CN113143208B - 基于多维度测量的疼痛敏感性评估系统和方法 - Google Patents

Abstract

本发明涉及基于多维度测量的疼痛敏感性评估系统，包括获取模块、控制模块、采集模块、电刺激模块、处理模块、疼痛评估模块和疼痛评估整合模块。获取模块获取用户信息，创建用户数据库，可供用户输入基本信息；控制模块整合控制电刺激模块和音频采集模块，电刺激模块按照电流强度、脉宽等参数给予用户疼痛刺激，采集模块对脑电信号和音频信号进行采集；处理模块将采集到的脑电信号和音频信号进行处理，得到处理结果；刺激‑响应模型模块将得出的结果纳入分析，建立个性化的刺激‑响应模型；疼痛评估整合模块整合问卷评估和刺激‑响应模型数据，计算个体疼痛敏感性分数。

Description

基于多维度测量的疼痛敏感性评估系统和方法

技术领域

本发明涉及疼痛及认知神经科学领域，更具体地，涉及基于多维度测量的疼痛敏感性评估系统和方法。

背景技术

疼痛是一种复杂的主观体验，它不仅反映感觉系统传递的伤害性神经冲动，还受各种心理，社会因素的影响。这便导致不同个体表现出不同的疼痛感觉阈限和耐受阈限，或对同样的物理刺激或者临床疾病产生不同的疼痛感受，即疼痛敏感性的个体差异。已有研究表明疼痛敏感性的个体差异不仅能显著影响其疼痛感知，而且会影响疾病的及时诊断和治疗，以及慢性疼痛症状的发展。因此，精准评估个体的疼痛显得尤为重要，不仅可用于评估个体疼痛认知加工系统的功能，还可用于预测慢性疼痛的发生发展。

当前疼痛敏感性的评估主要依赖个体的主观报告，包括疼痛相关的心理量表和在实验室环境下对伤害性疼痛刺激的疼痛评分。这些评估方法存在局限性和不稳定性，如仅适用于能很好识别和表达自身情绪情感体验的个体，且主观性过强，易受个体报告倾向性影响。

发明内容

本发明为解决当前疼痛敏感性的评估主要依赖个体的主观报告，存在局限性和不稳定性的技术缺陷，提供了基于多维度测量的疼痛敏感性评估系统和方法。

为实现以上发明目的，采用的技术方案是：

基于多维度测量的疼痛敏感性评估系统，包括获取模块、控制模块、采集模块、电刺激模块、处理模块、疼痛评估模块、疼痛评估整合模块；所述获取模块的输出端与所述控制模块的输入端电性连接，所述控制模块的输出端与所述采集模块的输入端和电刺激模块的输入端均电性连接，采集模块的输出端与所述处理模块的输入端电性连接，所述处理模块的输出端与所述疼痛评估模块输入端电性连接，所述疼痛评估模块输出端与所述疼痛评估整合模块的输入端电性连接。

上述方案中，获取模块获取用户信息，创建用户数据库，可供用户输入基本信息；控制模块整合控制电刺激模块和采集模块，电刺激模块按照电流强度、脉宽等参数给予用户疼痛刺激，采集模块对脑电信号和音频信号进行采集；处理模块将采集到的脑电信号和音频信号进行处理，得到处理结果；刺激-响应模型模块将得出的结果纳入分析，建立个性化的刺激-响应模型；疼痛评估整合模块整合问卷评估和刺激-响应模型数据，计算个体疼痛敏感性分数。

优选的，所述采集模块包括脑电采集模块和音频采集模块，所述控制模块的输出端与所述脑电采集模块的输入端和音频采集模块的输入端均电性连接，所述脑电采集模块的输出端和音频采集模块的输出端均与所述处理模块的输入端电性连接。

上述方案中，本发明选用电刺激作为疼痛刺激，并构成电刺激模块，但适用于本发明的疼痛刺激方式并不仅限于此，还可替换为热刺激(如激光刺激、接触式热刺激等)。

优选的，所述处理模块包括脑电处理子模块和语音识别子模块，所述脑电采集模块的输出端与所述脑电处理子模块的输入端电性连接，所述音频采集模块的输出端与所述语音识别子模块的输入端电性连接，所述脑电处理子模块的输入端和语音识别子模块的输出端均与所述刺激-响应模型模块输入端电性连接。

