CN116138733A - 可视化疼痛等级评分方法及应用 - Google Patents
可视化疼痛等级评分方法及应用 Download PDFInfo
- Publication number
- CN116138733A CN116138733A CN202211064563.8A CN202211064563A CN116138733A CN 116138733 A CN116138733 A CN 116138733A CN 202211064563 A CN202211064563 A CN 202211064563A CN 116138733 A CN116138733 A CN 116138733A
- Authority
- CN
- China
- Prior art keywords
- data list
- pain
- patient
- gazing
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 29
- 238000013077 scoring method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 9
- 230000008447 perception Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 3
- 238000000968 medical method and process Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000004424 eye movement Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4824—Touch or pain perception evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Pain & Pain Management (AREA)
- Hospice & Palliative Care (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种可视化疼痛等级评分方法及系统,属于医疗领域,该方法包括以下步骤:建立疼痛等级评分预处理的图像信息;建立疼痛等级标准的图像信息;采集患者注视前述疼痛等级评分预处理图像信息的注视信息,生成预处理注视信息数据列表;基于前述预处理注视信息数据列表,生成疼痛等级可靠性数据列表;采集患者注视前述疼痛等级标准图像信息的注视信息,生成疼痛等级注视信息数据列表;对疼痛等级注视信息数据列表筛选和整合,生成患者疼痛等级的数据列表;其中,所述疼痛等级可靠性数据列表用于表示患者疼痛等级判定的准确程度。通过本发明,可以结合患者自身因素的影响,获得患者更加准确的疼痛等级。
Description
技术领域
本发明涉及一种可视化疼痛等级评分方法及应用,属于医疗领域。
背景技术
疼痛是疾病中最普遍、最重要的症状,作为一个主观症状,一般以患者自身的感受为基础来对疼痛程度进行评价。因此,疼痛的等级很难被定量,如何客观的评价疼痛强度一直是学者们研究的问题。
在现有技术中,如专利号为CN 108427917 A的中国专利中,公开了一种智能电子疼痛评分系统,其特征在于,该系统包括数据采集模块、数据处理模块及数据存储及显示模块;所述数据采集模块,用于采集用户的疼痛数据信息,并输入到数据处理模块;所述数据处理模块,用于接收来自数据采集模块的疼痛数据信息,并进行分析处理,得到该用户的疼痛测评值及疼痛控制要求;所述数据存储及显示模块,用于将数据处理模块得到的用户的疼痛测评值,疼痛控制要求,及镇痛的控制程度进行存储,并显示输出。该专利通过触摸屏采集模块和语言采集模块采集患者的疼痛信息,但是在患者不配合或者患者理解能力较低的情况下,采集到的疼痛等级信息可能不准确,不利于展开进一步治疗,该方案中还包括了人脸采集模块,但是通过对患者人脸采集可能会面临一些伦理问题或者私人问题,有些患者不接受这种疼痛等级的采集。
再比如,申请号为CN 108415955 B的中国专利,提出了一种基于眼动注视点移动轨迹的感兴趣点数据库建立方法,其特征在于包括如下步骤:步骤(1)收集三维模型并制作成实验所需的视频素材;将三维模型在多个角度上的二维投影图片合成所述视频素材;步骤(2)将视频放在眼动仪上让实验者观看,获得眼动注视点的数据,并通过相应软件合成附带眼动注视点的视频;步骤(3)将附带眼动注视点的视频通过动点提取和三维映射算法,生成附带眼动注视点的三维模型;将附带眼动注视点的视频剪切,通过动点提取算法获得每张图片上的眼动注视点坐标,再通过三维映射算法将动点在图片上的二维坐标转成空间上的三维坐标;步骤(4)对实验者的眼动注视点做分析,对所有实验者的眼动注视点进行整理,得到三维模型感兴趣点集合,舍弃集合中异常的数据,然后对感兴趣点进行合并,建立感兴趣点数据库。该专利通过捕捉用户的注视位置,获得用户对某一东西的注视时长,然后通过算法获得用户对某一物品的感兴趣程度,如果用来采集患者疼痛等级的话,则依旧需要了解患者对医生指令的感知程度以及患者的配合程度,才能够更好的确认患者的疼痛等级。
