[发明专利]一种利用心率变异性定量评价疼痛的系统

权利要求书

1.一种利用心率变异性定量评价疼痛的系统，其特征在于，包括：

体感刺激模块，采用外部刺激方式获取疼痛感，用于激发人体心电信号发生改变；

数据采集模块，利用疼痛视觉模拟VAS评分方法记录疼痛数据；还分别记录平静状态和疼痛状态时20min的心电信号，并采集长度为5min的稳定心电信号数据；

指标提取模块，利用Kubios HRV Standard3.1.0提取所述稳定心电信号数据中在平静状态下和疼痛状态下的心率变异性在时间领域和频率领域的10个指标，即10维心率变异性指标；

指标分析模块，通过主成分分析对所述10维心率变异性指标在评价疼痛时贡献度，用于将10维心率变异性指标降到4维心率变异性指标；

程度划分模块，将采集的所述疼痛数据和所述4维心率变异性指标中的第一指标和第二指标构成三维数据进行可视化，从而对疼痛划分为四个程度；

模型构建模块，构建Extring Learning Machin学习模型，并利用疼痛的四个程度作为输出标签；

结果输出模块，用于输出Extring Learning Machin学习模型的疼痛测评结果。

2.如权利要求1所述的一种利用心率变异性定量评价疼痛的系统，其特征在于，所述评价疼痛时贡献度的方法包括以下步骤：

步骤一，归一化：对心率变异性指标进行归一化；

求解方程为：Y＝2*(x-xmin)/(xmax-xmin)+(-1)；

步骤二，列出求解过程并计算贡献度：

特征标准化，平衡各个指标尺度：

计算个指标的协方差矩阵Σ：

通过奇异值分解(SVD)，求取协方差矩阵Σ的特征向量：

(U,S,V^T)＝SVD(Σ) (3)

数据从N维降到K维是从U取K个特征向量组成新的特征向量U_reduce：

U_reduce＝(u⁽¹⁾,u⁽²⁾,…,u^(k)) (4)

计算降维后的数据：

特征向量U_reduce对应的特征值λ：λ＝(λ⁽¹⁾,λ⁽²⁾,…,λ^(k)) (6)

第k个主成分的贡献率：

通过特征向量计算各个指标的贡献度，a_kj是第k个主成分指标j的得分：

3.如权利要求1所述的一种利用心率变异性定量评价疼痛的系统，其特征在于，所述外部刺激方式为以浸透0.5mL辣椒素溶液的棉纸片覆盖下唇唇红的位置来产生疼痛感。

4.如权利要求2所述的一种利用心率变异性定量评价疼痛的系统，其特征在于，所述辣椒素溶液用30％酒精配置成含0.1％辣椒素的溶液。

5.如权利要求1所述的一种利用心率变异性定量评价疼痛的系统，其特征在于，所述心率变异性的10个指标分别为AVNN、SDNN、RMSSD、NN50、pNN50、TOTPOWER、VLF、LF、HF、LF/HF。

6.如权利要求1所述的一种利用心率变异性定量评价疼痛的系统，其特征在于，所述心率变异性的10个指标分别为AVNN、SDNN、RMSSD、NN50、pNN50、TOTPOWER、VLF、VLF、HF、LF/HF。

7.如权利要求1所述的一种利用心率变异性定量评价疼痛的系统，其特征在于，所述对疼痛划分为四个程度分别为0无痛，1～40轻度，41～60中度，61～100重度。