优选的，所述疼痛评估模块包括问卷评估模块和刺激-响应模型模块，刺激-响应模型模块包括主观评估模型子模块、心理物理模型子模块和神经响应模型子模块，用于多维度建立模型、评估物理刺激并用于疼痛信息的整合。

问卷评估模块用于评估疼痛敏感性、疼痛警觉和意识以及疼痛恐惧；主观评估模型子模块，可用于疼痛阈值和疼痛耐受的测试；心理物理模型子模块可用于构建疼痛强度与主观评分的关系。

优选的，还包括显示模块和存储模块，所述疼痛评估整合模块的输出端与所述存储模块的输入端和显示模块的输入端均电性连接。

上述方案中，脑电采集模块用于采集用户的脑电生理信号。该系统为32导便携式脑电系统，采用干电极，无需涂抹导电膏，通过连接在用户头皮表面的电极，实时检测用户头皮电位的变化，将其传输至脑电处理模块。由于生物脑电信号较为微弱，脑电采集模块配有差分放大电路，对采集到的脑电信号进行放大，以便被处理模块识别，再进行数据传输。

基于多维度测量的疼痛敏感性评估方法，应用于基于多维度测量的疼痛敏感性评估系统，包括以下步骤：

S1：获取模块获取用户信息，创建用户数据库，可供用户输入姓名、性别、年龄等基本信息；

S2：控制模块整合控制脑电采集模块、电刺激模块和音频采集模块，设置脑电采集模块的各项采集参数和控制脑电采集模块收集脑电信号，控制电刺激模块的电流强度、脉宽、波形、刺激持续时间和间隔时间以给予用户疼痛刺激，并实时控制音频采集模块收集音频信号；

S3：处理模块中的脑电处理子模块将采集到的脑电信号进行预处理；语音识别模块使用马尔科夫模型，将音频采集模块获取的音频信息转换为文字信息，并与设定完毕的音频信息进行匹配，得到处理结果；

S4：刺激-响应模型模块分别将语音识别模块得出的主观评分、脑电处理模块得出的结果纳入分析，建立个性化的主观评估模型、心理物理模型和神经响应模型；

其中，可用于构建模型的时域和时频域脑电信号包括：在时域计算得到的中央电极的N1、N2、P2的潜伏期和波幅，在时频域计算得到的感觉运动皮层的alpha-ERD和gamma-ERS响应。

S5：疼痛评估整合模块提取的疼痛敏感性相关参数进行Z转换，然后通过求和的方式整合刺激-响应模块的相应模型和问卷评估数据，计算个体疼痛敏感性分数；

S6：显示模块用于呈现界面信息，显示各项文字信息，存储模块存储疼痛敏感性分数。

优选的，在步骤S3中，脑电信号的预处理包括以下步骤：

S31：定位并剔除无用电极；

S32：将所有头皮电极记录到电压的平均值作为参考；

S33：采用凹陷滤波的方法，去除50Hz的工频干扰；

S34：以疼痛刺激施加的时间点为“0”点，以[-1s 2s]的时间窗口进行分段；

S35：剔除不正常的电极及脑电信号段；

S36：采用独立成分分析的方法，分离并去除眼电、肌电、心电的引发的噪声，去除脑电伪迹和干扰，获取信噪比高的脑电信号。

优选的，在步骤S4中，刺激-响应模型模块使用局部加权回归散点平滑法，分别将物理刺激与脑电特征、主观评分拟合，得到的曲线近似“S”形，将电刺激强度作为自变量，主观评分和神经响应分别作为因变量，通过sigmoid函数算法拟合物理刺激与脑电响应或主观评分的关系得到刺激-响应模型。