在上述两种方法中,均可以很好的采集患者的疼痛等级,但是,采集的疼痛等级会受个人情况的影响,因此,在患者的感知能力较差,或者患者不配合的情况下,对患者采集的疼痛等级结果不能给出一个准确性的评价。
为此,我们设计了一种可视化疼痛等级评分方法及应用来解决上述问题。
发明内容
本申请提供了一种可视化疼痛等级评分方法及应用,为了解决现有技术中在患者的感知能力较差,或者患者不配合的情况下,对患者采集的疼痛等级结果不能给出一个准确性的评价的问题,通过采集获得患者的配合度和感知度,得到患者疼痛等级的可靠性评价,有利于医生根据患者的疼痛等级和可靠性评价,展开进一步的医疗工作。
为解决以上技术问题,本发明包括如下技术方案:
一种可视化疼痛等级评分方法,该方法包括以下步骤:
建立疼痛等级评分预处理的图像信息;
建立疼痛等级标准的图像信息;
采集患者注视前述疼痛等级评分预处理图像信息的注视信息,生成预处理注视信息数据列表;
基于前述预处理注视信息数据列表,生成疼痛等级可靠性数据列表;
采集患者注视前述疼痛等级标准图像信息的注视信息,生成疼痛等级注视信息数据列表;
对疼痛等级注视信息数据列表筛选和整合,生成患者疼痛等级的数据列表;
其中,所述疼痛等级可靠性数据列表用于表示患者疼痛等级判定的准确程度。
进一步,采集疼痛等级注视信息数据列表中,最大注视时长对应的疼痛等级,生成患者疼痛等级的数据列表。
进一步,所述患者疼痛等级的数据列表生成方法为:
采集疼痛等级注视信息数据列表中,疼痛等级图像注视时间最长的预设个数的时长数据,生成时长数据列表;
采集前述时长数据列表对应的疼痛等级,生成预设疼痛等级数据列表;
对前述时长数据列表归一化,生成预设疼痛等级权值数据列表;
基于前述预设疼痛等级权值数据列表,对前述预设疼痛等级数据列表进行加权求和,生成患者疼痛等级的数据列表。
进一步,对疼痛等级注视信息数据列表的筛选步骤为:
建立患者注视时长的时长阈值;
将所述时长数据列表中低于前述时长阈值的时长数据移出时长数据列表。
进一步,当所述预设疼痛等级数据列表中,不同疼痛等级的数据跨度大于预设值时,发出警告信息,重新对患者采集不同疼痛等级的注视时长。
进一步,所述疼痛等级注视信息数据列表的采集方法为:
采集患者注视的位置信息,生成注视位置数据列表;
采集患者对应注视位置数据列表中,患者注视位置的注视时长,生成位置注视时长数据列表;
基于疼痛等级标准的图像信息、注视位置数据列表和位置注视时长数据列表生成疼痛等级注视时长数据列表。
进一步,所述位置注视时长数据列表的生成方法为:
采集患者注视位置到达某一位置区域后开始对前述位置区域计时;
采集患者注视位置脱离前述位置区域后结束对前述位置区域的计时;
所述位置区域包括疼痛标准的位置区域和非疼痛标准的位置区域。
进一步,所述预处理注视信息数据列表包括感知度数据列表,所述感知度数据列表的采集方法包括:
采集所述预处理注视信息数据列表中,患者注视预设目标区域一的注视时间;生成预设目标注视时长一的数据列表;
采集所述预处理注视信息数据列表中,患者注视前述疼痛等级评分预处理的图像信息的总时间,生成注视总时长一数据列表;
基于预设目标注视时长一的数据列表和注视总时长一的数据列表,生成感知度的数据列表;
其中,前述预设目标区域一固定不动;
其中,所述感知度数据列表表示患者对医生医疗指令的认知程度。
进一步,所述预处理注视信息数据列表还包括配合度数据列表,所述配合度数据列表的采集方法包括:
建立不同语气的指令提示音的数据列表;
采集所述预处理注视信息数据列表中,患者注视预设目标区域二的注视时间;生成预设目标注视时长二的数据列表;
采集所述预处理注视信息数据列表中,患者注视前述疼痛等级评分预处理的图像信息的总时间,生成注视总时长二数据列表;
基于预设目标注视时长二的数据列表和注视总时长二的数据列表,生成配合度的数据列表;
基于指令提示音的数据列表,对患者重复预设次数的预处理注视信息数据列表的采集,生成前述预设个数的配合度数据列表;
基于前述配合度数据列表生成疼痛等级可靠性数据列表;
其中,所述预设目标区域二能够改变位置;
其中,所述患者配合度数据列表表示患者对医生医疗过程的配合程度。
一种可视化疼痛等级评分系统,该系统包括:
视觉采集子系统,用以采集患者注视前述疼痛等级评分预处理图像信息的注视信息,生成预处理注视信息数据列表,以及,采集患者注视前述疼痛等级标准图像信息的注视信息,生成疼痛等级注视信息数据列表;
数据处理服务器,用以基于前述预处理注视信息数据列表,生成疼痛等级可靠性数据列表,以及,对疼痛等级注视时长数据列表筛选和整合,生成患者疼痛等级的数据列表。
