Name: multi-modal signals for analyzing pain responses to thermal and electrical stimuli
Uploaded: 2019-04-05T13:00:00
Duration: 9 min 16 s
Description: Watch this Scientific Journal Video about Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli at JoVE.com

作者要感谢 Verena Friedrich、Maria Velana、Sandra Gebhardt、Romy Bärwaldt 和 Tina Daucher 为开展这项研究提供的宝贵帮助。此外, 还特别感谢斯特凡妮·鲁卡维纳博士的科学支持。这项研究是由德国研究资助的 DFG\ TR223.12 (http://www.dfg.de/) "基于面部表情和心理生物学参数的自动疼痛识别系统的推进和系统验证" 项目的一部分。基础。

<ol>
	<li>Hawker, G. A., Mian, S., Kendzerska, T., French, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measures+of+adult+pain:+Visual+analog+scale+for+pain+(vas+pain),+numeric+rating+scale+for+pain+(nrs+pain),+mcgill+pain+questionnaire+(mpq),+short&#8208;form+mcgill+pain+questionnaire+(sf&#8208;mpq),+chronic+pain+grade+scale+(cpgs),+short+form&#8208;36+bodily+pain+scale+(sf&#8208;36+bps),+and+measure+of+intermittent+and+constant+osteoarthritis+pain+(icoap).">Measures of adult pain: Visual analog scale for pain (vas pain), numeric rating scale for pain (nrs pain), mcgill pain questionnaire (mpq), short&#8208;form mcgill pain questionnaire (sf&#8208;mpq), chronic pain grade scale (cpgs), short form&#8208;36 bodily pain scale (sf&#8208;36 bps), and measure of intermittent and constant osteoarthritis pain (icoap).</a> Arthritis Care &amp; Research. 63 (11), 240-252 (2011).</li><li>Kehlet, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Acute+pain+control+and+accelerated+postoperative+surgical+recovery.">Acute pain control and accelerated postoperative surgical recovery.</a> Surgical Clinics. 79, 431-443 (1999).</li><li>McQuay, H., Moore, A., Justins, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Treating+acute+pain+in+hospital.">Treating acute pain in hospital.</a> British Medical Journal. 314 (7093), 1531-1535 (1997).</li><li>Brahnam, S., Chuang, C. F., Shih, F. Y., Slack, M. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SVM+classification+of+neonatal+facial+images+of+pain.+Fuzzy+Logic+and+Applications+(revised+selected+papers+from+the+6th+International+Workshop,+WILF+2005,+Crema,+Italy,+September+15-17,+2005).">SVM classification of neonatal facial images of pain. Fuzzy Logic and Applications (revised selected papers from the 6th International Workshop, WILF 2005, Crema, Italy, September 15-17, 2005).</a> Lecture Notes in Computer Science. 3849, 121-128 (2005).</li><li>Basler, H. D., Bloem, R., Casser, H. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ein+strukturiertes+Schmerzinterview+f&#252;r+geriatrische+Patienten.">Ein strukturiertes Schmerzinterview f&#252;r geriatrische Patienten.</a> Schmerz. 15, 164-171 (2001).</li><li>Zwakhalen, S. M. G., Hamers, J. P. H., Abu-Saad, H. H., Berger, M. P. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pain+in+elderly+people+with+severe+dementia:+a+systematic+review+of+behavioural+pain+assessment+tools.">Pain in elderly people with severe dementia: a systematic review of behavioural pain assessment tools.</a> BioMed Central Geriatrics. 6 (3), (2006).</li><li>Herr, K., Bjoro, K., Decker, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tools+for+assessment+of+pain+in+nonverbal+older+adults+with+dementia:+a+state-of-the-science+review.">Tools for assessment of pain in nonverbal older adults with dementia: a state-of-the-science review.</a> Journal of Pain and Symptom Manage. 31 (2), 170-192 (2006).</li><li>Handel, E., Gnass, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Praxishandbuch ZOPA : Schmerzeinsch&#228;tzung bei Patienten mit kognitiven und/oder Bewusstseinsbeeintr&#228;chtigungen. , (2010).</li><li>Abbey, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Abbey+pain+scale:+a+1-minute+numerical+indicator+for+people+with+end-stage+dementia.">The Abbey pain scale: a 1-minute numerical indicator for people with end-stage dementia.</a> International Journal Of Palliative Nursing. 10 (1), 6-13 (2004).</li><li>Gruss, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pain+intensity+recognition+rates+via+biopotential+feature+patterns+with+support+vector+machines.">Pain intensity recognition rates via biopotential feature patterns with support vector machines.</a> PLoS ONE. 10, 1-14 (2015).</li><li>Walter, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+pain+quantification+using+autonomic+parameters.">Automatic pain quantification using autonomic parameters.</a> Psychology &amp; Neuroscience. 7 (3), 363 (2014).</li><li>Werner, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+pain+assessment+with+facial+activity+descriptors.">Automatic pain assessment with facial activity descriptors.</a> IEEE Transactions on Affective Computing. 8 (3), 286-299 (2017).</li><li>Thiam, P., Kessler, V., Walter, S., Palm, G., Schwenker, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Audio-Visual+Recognition+of+Pain+Intensity.">Audio-Visual Recognition of Pain Intensity.</a> IAPR Workshop on Multimodal Pattern Recognition of Social Signals in Human-Computer Interaction. , (2016).</li><li>Niese, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Towards+Pain+Recognition+in+Post-Operative+Phases+Using+3D-based+Features+from+Video+and+Support+Vector+Machines.">Towards Pain Recognition in Post-Operative Phases Using 3D-based Features from Video and Support Vector Machines.</a> International Journal of Digital Content Technology and its Applications. 3 (4), 21-33 (2009).</li><li>Hammal, Z., Kunz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pain+monitoring:+A+dynamic+and+context-sensitive+system.">Pain monitoring: A dynamic and context-sensitive system.</a> Pattern Recognition. 45 (4), 1265-1280 (2012).</li><li>Werner, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+pain+recognition+from+video+and+biomedical+signals.">Automatic pain recognition from video and biomedical signals.</a> Pattern Recognition (ICPR), 22nd International Conference on Pattern Recognition. , 4582-4587 (2014).</li><li>Walter, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Diagnostik+der+Schmerzintensit&#228;t,+basierend+auf+multimodalen+Signalen+und+maschinellen+Lernen.">Diagnostik der Schmerzintensit&#228;t, basierend auf multimodalen Signalen und maschinellen Lernen.</a> Habilitationsschrift. , (2017).</li><li>Chu, Y., Zhao, X., Han, J., Su, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Physiological+Signal-Based+Method+for+Measurement+of+Pain+Intensity.">Physiological Signal-Based Method for Measurement of Pain Intensity.</a> Frontiers in aneuroscience. 11, (2017).</li><li>K&#228;chele, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multimodal+data+fusion+for+person-independent,+continuous+estimation+of+pain+intensity.">Multimodal data fusion for person-independent, continuous estimation of pain intensity.</a> Engineering Applications of Neural Networks. , 275-285 (2015).</li><li>Walter, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+BioVid+Heat+Pain+Database+-+Data+for+the+advancement+and+systematic+validation+of+an+automated+pain+recognition+system.">The BioVid Heat Pain Database - Data for the advancement and systematic validation of an automated pain recognition system.</a> Cybernetics (CYBCONF), IEEE International Conference on Cybernetics. , 128-131 (2013).</li><li>Velana, M., Walter, S., Gruss, S., Werner, P., Al-Hamadi, A., Schwenker, F., Scherer, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+SenseEmotion+Database:+A+Multimodal+Database+for+the+Development+and+Systematic+Validation+of+an+Automatic+Pain-+and+Emotion-Recognition+System.">The SenseEmotion Database: A Multimodal Database for the Development and Systematic Validation of an Automatic Pain- and Emotion-Recognition System.</a> Multimodal Pattern Recognition of Social Signals in Human-Computer-Interaction. MPRSS 2016. Lecture Notes in Computer Science. , (2017).</li><li>Lautenbacher, S., Peters, J. H., Heesen, M., Scheel, J., Kunz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Age+changes+in+pain+perception:+a+systematic-review+and+meta-analysis+of+age+effects+on+pain+and+tolerance+thresholds.">Age changes in pain perception: a systematic-review and meta-analysis of age effects on pain and tolerance thresholds.</a> Neuroscience &amp; Biobehavioral Reviews. 75, 104-113 (2017).</li><li>K&#225;llai, I., Barke, A., Voss, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+effects+of+experimenter+characteristics+on+pain+reports+in+women+and+men.">The effects of experimenter characteristics on pain reports in women and men.</a> Pain. 112 (1), 142-147 (2004).</li><li>McCambridge, J., Witton, J., Elbourne, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Systematic+review+of+the+Hawthorne+effect:+New+concepts+are+needed+to+study+research+participation+effects.">Systematic review of the Hawthorne effect: New concepts are needed to study research participation effects.</a> Journal of Clinical Epidemiology. 67 (3), 267-277 (2014).</li></ol>

