Name: Isı ve elektrik bizi canlı tutan ağrı yanıt-e doğru çözümlemek için Multi-Modal sinyalleri (Video) | JoVE Journal
Uploaded: 2019-04-05T13:00:00.000+00:00
Duration: 9 min 16 s
Description: Öğrenin, ısı ve elektrik uyaranlarıyla ağrı yanıtlarını çok modlu sinyallerle analiz etme yöntemini. Fizyolojik, görsel ve paralingüistik verileri senkronize kaydederek ağrı şiddetini ve süresini değerlendirin.

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

Yazarlar Verena Friedrich, Maria Velana, Sandra Gebhardt, Romy Bärwaldt ve Tina Daucher çalışma yürütülmesi onların değerli yardımları için teşekkür etmek istiyorum. Buna ek olarak, özel bir teşekkür ederim Dr Stefanie Rukavina için onun bilimsel destek için dışarı gidiyor. Bu araştırma DFG/TR233/Alman araştırma tarafından finanse edilen 12 (http://www.dfg.de/) "İlerleme ve sistematik doğrulama, bir otomatik ağrı tanıma sistem on temel bir yüz ifadesi ve Psychobiological Parameters" projesini, bir parçasıydı Vakfı.

<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>

Yazarlar ifşa gerek yok.

Sunulan Protokolü deneysel yaşla termal (ısı) ve elektrik ağrı sırasında kayıt fizyolojik, görsel ve paralinguistic sinyalleri üzerinde duruluyor. İki ağrı modelleri farklı uyaranlara yoğunluklarda ve iki farklı uyaranlara süreleri (phasic ve tonik), ile birleştiren bu yeni yaklaşımın psikofizyolojik desenleri ve ifadeler acı hakkında geniş bir bakış açısı sunuyor. Ancak, bu iletişim kuralını gerçekleşmesi için birkaç adım düşünülmesi gerekir.
Genel olarak, Eğer ağrı uyaran ile çalışma konuları güvenliği sağlamak önemlidir. Tüm ağrı uyaranlara son derece kontrollü zorunda ve yalnızca deneyimli Denemecileri tarafından yapılmalıdır. Ayrıca, güvenilir ve kaliteli veri, uygun ek aygıtların (elektrot), toplama ve kayıt için kayıt cihazları ve bilgisayarlar arasında sorunsuz bir iletişim mükemmel işleyişi önerilir. Etkileşimler tüm kaynaklarını ortadan ya da bir en az düşürülmüştür. Katılımcılar arasında tutarlılığı sağlamak için standart yönergeleri ve değişmeyen deneysel koşullar sağlamak önemlidir.
Bizim deneyim göre uygun katılımcılar tüm ölçütlere uyan ve çok sayıda ağrılı uyaranlara almak isteyen, uzun bir zaman alır ve oldukça zorlu bulma. Buna ek olarak bu maddi tazminat konularda çalışma çekmek için yüksek olmak zorundadır. Özellikle kişiler 30 ile 50 yıl arasında bulmak zordur. Çünkü deney de bu olabilir uzun (ca. 4 saat, geliş ve gidiş dahil) ve onlar yarım gün işten çıkarmak zorunda.
Katılımcıların güvenliği öncelikli olduğundan, ağrı indüksiyon sınırlanması gerekir. Etik kurallar nedeniyle, uyarıcı yoğunluklarda burns ve bilinçsizlik açısından termik ve elektrik ağrı indüksiyon, sırasıyla önlemek için belirli düzeyleri aşmamalıdır. Bazı konularda dayanılmaz bir ağrı hissi daha önce yoğunluğu sınırları ulaşabilirsiniz gibi genel bir kesim yoğunluklarını bir tavan etkisi neden olabilir. Bu çalışmada, yaklaşık (termal kalibrasyon part 1 ve 2 dikkate alınarak) % 42 katılımcılar (temsilcisi sonuçları görmek) termal cutoffs ulaştı. Onlar kendi "gerçek" ağrı toleransları ulaşmadı gibi fizyolojik yanıtlarını en yüksek termal uyaranlara karşı fizyolojik yanıt-e doğru onları ulaşmış olan konuların aksine farklı davranabilirler. Eğer öyleyse, bu iki grubun karıştırma ağrı tanıma açısından sınıflandırma sonuçları etkileyebilir.
Adres için önemli bir nokta bu deneyde ağrı yöntemleri var. (Bunlar son derece deneysel bir ortamda kontrol vardır nedeniyle gerçeğini) katılımcılar sadece ısı ve elektrik ağrı uyaranlara tabi tutulmaktadır. Böylece, kalite ile ilgili ağrı desenleri inceleyerek, bulgular basınç gibi diğer ağrı yöntemleri için tercüme değil kimyasal ve viseral ağrı. Sonuçlar aynı değerlendirilmesi Aktarılabilirliği üzerinde çalışma örnek için geçerlidir. Etik açıdan sağlıklı yetişkin için kısıtlanmış iletişim kuralıdır. Örneğin, çocuk veya bilişsel ve sözlü Engelli kişilerin içermez. Ayrıca, bizim çalışma sadece Avrupa kişi katıldı. Ayrıca burada, analitik sonuçlar bu deneyde kabul edilmez grupları için geçerli olmayabilir.
Başka bir sınırlama Hawthorne etkisi24endişe: konular/çalışmada gözlenen filme davranıyorlar farkındayız. Bu onların davranış değişebilir.
Varolan ağrı veritabanlarına göre protokol önemli avantajları iki ağrı model ve iki saat ders (phasic ve tonik) birleştirir gibi ağrı yanıt desenleri analiz etmek için sağlar: şiddeti ve süresi acı yanı sıra, aynı zamanda kalitesi dikkate ağrı. Termal ağrı farklı elektrik ağrı daha açıklandığı gibi (örn, keskin yakma), ayrıca ağrı tepkileri farklı olabilir. Eğer öyleyse, bu bulgular ağrı kaynağının bir ağrı yanıt desen bağlantı olabilir. Ayrıca, ağrı araştırma fırsatları aralığını genişletmek için Multi-Modal çalışmadır: 5 psikofizyolojik sinyalleri istihdam, 2 yüz (ön/yan) kamera sinyalleri, 1 vücut görünümü kamera sinyal, 1 Termal Kamera ve 1 ses sinyal, ağrı analiz ve daha doğrusu değerlendirildi.
Ağrı yanıt desenleri daha karmaşık bir soruşturma için bu yöntemin gelecekte Uzantıları Elektroansefalografi (EEG), vücut ısısı ve solunum gibi daha fazla biosignals içermelidir. Ayrıca kontrollü basınç daha fazla acı model olarak istihdam için büyük fayda olacaktır. Otomatik ağrı tanıma bu iletişim kuralı ile toplanan veri üzerinden amaçlayan araştırmacılar daha fazla klinik kontrol grubu ile gelecek vaat eden makine öğrenme modelleri sınamanız gerekir.