优选的，sigmoid函数算法包括以下公式：

Asym为当x→∞时的上渐近线，Xmid为sigmoid函数中值的x坐标，Scal为曲线的斜率。

所述刺激-响应模型模块包括主观评估模型子模块、心理物理模型子模块和神经响应模型子模块；

主观评估模型子模块和心理物理模型子模块包括以下模型算法：

拟合后得到该模型的参数Asym₁、Xmid₁和Scal₁，其中x₁为物理刺激，y₁为主观评分；

神经响应模型子模块包括以下模型算法：

拟合后得到该模型的参数Asym₂、Xmid₂和Scal₂，其中x₂为物理刺激，y₂为神经响应。

优选的，在步骤S5中，计算个体疼痛敏感性分数的算法为：

其中，n表示各个维度指标的个数，y_i为各个维度的指标，r_i为各项的权重，y表示整合后各维度指标后个体疼痛敏感性分数。

与现有技术相比，本发明的有益效果是：

本发明提供的基于多维度测量的疼痛敏感性评估系统和方法，获取模块获取用户信息，创建用户数据库，可供用户输入基本信息；控制模块整合控制电刺激模块和采集模块，电刺激模块按照电流强度、脉宽等参数给予用户疼痛刺激，采集模块对脑电信号和音频信号进行采集；处理模块将采集到的脑电信号和音频信号进行处理，得到处理结果；刺激-响应模型模块将得出的结果纳入分析，建立个性化的刺激-响应模型；疼痛评估整合模块整合问卷评估和刺激-响应模型数据，计算个体疼痛敏感性分数。

附图说明

图1为本发明的模块示意图；

图2为本发明的方法流程图；

图3为本发明的以电刺激为例的流程示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

以下结合附图和实施例对本发明做进一步的阐述。

实施例1

如图1所示，基于多维度测量的疼痛敏感性评估系统，包括获取模块、控制模块、采集模块、电刺激模块、处理模块、疼痛评估模块、疼痛评估整合模块；所述获取模块的输出端与所述控制模块的输入端电性连接，所述控制模块的输出端与所述采集模块的输入端和电刺激模块的输入端均电性连接，采集模块的输出端与所述处理模块的输入端电性连接，所述处理模块的输出端与所述疼痛评估模块输入端电性连接，所述疼痛评估模块输出端与所述疼痛评估整合模块的输入端电性连接。

上述方案中，获取模块获取用户信息，创建用户数据库，可供用户输入基本信息；控制模块整合控制电刺激模块和采集模块，电刺激模块按照电流强度、脉宽等参数给予用户疼痛刺激，采集模块对脑电信号和音频信号进行采集；处理模块将采集到的脑电信号和音频信号进行处理，得到处理结果；刺激-响应模型模块将得出的结果纳入分析，建立个性化的刺激-响应模型；疼痛评估模块整合问卷评估和刺激-响应模型数据，计算个体疼痛敏感性分数。

优选的，所述采集模块包括脑电采集模块和音频采集模块，所述控制模块的输出端与所述脑电采集模块的输入端和音频采集模块的输入端均电性连接，所述脑电采集模块的输出端和音频采集模块的输出端均与所述处理模块的输入端电性连接。

优选的，所述处理模块包括脑电处理子模块和语音识别子模块，所述脑电采集模块的输出端与所述脑电处理子模块的输入端电性连接，所述音频采集模块的输出端与所述语音识别子模块的输入端电性连接，所述脑电处理子模块的输入端和语音识别子模块的输出端均与所述疼痛评估模块输入端电性连接。

优选的，所述疼痛评估模块包括问卷评估模块和刺激-响应模型模块，刺激-响应模型模块包括主观评估模型子模块、心理物理模型子模块和神经响应模型子模块，用于多维度建立模型、评估物理刺激并用于疼痛信息的整合。

问卷评估模块用于评估疼痛敏感性、疼痛警觉和意识以及疼痛恐惧；主观评估模型子模块，可用于疼痛阈值和疼痛耐受的测试；心理物理模型子模块可用于构建疼痛强度与主观评分的关系。优选的，还包括显示模块和存储模块，所述疼痛评估整合模块的输出端与所述存储模块的输入端和显示模块的输入端均电性连接。

实施例2

如图2所示，基于多维度测量的疼痛敏感性评估方法，应用于基于多维度测量的疼痛敏感性评估系统，包括以下步骤：

S1：获取模块获取用户信息，创建用户数据库，可供用户输入姓名、性别、年龄等基本信息；

S2：控制模块整合控制脑电采集模块、电刺激模块和音频采集模块，设置脑电采集模块的各项采集参数和控制脑电采集模块收集脑电信号，控制电刺激模块的电流强度、脉宽、波形、刺激持续时间和间隔时间以给予用户疼痛刺激，并实时控制音频采集模块收集音频信号；