作者没有什么可透露的。

该协议的重点是在记录生理、视觉和副语言信号的同时, 对热 (热) 和电痛进行实验激发。这种新颖的方法结合了两个不同刺激强度和两种不同刺激持续时间 (相变和强直) 的疼痛模型, 提供了一个广泛的视角, 关于疼痛的心理生理模式和表达。然而, 为了实现这一议定书, 需要考虑几个步骤。
一般来说, 如果与疼痛刺激的工作是至关重要的, 以确保对象的安全。所有的疼痛刺激都必须高度控制, 只能由有经验的实验者进行。 此外, 为了记录和收集可靠和高质量的数据, 强烈建议正确连接设备 (电极)、记录设备的完美功能以及计算机之间的顺畅通信。应取消所有干扰来源或将其减少到最低限度。为了保证参与者之间的一致性, 必须提供标准化的指令和不变的实验条件。
根据我们的经验, 找到符合所有标准并愿意接受无数痛苦刺激的合适参与者, 需要很长时间, 而且相当具有挑战性。除此之外, 货币补偿必须足够高, 才能吸引研究对象。特别是 3 0岁至 5 0岁的人很难找到。这可能是因为实验时间太长 (大约 4个小时, 包括到达和离开), 他们必须休息半天。
由于参与者的安全是重中之重, 疼痛诱导可能需要加以限制。根据道德准则, 刺激强度不得超过一定水平, 以防止热和电疼痛诱导方面的烧伤和昏迷。一般的强度中断可能会导致天花板效应, 因为有些研究对象可能会达到强度限制之前, 感觉难以忍受的疼痛。在这项研究中, 约42% 的参与者 (考虑到热校准第1部分和第2部分) 达到了热截止 (见代表性的结果)。由于它们没有达到 "真正" 的疼痛容忍度, 它们对最高热刺激的生理反应可能与到达它们的受试者的生理反应不同。如果是这样, 将这两组混合在一起可能会影响疼痛识别方面的分类结果。
需要解决的一个重要问题是这个实验中的疼痛模式。参与者只受到热和电疼痛刺激 (因为这些在实验环境中是高度可控的)。因此, 如果检查有关质量的疼痛模式, 发现可能不会转化为其他疼痛模式, 如压力, 化学或内脏疼痛。 同样的考虑是结果的可转移性也适用于研究样本。该协议在道德上仅限于健康的成年人。例如, 它不包括儿童或认知和口头受损的人。此外, 在我们的研究中, 只有欧洲人参加。此外, 在这里, 分析结果可能不适用于本实验未考虑的组。
另一个限制可能与霍桑效应24有关: 研究对象意识到他们在研究中被观察到。这可能会改变他们的行为。
与现有的疼痛数据库相比, 该协议为分析疼痛反应模式提供了显著优势, 因为它结合了两个疼痛模型和两个时间过程 (相位和补药): 除了疼痛的强度和持续时间外, 它还考虑了疼痛的质量痛苦。由于热疼痛的描述与电疼痛不同 (例如, 燃烧与尖锐), 因此它在疼痛反应中也可能不同。如果是这样, 这些发现可能会将疼痛反应模式与疼痛的潜在来源联系起来。此外, 本研究还采用多模态, 拓宽疼痛调查的机会范围: 采用5个心理生理信号、2个正面 (正面) 相机信号、1个人体视光摄像机信号、1个热像仪和1个音频信号, 可以分析和分析疼痛。更精确地评估。
对于更复杂的疼痛反应模式的调查, 这种方法的未来扩展应包括更多的生物信号, 如脑电图 (EEG)、体温和呼吸。将控制压力作为进一步的疼痛模型也将是非常有益的。研究人员的目标是通过使用该协议收集的数据自动识别疼痛, 应该进一步测试有希望的机器学习模型与临床对照组。

