시 이동 하 여 강도 증가. 그렇지 않으면, 1.5에 의해 강도 줄이기 위해 mA (최소: 0.5 mA), 자극을 시작 하 고 3.7 단계로 다시 이동. 제목 보고 두 번째 시간에 대 한 100, 100에 해당 하는 두 개의 농도의 평균을 계산, 그것을 적어와 "phasic 전기 고통 허용"으로 표시 (pEPTo). 3.9 단계로 진행 합니다.
  9. 2 부 전기 교정에 대 한 참가자를 알려.
    참고: 이것은 전기 교정 파트 2에 대 한 가능한 명령: "다시 우리는 낮은 강도로 시작 하지만이 이번에 자극이 더 이상 될 것입니다. 시작 직후와 자극의 결말 직전 두 번, '지금' 말 거 야. 때마다 라고 '지금,' 첫 번째 부분에서와 같이 숫자를 보고서. 0 보다 큰 숫자를 보고 처음으로 후 몇 가지 수준을 강도 줄일 것 이다 하 고 다시 0 보다 큰 수를 나타낼 때까지 우리가 유효성 검사 목적에 대 한 전체 절차를 반복. 그것을, 난 천천히 늘어난다 ' 한 백.'와 자극을 평가 하는 지점에 강도 또,이 임계값의 유효성을 검사 하려면 몇 가지 수준을 갈 것입니다 다시 하 고 우리까지 당신이 보고 ' 한 백 ' 두 번째 시간에 대 한 절차를 반복 합니다 키를 누릅니다. "한 백 ' 말 하자마자 나 즉시 중지 됩니다 자극."
  10. 0.5의 자극을 시작 하 여 전기 구경 측정 부분 2 시작 기간 10 mA (400 V) 전기 자극 기 (소프트웨어)의 시작 버튼을 클릭 하 여 s.
    참고: 전기 교정 파트 2의 각 전기 자극은 10의 기간 s. 자극 이루어져 있다 각, 기간의 2 ms의 200 단일 전기 충격 10 위에 균등 하 게 분산 s.
  11. 1 후 "지금" 라고 시작 하는 자극에서 s. 해당 자극 강도 대 한 숫자 주제 보고서를 적어 둡니다. "지금" 1 라고 자극 끝과, 다시, 번호 주제 적어 전에 s 이제 해당 자극 강도 대 한 보고. 10 일시 정지 s.
  12. 보고서 모두 0 일 경우 0.5 mA, 자극, 시작과 단계 3.11로 다시 이동 하 여 강도 증가. 그렇지 않으면, 1.5에 의해 강도 줄이기 위해 mA (최소: 0.5 mA), 자극을 시작 하 고 단계 3.11 돌아갈. 주제 두 번째 시간에 대 한 0 보다 큰 숫자를 보고 하는 경우, 해당 0 하 두 농도의 평균을 계산, 그것을 적어 고 "토 닉 전기 통증 임계값"로 표시 (tEPTh). 그 후, 3.13 단계로 진행 합니다.
  13. 0.5 mA와 시작 자극에 의해 현재 강도 증가.
  14. 1 후 "지금" 라고 시작 하는 자극에서 s. 해당 자극 강도 대 한 숫자 주제 보고서를 적어 둡니다. "지금" 1 라고 자극 끝 전에 s. 다시 적어 수 주제 지금 보고 해당 자극 강도 대 한. 10 일시 정지 s.
  15. 모두의 보고서 100 아래 인 경우 0.5 mA, 시작 자극 및 반복 단계 3.14\u20123.15 강도 증가. 그렇지 않으면의 보고서는 정확 하 게 100, 줄일 강도 1.5 mA (최소: 0.5 mA), 자극을 시작 하 고 단계 3.14\u20123.15 반복. 제목 보고 두 번째 시간에 대 한 100, 100에 해당 하는 2 개의 농도의 평균을 계산, 그것을 적어와 "토 닉 전기 고통 허용"으로 표시 (tEPTo). 다음 단계로 3.16 진행 합니다.
  16. 전기 자극 기에서 전극 분리 하 고 참가자의 손가락에서 두 Ag/AgCl 전극을 제거 합니다. 청소 알코올 솔루션을 씻어 손가락 전극 젤 남아 있습니다.