S3：处理模块中的脑电处理子模块将采集到的脑电信号进行预处理；语音识别模块使用马尔科夫模型，将音频采集模块获取的音频信息转换为文字信息，并与设定完毕的音频信息进行匹配，得到处理结果；

S4：刺激-响应模型模块分别将语音识别模块得出的主观评分、脑电处理模块得出的结果纳入分析，建立个性化的主观评估模型、心理物理评估模型和神经响应模型；

其中，可用于构建模型的时域和时频域脑电信号包括：在时域计算得到的中央电极的N1、N2、P2的潜伏期和波幅，在时频域计算得到的感觉运动皮层的alpha-ERD和gamma-ERS响应；

S5：疼痛评估整合模块提取的疼痛敏感性相关参数进行Z转换，然后通过求和的方式整合刺激-响应模块的相应模型和问卷评估数据，计算个体疼痛敏感性分数；

S6：显示模块用于呈现界面信息，显示各项文字信息，存储模块存储疼痛敏感性分数。

优选的，在步骤S3中，脑电信号的预处理包括以下步骤：

S31：定位并剔除无用电极；

S32：将所有头皮电极记录到电压的平均值作为参考；

S33：采用凹陷滤波的方法，去除50Hz的工频干扰；

S34：以疼痛刺激施加的时间点为“0”点，以[-1s 2s]的时间窗口进行分段；

S35：剔除不正常的电极及脑电信号段；

S36：采用独立成分分析的方法，分离并去除眼电、肌电、心电的引发的噪声，去除脑电伪迹和干扰，获取信噪高的脑电信号。

优选的，在步骤S4中，刺激-响应模型模块使用局部加权回归散点平滑法，分别将物理刺激与脑电特征和主观评分拟合，得到的曲线近似“S”形，将电刺激强度作为自变量，主观评分和神经响应分别作为因变量，通过sigmoid函数算法拟合物理刺激与脑电响应或主观评分的关系得到刺激-响应模型。

优选的，sigmoid函数算法包括以下公式：

Asym为当x→∞时的上渐近线，Xmid为sigmoid函数中值的x坐标，Scal为曲线的斜率。

所述刺激-响应模型模块包括主观评估模型子模块、心理物理模型子模块和神经响应模型子模块；

主观评估模型子模块和心理物理模型子模块包括以下模型算法：

拟合后得到该模型的参数Asym₁、Xmid₁和Scal₁，其中x₁为物理刺激，y₁为主观评分；

神经响应模型子模块包括以下模型算法：

拟合后得到该模型的参数Asym₂、Xmid₂和Scal₂，其中x₂为物理刺激，y₂为神经响应。

优选的，在步骤S5中，计算个体疼痛敏感性分数的算法为：

其中，n表示各个维度指标的个数，y_i为各个维度的指标，r_i为各项的权重，y表示整合后各维度指标后个体疼痛敏感性分数。

实施例3

如图3所示，本发明所述疼痛刺激的产生方式包括但不限于电刺激、激光热刺激、接触式热刺激等，此处以电刺激为例进行叙述：

步骤1，获取模块获取用户信息，供用户输入姓名、性别、年龄等基本信息，并创建用户信息数据库；

步骤2，用户进入疼痛敏感性的多维度评估系统，根据需要选择“问卷评估”、“心理物理评估”、“神经响应评估”、“主观评估”进行数据的采集和评估；

步骤3，用户根据步骤2所述，选择不同的评估系统，分别进入步骤3-1、步骤3-2、步骤3-3、步骤3-4：

步骤3-1，用户选择“问卷评估”并进入系统，进入步骤4-1；

步骤3-2，用户选择“心理物理评估”并进入系统，显示模块提示用户将手放置在电刺激系统的适当位置，并根据电刺激的疼痛强度进行口头评分(设定0分代表没有疼痛，10分代表无法忍受的疼痛)；

步骤3-3，用户选择“神经响应评估”并进入系统，进入步骤4-2；

步骤3-4，用户选择“主观评估”并进入系统，进入步骤4-3；

步骤4，进入系统并进行不同项目：

步骤4-1，用户根据需要选择“疼痛敏感性评估量表”，“疼痛警觉和意识量表”，“疼痛恐惧量表”，“疼痛灾难化量表”四个分量表；分别进入步骤5-1-1，步骤5-1-2，步骤5-1-3，步骤5-1-4；