疼痛是一种非常个人化和不愉快的感觉, 每个人都有不同的感觉。它的持续时间从几秒钟到几个月, 质量可能会有所不同 (抽搐、锐利、燃烧等)。如果治疗不当, 疼痛会影响身体的身体和心理功能, 降低生活质量, 并承担成为慢性病的风险。在临床护理中, 准确评估疼痛强度和质量对于提供成功的疼痛管理 1,2非常相关。评估疼痛的黄金标准方法, 如视觉模拟量表 (VAS)、数字评分表 (NRS) 或 Mgill 疼痛问卷 3, 依赖于患者的自我报告, 因此, 仅在认知和口头上充分使用未受损的人。因此, 所有这些既定的方法缺乏有效性和可靠性, 当涉及到新生儿 4, 神志不清, 嗜睡, 镇静剂, 或通风的病人5,或患有老年痴呆症 6, 7.除了自我报告量表之外或作为自我报告量表的替代品, 近年来还开发了通过训练有素的人员观察来测量疼痛的方法 (例如, 苏黎世观察疼痛评估 8或修道院疼痛量表 9)。然而, 即使是这些工具在可靠性和有效性方面也受到限制, 因为即使是受过训练的评分者也不能保证进行客观的评估。此外, 当疼痛评估应定期进行时, 临床工作人员的应用往往过于耗时。
几个研究小组专注于开发自动疼痛识别系统, 这些系统可以通过生理、视觉、副语言信号集作为评估和监测疼痛及其强度的新方法来测量疼痛客观。先前的研究表明, 在检测和区分疼痛10、11、12、13、16、17、18或区分疼痛从基本情绪14,15完全基于其中一个信号集10,11,12,13,14, 15以及在组合或融合 16,17,19集合。上述方式几乎可以自主地对疼痛等有压力的刺激做出反应。使用它们的好处是, 它们不需要一个人报告他的痛苦的能力。这些人将大大受益于纳入这种方式的客观疼痛识别制度。由引起疼痛的反应组成的数据集为分析疼痛模式和开发检测和监测疼痛的实际应用提供了宝贵的信息。除其他外, Walter 等人20 人创建了 "Bivid 热疼痛数据库", 这是一个可公开使用的多式联运数据库, 提供了短时诱发疼痛热刺激的数据以及相应的心理生理和视觉反应。Velana 等人21 的 "感知数据库" 包括受相热疼痛和情绪刺激影响的志愿者提供的生物信号、视频和副语言信息。
虽然这些数据库非常适合检查疼痛反应, 但它们大多基于一个特定的疼痛模型。由于疼痛的质量不同 (据称取决于疼痛模型) 和持续时间, 它在生理、视觉和副语言方面也可能不同。据作者所知, 没有多式联运研究或数据库结合两个或两个以上的疼痛模型, 并在强度和持续时间上改变疼痛刺激, 以便不仅检测疼痛模式, 而且区分疼痛品质。
本文提供了一个关于如何进行复杂的心理生理实验, 以引起疼痛, 同时记录生理反应 (如, 心电图, 肌电图的梯形,瓦楞纸剂超纤毛, 和胃痛主要, scl) 以及视频 (如面部表情, 身体手势, 面部皮肤温度) 和音频数据。参与者受到短 (相) 和更持久 (补品) 热和电疼痛刺激的刺激, 强度不同。实验前的校准阶段可分别确定每个受试者的疼痛阈值。
本研究旨在通过统计方法、机器学习算法等, 收集多模态数据, 用于调查强度、质量和长度方面的疼痛 (模式)。此外, 已经收集的数据计划出版的学术研究的目的是以 "X-ITE (Ex全生我诱导 t hermal 和e说教) 痛苦数据库" 的名义出版. 它可以扩展现有的数据库, 如 biovid热疼痛和感觉 20, 21, 并有助于进一步开发、改进和/评估自动疼痛识别系统的有效性问题,可靠性和实时识别。
本文的其余部分按以下方式组织。该协议描述了如何逐步进行疼痛诱发研究。然后, 有代表性的结果给出了实验的结果。最后, 讨论涉及研究的关键步骤、局限性和好处, 然后对今后的扩展提出建议。