4. 열 통증 임계값 및 공차 (부품 1과 2)의 교정

참고: 열 통증 교정 두 부분으로 나누어져 있습니다. 1 부 통증 임계값 및 짧은 (phasic) 열 자극의 관점에서 허용 오차 결정 하 고 2 부 가 너무 오래 지속 (토 닉) 열 자극의 관점에서. 그 가치는 phasic 계산을 위한 기초 역할을 하 고 토 닉 열 통증 자극은 통증 자극에 적용.

  1. 후크 및 루프 패스너 스트랩에 의해 30 m m x 30 m m thermode의 오른쪽 팔 뚝, 약 30 m m는 손목에 근의 상단에 적용 됩니다. 팔걸이에 자신의 오른쪽 팔을 편안 하 게 휴식을 요구 하십시오.
    참고: 한 thermode는 피사체의 피부에 연결 하 고 실제 열 자극 유도 열 자극 기의 프로브/부분입니다.
  2. 1 열 교정 부의 절차에 대 한 주제를 알려.
    참고: 열 교정 파트 1에 대 한 지침에 대 한 배합 수 있습니다: "당신은 지금 하려고 다른 농도의 짧지만 지속적인 열 자극을 경험 합니다. 우리는 당신의 체온 보다 온도 함께 시작합니다. 열 자극 시작 되 고 곧 그것은 종료 되기 전에 내가 '지금.' 말할 것 이다 이 경우, 여부 자극 고통 또는 1 백 0에서 가늠 자에 등급에 의해 당신 처럼 전기 교정 부분에 신속 하 게 보고 해야 합니다. 마찬가지로, 자극, 고통 스러운 하지 경우 보고 하십시오 '0' 내가 다음 강도 증가 함께 갈 것입니다. 항상 두 자극 사이 몇 초 일시 중지가입니다. 교정 단계 완료 ' 한 백 '을 보고 또는 컷오프 온도 도달 하는 때. "
  3. 5 기간 39 ° C의 자극을 시작 하 여 1 열 교정 부 를 시작 열 자극 기 (소프트웨어)의 시작 버튼을 클릭 하 여 s.
    주의: 열 교정 부분 1 피부 화상을 방지 하기 위하여 50 ° C의 컷오프 온도 있다.
    참고: 열 교정 파트 1의 각 열 자극은 5 기간 s.
  4. 자극의 4 번째에 "지금"를 말한다. 해당 온도 대 한 주제를 제공 하는 강도 번호를 적어 둡니다. 10 일시 정지 s.
  5. 주제 표시 100이 하 있는 경우에, 온도 1 ° C 증가, 자극을 시작 하 고 단계 4.4\u20124.5 반복. 그렇지 않으면, 표시는 100, 또는 50 ° C의 컷오프 온도 도달 하면, 경우 다음 단계를 계속 하 여 열 교정 파트 1을 종료 합니다.
  6. 유명한 숫자를 확인 하 고 해당 강도 번호와 함께 첫 번째 온도 "phasic 열 통증 임계값"으로 0 보다 큰 표시 (pHPTh). "Phasic 열 고통 허용"으로 100의 표시와 함께 온도 표시 (pHPTo).