步骤4-2，用户根据需要选择“时域ERP”，“时频域ERD和ERS”；进入步骤5-2；

步骤4-3，用户根据需要选择“疼痛阈值测试”，“疼痛耐受测试”；分别进入步骤5-3-1，步骤5-3-2；

步骤5，进行数据采集：

步骤5-1-1，用户选择并进入“疼痛敏感性评估量表”，显示模块呈现题目(如：“想象你的手指被抽屉夹到”)，用户想象自己处于题目所述场景中，决定这些情况是否会让自己感到疼痛，如果是，则疼痛程度为多少，用户需按键评分(设定0分代表没有疼痛，10分代表无法忍受的疼痛)。

步骤5-1-2，用户选择并进入“疼痛警觉和意识量表”，显示模块呈现题目(如：“我能很快注意到疼痛强度的变化”)，用户根据自身在日常生活中是否经常抱有题目所述关于“疼痛”的想法进行按键评分(设定0分表示从未，10分表示总是)。

步骤5-1-3，用户选择并进入“疼痛恐惧量表”，显示模块呈现题目(如：“胳膊骨折”)，用户想象自己处于题目所述场景中，决定这些情况是否会让自己感到恐怖，如果是，则恐怖程度为多少，用户需按键评分(设定0分代表没有疼痛，10分代表无法忍受的疼痛)。

步骤5-1-4，用户选择并进入“疼痛灾难化量表”，显示模块呈现题目(如：“当我疼痛时，我害怕疼痛会越来越严重”)，用户想象自己处于题目所述场景中相应感受出现的频率，用户需按键评分(设定0分代表完全没有，5分代表常常出现)。

步骤5-2，用户选择并进入“时域ERP”或“时频域ERD和ERS”，显示模块提示用户正确佩戴便携式脑电系统，用户睁眼注视显示模块中央的提示，处于安静状态，在给予电刺激的同时，采集脑电信号，用户需尽量避免进行头动、眨眼等动作。

步骤5-3-1，用户选择并进入“疼痛阈值测试”，显示模块提示用户将手放置在电刺激系统的适当位置，并在感受到疼痛时，口头报告“停止”。

步骤5-3-2，用户选择并进入“疼痛耐受测试”，显示模块提示用户将手放置在电刺激系统的适当位置，用户尽可能的忍受疼痛，实在不能忍受时，口头报告“停止”。

步骤6，将采集结果纳入处理模块进行分析，同时，将处理后的数据纳入模型，计算预测模型参数。

步骤7，根据三个维度的疼痛敏感性数据，选用合适的模型进行拟合，返回用户疼痛敏感性评估分数。

实施例4

问卷评估的量表分为“疼痛敏感性评估量表”，“疼痛警觉和意识量表”，“疼痛恐惧量表”，“疼痛灾难化量表”四个量表，进行问卷测试，从疼痛认知的角度评估用户对疼痛的敏感性、警觉性、恐惧性和灾难化程度。所选用的量表均为具有理论依据的标准化量表。用户根据题目做出相应回答后，处理模块对数据进行初步的整理，并存入用户数据库，动态刻画用户随时间进程相应量表的变化。一般情况下，该评估系统显示模块呈现题目，用户按键反馈；对于障碍人群，该系统可选择音频播放题目，用户口头反馈。

“疼痛敏感性评估量表”，显示模块呈现题目(如：“想象你的手指被抽屉夹到”)，用户想象自己处于题目所述场景中，决定这些情况是否会让自己感到疼痛，如果是，则疼痛程度为多少，用户需按键评分(设定0分代表没有疼痛，10分代表无法忍受的疼痛)；“疼痛警觉和意识量表”，显示模块呈现题目(如：“我能很快注意到疼痛强度的变化”)，用户根据自身在日常生活中是否经常抱有题目所述关于“疼痛”的想法进行按键评分(设定0分表示从未，10分表示总是)；“疼痛恐惧量表”，显示模块呈现题目(如：“胳膊骨折”)，用户想象自己处于题目所述场景中，决定这些情况是否会让自己感到恐怖，如果是，则恐怖程度为多少，用户需按键评分(设定0分代表没有疼痛，10分代表无法忍受的疼痛)；“疼痛灾难化量表”，显示模块呈现题目(如：“当我疼痛时，我害怕疼痛会越来越严重”)，用户想象自己处于题目所述场景中相应感受出现的频率，用户需按键评分(设定0分代表完全没有，5分代表常常出现)。