<table border="0" cellpadding="0" cellspacing="0" style="width:1531px;" width="1532">
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">PATHWAY Model ATS</td>
			<td style="width:514px;">Medoc Ltd., Ramat Yishai, Israel</td>
			<td style="width:178px;"></td>
			<td style="width:422px;">Thermal Stimulator</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">30 mm x 30 mm ATS Thermode</td>
			<td style="width:514px;">Medoc Ltd., Ramat Yishai, Israel</td>
			<td style="width:178px;"></td>
			<td style="width:422px;">Thermode</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">PATHWAY Software Arbel 6.3.7.22.1</td>
			<td style="width:514px;">Medoc Ltd., Ramat Yishai, Israel</td>
			<td style="width:178px;"></td>
			<td>Thermal Stimulator Software</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Digitimer DS7A Current Stimulator</td>
			<td style="width:514px;">Digitimer Ltd., Hertfordshire, UK</td>
			<td style="width:178px;"></td>
			<td style="width:422px;">Electrical Stimulator</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Inquisit 5</td>
			<td style="width:514px;">Millisecond Software, Seattle, WA, USA</td>
			<td style="width:178px;"></td>
			<td style="width:422px;">Software for triggering electrical stimuli</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Analogue-To-Digital Converter</td>
			<td style="width:514px;">Wissenschaftliche Werkstatt Elektronik, University of Ulm, Ulm, Germany</td>
			<td style="width:178px;">custom built</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">BIOPAC MP150 System</td>
			<td style="width:514px;">BIOPAC Systems, Inc., Goleta, CA, USA</td>
			<td style="width:178px;"></td>
			<td>Biosignal Recording Hardware</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">AcqKnowledge Software 4.1.1</td>
			<td style="width:514px;">BIOPAC Systems, Inc., Goleta, CA, USA</td>
			<td style="width:178px;"></td>
			<td>Biosignal Recording Software</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">NTG-2 Dual Powered Directional Condenser Microphone</td>
			<td style="width:514px;">R&#216;DE Microphones, Silverwater, Australia</td>
			<td style="width:178px;"></td>
			<td>Audio Recording Microphone</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Kinect v2</td>
			<td style="width:514px;">Microsoft, Redmond, WA, USA</td>
			<td style="width:178px;"></td>
			<td>Body View Camera</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">AV Pike F-145C</td>
			<td style="width:514px;">Allied Vision Technologies GmbH, Stadtroda, Germany</td>
			<td style="width:178px;"></td>
			<td>Face Camera (frontal view)</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">AV Prosilica GT 1600C</td>
			<td style="width:514px;">Allied Vision Technologies GmbH, Stadtroda, Germany</td>
			<td style="width:178px;"></td>
			<td>Face Camera (side view)</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">PIR uc 180 Thermal Camera</td>
			<td style="width:514px;">InfraTec GmbH, Dresden, Germany</td>
			<td style="width:178px;"></td>
			<td>Thermal Face Camera</td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:419px;">Synchronization Hardware</td>
			<td style="width:514px;">Werkstatt, IIKT, University of Magdeburg, Magdeburg, Germany</td>
			<td style="width:178px;">custom built</td>
			<td style="width:422px;">Hardware triggering of cameras, trigger signal is recorded by BIOPAC and Audacity</td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:419px;">Recording and Synchronization Software</td>
			<td style="width:514px;">Philipp Werner, Neuro-Information Technology, University of Magdeburg, Magdeburg, Germany</td>
			<td style="width:178px;">custom software</td>
			<td style="width:422px;">Real-time recording, offline video encoding, and offline synchronization</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Examination Couch</td>
			<td style="width:514px;">ClinicalCare GmbH, Bremen, Germany</td>
			<td style="width:178px;"></td>
			<td style="width:422px;"></td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:419px;">Ag-AgCl Electrodes EL254 / EL254S (Reusable, 4mm recording diameter)</td>
			<td style="width:514px;">BIOPAC Systems, Inc., Goleta, CA, USA</td>
			<td style="width:178px;"></td>
			<td>Used to record EMG M. corrugator and M. zygomaticus</td>
		</tr>
		<tr height="44">
			<td height="44" style="height:44px;width:419px;">Ag-AgCl Electrodes BlueSensor P (Disposable, skin contact size: 34 mm diameter, measuring area 154 mm2)</td>
			<td style="width:514px;">Ambu GmbH, Bad Nauheim, Germany</td>
			<td style="width:178px;"></td>
			<td>Used to record ECG and EMG M. trapezius. Also used for electrical stimulation</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Audacity 2.1.2</td>
			<td style="width:514px;">Dominic Mazzoni (Audacity)</td>
			<td style="width:178px;"></td>
			<td>Audio Recording Software</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Cold Gel Pack</td>
			<td style="width:514px;">C+V Pharma Depot GmbH, Versmold, Germany</td>
			<td style="width:178px;"></td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Panthenol 50mg/g</td>
			<td style="width:514px;">ratiopharm GmbH, Ulm, Germany</td>
			<td style="width:178px;"></td>
			<td>Ointment</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Alumnium Profiles</td>
			<td style="width:514px;">item Industrietechnik GmbH, Solingen, Germany</td>
			<td style="width:178px;"></td>
			<td>Used to install all cameras and microphone</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">Electrode Gel GEL1</td>
			<td style="width:514px;">BIOPAC Systems, Inc., Goleta, CA, USA</td>
			<td style="width:178px;"></td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:419px;">ELPREP Skin Preparation Gel</td>
			<td style="width:514px;">BIOPAC Systems, Inc., Goleta, CA, USA</td>
			<td style="width:178px;"></td>
			<td></td>
		</tr>
	</tbody>
</table>

multi-modal signals for analyzing pain responses to thermal and electrical stimuli

