一个实验和临床生理信号数据集用于自动疼痛识别
Philip Gouverneur1, Aleksandra Badura2, Frédéric Li3
1Institute of Medical Informatics, University of Lübeck, Ratzeburger Allee 160, 23562, Lübeck, Germany. philipgouverneur@gmx.de.
Scientific data
|September 27, 2024
概括
本研究介绍了PainMonit数据集,用于基于机器学习的自动化疼痛检测,使用生理信号. 该数据集通过提供关键数据来开发更好的疼痛识别算法来帮助研究.
科学领域:
- 生物医学工程 生物医学工程
- 机器学习 机器学习
- 疼痛研究 疼痛研究
背景情况:
- 机器学习需要大量的数据集,但数据稀缺性阻碍了自动化疼痛识别研究.
- 目前的疼痛监测依赖于自我报告,对基于生理数据的算法提供有限的公开数据集.
研究的目的:
- 介绍PainMonit数据集,这是一个用于利用生理信号推进自动疼痛检测的新型资源.
- 促进开发和验证用于客观疼痛评估的机器学习模型.
主要方法:
- 疼痛监测数据集包括两个部分:55名健康受试者的热感应疼痛和49名参与者的物理治疗相关疼痛.
- 使用多种传感器方式记录了包括BVP,EDA,皮肤温度,ECG,EMG,IBI,HR和呼吸在内的生理数据.
主要成果:
- 该数据集捕捉了与实验诱导和临床相关的疼痛场景相关的多种生理反应.
- 它为训练和测试用于自动疼痛识别的机器学习算法提供了宝贵的资源.
结论:
- 疼痛监测数据集解决了在疼痛研究中对可访问,高质量的生理学数据的关键需求.
- 预计这项资源将加速开发更准确,更客观的疼痛监测方法的进展.