Acı farklı herkes tarafından algılanmaktadır çok kişisel ve hoş olmayan bir duygu olduğunu. Bu ay için saniye sürer ve kalite (zonklama, keskin, yanma, vb) farklı olabilir. Eğer yetersiz tedavi, ağrı vücudun fiziksel ve psikolojik işlevler etkiler, yaşam kalitesini azaltır ve kronik bir durum olma riski taşımaktadır. Klinik bakım, ağrı şiddeti ve kalite doğru değerlendirme başarılı ağrı yönetimi1,2sağlamak son derece alakalı olduğunu. Altın standart yöntem görsel analog (VAS) Terazi gibi ağrı, değerlendirilmesi, sayısal Derecelendirme ölçeği (NRS) veya McGill ağrı anket3, itimat bilişsel ve sözlü raporlar kendi kendine hasta ve böylece, sadece çalışmak yeterince zarar görmemiş kişiler. Sonuç olarak, tüm bu Yenidoğan Bebeklerin4, çılgın, somnolent, uyuşturulmuş, veya havalandırılan hastalar5veya demans6,7kişi gelince yöntemleri geçerlilik ve güvenilirlik eksikliği kurdu. Ek olarak ya da otomatik olarak ölçekler bildirmek için bir alternatif olarak, eğitimli personel (örneğin, Zürih gözlem ağrı değerlendirme8 veya9Abbey ağrı skalasına) tarafından gözlem yoluyla acı ölçmek için yöntemleri son yıllarda geliştirilmiştir. Yine de, hatta eğitimli raters nesnel bir değerlendirme garanti edemez olarak bile bu araçları sınırlamalar güvenilirlik ve geçerlilik, acı. Ayrıca, düzenli olarak ağrı değerlendirme yapılması gerektiği zaman uygulama kez klinik personeli için çok zaman alır.
Birkaç araştırma ekipleri otomatik ağrı tanıma sistemleri, fizyolojik, araçlarının tarafından ağrı ölçmek için görsel izin, geliştirilmesi üzerinde duruldu ve/veya paralinguistic sinyal değerlendirmek ve ağrı ve onun yoğunluklarda takibi için yeni yaklaşımlar olarak ayarlar objektif. Önceki çalışmalar göstermektedir umut verici sonuçlar tespit ve ağrı10,11,12,13,16,17,18 ayırt veya ayrımcılık ağrı temel duygu14,sinyal yalnızca birini temel alan15 10,11,12,13,14Ayarlar, 15 iyi bir kombinasyon/fusion16,17,19 setleri gibi. Yukarıda belirtilen yöntemleri neredeyse özerk ağrı gibi stresli uyaranlara tepki. Onları kullanarak onu/onun ağrı bildirmek için bir kişinin yeteneği gerektirmeyen avantajı vardır. Bu kişilerin büyük ölçüde hangi tür yöntemleri birleştirmek bir objektif ağrı tanıma sisteminden yararlanacak. Veri kümeleri elde edildi ağrı tepkiler oluşan ağrı desenleri analiz ve tespit ve ağrı kontrolü için pratik uygulamalar geliştirmek için değerli bilgiler sağlar. Diğerleri arasında Walter vd.20 "BioVid ısı ağrı veritabanı", genel kullanıma sunulan ve kısa süreli verilerden acı ısı uyaranlara ve karşılık gelen psikofizyolojik ve görsel tepkiler indüklenen sağlar multimodal bir veritabanı oluşturdu. Velana ve ark.21 "SenseEmotion veritabanı" biosignals, videolar ve paralinguistic bilgi phasic ısı ağrı ve duygusal uyaranlara tarafından etkilenen gönüllülerin içerir.
Bu veritabanları ağrı reaksiyonlar incelenmesi için uygun olmakla birlikte, çoğunlukla bir belirli ağrı modelini temel alır. Ağrı (sözde modeline bağlı olarak ağrı) kalite ve süresi farklı olarak, bu Ayrıca onun fizyolojik, görsel farklı olabilir ve paralinguistic karşılıklı olarak ilişkilendirir. En iyi yazarların bildiğim için hiçbir multimodal çalışmalar veya veritabanları iki veya daha fazla acı modellerinin birleştirilmesi ve ağrı uyaran şiddeti ve süresi sadece ağrı desenleri algılamak ama aynı zamanda acı nitelikleri arasında ayırt etmek için mevcut.
Bu kağıt ağrı ve aynı anda kayıt fizyolojik yanıtları (ECG, Musculus trapez, oluklu superciliive zygomaticus EMG temin için karmaşık bir psikofizyolojik deney yapmak nasıl bir protokol sağlar büyük, SCL) yanı sıra video (örneğin, yüz ifadeleri, vücut hareketleri, yüz cilt sıcaklığı) ve ses verileri. Katılımcılar ile uyarılmış (phasic) kısa ve uzun süren (tonik) ısı ve şiddeti farklı elektrik ağrı uyaranlara. Kalibrasyon faz deneme önce ağrı eşikleri her konu için ayrı ayrı belirler.
Ağrı (desen) yoğunluk, kalite ve istatistiksel yöntemler, Makine öğrenimi algoritmaları, vb aracılığıyla uzunluğu ile ilgili soruşturma için multimodal veri toplama çalışma amaçlamaktadır. Ayrıca, zaten toplanan veriler "X-ITE (Experimentally bennduced Thermal ve Electrical) ağrı veritabanı" adı altında akademik araştırma amacıyla yayımlanması planlanmaktadır. Bu BioVid ısı ağrı ve SenseEmotion20,21gibi varolan veritabanları genişletmek ve daha fazla geliştirme, iyileştirme ve/veya otomatik ağrı tanıma sistemlerinde konularda geçerlilik değerlendirilmesi için katkıda bulunmak, güvenilirlik ve gerçek zamanlı tanıma.
Kağıdın geri kalanı şu şekilde düzenlenmiştir. Protokol yaşla çalışması ağrı adım adım taşımak açıklar. Sonra temsilci workshop'larda denemenin sonucu. Son olarak, tartışma kritik adımlar, sınırlamalar ve gelecekteki uzantıları için öneriler ardından çalışmanın yararları kapsar.