疼痛的评估主要依靠需要一个人交流的方法。然而, 对于有认知和语言障碍的人来说, 现有的方法是不够的, 因为它们缺乏可靠性和有效性。为了解决这个问题, 最近的研究侧重于客观的疼痛评估, 其基础是来自生理、视频和音频信号的反应参数。为了开发可靠的自动疼痛识别系统, 我们努力创建多模式数据库, 以分析疼痛并检测有效的疼痛模式。虽然结果很有希望, 但他们只关注鉴别疼痛或疼痛强度与不疼痛。为了推进这一进程, 研究还应考虑疼痛的质量和持续时间, 因为它们为更高级的疼痛管理提供了额外的有价值的信息。为了补充现有的数据库和质量和长度的疼痛分析, 本文提出了一个心理生理实验, 以获得, 测量, 并收集有效的疼痛反应。参与者在音频、视频 (如面部表情、身体手势、面部皮肤温度) 和生理方面受到不同强度 (低、中、高)、持续时间 (5秒/1分钟) 和方式 (热/电疼痛) 等不同的痛苦刺激。信号 (如心电图 [心电图]、皮肤电导率水平 [SCL]、面部肌电图 [EMG] 和 m .梯形肌电图) 被记录。这项研究包括一个校准阶段, 以确定一个被试的个人疼痛范围 (从低疼痛到不可容忍的疼痛) 和刺激阶段, 其中疼痛刺激, 根据校准的范围, 应用。所获得的数据可能允许在客观疼痛评估方面完善、改进和评估自动识别系统。为了进一步发展这种系统, 并更详细地调查疼痛反应, 应在今后的研究中纳入压力、化学或冷痛等额外的疼痛方式。这项研究的记录数据将作为 "X-ITE 疼痛数据库" 发布。