主观评估包括“疼痛阈值测试”和“疼痛耐受测试”两个分系统，给予用户物理刺激，评估用户在感受到疼痛时的阈值以及实际接受刺激时的疼痛阈值或耐受情况。在进行电刺激时，使用50ms的方形脉冲，每次电刺激为一个试次，试次开始时显示模块中央呈现注视点1s，电刺激2s后用户根据提示口头报告，两个试次间隔在4-6s随机变化。“疼痛阈值测试”用户根据提示将电极片贴于右侧手背，电刺激强度从100uA开始并以步长100uA不断增加，直至用户感受到疼痛，并报告“停止”，同样的测试进行3次，取平均值作为疼痛阈值。“疼痛耐受测试”持续给予用户一定强度电刺激(安全范围内，可自主设定)，直至用户无法忍受疼痛并报告“停止”，记录刺激开始至停止的时间，作为用户的疼痛耐受指标。心理物理评估系统根据用户疼痛阈值设置强度范围(在500uA-1500uA之间)，电刺激设置为5个水平，分别为疼痛阈值的1.25倍，1.5倍，1.75倍，2倍，及2.25倍，刺激以随机方式给予，用户在接受电刺激后按照提示对疼痛强度进行口头评分，同样的测试进行3次，每种强度的评分在3次间取平均值。

具体过程：用户录入信息，进入系统并选择相应的分测试，用户根据提示佩戴刺激产生贴片，控制模块设定相应的参数；测试开始，电刺激设备产生刺激；用户依据选择的分测试口头报告，语音处理模块识别并存储相应的数据。

神经响应评估系统分为“时域ERP”或“时频域ERD和ERS”两类。在测试开始前，个体按照系统提示正确佩戴脑电帽，测试电极接触良好，在给予用户疼痛刺激的同时开始采集。

将采集得到的脑电信号，使用脑电处理子模块进行预处理后，提取与疼痛相关脑电信号的特征值，以作为疼痛敏感性评估模型的输入。其中，以往研究发现，N1除了编码疼痛的位置信息外,也与疼痛强度编码有关，N2,P2的幅值和潜伏期与疼痛感知有较强的相关性；在alpha频带范围内(8～12Hz)出现的ERD反映了大脑皮层的激活或去抑制化，在gamma频带范围内(30Hz以上)出现的ERS可能反映了多个大脑皮层区域活动的整合。由此，对于时域ERP，关注疼痛刺激诱发的N1，N2，P2幅度和潜伏期；时频域，关注alpha-ERD和gamma-ERS。在构建“刺激—响应”模型时，再计算物理刺激与神经响应的相关。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (6)

1.基于多维度测量的疼痛敏感性评估系统，其特征在于，包括获取模块、控制模块、采集模块、电刺激模块、处理模块、疼痛评估模块、疼痛评估整合模块；所述获取模块的输出端与所述控制模块的输入端电性连接，所述控制模块的输出端与所述采集模块的输入端和电刺激模块的输入端均电性连接，采集模块的输出端与所述处理模块的输入端电性连接，所述处理模块的输出端与所述疼痛评估模块输入端电性连接，所述疼痛评估模块输出端与所述疼痛评估整合模块的输入端电性连接；

所述疼痛评估模块包括问卷评估模块和刺激-响应模型模块，刺激-响应模型模块包括主观评估模型子模块、心理物理模型子模块和神经响应模型子模块，用于多维度建立模型、评估物理刺激并用于疼痛信息的整合；