<table><tbody><tr><td>PATHWAY Model ATS</td><td>Medoc Ltd., Ramat Yishai, İsrail</td><td></td><td>Termal Stimülatör</td></tr><tr><td>30 mm x 30 mm ATS Thermode</td><td>Medoc Ltd., Ramat Yishai, İsrail</td><td></td><td>Termot</td></tr><tr><td>PATHWAY Yazılımı Arbel 6.3.7.22.1</td><td>Medoc Ltd., Ramat Yishai, İsrail</td><td></td><td>Termal Stimülatör Yazılımı</td></tr><tr><td>Digitimer DS7A Akım Stimülatörü</td><td>Digitimer Ltd., Hertfordshire, Birleşik Krallık</td><td></td><td>Elektrik Stimülatörü</td></tr><tr><td>Inquisit 5</td><td>Milisaniye Yazılımı, Seattle, WA, ABD</td><td></td><td>Elektrik uyaranlarını tetiklemek için yazılım</td></tr><tr><td>Analogdan Dijitale Dönüştürücü</td><td>Wissenschaftliche Werkstatt Elektronik, Ulm Üniversitesi, Ulm, Almanya</td><td>özel yapım</td><td></td></tr><tr><td>BIOPAC MP150 Sistemi</td><td>BIOPAC Systems, Inc., Goleta, CA, ABD</td><td></td><td>Biyosinyal Kayıt Donanımı</td></tr><tr><td>AcqKnowledge Yazılım 4.1.1</td><td>BIOPAC Systems, Inc., Goleta, CA, ABD</td><td></td><td>Biyosinyal Kayıt Yazılımı</td></tr><tr><td>NTG-2 Çift Güçlü Yönlü Kondenser Mikrofon</td><td>R&Oslash;DE Mikrofonlar, Silverwater, Avustralya</td><td></td><td>Ses Kayıt Mikrofonu</td></tr><tr><td>Kinect v2</td><td>Microsoft, Redmond, WA, ABD</td><td></td><td>Vücut Görüş Kamerası</td></tr><tr><td>AV Pike F-145C</td><td>Allied Vision Technologies GmbH, Stadtroda, Almanya</td><td></td><td>Yüz Kamerası (önden görünüm)</td></tr><tr><td>AV Prosilica GT 1600C</td><td>Allied Vision Technologies GmbH, Stadtroda, Almanya</td><td></td><td>Yüz Kamerası (yandan görünüm)</td></tr><tr><td>PIR uc 180 Termal Kamera</td><td>InfraTec GmbH, Dresden, Almanya</td><td></td><td>Termal Yüz</td></tr><tr><td>Kamerası Senkronizasyon Donanımı</td><td>Werkstatt, IIKT, Magdeburg Üniversitesi, Magdeburg, Almanya</td><td>özel yapım</td><td>Kameraların donanımsal olarak tetiklenmesi, tetikleme sinyali BIOPAC ve Audacity</td></tr><tr><td>Kayıt ve Senkronizasyon Yazılımı</td><td>tarafından kaydedilir Philipp Werner, Nöro-Bilgi Teknolojisi, Magdeburg Üniversitesi, Magdeburg, Almanya</td><td>Özel Yazılım</td><td>Gerçek zamanlı kayıt, çevrimdışı video kodlama ve çevrimdışı senkronizasyon</td></tr><tr><td>Muayene Koltuğu</td><td>ClinicalCare GmbH, Bremen, Almanya</td><td></td><td></td></tr><tr><td>Ag-AgCl Elektrotlar EL254 / EL254S (Yeniden kullanılabilir, 4 mm kayıt çapı)</td><td>BIOPAC Systems, Inc., Goleta, CA, ABD</td><td></td><td>EMG M. corrugator ve M. zygomaticus</td></tr><tr><td>Ag-AgCl Elektrotları BlueSensor P (Tek kullanımlık, ciltle temas boyutu: 34 mm çap, ölçüm alanı 154 mm2)</td><td>Ambu GmbH, Bad Nauheim, Almanya</td><td></td><td>EKG ve EMG kaydetmek için kullanılır M. trapezius. Elektrik stimülasyonu için de kullanılır</td></tr><tr><td>Audacity 2.1.2</td><td>Dominic Mazzoni (Audacity)</td><td></td><td>Ses Kayıt Yazılımı</td></tr><tr><td>Soğuk Jel Paketi</td><td>C+V Pharma Depot GmbH, Versmold, Almanya</td><td></td><td></td></tr><tr><td>Panthenol 50mg/g</td><td>ratiopharm GmbH, Ulm, Almanya</td><td></td><td>Merhem</td></tr><tr><td>Alüminyum Profilleri</td><td>öğe Industrietechnik GmbH, Solingen, Almanya</td><td></td><td>Tüm kameraları kurmak için kullanılır ve mikrofon</td></tr><tr><td>Elektrot Jeli GEL1</td><td>BIOPAC Systems, Inc., Goleta, CA, ABD</td><td></td><td></td></tr><tr><td>ELPREP Cilt Hazırlama Jeli</td><td>BIOPAC Systems, Inc., Goleta, CA, ABD</td><td></td><td></td></tr></tbody></table>

isı ve elektrik bizi canlı tutan ağrı yanıt-e doğru çözümlemek için multi-modal sinyalleri