    참고: 경우 주제 컷오프 온도 (50 ℃)에서 100 아래 수를 보고, pHPTo로 50 ° C를 표시 합니다.
  7. 2 부 열 교정에 대 한 참가자를 알려.
    참고: 여기는이 열 교정 단계에 대 한 지침에 대 한 모범적인 정립: "우리 몸 온도 이상의 온도 함께 시작 하지만이 이번 열 자극이 오래 있을 것입니다. 나 '지금' 두 번 말할 것 이다: 시작 직후와 자극의 결말 직전. 라고 '지금', 때마다 당신의 고통을 경험을 같게 하는 수를 보고할 수 있습니다. 자극은 고통, '0'을 보고 하십시오 난 다음 증가 온도 갈 것 이다. 항상 각 자극 후 몇 초 일시 중지가입니다. 교정 단계 완료 ' 한 백 '을 보고 또는 컷오프 온도 도달 하는 때. "
    주의: 열 교정 부분 3 더 이상 자극 기간으로 인해 피부 화상을 방지 하기 위해 49.5 ℃의 컷오프 온도 있다.
  8. 39 ° C 10의 자극과 열 교정 2 부 시작 s 긴 열 자극 기 (소프트웨어)의 시작 버튼을 클릭 하 여.
    참고: 열 교정 파트 2의 각 열 자극은 10의 기간 s.
  9. 1 후 "지금" 라고 시작 하는 자극에서 s. 해당 온도 대 한 주제를 보고 강도 번호를 적어 둡니다. "지금" 1 라고 자극 끝 전에 s. 다시, 주제는 이제 해당 온도 대 한 보고 강도 번호를 적어 둡니다. 60에 대 한 일시 중지 s.
  10. 피사체의 두 표시 100 아래 있다면, 증가 온도 1 ° C (예외: 아래 참고 참조), 다음 자극을 시작 하 고 단계 4.16 반복. 그렇지 않으면, 보고서 정확 하 게 100 경우 49.5 ℃의 컷오프 온도 도달 하면, 다음 단계를 계속 하 여 2 열 교정 부를 종료 합니다.
    참고:이 보정 단계는 온도 단계는: 39 ° C, 40 ° C, 41 ° C, 42 ° C, 43 ° C, 44 ° C, 45 ° C, 46 ° C, 47 ° C, 48 ° C, 49 ° C, 49.5 ° c.
  11. 유명한 숫자를 확인 하 고는 해당 번호 중 하나 이상 "토 닉 열 통증 임계값"으로 0 보다 크면 첫 번째 온도 표시 (tHPTh). "토 닉 열 고통 허용"으로 100의 첫 번째 지적된 보고서와 온도 표시 (tHPTo).
    참고: 제목 보고 100 컷오프 온도 (49.5 ℃)에서 아래 두 숫자, tHPTo로 49.5 ° C를 표시 합니다.
  12. 참가자의 암 내에서는 thermode를 제거 합니다. 여부 그들은 짧은 휴식 및 위생 시설을 사용 하 고 필요한 주제 요청. 참가자가 열 자극에서 통증 자극 부분에 대 한 적합 한 경우 검사를 보충 파일 1에 설명 된 지침을 따릅니다.