其中，刺激-响应模型模块使用局部加权回归散点平滑法，分别将物理刺激与脑电特征、主观评分拟合，得到的曲线近似“S”形，将电刺激强度作为自变量，主观评分和神经响应分别作为因变量，通过sigmoid函数算法拟合物理刺激与脑电响应或主观评分的关系得到刺激-响应模型；

sigmoid函数算法包括以下公式：

Asym为当时的上渐近线，Xmid为sigmoid函数中值的x坐标，Scal为曲线的斜率；

所述刺激-响应模型模块包括主观评估模型子模块、心理物理模型子模块和神经响应模型子模块；

主观评估模型子模块和心理物理模型子模块包括以下模型算法：

拟合后得到该模型的参数Asym₁、Xmid₁和Scal₁，其中x₁为物理刺激，y₁为主观评分；

神经响应模型子模块包括以下模型算法：

拟合后得到该模型的参数Asym₂、Xmid₂和Scal₂，其中x₂为物理刺激，y₂为神经响应；

疼痛评估整合模块提取的疼痛敏感性相关参数进行Z转换，然后通过求和的方式整合主观评估模型、心理物理模型、神经响应模型和问卷评估数据，计算个体疼痛敏感性分数，计算个体疼痛敏感性分数的算法为：

其中，n表示各个维度指标的个数，y_i为各个维度的指标，r_i为各项的权重，y表示整合后各维度指标后个体疼痛敏感性分数。

2.根据权利要求1所述的基于多维度测量的疼痛敏感性评估系统，其特征在于，所述采集模块包括脑电采集模块和音频采集模块，所述控制模块的输出端与所述脑电采集模块的输入端和音频采集模块的输入端均电性连接，所述脑电采集模块的输出端和音频采集模块的输出端均与所述处理模块的输入端电性连接。

3.根据权利要求2所述的基于多维度测量的疼痛敏感性评估系统，其特征在于，所述处理模块包括脑电处理子模块和语音识别子模块，所述脑电采集模块的输出端与所述脑电处理子模块的输入端电性连接，所述音频采集模块的输出端与所述语音识别子模块的输入端电性连接，所述脑电处理子模块的输入端和语音识别子模块的输出端均与所述疼痛评估模块输入端电性连接。

4.根据权利要求3所述的基于多维度测量的疼痛敏感性评估系统，其特征在于，还包括显示模块和存储模块，所述疼痛评估整合模块的输出端与所述存储模块的输入端和显示模块的输入端均电性连接。

5.基于多维度测量的疼痛敏感性评估方法，应用于权利要求4所述的基于多维度测量的疼痛敏感性评估系统，其特征在于，包括以下步骤：

S1：获取模块获取用户信息，创建用户数据库，可供用户输入姓名、性别、年龄基本信息；

S2：控制模块整合控制脑电采集模块、电刺激模块和音频采集模块，设置脑电采集模块的各项采集参数和控制脑电采集模块收集脑电信号，控制电刺激模块的电流强度、脉宽、波形、刺激持续时间和间隔时间以给予用户疼痛刺激，并实时控制音频采集模块收集音频信号；

S3：处理模块中的脑电处理子模块将采集到的脑电信号进行预处理；语音识别模块使用马尔科夫模型，将音频采集模块获取的音频信息转换为文字信息，并与设定完毕的音频信息进行匹配，得到处理结果；

S4：刺激-响应模型模块分别将语音识别模块得出的主观评分、脑电处理模块得出的结果纳入分析，建立个性化的主观评估模型、心理物理评估模型和神经响应模型；

S5：疼痛评估整合模块提取的疼痛敏感性相关参数进行Z转换，然后通过求和的方式整合主观评估模型、心理物理模型、神经响应模型和问卷评估数据，计算个体疼痛敏感性分数；

S6：显示模块用于呈现界面信息，显示各项文字信息，存储模块存储疼痛敏感性分数。

6.根据权利要求5所述的基于多维度测量的疼痛敏感性评估方法，其特征在于，在步骤S3中，脑电信号的预处理包括以下步骤：

S31：定位并剔除无用电极；

S32：将所有头皮电极记录到电压的平均值作为参考；

S33：采用凹陷滤波的方法，去除50 Hz的工频干扰；

S34：以疼痛刺激施加的时间点为“0”点，以[-1s 2s]的时间窗口进行分段；

S35：剔除不正常的电极及脑电信号段；

S36：采用独立成分分析的方法，分离并去除眼电、肌电、心电的引发的噪声，去除脑电伪迹和干扰，获取信噪比高的脑电信号。