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

Ağrı değerlendirilmesi çoğunlukla iletişim kurmak bir kişi gerektiren yöntemleri üzerinde dayanır. Ancak, bilişsel ve sözlü bozukluğu olan kişiler için varolan yöntemleri güvenilirlik ve geçerlilik bulunmadığından yeterli değildir. Bu sorunu yaklaşım için son araştırma Fizyoloji türetilmiş yanıt parametrelerinin tarafından kolaylaştırılmış bir objektif ağrı değerlendirme ve video ve ses sinyalleri üzerinde duruluyor. Güvenilir otomatik ağrı tanıma sistemleri geliştirmek için çabalarını ağrı analiz ve geçerli ağrı desenleri algılamak için multimodal veritabanları oluşturma yapılmıştır. Sonuçlar umut verici olmakla birlikte, sadece ayrımcılık ağrı veya acı yoğunluklarda acı karşı üzerinde odak. Daha gelişmiş ağrı yönetimi için ek değerli bilgiler sağlamak amacıyla bu ilerlemek için araştırma da kalite ve ağrı süresi düşünmelisiniz. Varolan veritabanları ve ağrı ile ilgili kalite ve uzunluğu analizi tamamlamak için temin, ölçmek ve geçerli ağrı tepkiler toplamak için psikofizyolojik bir deney bu kağıt öneriyor. Katılımcılar tabi yoğunluk (düşük, orta ve yüksek) süresi içinde farklı ağrılı uyaranlara karşı (5 s / 1 dk) ve modalite (ısı / elektrikli ağrı) ses, video (örneğin, yüz ifadeleri, vücut hareketleri, yüz cilt sıcaklığı), süre ve fizyolojik sinyalleri (örneğin, Elektrokardiyogram [ECG], Cilt gürültülerinden düzeyi [SCL], yüz Elektromiyografi [EMG] ve M. trapeziusEMG) kaydediliyor. Çalışma bir kişinin bireysel ağrı aralığından (düşük dayanılmaz ağrı) belirlemek için bir kalibrasyon faz ve hangi acı uyaranlara bağlı olarak kalibre edilmiş aralığı uygulanan bir stimülasyon faz oluşur. Elde edilen veri arıtma iyileştirilmesi ve otomatik tanıma sistemleri bir objektif ağrı değerlendirme açısından değerlendirmek izin verebilir. Bu tür sistemleri ve ağrı reaksiyonlar daha ayrıntılı, basınç gibi ek ağrı yöntemleri incelemek için daha da geliştirilmesi için kimyasal veya soğuk ağrı gelecek çalışmalarda dahil edilmelidir. Bu çalışmada kayıtlı verilerin "X-ITE ağrı veritabanı" olarak çıkacak.

