一种基于疼痛强度估计的意识障碍辅助诊断系统

本发明属于深度学习、计算机视觉和临床医学，具体涉及一种基于疼痛强度估计的意识障碍辅助诊断系统。

背景技术：

1、意识障碍(disorders of consciousness，doc)是由创伤、中风或缺氧等原因引起的觉醒和意识方面的神经精神障碍；近年来，随着急诊及重症技术的发展，越来越多重型颅脑损伤患者的生命得以挽救，但也导致了大量doc患者的出现；我国保守估计每年新增doc患者约7～15万例，其总治疗费至少需300～500亿元/年，给社会、经济和民生带来了巨大的负担。根据意识水平的高低，慢性意识障碍可以分为最小意识状态(minimallyconsciousness state，mcs)和持续的植物人状态(vegetative state,vs)两个层次，后者也叫无反应觉醒综合征(unresponsive wakefulness syndrome,uws)；mcs患者对外界刺激能够表现出意识和行为的微弱迹象，而vs患者则没有可观察到的意识和行为反应；在治疗doc患者时，尽快获得准确诊断以生成个体化治疗方案至关重要；mcs患者相对于vs患者有更高的康复潜力，准确诊断可以帮助医生确定doc患者的意识水平和认知功能，从而为患者制定恰当的康复干预计划；然而，医生对患者的准确诊断具有挑战性，在区分vs患者和mcs患者时容易出现误诊。

2、目前，doc患者意识检测的方法主要有：临床行为学方法、神经影像方法和神经电生理学方法；当使用临床行为学方法评估患者意识水平的高低时，如果没有使用特定设计的行为评估量表或者评估不当，会导致约40％的doc患者被误诊；绝大多数doc患者运动能力受损，仅通过行为量表测评难以准确反映其意识水平；神经影像学检测是另一有效的评估手段，主要用到pet/fmri设备，但是这些设备昂贵笨重且无法实现床边检测；除了神经影像技术以外，电生理学方法是近年来被广泛研究的另一类辅助诊断方法，其中运用最广泛的是脑电图(electroencephalogram，eeg)技术；但是在诊断doc患者时，使用eeg技术的一个挑战是其结果的可变性，可能受到患者的觉醒水平、评估中采用的特定任务，以及数据中是否存在伪影等因素的影响；此外，eeg设备操作及数据解释很复杂，需要经过专业的培训。

3、现有已公开的涉及面部表情的认知状态识别系统及方法的专利有申请号为cn112201343a的《基于脸部微表情的认知状态识别系统及方法》和cn202210036474.6的《基于微表情识别的意识评估方法及系统》，这两种方法均基于微表情识别技术来评估个体的意识状态；它们的核心内容都包括利用视频数据捕捉受试者的面部微表情变化，并通过特征提取和机器学习模型进行分类，以确定受试者的意识水平或状态，但是微表情通常持续时间短、幅度小，容易受到环境因素和视频采集条件的影响；现有已公开的涉及doc患者辅助诊断系统及方法的专利有申请号为cn202310464892.x的《基于p300脑电和迁移学习的意识障碍患者辅助诊断系统》和cn202110431490的《一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统》，这两个专利均尝试使用脑电数据评估doc患者的意识水平；然而，doc患者往往无法主动配合eeg的采集过程，因此，采集doc患者的脑电信号难度较大，此外，高质量的脑电采集设备成本较高，需要专业维护；现有公开的专利申请号为cn202311598152.1名为《基于面部表情的意识障碍辅助诊断方法》的专利利用面部动作单元(action unit，au)组成的量化疼痛强度指标pspi-r来评估doc患者的疼痛感知能力；然而，目前公开的au数据集数量有限，能提供的与疼痛相关的au类型不多，因此会影响该方法在实际应用时的准确性和可靠性。

4、研究表明，随着意识水平的提高，doc患者的疼痛感知能力也会增加；面部运动和表情变化与疼痛密切相关，并传达了大部分与疼痛相关的信息。

技术实现思路

1、本发明的目的在于提供一种基于疼痛强度估计的意识障碍辅助诊断系统，通过计算机视觉技术分析doc患者在接受疼痛刺激时的面部表情，量化不同doc患者的疼痛感知能力，开发一款简便易用的doc患者辅助诊断系统，辅助现有临床方法，提高对doc患者意识检测的准确性，为医护人员提供更加高效的工具。

2、为实现上述目的，本发明提供如下技术方案：一种基于疼痛强度估计的意识障碍辅助诊断系统，包括数据采集模块、数据分析模块、交互界面模块、系统管理模块；

3、所述数据采集模块用于采集数据：医务人员对doc患者左手指施加疼痛刺激的同时录制其面部表情视频，间隔30s，待病人情绪平和后，再对右手指施加疼痛刺激，录制其面部表情视频，将采集到的doc患者的面部视频，输入到数据分析模块；

4、所述数据分析模块用于分析数据：接收到数据采集模块传来的患者面部表情视频后，需要对它们进行抽帧，裁剪，数据增强预处理，随后通过深度学习网络进行特征的提取和vas值的预测，得出doc患者接受疼痛刺激的这段时间内的vas值，将实验信息和数据存储到系统中；

5、所述交互界面模块用于用户与界面的交互：通过前端的渲染，进行系统的可视化展示，用户通过鼠标与系统进行事件交互，用户在界面上查看doc患者的姓名、性别、行为量表诊断的类别、以及在接受疼痛刺激时的vas值，界面上输出doc患者最终的判断类别；

6、所述系统管理模块用于管理和维护意识障碍患者辅助诊断系统，确保其稳定运行，该系统管理模块包括数据存储模块、系统配置管理模块、日志记录和监控模块；所述数据存储模块负责管理系统中的数据存储；所述系统配置管理模块允许管理员配置系统的各种参数和设置；所述日志记录和监控模块记录系统的操作日志和运行状态。

7、作为本发明的一种优选的技术方案，所述数据存储模块负责管理系统中的数据存储，包括数据库管理和文件存储。

8、作为本发明的一种优选的技术方案，所述系统配置管理模块允许管理员配置系统的各种参数和设置，包括界面语言、时间格式、默认设置；所述日志记录和监控模块记录系统的操作日志和运行状态，包括用户登录日志、错误日志和系统性能监控。

9、作为本发明的一种优选的技术方案，采集数据具体方法如下：使用1080p、60fps的摄像头设备对doc患者在接受疼痛刺激时的面部表情视频进行采集，专业医生对患者的左右手指甲床在不同的时间段施加同样的疼痛刺激，doc患者的面部表情视频数据在专业的医生操作下进行多次采集。

10、作为本发明的一种优选的技术方案，对doc患者在接受疼痛刺激时的面部表情视频进行采集，患者的面部处于视频画面的正中央，且视频在光线充足的环境中录制。

11、作为本发明的一种优选的技术方案，还包括vas量表，vas量表以0到10的等级来表示疼痛强度，其中0表示无疼痛，10表示极度疼痛。

12、与现有技术相比，本发明的有益效果是：

13、基于疼痛强度估计的意识障碍患者辅助诊断系统简单易用，提高doc患者诊断的准确率，为医护人员提供更加高效的工具；

14、该发明是计算机视觉技术在医学辅助诊断中的应用，有助于医务人员及时制定治疗方案，从而为患者提供更加精准的诊疗服务；

15、通过分析doc患者的面部表情对患者的疼痛感知能力进行量化，从而检测其意识水平，更加简单高效；

16、该系统操作简便，医护人员无需经过复杂培训即可快速上手使用。