22、基于心率变异性的疼痛等级检测

基于心率变异性的疼痛等级检测

1. 引言

疼痛强度是损伤严重程度的一个指标。多项研究表明，全球约30%的人口遭受疼痛困扰，印度约20%的人口也面临同样问题。然而，疼痛现象至今尚未被完全探索清楚。治疗受伤患者需要对疼痛进行定性和定量评估，因此，全球广泛使用各种疼痛评级量表，如数字疼痛评级量表（NPRS）、口头疼痛强度量表（VPIS）、视觉模拟量表（VAS）和神经病理性疼痛量表（NPS）。但这些量表依赖于受试者的口头回应，这就使得许多因认知障碍无法正常交流的人，包括无意识患者、患有痴呆症的老年人和婴儿，无法参与这些疼痛评估方法。

鉴于疼痛是一种情感体验，许多研究将疼痛时面部表情的变化视为关键指标，研究者们也对基于面部表情的疼痛分析进行了探索。不过，基于视频信号的分析在实际应用中存在算法复杂、设备成本高的问题。因此，基于面部肌电图（EMG）信号的疼痛分析也被研究。虽然有研究利用EMG信号进行独立于个体的疼痛检测，还使用经验模态分解技术区分疼痛和无疼痛状态，但这些方法大多在区分高疼痛等级和无疼痛状态时有效，在区分低疼痛等级时效果不佳。此外，利用心电图（ECG）得出的心率斜率来对疼痛阶段进行分类，即便在低刺激情况下也有应用，但用单一斜率值来定义心率的非线性轨迹可能并非高效做法。

疼痛与自主神经系统（ANS）密切相关，疼痛会激活神经系统的交感活动，因此与交感神经系统（SNS）相关的生物信号会因疼痛诱导而改变，心率和心率变异性（HRV）就是这样的生物信号，它们会随交感神经系统的兴奋而变化。在本研究中，提出了一种独立于受试者口头回应的疼痛评估方法，利用HRV来检测疼痛。从暴露于可控疼痛刺激的受试者的ECG信号中提取HRV，提取时间绝对积分（TAI）、均值、方差（VAR）和分段斜率等特征，并使用简