5입니다. 통증 자극 실험의 준비

  1. 행위 교정/모니터링 옆 카메라 모니터링, 온도 제어 및 저 잡음 실험 실에서 통증 자극 룸 ( 그림 1참조). 도관 파이프 (직경에서 80 m m)를 통해 두 실 연결 합니다.
    참고: 카메라 모니터링의 건강 상태에 대 한 정보를 제공 하 고 갑자기 무 의식 또는 순환 상 붕괴 급속 한 개입에 대 한 있습니다.
  2. 어떤 주제는 실험 기간 동안 거짓말 검사 소파를 설정 합니다. 도관 파이프 근처 벽 옆 긴 쪽으로 놓습니다. 머리에 베개를 제공 합니다.
  3. 피사체의 머리 휴식 것 이다 시험 소파 옆 벽에 거울을 연결 합니다.
  4. 생리 데이터 (심전도, 근 전도, 및 SCL 3) 캡처, 오디오, 비디오 (얼굴, 얼굴 피부 온도 및 전신 보기의 정면 및 측면 보기), 그리고 동안 실험, 열 및 전기 자극 기 출력 사용 하 여 적절 한 녹음 컴퓨터 소프트웨어, 그리고 녹음 장치 (biosignal 레코더, 3 고해상도 컬러 카메라, 한 열 카메라, 그리고 한 방향 마이크).
    1. 동기화 기록된 형식에 대 한 솔루션을 개발 합니다. 그것은 녹음 방 아 쇠 신호는 biosignal 및 오디오 레코더, 컴퓨터 클록 동기화 (예를 들어, NTP)을 통해 데이터 스트림 함께 타임 스탬프의 녹음 장치, 실행 하 고 기록 된 데이터의 포스트 프로세싱 하드웨어 구성 될 수 있습니다. 스트림을 임시 오프셋 및 클럭 드리프트에 대 한 보상을 합니다.
  5. 그것은 피사체의 몸 전체를 캡처 방식으로 몸 전체 뷰 카메라를 설치 합니다. 정면 얼굴 보기 카메라는 참가자의 머리의 위 약 1 m를 설치 합니다. 왼쪽 및 오른쪽 정면 얼굴 카메라 옆에 열 카메라 마이크를 탑재 합니다. 천장에 사이드 뷰 카메라를 연결 합니다. 그것이 거울에 반영 반대편 뿐만 아니라 피사체의 얼굴의 한쪽을 기록할 수 지점으로 조정 ( 그림 2참조).

Figure 2
그림 2: 카메라 및 마이크 설정 도식 표현. 정면 얼굴 카메라, 열 카메라와 마이크는 참가자의 머리의 위 약 1 m 설치 된다. 사이드 뷰 카메라는 거울의 도움으로 얼굴의 양쪽을 모두를 캡처합니다. 바디 뷰 카메라는 벽에 탑재 된 몸 움직임의 기록에 대 한 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

참고: 작은 실험 방 때문 거울으로 사이드 뷰 카메라를 결합 한 카메라와 피사체의 얼굴의 양쪽 모두를 잡으려고 매우 우아한 솔루션입니다.