任何一个人对疼痛的感知都是不同的, 在面部表情、副语言和生理信号中可能会有不同的表现。本研究的设计适合于分析疼痛反应的多种方式, 与潜在的目的。获得的数据可能允许回答研究问题, 例如: 是否有具体的疼痛反应模式？它们在疼痛模型和持续时间方面是否存在差异？
共有134名受试者参加了我们的实验。性别比率是 50/50。我们将他们分为以下年龄组: 1) 18-29 (N = 49, 23名男子, 26名妇女), 2) 30-39 (N = 45, 23名男子, 22名妇女), 3) 40-50岁 (N = 40, 21名男子, 19名妇女)。所有科目的平均年龄为 31.4 (SD = 9.7), 所有男子 = 33.4 (SD = 9.3), 所有妇女的平均年龄为31.4 岁 (SD = 10.2)。这项研究是在德国乌尔姆大学医学心理学系进行的。
该协议的主要结果是一组音频、视频和心理生理信号, 反映了研究对象对疼痛刺激的反应。表 1概述了记录信号的技术特征和研究中诱发疼痛刺激的数量。
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="5">技术特点</td>
		</tr>
<tr>
<td>信号：</td>
			<td colspan="2">采样率:</td>
			<td colspan="2">属性：</td>
		</tr>
<tr>
<td>音频</td>
			<td colspan="2">44100赫兹</td>
			<td colspan="2">单声道, MP3 320 kbps</td>
		</tr>
<tr>
<td>相机 1 (面部、正面视图)</td>
			<td colspan="2">25赫兹</td>
			<td colspan="2">彩色视频: 第1384 x 1032 号决议, HEVC 编码与 libx265 (CRF 16, 预设介质)</td>
		</tr>
<tr>
<td>相机 2 (面部、侧面视图)</td>
			<td colspan="2">25赫兹</td>
			<td colspan="2">彩色视频: 分辨率 1620 x 840, HEVC 编码与 libx265 (CRF 16, 预设介质)</td>
		</tr>
<tr>
<td>车身摄像头</td>
			<td colspan="2">约30赫兹</td>
			<td colspan="2">彩色视频: 分辨率 1500 x 600, HEVC 用 libx265 (CRF 16, 预设介质) 编码; 深度视频: 分辨率 500 x 200, 无损编码</td>
		</tr>
<tr>
<td>热像仪</td>
			<td colspan="2">约120.8 赫兹</td>
			<td colspan="2">表面温度视频: 分辨率 120 x 160, 灰度 MPEG-4-avc 编码的 libx264 (CRF 0, 预设非常快), 编码温度范围 26.5-52.0°c (0.1 步)</td>
		</tr>
<tr>
<td>心电图</td>
			<td colspan="2">1000赫兹</td>
			<td colspan="2">硬件过滤通过 Bippac:35 Hz LP, 0.5 Hp, 50赫兹陷波滤波器</td>
		</tr>
<tr>
<td>Scl</td>
			<td colspan="2">1000赫兹</td>
			<td colspan="2">硬件通过 Bibipac:10 Hz LP 过滤, 无 HP, 无凹槽滤清器</td>
		</tr>
<tr>
<td>EMG M. 梯形</td>
			<td colspan="2">1000赫兹</td>
			<td colspan="2">硬件过滤通过 Bipac: 500 Hz LP, 10 Hz HP, 无凹槽滤清器</td>
		</tr>
<tr>
<td>EMG M. 瓦楞纸箱</td>
			<td colspan="2">1000赫兹</td>
			<td colspan="2">硬件过滤通过 Bipac: 500 Hz LP, 10 Hz HP, 无凹槽滤清器</td>
		</tr>
<tr>
<td>EMG M. zem动脉</td>
			<td colspan="2">1000赫兹</td>
			<td colspan="2">硬件过滤通过 Bipac: 500 Hz LP, 10 Hz HP, 无凹槽滤清器</td>
		</tr>
<tr>
<td>刺激</td>
			<td colspan="2">热</td>
			<td colspan="2">电气</td>
		</tr>
<tr>
<td>科目：</td>
			<td>相刺激 (5秒):</td>
			<td>调整 (60秒):</td>
			<td>相刺激 (5秒):</td>
			<td>调整 (60秒):</td>
		</tr>
<tr>
<td>每个科目</td>
			<td>90 (每强度 30)</td>
			<td>3 (每强度 1个)</td>
			<td>90 (每强度 30)</td>
			<td>3 (每强度 1个)</td>
		</tr>
<tr>
<td>全部 (N = 134)</td>
			<td>12060 (每强度 4020)</td>
			<td>402 (每强度 134)</td>
			<td>12060 (每强度 4020)</td>
			<td>402 (每强度 134)</td>
		</tr>
<tr>
<td>男性 (n = 67)</td>
			<td>6030 (2010年/强度)</td>
			<td>201 (每强度 67)</td>
			<td>6030 (2010年/强度)</td>
			<td>201 (每强度 67)</td>
		</tr>
<tr>
<td>妇女 (n = 67)</td>
			<td>6030 (2010年/强度)</td>
			<td>201 (每强度 67)</td>
			<td>6030 (2010年/强度)</td>
			<td>201 (每强度 67)</td>
		</tr>
</tbody></table>表 1: 诱发刺激的技术特点和数量.上半部分 (技术特征) 显示特定信号的采样率和属性。下半部分 (Stimuli) 显示了一个科目、所有科目和每个性别的诱导特异性疼痛刺激的数量。(MP3 = 移动图片专家组分层-3 音频, kbps = 千位/秒, HEVC = 高效视频编码, crf = 恒定速率因子, MPEGG-4-avc = 电影专家组高级视频编码, hz = 赫兹, °c = 摄氏度, s = 秒,心电图 = 心电图, SCL = 皮肤电导率水平, EMG = 肌电图, LP = 低通滤波器, HP = 高通滤波器, m. = Musculus)。
关于研究校准阶段的次要结果见表 2。它显示了所有受试者的平均刺激温度和疼痛强度的电流1和 3 (在协议步骤5.11 中计算), 另外也显示了男性和女性亚群的平均刺激温度和疼痛强度。
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>刺激</td>
			<td colspan="4">热 [以°c 为] 平均值 (SD)</td>
			<td colspan="4">电气 [ma] 平均值 (Sd)</td>
		</tr>
<tr>
<td>科目</td>
			<td>pH 值1</td>
			<td>pH值 3</td>
			<td>Th1</td>
			<td>tH</td>
			<td>Pe1</td>
			<td>Pe3</td>
			<td>Te1</td>
			<td>tE</td>
		</tr>
<tr>
<td>全部 (N = 134)</td>
			<td>4.03 (2.25)</td>
			<td>49.17 (1.20)</td>
			<td>42.50 (2.14)</td>
			<td>4776 (1.02)</td>
			<td>1.63 (0.94)</td>
			<td>5.64 (2.72)</td>
			<td>1.69 (1.69)</td>
			<td>5.70 (2.59)</td>
		</tr>
<tr>
<td>男性 (n = 67)</td>
			<td>4.56 (2.18)</td>
			<td>49.48 (0.89)</td>
			<td>43.11 (1.98)</td>
			<td>47.93 (1.04)</td>
			<td>1.94 (1.94)</td>
			<td>6.83 (3.02)</td>
			<td>1.96 (1.96)</td>
			<td>6.90 (2.72)</td>
		</tr>
<tr>
<td>妇女 (n = 67)</td>
			<td>43.51 (2.74)</td>
			<td>48.87 (1.39)</td>
			<td>41.89 (2.14)</td>
			<td>470.59 (0.98)</td>
			<td>1.32 (0.75)</td>
			<td>4.45 (1.70)</td>
			<td>1.43 (1.43)</td>
			<td>4.51 (1.80)</td>
		</tr>
</tbody></table>表 2: 平均刺激温度和疼痛强度的电流1和 3.(pH值 1, ph3 = 强度为 1, 3 的相热疼痛; th 1, th 3 = 强度为1、3; pe 1, pe3 = 强度为 1, 3 的相电疼痛; te1, te3 = 补声电疼痛强度为 1, 3;°C = 摄氏度;mA = 毫安, SD = 标准偏差)。
如果协议的所有步骤都是仔细执行的, 并且没有出现技术问题 (在计算机或记录设备崩溃等方面), 则成功的结果可能类似于图4所示。所有信号都是高质量的, 不受外部干扰源的影响。参与者在每个相机中都能清晰地看到。
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59057/59057fig4.jpg"> 图 4: 成功实验的示例数据.这个数字描绘了在剧烈的疼痛刺激之前、期间和之后几秒钟记录的信号。所有信号都是未经过滤和同步的时间。为清楚起见, 此处仅显示视频信号的代表性屏幕截图。(EMG = 肌电图, SCL = 皮肤电导率水平, 心电图 = 心电图, m. = 肌肉, s=秒)。<a href="https://www.jove.com/files/ftp_upload/59057/59057fig4large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>
但是, 意外事件可能会导致数据变得嘈杂或损坏。除了计算机或记录设备崩溃外, 电极 (特别是通过双面粘合衣领连接的直径小的可再利用电极) 大多导致无法使用的信号。作为次优数据集的示例,图 5显示了 emg 电极脱落并使相应信号变得无用的时刻。
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59057/59057fig5.jpg"> 图 5: 来自次优实验的示例数据.红色圆圈表示 EMG 电极之一 (m. zemamaticus main) 从主体脸颊上掉落的时间。这可能是由于出汗或头部运动造成的。从这一刻起, 信号就丢失了。(EMG = 肌电图, SCL = 皮肤电导率水平, 心电图 = 心电图, m. = 肌肉, s=秒)。<a href="https://www.jove.com/files/ftp_upload/59057/59057fig5large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>
根据道德准则, 必须限制热刺激和电刺激的最大强度。关于热校准控制部分 (见补充文件), 37名受试者 (31名男子, 6名妇女) 达到了50.5°c 的规定截止时间 (比率 = 37.134 = 27.61)。至于热校准第1部分, 60名参与者 (39名男性, 21名妇女) 达到了50.0°c 的截止时间 (比率 = 60/134 = 44.78)关于第2部分, 57 人 (37名男子, 20名妇女) 达到了49.5°c 的截止时间 (比率 = 57-134 = 42.54%)。两个电气校准部件的截止时间为 25 mA。134个科目都没有达到。
当我们计划公布数据时 (见下一段), 达到截止日期的参与者的数据集还将被标记, 并包括相应截止时间的主观疼痛评级。
我们想指出的是, 该协议的主要重点是获取多模态信号, 用于分析热和电疼痛。因此, 这里不讨论其他结果。在因数据缺失或数据共享书面同意被拒绝而对数据集进行检查和排除后, 本研究的数据集将以 "X-ITE 疼痛数据库" 的名义提供。有关何时以及如何获得 X-ITE 疼痛数据库的更多信息, 请访问 https://github.com/philippwerner/pain-database-list。
补充文件 1.<a href="https://www.jove.com/files/ftp_upload/59057/Supplementary_File_1.docx" target="_blank">请点击此处下载此文件.</a>