Acı farklı herhangi bir kişi tarafından algılanır ve kendisi turnuvalarda yüz ifadeleri, paralinguistic ve/veya fizyolojik sinyalleri ifade edebilir. Tasarım bu çalışmanın temel amacı ile ilgili olarak çeşitli şekillerde acı yanıt-e doğru çözümlemek uygundur. Elde edilen veriler gibi araştırma soruları, cevap izin verebilir: belirli ağrı yanıt desenler vardır? Onlar acı modeli ve süresi ile ilgili farklı mıdır?
Toplam 134 konuların deneyimimizi katıldı. Cinsiyet oranı 50/50. Biz onları aşağıdaki yaş gruplarında bölüyor: 1) 18-29 yaş (N = 49, 23 erkek, 26 kadın), 2) 30-39 yıl (N = 45, 23 erkek, 22 kadın), 3) 40-50 yıl (N = 40, 21 erkek, 19 kadın). 31.4 tüm konuların ortalama yaşındayken (SD 9,7 =), sözümüzün 33.4 = (SD 9,3 =) ve tüm kadınların 32.9 = (SD = 10,2) yıl. Çalışma gerçekleşti, tıbbi psikoloji Üniversitesi Ulm, Almanya.
Ana bu iletişim kuralı bir veri kümesi, ses, video ve psikofizyolojik sinyalleri konularda yanıt ağrı uyaranlara karşı yansıtan sonuçtur. Tablo 1 kaydedilen sinyalleri teknik özellikleri ve çalışma bağlı ağrı uyaranların numaraları hakkında genel bilgiler sağlar.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="5">Teknik Özellikler</td>
		</tr>
<tr>
<td>Sinyal:</td>
			<td colspan="2">Örnekleme hızı:</td>
			<td colspan="2">Öznitelikler:</td>
		</tr>
<tr>
<td>Ses</td>
			<td colspan="2">44100 Hz</td>
			<td colspan="2">Mono, MP3 320 kbps</td>
		</tr>
<tr>
<td>Kamera 1 (yüz, Önden Görünüm)</td>
			<td colspan="2">25 Hz</td>
			<td colspan="2">Video renk: çözünürlük 1384 x 1032, HEVC libx265 (CRF 16, önceden orta) ile kodlanmış</td>
		</tr>
<tr>
<td>Kamera 2 (yüz, yan görünüm)</td>
			<td colspan="2">25 Hz</td>
			<td colspan="2">Video renk: çözünürlük 1620 x 840, HEVC libx265 (CRF 16, önceden orta) ile kodlanmış</td>
		</tr>
<tr>
<td>Vücut kamera</td>
			<td colspan="2">CA. 30 Hz</td>
			<td colspan="2">Video renk: çözünürlük 1500 x 600, Libx265 (CRF 16, önceden orta) ile kodlanmış HEVC; Derinlik video: çözünürlük 500 x 200, kayıpsız kodlama</td>
		</tr>
<tr>
<td>Termal Kamera</td>
			<td colspan="2">CA. 120.8 Hz</td>
			<td colspan="2">Yüzey sıcaklığı video: çözünürlük 120 x 160, gri tonlamalı kodlanmış MPEG-4-AVC ile libx264 (CRF 0, önceden ayarlanmış iyileşeceğini), kodlanmış Sıcaklık aralığı 26,5-52.0 ° C (0,1 adım)</td>
		</tr>
<tr>
<td>EKG</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">Donanım filtre BioPac: 35 Hz LP, 0.5 Hz HP, 50 Hz çentik filtresi</td>
		</tr>
<tr>
<td>SCL</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">Donanım BioPac filtre: 10 Hz LP, hiçbir HP hiçbir çentik filtresi</td>
		</tr>
<tr>
<td>EMG M. trapezius</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">Donanım BioPac filtre: 500 Hz LP, 10 Hz HP, hiçbir çentik filtresi</td>
		</tr>
<tr>
<td>EMG M. Oluklu supercilii</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">Donanım BioPac filtre: 500 Hz LP, 10 Hz HP, hiçbir çentik filtresi</td>
		</tr>
<tr>
<td>EMG M. zygomaticus büyük</td>
			<td colspan="2">1000 Hz</td>
			<td colspan="2">Donanım BioPac filtre: 500 Hz LP, 10 Hz HP, hiçbir çentik filtresi</td>
		</tr>
<tr>
<td>Bir çekim gücü</td>
			<td colspan="2">Termal</td>
			<td colspan="2">Elektrik</td>
		</tr>
<tr>
<td>Konular:</td>
			<td>Phasic uyaranlara (5 s):</td>
			<td>Tonik uyaranlara (60 s):</td>
			<td>Phasic uyaranlara (5 s):</td>
			<td>Tonik uyaranlara (60 s):</td>
		</tr>
<tr>
<td>Konu</td>
			<td>90 (yoğunluk başına 30)</td>
			<td>3 (yoğunluk başına 1)</td>
			<td>90 (yoğunluk başına 30)</td>
			<td>3 (yoğunluk başına 1)</td>
		</tr>
<tr>
<td>Tüm (N = 134)</td>
			<td>12060 (4020 yoğunluğu başına)</td>
			<td>402 (yoğunluk başına 134)</td>
			<td>12060 (4020 yoğunluğu başına)</td>
			<td>402 (yoğunluk başına 134)</td>
		</tr>
<tr>
<td>Erkek (n = 67)</td>
			<td>6030 (yoğunluğu başına 2010)</td>
			<td>201 (67 yoğunluğu başına)</td>
			<td>6030 (yoğunluğu başına 2010)</td>
			<td>201 (67 yoğunluğu başına)</td>
		</tr>
<tr>
<td>Kadınlar (n = 67)</td>
			<td>6030 (yoğunluğu başına 2010)</td>
			<td>201 (67 yoğunluğu başına)</td>
			<td>6030 (yoğunluğu başına 2010)</td>
			<td>201 (67 yoğunluğu başına)</td>
		</tr>
</tbody></table>Tablo 1: teknik özellikler ve sayısı indüklenen uyaranlara. Üst yarısı (Teknik Özellikler) gösterir örneklendirme oranı ve belirli sinyalleri özniteliklerini. Alt yarısı (uyaranlara) gösterir (termal/elektrik) indüklenen belirli sayıda ağrı bir konu için tüm konular ve her cinsiyet için bir çekim gücü. (MP3 = hareketli resim uzmanları grubu Layer 3 ses, kbps kilobit / saniye, HEVC = yüksek verimlilik Video kodlama, Cadmus devrimci CEPHESİ'ne = = sabit hızı faktörü, MPEG-4-AVC Motion Picture uzmanlar grubu katmanı-4 Video Gelişmiş Video kodlama, Hz = Hertz, ° C = santigrat derece, = s = saniye, ECG Elektrokardiyogram, SCL = = cilt gürültülerinden düzeyi, EMG Elektromiyografi, LP = alçak geçiren Filtre, HP = yüksek geçiren Filtre, M. Musculus ==).