  1. 중복 컴퓨터 모니터를 biosignal 녹음 컴퓨터의 그래픽 출력 설정 교정/모니터링 룸에.
  2. 교정/모니터링 룸에서 활성 PC 스피커를 설정 합니다. 오디오 녹음 컴퓨터와 도관 파이프를 통해 그들을 연결 합니다. 그들은 실험 기간 동안 도움이 필요한 경우에 마이크를 통해 참가자를 듣고 있는지 확인 하십시오.
  3. 실험 룸에는 thermode 및 도관 파이프를 통해 전기 자극 기의 전극 케이블을 전달 합니다. 넣어 도관 파이프 (또는 소리를 흡수 하는 비슷한 소재)의 양쪽에 음향 거품을 올리고.
    참고: 보정/모니터링 룸에 열 자극을 둡니다. 그것은 정기적으로 아래로 냉각 하기 위하여 그것의 내부 통풍 기를 시작으로 녹음 하는 오디오 신호를 오염.
  4. 녹음 샘플링 속도 다음과 같이 설정: (a) 오디오 44.1 k h z; (b) 정면 및 측면 보기 카메라 25 헤르쯔; (30 hz; c) 전신 뷰 카메라 (d) 열 카메라 120 hz; (e) SCL, EMG, ECG에서 1000 Hz. 모든 설정을 저장합니다.
  5. 차가운 젤 팩 (100 mm x 100 mm) 하 고 냉동 실에 넣어. 200 x 200 mm 위생 직된 수건 또는 이와 유사한 (예, 얇은 종이 타월)와 연 고를 준비 합니다.
  6. 12 개별 자극 강도, 열과 전기 통증 유도 대 한 각 6을 다음과 같이 계산: (a) phasic 전기 통증 강도 3 (pE3) = pEPTo;의 90% (b) phasic 전기 통증 강도 2 (pE2) = (pE3 + pEPTh) / 2; (c) phasic 전기 통증 강도 1 (체육1) = pEPTh; (d) 토 닉 전기 통증 강도 3 (tE3) = tEPTo;의 90% (토 닉 e) 전기 통증 강도 2 (테2) = (테3 + tEPTh) / 2; (f) 토 닉 전기 통증 강도 1 (테1) = tEPTh; (g) phasic 열 통증 강도 3 (pH3) = pHPTo-0.5 ° C 주제 보고 pHPTo에 대 한 100-그렇지 않으면, pH3 = pHPTo; (h) phasic 열 통증 강도 2 (pH2) = (pH3 + pHPTh) / 2; (i) phasic 열 통증 강도 1 (pH1) = pHPTh; (j) 토 닉 열 통증 강도 3 (일3) = tHPTo-0.5 ° C 주제 보고 tHPTo에 대 한 100-그렇지 않으면, 일3 = tHPTo; (k) 토 닉 열 통증 강도 2 (일2) = (일3 + tHPTh) / 2; (l) 토 닉 열 통증 강도 1 (목1) = tHPTh.
  7. 값은 phasic 전기 (pE1\u2012pE3) 고 열 통증 농도 (pH1\u2012pH3)와 토 닉 전기 (테1\u2012tE3)을 입력 하 고 고통 강렬 (일1\u2012tH3)가 열- 단계 3 및 4에 의하여 수행 하는 교정에 따라 5.11에서에서 계산-열 및 전기 자극 기의 소프트웨어에. 기준선 (고통) 온도 32 ° C와 8 ° C에 증가 온도 속도를 설정/s. 모든 설정을 저장 합니다.
  8. 열 및 전기 자극 기와 통신 하는 스크립팅 언어에 기초를 둔 컴퓨터 소프트웨어를 사용 합니다. 제어 및 트리거링 통증 채집 스크립트에 따라 통증 자극에 대 한 수 다는 것을 확인 하십시오.
    참고: 통증 채집 스크립트 무작위 통증 자극 및 타이밍 컨트롤 및 기간을 트리거합니다. 본이 연구에서는 열 자극의 소프트웨어 통증 채집 스크립트를 준비 하기 위한 가능성을 제공 합니다. 소프트웨어 자동으로 열 자극을 유발 하 고 전기 자극 발생 한다 때 신호를 보냅니다. 전기 자극 두 번째 소프트웨어에서 준비 스크립트에 의해 트리거됩니다.
  9. 고통을 채집 스크립트 준비 ( 그림 3참조) 다음과 같습니다. 30와 각 토 닉 자극 강도 (테1, 테2, 테3, 수 각 phasic 자극 강도 (pE1pE2, pE3, pH1, pH2, pH3)의 수를 설정 일1, 일2, 일3) 1. 5 각 phasic 자극의 시간 설정 60 각 토 닉 자극의 기간과 s s. Randomize 모든 자극의 순서. 300 토 닉 자극 후 8-12 미 세트를 phasic 자극 사이 쉼 쉼을 무작위 s. 모든 설정을 저장.
    참고: 때문에 더 긴 기간, 다른 토 닉 열 자극의 수는 1로 설정 피부 화상을 피하기 위해. 모든 일시 중지 후에 토 닉 자극 해야 300 s 생리 신호 기준선을 반환 하 고, 그로 인하여, 후속 신호를 오염 하지를 할 수 있도록.

