[发明专利]一种基于置信区间融合阈值判据的疼痛识别系统

说明书

本发明公开了一种基于置信区间融合阈值判据的疼痛识别系统，包括监测数据采集模块、阈值处理模块、疼痛识别模块、输出模块和报警模块；监测数据采集模块用于采集多维度的监测数据；阈值处理模块用于融合阈值判据对疼痛监测数据进行预处理；疼痛识别模块利用构建的疼痛监测数据分级模型对所述监测数据进行函数训练，确定疼痛检测数据置信区间，输出模块用于对各个实时监测数据训练所对应的疼痛级别范围进行显示，并传送至医护人员电脑；报警模块用于判断监测数据是否在有效范围内，若监测数据无效则发出报警信息提示医护人员进行处理。本发明能对患者疼痛程度进行实时和精确化的监测识别，从而实现患者的有效疼痛评估和处理。

技术领域

本发明涉及医疗技术领域，特别涉及一种基于置信区间融合阈值判据的疼痛识别系统。

背景技术

疼痛是许多疾病的特征，会给患者带来一定的痛苦。当患者发生病情变化时，疼痛会愈加强烈；当病情好转时，疼痛会减弱；彻底康复时，疼痛会消失。目前，疼痛评估的结果在临床上已经可以作为监测病情和衡量治疗效果的重要指标。然而疼痛是一种主观感受，容易受诸多因素干扰，例如意识状态、情绪、感觉和心理作用等，正因为其主观性的缘故，给医护人员的痛觉客观评估和后续治疗带来了不利因素。目前疼痛的评估主要包括自我评估和观察者评估两种方法。患者的自我评估方法方便主观，具有很好的参考意义，是目前应用最为广泛的评估方法，但自我评估不能保证每次评估都准确可信，而且一些特殊人群(如失去意识的患者、失语患者、重症监护的患者、痴呆症患者、新生儿、精神受损等患者)往往无法准确表达出自己的疼痛部位和疼痛程度。对于此类患者,目前主要通过其代理人，如专业的医疗人士、婴儿的父母等，来评估疼痛程度并进行治疗。但这种方法依赖于代理人持续地观察和辨别，效率较低，受观察者的主观影响性较大，也给医护人员的治疗带来不便。另外不适当的疼痛评估会进一步导致临床中的不恰当处置，镇痛药物使用的不足或过度都会给患者的生理和心理造成损害。因此，就需要更加客观准确的方法来评估患者的疼痛程度。

近年来，随着机器学习和计算机技术的发展，基于情感识别和深度学习的自动疼痛识别技术越来越受到国内外学者的重视。目前这些技术基本上都基于传统的机器学习算法，往往收集患者生命体征甚至脑电波、肌电信号等生理指标，其中生命体征监测收集的指标单一，未对数据进行处理，训练方法简单，往往在训练过程中会存在误差和假阳性的情况；脑电波、肌电图等采集方式相对比较复杂，在实际临床实践中需要较高的设备和技术要求；基于面部表情的疼痛识别方法也越来越受到国内外学者的关注，但由于成人面部表情的复杂性以及可控制性，在面部选取的特征点很少，对面部状况及表情的划分较为笼统，较难准确检测出患者自身主观感受的疼痛程度。

而国内外多项研究指出，生命体征如血压(BP)，呼吸频率(RR)和心率(HR)是最常见的疼痛生理指标。疼痛会产生生理压力反应，包括增加心率和血压，从而为重要器官提供氧气和其他营养。这些促使患者对疼痛做出生理反应，例如心动过速，呼吸急促或高血压，因此生命体征可作为疼痛评估的指标。另外疼痛会影响睡眠质量，导致睡眠障碍；持续失眠的患者通常会出现慢性疼痛，睡眠质量也反映出患者一段时间的疼痛状况。因此，采集多维度多方面的监测数据可能会更加全面地反映患者的疼痛程度。另外目前通过生命体征等数据对疼痛进行识别的研究仅限于监测数据的数值本身对应的疼痛级别，但由于生命体征等监测数据的个体差异性较大，应还需要对其数据的变化量进行监测，使得对疼痛的识别更加个体化、精准化。

因此，如何利用深度学习等技术来实现精确、高效、自动的疼痛识别从而对疼痛患者进行实时评估是一个亟待解决的问题。

发明内容

本发明的目的是克服现有技术缺陷，提供一种基于置信区间融合阈值判据的疼痛识别系统，能对患者疼痛程度进行实时和精确化的监测识别，从而实现患者的有效疼痛评估和处理。

本发明的目的是这样实现的：一种基于置信区间融合阈值判据的疼痛识别系统，包括监测数据采集模块、阈值处理模块、疼痛识别模块、输出模块和报警模块；