Watch this Scientific Journal Video about Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli at JoVE.com

Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli

本文的重点是实验引起疼痛通过热 (热) 和电刺激, 同时记录生理, 视觉和副语言的反应。它旨在收集有效的多模态数据, 以便根据疼痛的强度、质量和持续时间来分析疼痛。

分析疼痛对热和电刺激反应的多模态信号

The assessment of pain relies mostly on methods that require a person to communicate. However, for people with cognitive and verbal impairments, existing ...

通过介绍的方法获得的数据可以揭示如何识别疼痛强度，独立于潜在的疼痛模型。它也可能有助于评估疼痛持续时间。该技术的主要优点是它在信号记录和疼痛刺激方面的多式联运性。它显著拓宽了疼痛研究的范围。该技术可用于监测病理学治疗中的疼痛存在，以更有效地管理疼痛。执行 he 协议需要许多复杂的手动操作，例如电极应用，这些操作通过可视化演示更快、更容易学习。演示这个程序的将是桑德拉·格布哈特，一个来自我实验室的学生，他接受过这项研究的实验者培训。要准备程序，欢迎到达主体，并带她到校准室。详细告知她校准程序和以下疼痛刺激。接下来，在校准监测室旁边的摄像机监控、温度控制和低噪音实验室进行疼痛刺激。在实验期间，使用适当的记录计算机、软件和记录设备捕获生理数据、音频、视频以及热刺激器和电气刺激器输出。输入磷度电和热痛强度的值以及基于热刺激器和电刺激器中执行的校准计算的补性电气和热强度的值。将基准温度设置为 32 摄氏度，将温度速率设置为 8 摄氏度/秒，然后保存所有设置。随后，准备疼痛引出脚本，如下所示。将每个相位刺激强度数设置为 30，将每个补性刺激强度数设置为 1。然后，将每个相位刺激的持续时间设置为 5 秒，将每个补品刺激的持续时间设置为 60 秒。随机化所有刺激的顺序和在磷酸刺激之间的暂停到8到12秒。之后，将补品刺激后暂停时间设置为 300 秒。要开始疼痛刺激，请考生舒适地躺在考试沙发上。清洁所有用酒精溶液连接电极的皮肤区域。用磨蚀凝胶去除左脸颊表面、左耳后、左眉毛上方和额头上的任何死皮细胞。然后，用酒精溶液重新清洁这些区域。为了测量皮肤电导水平，用 Velcro 表带将两个预凝胶不可污染的银、氯化银电极连接到右食指和中指的底面。要记录心电图，请使用三个预凝胶胶粘剂银、氯化银捕捉电极和圆形接触区域。将阴极电极放在胸部，右锁骨下方约6厘米，左9和10肋上的阳极电极。将参考电极连接到骨盆骨旁边的右侧腰部。要记录EMG的粘液梯形，还使用三个预凝胶胶粘剂银，氯化银捕捉电极与圆形接触区。将阴极和阳极电极并排放在颈部左侧的梯形肌肉上。然后，将参考电极放在左锁骨下方。使用六个可重复使用的屏蔽银、氯化银电极测量粘稠波纹管超级木管和粘液的 EMG。将双面粘合环的一侧连接到电极上。随后，用电解质凝胶填充电极的腔。拆下双面粘合圈另一侧的纸背。对于粘稠波纹管超级管，将阳极电极直接放在左眉毛上方，在格布拉贝拉线旁边。然后，将阴极电极一厘米的横向放置到阳极电极上。将参考电极连接到前骨中间，就在发际线下方。对于肌肉酶体专业，从左口腔科，从左耳叶绘制一条假想线。将阳极电极略低于线路中间位置，阴极电极在线路中间位置旁边放置一厘米。将参考电极连接到左侧桅杆。然后，将所有电极连接到生物信号记录装置的相应输入。使用生物信号记录软件进行目视检查，确保所有生理信号良好，质量优良。接下来，将银、氯化银阳极放在左食指中间法兰克斯的上侧，将阴极电极放在左中指近侧上侧。将电极连接到电气刺激器。将热化物涂抹在主体左前臂的上侧，手腕近约 30 毫米，带尼龙搭扣带。启动所有摄像机。确保学员在摄像机中完全可见。然后，启动所有录制设备，满足数据同步的要求。运行疼痛引出脚本。仔细监测疼痛刺激部分的受性及进展。疼痛引出脚本结束后，停止所有录制设备。检查学员是否是否安全，并拆下所有电极和热化物。接下来，将卫生无纺布毛巾包裹在冷凝胶包上。请学员将其涂抹在放置热化物的皮肤区域至少五分钟。然后将软膏涂抹到放置热化物的皮肤区域。之后，感谢参与者并说再见。处置所有一次性电极。清洁所有可重复使用的电极和检查沙发。此处显示的是在剧烈疼痛刺激之前、期间和之后的主题图像。所有记录的信号都是非过滤的，并及时同步。为清楚起见，仅显示视频信号的代表性屏幕截图。在尝试此程序时，在开始疼痛刺激之前，确保所有信号都得到优化非常重要。还要在运行疼痛引出脚本之前确保所有录制设备都打开。按照此过程，可以执行其他方法，如实现近红外夜视摄像机或生物信号记录，以便在夜间环境中更有效地识别疼痛。这种技术允许客观地识别疼痛，而无需与患者沟通。区分不同的疼痛特性，并深入了解疼痛的根本来源可能会有所帮助。如果不由训练有素的人员操作，疼痛刺激器可能会导致严重伤害。始终遵循有关刺激强度截止的道德和安全限制，以确保参与者的安全。