Figure 3
그림 3: 통증 자극 부분의 그래픽 그림 (A) 무작위 phasic (파란색)와 토 닉 (빨간색) 통증 자극 모범적인 통증 채집 스크립트입니다. (B) 위의 통증 채집 스크립트에서 발췌: 5 초, 이후 일시 정지 기간 시간 3 phasic 자극. 일시 중지의 지속 시간 8 초에서 12 초 사이 다릅니다. (pH1, pH2, pH3 phasic 열 통증 강도 1, 2, 3; = 회12, 일3 토 닉 열 통증 강도 1, 2, 3; = pE1, pE2, pE3 phasic 전기 통증 강도 1 = 2, 3; 테1, 테2, 테3 = 토 닉 전기 통증 강도 1, 2, 3; s = 초). 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

6. 통증 자극

  1. 실험 방 참가자를 리드 하 고 곧 절차에 대 한 그들에 게 말해. 실험 설정 및 악기의 기능을 설명 합니다. 또는 제공 된 긴급 버튼을 누르면 중지 요청에 의해 언제 든 지 실험을 중단 가능성에 대해 다시 주제를 알려.
  2. 시험 소파에 편안 하 게 누워 주제 요청. 실험 기간 동안 그들의 뒤에 누워 계속 하도록 지시 합니다.
  3. 전극 알코올 솔루션으로 연결 하는 것입니다 있는 모든 피부 영역을 청소. 왼쪽된 뺨, 왼쪽된 귀 뒤에 그리고 연마 젤 왼쪽된 눈 썹 위에 표면에 어떤 죽은 피부 세포를 제거 합니다. 이 영역 알코올 솔루션 reclean
  4. SCL의 측정에 대 한 부착 2 개의 pregelled, nonpolarizable Ag/AgCl 전극 오른쪽 인덱스와 가운데 손가락의 원심 phalanx의 밑면에 Velcro 스트랩 합니다. 스트랩이 너무 빡 빡 다는 것을 확인 하십시오. 그들은 주제 그들의 손끝에서 동계 센 세이 션을 보고 너무 꽉입니다.
  5. 심전도 기록 하려면 3 개의 pregelled, 접착제 Ag/AgCl 스냅 전극 사용 하 여 원형 연락처 영역 (34 mm 직경에서). 가슴, 오른쪽 쇄 골 아래 대략 6 cm에 한 전극 (음극)를 배치 합니다. 두 번째 장소 하나 (양극) 왼쪽된 9 및 10 번째 늑 골에. 골반 뼈 옆 오른쪽 허리를 세 번째 전극 (접지/참조)을 연결 합니다.
  6. M. trapezius의 EMG 기록, 또한 원형 연락처 영역 (34 mm 직경에서)와 3 개의 pregelled, 접착제 Ag/AgCl 스냅 전극 사용 합니다. 장소 2 개의 전극 (음극과 양극) trapezius 근육에 나란히 목의 왼쪽. 세 번째 장소 하나 (참조) 아래의 왼쪽된 쇄 골에.
  7. 녹음 직경에서 4 mm 6 재사용, 차폐 된 Ag/AgCl 전극을 사용 하 여 M. corrugator superciliiM. zygomaticus 주요의 EMGs를 측정. 전해질 젤 전극의 구멍을 채우십시오.
    1. 다음과 같이 양면 접착제 고리를 사용 하 여 전극 연결: corrugator supercilii(왼쪽된) glabella 선 옆 왼쪽된 눈 썹 바로 위에 한 전극 (양극) 장소. 첫 번째 두 번째 전극 (음극) 1cm 옆을 놓습니다.
    2. 헤어 라인 바로 아래 정면 뼈의 중간 세 번째 전극 (참조)을 연결 합니다. 주요 zygomaticus에 대 한 왼쪽된 귓을 사용 왼쪽된 구두 commissure에서 상상 라인을 그립니다. 줄과 두 번째의 중간 아래 약간 한 전극 (양극)을 배치 하나 (음극) 1 cm 옆 중간. 세 번째 전극 (참조) 왼쪽된 mastoid 연결 합니다. 모든 전극 biosignal 녹음 장치의 해당 입력에 연결 합니다.
