[发明专利]一种分娩疼痛评估系统及方法

说明书

本发明涉及一种分娩疼痛评估系统及方法。所述系统设有NRS量表实物或含有NRS量表电子图像的人机交互设备，还设有胎心监护仪、计时器、分娩疼痛管理判定模块、异常宫缩痛判定模块、报警器、分娩疼痛评分显示模块、输入设备、存储设备和显示器。所述方法为：间隔地采集产妇NRS评分、一次宫缩持续时间和两次宫缩间隔时间三个参数，将NRS评分、一次宫缩持续时间和两次宫缩间隔时间以二维分数表示法展示；根据三个参数判定分娩疼痛等级或程度；并根据三个参数判定是否存在异常疼痛(非正常宫缩引起的疼痛，比如：子宫破裂、耻骨联合分离等)。本发明有助于更简便、快速、精确地反映产妇分娩疼痛程度，优化个体化分娩期间疼痛管理和分娩期间母婴安全。

技术领域

本发明涉及产科分娩疼痛管理领域，具体地说，涉及一种分娩疼痛评估系统及方法。

背景技术

从疼痛性质来看，分娩痛是一种急性锐痛。目前国际上最常用的评估分娩痛的量表为疼痛数字评估量表(Numerical Rating Scale，NRS)和视觉模拟量表(VisualAnalogue Scale，VAS)。NRS(图1)曾被美国疼痛协会视为疼痛评估的金标准，要求患者在4种类别、共11种评分(0～10)中选择，即：无疼痛(0)、轻度疼痛(1～3)、中度疼痛(4～6)、重度疼痛(7～10)。VAS(图2)主要由一条100mm的直线组成，该直线的一端表示“完全无痛”，另一端表示“能够想象到的最剧烈的疼痛”或“疼痛到极点”等，患者会被要求在这条直线上相应的位置做标记以代表她们体会到的疼痛强烈程度。

NRS和VAS都属于单维度量表，最初用于评估患者术后疼痛，都仅能评估疼痛的强度，通过数字、文字、图像等形式使患者将主观疼痛感受客观地表达出来。然而，分娩疼痛是一种复杂的、多维度的疼痛体验。用以上量表来评估分娩疼痛存在一定的局限性。曾有研究报道了使用多维度量表麦吉尔疼痛指数(McGill pain questionnaire，MPQ)来评估分娩疼痛，可以对疼痛性质、特点、强度、情绪状态及心理感受等方面进行详细的调查。但是，MPQ耗时较长(需要5～15min)，结构复杂，还会受患者的文化程度、情感、性别和种族等因素影响。因此使用MPQ评估分娩疼痛在临床上不具备实际可操作性。

专利文献中也报道了其他一些疼痛评估方法。专利文献CN110321827A，公开日2019.10.11，公开了一种基于人脸疼痛表情视频的疼痛水平评估方法，其特征在于：它包括训练阶段和识别阶段；其中训练阶段包括以下步骤：(1)从人脸疼痛表情视频库中提取人脸疼痛表情视频，按照设定的时间段和不同的疼痛水平进行剪辑，获得若干级不同疼痛水平的视频片段；(2)对不同疼痛水平的视频片段进行预处理，训练构建包括卷积神经网络和长短时记忆网络的疼痛水平评估网络；识别阶段包括以下步骤：采集患者在设定的时间段内的人脸疼痛表情视频片段，将其作为疼痛水平评估网络的输入，由疼痛水平评估网络评估输出该人脸疼痛表情视频片段对应的疼痛水平值。专利文献CN110338777A，公开日2019.10.18，公开了一种融合心率变异特征和面部表情特征的疼痛评估方法，将所述的表情特征信息与心率变异特征信息融合成疼痛融合特征集，并输入SVR回归分类器中进行训练与学习，再采集待评估的患者的表情图像序列和心率数据生成待测疼痛融合特征集，并送入训练好的SVR分类器进行回归预测，完成疼痛水平的评估。专利文献CN111210907A，公开日2020.05.29，公开了一种基于空时注意力机制的疼痛强度估计方法。首先将人脸图像映射到预训练模型VGG-16中得到一个深度特征图谱，将该特征图谱输入到空间注意力模块中得到空间注意力图谱，并将空间注意力图谱作用到深度特征图谱上得到空间注意力特征。然后，将空间注意力特征提取网络固定，每幅图像生成相应的空间注意力特征，将该特征输入到循环神经网络中，后接时间注意力模块，生成时间注意力特征，并利用该特征估计视频序列的疼痛强度。

以上报道的疼痛评估方法均是基于大数据，采集人脸部表情或心率特征，通过机器学习得到疼痛评估模型。但在训练数据缺乏的情况下是难以实现的。

总的来说，有必要开发能更简便、快速、精确地识别产妇分娩疼痛程度的方法和装置。

发明内容