客观疼痛评估使用深度学习通过基于EEG的大脑计算机接口
Abeer Al-Nafjan1, Hadeel Alshehri1, Mashael Aldayel2
1Computer Science Department, College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University (IMSIU), Riyadh 11432, Saudi Arabia.
Biology
|February 26, 2025
概括
这项研究引入了一种基于脑电图的系统,使用脑计算机接口技术来准确检测疼痛和严重程度的分类. 深度学习模型的准确度超过91%,超过了客观疼痛评估的传统方法.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 客观的疼痛测量对于有效的临床治疗策略至关重要.
- 目前用于疼痛评估的方法可能是主观的,缺乏准确性.
- 大脑计算机接口 (BCI) 技术为客观的生理监测提供了潜力.
研究的目的:
- 开发和评估基于脑电图 (EEG) 的系统,用于可靠的疼痛检测和分类.
- 要区分疼痛和没有疼痛的状态.
- 将疼痛严重程度分为低,中等和高水平,使用BCI.
主要方法:
- 开发基于EEG的疼痛检测系统,有两个组成部分:疼痛/无疼痛检测和疼痛严重程度分类.
- 利用深度学习模型,特别是卷积神经网络 (CNN) 和循环神经网络 (RNN).
- 使用时间频域分析进行分类,将深度学习与支持矢量机器 (SVM) 和随机森林分类器进行比较.
主要成果:
- 与传统的机器学习模型相比,深度学习方法显示出更高的性能.
- 在疼痛/无疼痛检测任务中获得了91.84%的准确性.
- 在三级疼痛严重程度分类中达到87.94%的准确性.
结论:
- 开发的基于EEG的BCI系统在客观疼痛检测和严重程度评估方面表现出高效.
- 深度学习模型显著提高了疼痛分类的准确性,超过了传统的机器学习方法.
- 这项技术有望改善临床疼痛管理和治疗策略开发.