  8. 경우 모든 생리 신호에 좋은/우수한 품질의 소프트웨어를 기록 하는 biosignal에 의하여 시각 검사를 수행 합니다. 특정 근육을 이동 하 고 해당 신호를 확인을 부탁 드립니다. 조정/향상 시킬 어떤 불만족 신호 적절 한 의미/작업.
  9. 왼쪽된 검지 손가락 (양극)와 왼쪽된 가운데 손가락 (음극)의 근 위 지 골의 상부에 또 하나의 지 하는 중간 골의 상부에 한 Ag/AgCl 전극 (34 m m 직경)를 배치 합니다. 과목 수는 전극의 접착 력 감소 절차 동안 땀으로 의료 테이프와 전극 흥분. 전기 자극 기를 전극 연결 합니다.
  10. Velcro 스트랩 여의 왼쪽된 팔 뚝 약 30 m m는 손목에 근의 상부에는 thermode를 적용 합니다. 스트랩 피부를 수축 하지 않습니다 확인 합니다.
  11. 모든 카메라를 시작 합니다. 참가자는 카메라 이미지에 완벽 하 게 볼 수 있는지 확인 합니다. 필요한 경우 위치를 조정 하려면 주제 요청. 특히 얼굴 카메라 보기의 작은 필드와 돌. 이상적으로, 얼굴은 참가자 실험 기간 동안 밖으로 보기 분야의 머리를 이동 하는 위험을 줄이기 위해 이미지의 중심에 있어야 한다.
  12. 만약 마이크 이며 녹음 볼륨은 만족을 확인 합니다.
  13. 그녀는 더 이상의 질문이 있다 그리고 그녀는 실험 주제를 요구 하십시오. 그녀는 완전히 자연스럽 게 행동 하지 하 고 억제 하 고 어떤 통증 반응을 실험 기간 동안 과장 지시.
  14. 모든 녹음 장치 (카메라, 마이크, biosignal 레코더) 시작 데이터 동기화에 대 한 요구 사항을 준수.
  15. 실험 방에서 고 교정/모니터링 룸을 입력 합니다. 정상화 하는 주제의 생리 신호를 허용 하기 위하여 5 분을 기다립니다. 고통을 채집 스크립트를 실행 합니다.
  16. 신중 하 게 주제와 통증 자극 부품의 진행을 모니터링 합니다. 분명 특이 한 부자연 스러운 행동, 기술적인 문제 또는 전극, 등등의 떨어져 오는 극단적인 운동으로 인해 biosignal 유물의 모든 타임 스탬프를 기록 합니다.
  17. 고통 채집 스크립트의 종료 후 모든 녹음 장치를 중지 합니다. 기본 형식으로 모든 데이터를 저장/내보내기. 열 및 전기 자극 기를 해제 합니다.
  18. 참가자 인지 확실히 확인 하 고 모든 전극과는 thermode를 분리. 전극 젤 남아 제거 하려면 알코올 솔루션으로 모든 피부 영역을 청소.
  19. 냉동 실에서 차가운 젤 팩 하 고 위생 직 수건 (또는 유사한 무언가, 예를들면 얇은 종이 타월)에 그것을 포장. 참가자는 thermode 배치 했다 피부 영역에 적어도 5 분 동안 그것을 적용 하 게.
  20. 주제가 그들의 개인적인 고통 레벨 시연 및 설명 기회를 제공 합니다.
  21. 연 고는 thermode 배치 했다 피부 영역에 적용 됩니다.
    참고: 차가운 젤 팩 및 연 고 (잠재력)을 최소화 하기 위해 사용 됩니다 빨갛게과 피부의 염증.
  22. 금전적 보상을 넘겨 하 고 그것은 영수증으로 인정 했다. 새로운 문제 경우 연락처 정보를 제공 합니다. 참가자 감사와 작별 인사.
  23. 도관 파이프의 양쪽에서 음향 거품을 제거 합니다. 교정/모니터링 방으로 thermode 및 전기 자극 기의 전극 케이블을 전달 합니다. 모든 일회용 전극 처리, 모든 재사용 가능한 전극 젤 남아의 깨끗 하 고 적합 한 표면 소독 제와 시험 소파 청소. 차가운 젤 팩을 냉동 실에 다시 넣어.