Research

JoVE Journal

Behavior

Simultaneous Scalp Electroencephalography (EEG), Electromyography (EMG), and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding

Simultaneous Scalp Electroencephalography EEG, Electromyography EMG, and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding

同时头皮脑电图（EEG），肌电图（EMG）和全身分部惯性录制多模态神经解码

Recent  studies support the involvement of supraspinal networks in control of bipedal  human walking. Part of this evidence  encompasses studies, ...

科研

行为学

Contextual and Cued Fear Conditioning Test Using a Video Analyzing System in Mice

背景和线索恐惧制约试验小鼠中使用视频分析系统

The contextual and cued fear conditioning test is one of the behavioral tests that assesses the ability of mice to learn and remember an association ...

Early Metamorphic Insertion Technology for Insect Flight Behavior Monitoring

早期变质插入技术昆虫飞行行为监控

Early Metamorphosis Insertion Technology (EMIT) is a novel methodology for integrating microfabricated neuromuscular recording and actuation platforms on ...

A Fully Automated Rodent Conditioning Protocol for Sensorimotor Integration and Cognitive Control Experiments

为感觉运动整合与认知控制实验完全自动化的啮齿动物调理协议

Rodents have been traditionally used as a standard animal model in laboratory experiments involving a myriad of sensory, cognitive, and motor tasks. ...

Irrelevant Stimuli and Action Control: Analyzing the Influence of Ignored Stimuli via the Distractor-Response Binding Paradigm

不相干的刺激和动作控制：通过分心 - 响应绑定范式忽略刺激的影响分析

Selection tasks in which simple stimuli (e.g. letters) are presented and a target stimulus has to be selected against one or more distractor stimuli are ...

Determining Pain Detection and Tolerance Thresholds Using an Integrated, Multi-Modal Pain Task Battery

确定疼痛的检测和容忍阈值使用集成的，多模式疼痛任务电池

Human pain models are useful in the assessing the analgesic effect of drugs, providing information about a drug&#39;s pharmacology and identify ...

A Protocol of Manual Tests to Measure Sensation and Pain in Humans

手动测试的协议来衡量感觉和疼痛人类

Numerous qualitative and quantitative techniques can be used to test sensory nerves and pain in both research and clinical settings. The current study ...

A Method for Manipulating Blood Glucose and Measuring Resulting Changes in Cognitive Accessibility of Target Stimuli

一种操纵血糖和目标刺激的认知辅助测量带来的变化法

Much research in social psychology has investigated the impact of bodily energy need on cognition and decision-making.  As such, blood glucose, the body's ...

Simultaneous Recordings of Cortical Local Field Potentials and Electrocorticograms in Response to Nociceptive Laser Stimuli from Freely Moving Rats

在自由运动大鼠的反应中, 皮质局部电位和电皮质图谱的同时记录

Electrocortical responses, elicited by laser heat pulses that selectively activate nociceptive free nerve endings, are widely used in many animal and ...

Generating Strictly Controlled Stimuli for Figure Recognition Experiments

为图形识别实验生成严格控制的刺激

This protocol introduces a method for generating strictly controlled and objectively defined stimuli for figure recognition experiments. A (6, n) figure ...