Çalışma kalibrasyon aşaması ile ilgili ikincil bir sonuç Tablo 2' de sunulmuştur. Bu kötü stimülasyon sıcaklıklar ve akıntılar ağrı yoğunluklarını 1 ve 3 (olarak hesaplanan adım 5.11 Protokolü) tüm konular için ve ayrıca için erkek ve kadın alt grubu gösterir.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>Bir çekim gücü</td>
			<td colspan="4">Termal [° C] içinde ortalama (SD)</td>
			<td colspan="4">Elektrik [anne içinde] ortalama (SD)</td>
		</tr>
<tr>
<td>Konular</td>
			<td>pH1</td>
			<td>pH3</td>
			<td>tH1</td>
			<td>tH3</td>
			<td>pE1</td>
			<td>pE3</td>
			<td>tE1</td>
			<td>tE3</td>
		</tr>
<tr>
<td>Tüm (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>Erkek (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>Kadınlar (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>Tablo 2: demek uyarımı sıcaklıklar ve akıntılar ağrı yoğunluklarını 1 ve 3. (pH1, pH3 phasic ısı ağrı yoğunluğu ile 1, 3; = tH1, inci3 tonik ısı ağrı yoğunluğu ile 1, 3; = pE1, pE3 phasic elektrik ağrı yoğunluğu ile 1, 3; = tE1, tE3 tonik elektrik acı = yoğunluğu ile 1, 3; ° C derece santigrat; = mA miliamper, SD = standart sapma =).
İletişim kuralının tüm adımları dikkatlice yapılır ve hiçbir teknik (bilgisayar veya aygıt çöker, vb kayıt açısından) oluşursa, başarılı bir sonuç şekil 4'te gösterildiği gibi benzer görünebilir. Tüm sinyaller kaliteli olmalarını ve etkileşimler dış kaynaklar tarafından etkilenmez. Katılımcı her kamera açıkça görülmeye başlıyor.
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59057/59057fig4.jpg"> Şekil 4 : Başarılı bir deneme örnek verilerden. Şekil kaydedilen sinyalleri birkaç saniye önce sırasında ve sonrasında bir şiddetli bir acı uyarıcı gösterir. Tüm sinyaller olmayan filtre ve zamanında eşitlenir. Anlaşılır olması için sadece temsilcisi ekran görüntüleri video sinyalleri burada gösterilir. (EMG Elektromiyografi, SCL = = cilt gürültülerinden düzeyi, ECG Elektrokardiyogram, M=. = Musculus, s = saniye). <a href="https://www.jove.com/files/ftp_upload/59057/59057fig4large.jpg" target="_blank">Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.</a>
Ancak, beklenmedik olaylar verileri gürültülü veya bozuk olur neden olabilir. Yanında, bilgisayar ya da aygıt çöküyor, geliyor-off elektrot (çift taraflı yapıştırıcı yaka vasıtasıyla bağlı olan özellikle yeniden kullanılabilir elektrotlar ile küçük çaplı) çoğunlukla kaydetme için kullanılamaz sinyalleri yol açar. Alt-optimal bir veri kümesi için örnek olarak, şekil 5 ne zaman bir EMG elektrot kapalı geliyor ve karşılık gelen sinyal işe yaramaz işler süre gösterir.
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59057/59057fig5.jpg"> Şekil 5 : Örnek verilerden bir alt-optimal deneyi. Kırmızı daire zaman bir EMG elektrot (M. zygomaticus büyük) ilgilinin yanak düştü gösterir. Bu ter veya baş hareketi nedeniyle olabilir. Şu andan itibaren sinyal kaybedildi. (EMG Elektromiyografi, SCL = = cilt gürültülerinden düzeyi, ECG Elektrokardiyogram, M=. = Musculus, s = saniye). <a href="https://www.jove.com/files/ftp_upload/59057/59057fig5large.jpg" target="_blank">Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.</a>
Etik kurallar nedeniyle, termal ve elektriksel uyaranlar en büyük şiddetlerde kısıtlı olması gerekiyordu. Termal kalibrasyon kontrolü ile ilgili olarak (ek dosyasına bakın) bölüm, 37 konu (31 erkek, 6 kadını) ulaştı 50,5 ° C verilen kesim (oranı 37/134 = = '.61). Termal kalibrasyon Bölüm 1 gelince, 60 katılımcılar (39 erkek, 21 kadın) 50.0 ° C kesim ulaştı (oranı 60/134 = = D.78) ve Bölüm 2 ile ilgili olarak, 57 kişi (37 erkek, 20 kadın) kesme 49,5 ° c (oranı = 57/134 = B.54). Her iki elektriksel kalibrasyonlar bölümleri için kesim 25 oldu anne. 134 konularda hiçbiri ulaşmıştır.
(Sonraki paragrafa bakınız) veri yayımlamayı düşündüğünüz gibi veri kümeleri cutoffs ulaştınız katılımcıların ek olarak işaretlenir ve kendi öznel ağrı derecelendirme için karşılık gelen cutoffs dahil edilecektir.
Protokolü'nün ana odak termik ve elektrik ağrı analiz etmek için Multi-Modal sinyalleri alma işaret etmek istiyoruz. Bu nedenle, diğer sonuç burada ele alınmıştır. Kontrol ve veri kümesi eksik veri veya veri paylaşımı için reddedilen yazılı izni nedeniyle hariç sonra veri kümeleri bu çalışmanın adı "X-ITE ağrı veritabanı" altında kullanıma sunulacaktır. Ne zaman ve X-ITE ağrı DB edinme hakkında daha fazla bilgi için https://github.com/philippwerner/pain-database-list ziyaret edin.
Ek dosya 1. <a href="https://www.jove.com/files/ftp_upload/59057/Supplementary_File_1.docx" target="_blank">Bu dosyayı indirmek için buraya tıklayınız.</a>