Representative Results

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.

기술 기능
신호: 샘플링 속도: 특성:
오디오 44100 Hz 모노, MP3 320 kbps
카메라 (얼굴, 정면 보기) 1 25 Hz 비디오 색상: 해상도 1384 x 1032
Libx265 (16, CRF 프리셋 매체)로 인코딩된 HEVC
카메라 2 (얼굴, 측면 보기) 25 Hz 비디오 색상: 1620 x 840 해상도
Libx265 (16, CRF 프리셋 매체)로 인코딩된 HEVC
바디 카메라 ca. 30 Hz 비디오 색상: 1500 x 600 해상도
HEVC 인코딩된 libx265 (CRF 16, 프리셋 매체);
깊이 비디오: 해상도 500 x 200, 무손실 인코딩
열 카메라 ca. 120.8 Hz 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)
ECG 1000 Hz 하드웨어 BioPac 통해 필터링: 35 Hz LP, 0.5 Hz HP,
50 Hz 노치 필터
SCL 1000 Hz 하드웨어 BioPac 통해 필터링: 10 Hz LP, 아니 HP
노치 필터
EMG M. trapezius 1000 Hz 하드웨어 BioPac 통해 필터링: 500 Hz LP, 10 Hz HP,
노치 필터
EMG M. corrugator supercilii 1000 Hz 하드웨어 BioPac 통해 필터링: 500 Hz LP, 10 Hz HP,
노치 필터
EMG M. zygomaticus 주요 1000 Hz 하드웨어 BioPac 통해 필터링: 500 Hz LP, 10 Hz HP,
노치 필터
자극 전기
주제: Phasic 자극 (5 s): 토 닉 자극 (60 s): Phasic 자극 (5 s): 토 닉 자극 (60 s):
과목 당 90 (강도 당 30) 3 (강도 당 1) 90 (강도 당 30) 3 (강도 당 1)
모든 (N = 134) 12060 (강도 당 4020) 402 (강도 당 134) 12060 (강도 당 4020) 402 (강도 당 134)
남성 (n = 67) 6030 (강도 당 2010) 201 (강도 당 67) 6030 (강도 당 2010) 201 (강도 당 67)
여성 (n = 67) 6030 (강도 당 2010) 201 (강도 당 67) 6030 (강도 당 2010) 201 (강도 당 67)

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.

자극 [° C]에서 열 평균 (SD) [MA]에서 전기 평균 (SD)
과목 pH1 pH3 1 3 pE1 체육3 1 3
모든 (N = 134) 44.03 (2.25) 49.17 (1.20) 42.50 (2.14) 47.76 (1.02) 1.63 (0.94) 5.64 (2.72) 1.69 (1.12) 5.70 (2.59)
남성 (n = 67) 44.56 (2.18) 49.48 (0.89) 43.11 (1.98) 47.93 (1.04) 1.94 (1.01) 6.83 (3.02) 1.96 (1.16) 6.90 (2.72)
여성 (n = 67) 43.51 (2.74) 48.87 (1.39) 41.89 (2.14) 47.59 (0.98) 1.32 (0.75) 4.45 (1.70) 1.43 (1.01) 4.51 (1.80)

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.

Figure 4
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). 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

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.

Figure 5
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). 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

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. 이 파일을 다운로드 하려면 여기를 클릭 하십시오.

Discussion

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.

Disclosures

저자는 공개 없다.

Acknowledgments

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.

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).
열 및 전기 자극에 고통 응답을 분석 하기 위한 다중 모드 신호
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