Bu makale ağrı ısı (termal) yoluyla deneysel yaşla üzerinde duruluyor ve fizyolojik, görsel kayıt sırasında elektriksel stimülasyon ve paralinguistic yanıt. Bu ağrı, yoğunluk, kalite ve süresi temel alarak analiz etmek için geçerli multimodal veri toplama amaç.

Isı ve elektrik bizi canlı tutan ağrı yanıt-e doğru çözümlemek için Multi-Modal sinyalleri

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

Sunulan yöntemle elde edilen veriler, altta yatan ağrı modelinden bağımsız olarak ağrı yoğunluklarının nasıl tanınır diye ışık tutabilir. Ayrıca ağrı süresini değerlendirmek için yardımcı olabilir. Bu tekniğin en büyük avantajı sinyal kayıt ve ağrı stimülasyonu açısından multimodalitesidir.Ağrı araştırmalarının kapsamını önemli ölçüde genişletir. Bu teknik daha verimli ağrı yönetimi için patoloji tedavisinde ağrı varlığını izlemek için uygulanabilir. O protokolünün yürütülmesi, görsel gösteri yoluyla daha hızlı ve öğrenmesi daha kolay olan elektrot uygulaması gibi birçok karmaşık manuel eylem gerektirir.Prosedürü gösteren Sandra Gebhardt, bu çalışma için bir deneyci olarak eğitilmiş benim laboratuvar bir öğrenci olacaktır. Prosedüre hazırlanmak için, gelen deneği hoş geldiniz ve onu kalibrasyon odasına götür. Kalibrasyon prosedürü ve aşağıdaki ağrı stimülasyonu hakkında onu ayrıntılı olarak bilgilendirin.Daha sonra, kalibrasyon izleme odasının yanındaki kamera kontrollü, ısı kontrollü ve düşük gürültülü deneysel odada ağrı stimülasyonunu gerçekleştirin. Deney sırasında fizyolojik veri, ses, video ve termal ve elektriksel uyarıcı çıktılarını yakalamak için uygun kayıt bilgisayarlarını, yazılımlarını ve kayıt cihazlarını kullanın. Termal ve elektriksel uyaranda yapılan kalibrasyona göre hesaplanan phasik elektrik ve ısı ağrısı yoğunlukları ile tonik elektrik ve ısı yoğunluklarının değerlerini girin.Taban çizgisi sıcaklığını 32 dereceye, sıcaklık oranını saniyede 8 dereceye ayarlayın ve ardından tüm ayarları kaydedin. Daha sonra, burada gösterildiği gibi, ağrı elicitation komut hazırlamak. Her phasic uyarıcı yoğunluğunun sayısını 30'a, her tonik uyarıcı yoğunluğunun sayısını bire ayarlayın.Daha sonra, her phasic uyaran süresini beş saniye ve her tonik uyarıcının süresini 60 saniyeye ayarlayın. Tüm uyaranların sırasını ve phasic uyaranları arasındaki duraklamaları 8 ila 12 saniyeye kadar rastgele belirleyin. Bundan sonra, tonik uyaranlardan sonraki duraklamaları 300 saniyeye ayarlayın.Ağrı stimülasyon başlamak için, sınav kanepede rahatça uzanmak için konu isteyin. Elektrotların alkol solüsyonu ile bağlanacağı tüm cilt bölgelerini temizleyin. Sol yanak yüzeyinde herhangi bir ölü deri hücreleri çıkarın, sol kulak arkasında, sol kaş üzerinde, ve aşındırıcı jel ile alnına.Daha sonra bu bölgeleri alkol solüsyonu ile yeniden temizleyin. Cilt iletkenlik düzeyinin ölçümü için, sağ indeks ve orta parmak distal falanks ve Velcro kayışları ile orta parmak altında iki önceden jellenmiş nonpolorizable gümüş, gümüş klorür elektrotlar takın. EKG kaydetmek için, dairesel temas alanları ile üç önceden jellenmiş yapışkan gümüş, gümüş klorür snap elektrotlar kullanın.Katot elektrotunu sol 9 ve 10. Referans elektrotu pelvik kemiğin yanındaki sağ yan beline takın. Musculus trapezius EMG kaydetmek için, aynı zamanda dairesel temas alanları ile üç önceden jellenmiş yapışkan gümüş, gümüş klorür snap elektrotlar kullanın.Katot ve anot elektrotlarını boynun sol tarafındaki trapezius kanına yan yana yerleştirin. Daha sonra, referans elektrotunu sol köprücük kemiğine yerleştirin. Musculus corrugator supercilii ve musculus zygomaticus major EMG'lerini ölçmek için altı adet yeniden kullanılabilir korumalı gümüş, gümüş klorür elektrot kullanın.Çift taraflı yapışkan yakaların bir tarafını elektrotlara takın. Daha sonra, elektrotların boşlukları elektrolit jel ile doldurun. Çift taraflı yapışkan yakaların diğer tarafındaki kağıt desteklerini çıkarın.Musculus corrugator supercilii için anovar elektrotunu doğrudan sol kaşın üzerine, glabella çizgisinin yanına yerleştirin. Daha sonra, katot elektrot anot elektrot bir santimetre lateral yerleştirin. Referans elektrotu frontal kemiğin ortasına, saç çizgisinin hemen altına takın.Musculus zygomaticus major için, sol ağız komissure sol kulak lobu için hayali bir çizgi çizin. Anot elektrotunun çizginin ortasına biraz altına ve katot elektrotunun yanına bir santimetre medial yerleştirin. Referans elektrotunu sol mastoide takın.Ardından, tüm elektrotları biyosinyal kayıt cihazının ilgili girişlerine bağlayın. Tüm fizyolojik sinyallerin iyi ve mükemmel kalitede olduğundan emin olmak için biyosinyal kayıt yazılımını kullanarak görsel bir kontrol yapın. Daha sonra, sol işaret parmağının ara falanks üst tarafında gümüş, gümüş klorür anod elektrot ve sol orta parmağın proksimal falanks üst tarafında katot elektrot yerleştirin.Elektrotları elektrik selaatörüne bağlayın. Termodeden sol önkolun üst tarafına uygulayın, bilek yaklaşık 30 milimetre proksimal, Velcro kayış ile. Tüm kameraları çalıştırın.Katılımcının kamerada mükemmel bir şekilde görünür olduğundan emin olun. Ardından, veri eşitleme gereksinimlerine uygun olarak tüm kayıt aygıtlarını başlatın. Ağrı ekicitation script çalıştırın.Dikkatle konu ve ağrı stimülasyon kısmının ilerlemesini izleyin. Ağrı elicitation komut dosyasının sona erdikten sonra, tüm kayıt cihazları durdurun. Katılımcının iyi olup olmadığını kontrol edin ve tüm elektrotları ve termode ayırın.Sonra, soğuk jel paketi etrafında hijyenik, dokuma olmayan bir havlu sarın. Katılımcıdan termode en az beş dakika boyunca yerleştirildiği cilt bölgesine uygulamasını isteyin. Daha sonra termode yerleştirildi cilt bölgesine merhem uygulayın.Daha sonra, katılımcıteşekkür ve hoşçakal deyin. Tüm tek kullanımlık elektrotları atın. Yeniden kullanılabilir tüm elektrotları ve muayene kanepesini temizleyin.Burada gösterilen önce konunun görüntüleri, sırasında, ve yoğun bir ağrı uyarıcı sonra. Kaydedilen tüm sinyaller filtreuygulanmaz ve zaman içinde senkronize edilir. Netlik için, video sinyallerinin yalnızca temsili ekran görüntüleri gösterilir.Bu prosedürü çalışırken, ağrı stimülasyonu başlamadan önce tüm sinyalleri optimize olduğundan emin olmak önemlidir. Ayrıca, ağrı çıkarma komut dosyasını çalıştırmadan önce tüm kayıt aygıtlarının açık olduğundan emin olun. Bu prosedürü takiben, yakın kızılötesi gece görüş kamerası uygulamak veya biyosinyaller için kayıt gibi diğer yöntemler, ağrıyı gece ortamında daha verimli bir şekilde tanımak için gerçekleştirilebilir.Bu teknik, hasta ile iletişim kurmaya gerek kalmadan ağrıyı objektif olarak tanımanızı sağlar. Farklı ağrı özelliklerini ayırt etmek ve ağrının altında yatan kaynağa ışık vermek yararlı olabilir. Ağrı uyarıcılar eğitimli personel tarafından çalıştırılmazsa ciddi yaralanmalara neden olabilir.Katılımcıların güvenliğini sağlamak için uyarıcı yoğunluğu kesintileri ile ilgili etik ve güvenlik kısıtlamalarını her zaman uygulayın.

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

Research

JoVE Journal

Behavior

Davranış

Algoritmalar insan deneklerin deneysel iltihaplı deride ısı ve mekanik ağrı eşikleri değerlendirilmesi gösterilmiştir. Iki ağrı test paradigmalar, acı verici, iki büyük periferik sinir lifi popülasyonları bağımsız nosiseptif işleme incelemek, yani miyelinli olmayan C lifleri ve küçük A-delta lifleri miyelinli.

İnsan denekler üzerinde iltihaplı cilt ısı ve mekanik ağrı eşiğini Belirlenmesi

Kaynak: Remacle, T., et al. Çok Sütunlu Kurşun Omurilik Stimülasyonu ile Başarısız Bel Cerrahisi Hastalarında Bel Ağrısının Tedavisi. J. Vis. Uzm. (2018)Bu video, Başarısız bel cerrahisi sendromu (FBSS) hastalarında kronik bel ağrısını yönetmek için çok sütunlu kürek kurşun omurilik stimülasyonunu kullanma yöntemini göstermektedir. Önceden implante edilmiş kablo, ağrılı olmayan duyu yollarını aktive eden, ağrı sinyallerini kesen ve ağrı algısını azaltan hedefli elektrik darbeleri sağlar.

Çok Sütunlu Paddle Lead Omurilik Stimülasyonu Kullanılarak Kronik Ağrının Modülasyonu

İnsan ağrı modelleri, özellikle entegre bir şekilde kullanıldığında, yeni bileşiklerin analjezik potansiyelini değerlendirmek ve klinik etkinliklerini tahmin etmek için kullanılan değerli araçlardır. Bu modellerin uygulanması karmaşık olsa da, uygun uygulama ile bu protokolde açıklanan ağrı modelleri öngörücü ve güvenilir sonuçlar sağlayabilir.

Bir Entegre, Multi-Modal Ağrı Görev Kullanma Pil Ağrı Algılama ve Tolerans eşikleri Belirlenmesi

Bu prosedürün amacı, insanlarda duyusal ve ağrı ölçümü için bir dizi kantitatif teknik göstermektir. Açıklanan ekipman ve teknikler genellikle ağrı kliniklerinde bulunur veya elde edilmesi kolaydır.

Manuel Testler Protokolü İnsanlarda Sensation ve Ağrı Tedbir

Tekrarlayan veya farklı türdeki standart uyaranlara yanıt olarak ağrıyı değerlendirerek, dinamik kantitatif duyusal test (QST) ağrının merkezi işlenmesindeki değişiklikleri ortaya çıkarabilir. İki dinamik QST ölçümünü optimize etmek ve kişiselleştirmek için yöntemler sunuyoruz: zamansal toplama (TS) ve koşullu ağrı modülasyonu (CPM).

Dinamik Kantitatif Duyusal Test Merkezi Ağrı İşleme karakterize etmek

Böyle QUEST tahmin prosedür olarak psikofiziksel yöntemler verimli stimülasyon yoğunluğu acı hisler içine de ağrısız duyumları geçiş sağlam tahminler verebilir. eşik yoğunlukta defalarca uyararak, derecelendirme yanıtlarda değişkenlik doğrudan bir sonraki analizlerde algısal sınıflandırmalara isnat edilebilir.

Lateralizasyon Titreşim Prestimulus Faaliyet Ağrı ile ilgili okuyan psychophysically-demirlemiş, Sağlam Eşikleme

Burada verilen kronik post-iskemi ağrı (CPIP) bir hayvan modeli kurmak için adımları ayrıntıları bir protokoldür. Bu insan kompleks bölgesel ağrı sendromu tip-I taklit iyi tanınan bir modeldir. Mekanik ve termal hipersensitiviteler daha da değerlendirilir, ayrıca CPIP sıçan modelinde gözlenen kapsaisin kaynaklı nosifensif davranışlar.

Sıçanlarda Kompleks Bölgesel Ağrı Sendromu Tip-I kronik Post-Iskemi Ağrı Modeli

Sırt ağrısının önlenmesi ve yönetimi için yeni terapötik müdahaleler geliştirmek için, bu tedavilerin mekanizmalarını ve etkinliğini translasyonel bir bakış açısıyla incelemek için hayvan modellerine ihtiyaç vardır. Mevcut protokol, sıçandaki mekanik duyarlılığı değerlendirmek için standartlaştırılmış bir yöntem olan BMS testini açıklamaktadır.

Kronik Sırt Ağrısının Mekanik Araştırılması için Sıçanda Geri Mekanik Duyarlılık Değerlendirmesi

Bu protokol, dorsal kök ganglionunun (DRG) cerrahi maruziyetini ve ardından GCaMP3'ü (genetik olarak kodlanmış Ca2+ göstergesi; Yeşil Floresan Protein-Kalmodulin-M13 Protein 3) İpsilateral arka pençeye çeşitli uyaranlar uygularken Pirt-GCaMP3 fareleri kullanılarak nöronal toplulukların Ca2+ görüntülenmesi.

İn Vivo Bozulmamış Dorsal Kök Ganglialarında Primer Duyusal Nöronların Ağlarında Nöronal Toplulukların Kalsiyum Görüntülenmesi

APTrack, gerçek zamanlı veri görselleştirme ve nöronal aksiyon potansiyellerinin kapalı döngü elektriksel eşik takibini sağlayan Open Ephys platformu için geliştirilmiş bir yazılım eklentisidir. Bunu mikronörografide insan C-fiber nosiseptörleri ve fare C-fiber ve Aδ-fiber nosiseptörleri için başarıyla kullandık.

Translasyonel ağrı araştırması için açık kaynaklı gerçek zamanlı kapalı döngü elektrik eşiği izleme

Burada, sinir lifi alt tiplerinin aktivitesini ayırt edebilen iki tür omurga elektrofizyolojik ölçümü kullanarak periferik sinirlerdeki çevresel sinirlerdeki duyusal aksonların aktivasyonu ve bloklanmasını değerlendirmek için bir yöntem sunuyoruz: Yerel Alan Potansiyelleri ve Geniş Dinamik Aralıklı tek nöron kayıtları.

Anestezi Edilmiş Bir Farede Çevresel Ağrı Blokunu Değerlendirmek İçin Elektrofizyolojik Yöntemler

Öğrenin, ısı ve elektrik uyaranlarıyla ağrı yanıtlarını çok modlu sinyallerle analiz etme yöntemini. Fizyolojik, görsel ve paralingüistik verileri senkronize kaydederek ağrı şiddetini ve süresini değerlendirin.

Isı ve elektrik bizi canlı tutan ağrı yanıt-e doğru çözümlemek için Multi-Modal sinyalleri

Daha fazla video keşfet