本发明由于采用以上技术方案,使之与现有技术相比,具有以下的优点和积极效果:本申请中的可视化疼痛等级评分方法在对患者进行疼痛等级测试之前,会对患者的感知度和配合度进行测试,从而判断患者最终疼痛等级的可靠程度,并且本方案通过采集患者眼球的注视位置,判断最贴合患者真实的疼痛等级信息,人为干扰因素较少,采集结果更加准确。
附图说明
图1为本实施例中可视化疼痛等级评分方法的步骤示意图。
图2为本实施例中可视化疼痛等级评分方法中疼痛等级的数据列表生成的步骤示意图,为一种实施例。
图3为本实施例中可视化疼痛等级评分方法中采集到的患者注视疼痛等级图像时间的列表一,为一种实施例。
图4为本实施例中可视化疼痛等级评分方法中采集到的患者注视疼痛等级图像时间的列表二,为一种实施例。
图5为本实施例中可视化疼痛等级评分方法中疼痛等级注视信息数据列表的采集步骤示意图,为一种实施例。
图6为本实施例中可视化疼痛等级评分方法中感知度的采集步骤示意图,为一种实施例。
图7为本实施例中可视化疼痛等级评分方法中配合度的采集步骤示意图,为一种实施例。
图8为本实施例中可视化疼痛等级评分系统的结构示意图。
图中标号如下:
001-视觉采集子系统;002-数据处理服务器。
具体实施方式
以下结合附图和具体实施例对本发明提供的一种可视化疼痛等级评分方法及系统作进一步详细说明。应当注意的是,下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的,它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中,各附图所出现的相同标号代表相同的特征或者部件,可应用于不同实施例中。因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
需说明的是,本说明书所附图中所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定发明可实施的限定条件,任何结构的修饰、比例关系的改变或大小的调整,在不影响发明所能产生的功效及所能达成的目的下,均应落在发明所揭示的技术内容所能涵盖的范围内。本发明的优选实施方式的范围包括另外的实现,其中可以不按所述的或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
实施例
参照图1所示,一种可视化疼痛等级评分方法,该方法包括以下步骤:
S101,建立疼痛等级评分预处理的图像信息。
S102,建立疼痛等级标准的图像信息。
S103,采集患者注视前述疼痛等级评分预处理图像信息的注视信息,生成预处理注视信息数据列表。
S104,基于前述预处理注视信息数据列表,生成疼痛等级可靠性数据列表。
S105,采集患者注视前述疼痛等级标准图像信息的注视信息,生成疼痛等级注视信息数据列表。
S106,对疼痛等级注视信息数据列表筛选和整合,生成患者疼痛等级的数据列表。
其中,所述疼痛等级可靠性数据列表用于表示患者疼痛等级判定的准确程度。
在本实施例中,患者在进行疼痛等级的采集之前设置一个感知度和配合度的测量环节,通过对患者感知度和配合度的采集处理,可以获得患者的疼痛等级可靠性的数据,在采集完患者的感知度和配合度的采集之后,可立即对患者采集疼痛等级。
作为举例,患者A在采集疼痛等级之前,先进行感知度和配合的测试,患者带上设备之后会注视疼痛等级评分预处理的图像信息,系统在采集完成患者的注视信息后,对采集到的数据结果进行处理,得到患者A的感知度为90%,配合度为80%,然后再对患者A进行疼痛等级的测试;患者A注视疼痛等级标准的图像信息,根据提示音患者A会注视自己的疼痛感觉最符合疼痛等级标准图像上的哪种表情,最后将患者A的注视信息处理后得到患者A的疼痛等级为4,以患者A的配合度为疼痛等级的可靠性,则可以判定患者A疼痛等级为4的可靠性为80%,这样可以使患者A疼痛等级的结果更加有可参照性。
值得说明的是,如果采集到患者的感知度和/或配合度小于60%,则最终测试出的患者的疼痛等级的可靠性不高,需要更换测量患者疼痛等级的方法。
优选的,在本实施例中,采集疼痛等级注视信息数据列表中,最大注视时长对应的疼痛等级,生成患者疼痛等级的数据列表。
作为举例,在患者进行疼痛等级测试时,采集到患者目光注视疼痛等级为4的表情上时间最长,既可以判定采集到患者的疼痛等级为4。
结合图2和图3所示,在本实施例中,所述患者疼痛等级的数据列表生成方法为:
S201,采集疼痛等级注视信息数据列表中,疼痛等级图像注视时间最长的预设个数的时长数据,生成时长数据列表。
S202,采集前述时长数据列表对应的疼痛等级,生成预设疼痛等级数据列表。
S203,对前述时长数据列表归一化,生成预设疼痛等级权值数据列表。
S204,基于前述预设疼痛等级权值数据列表,对前述预设疼痛等级数据列表进行加权求和,生成患者疼痛等级的数据列表。
作为举例,如图3所示,患者在注视疼痛等级标准的图像信息时,采集到患者注视疼痛等级为4、5、6的图像对应的表情时间最长,分别为8秒,6秒和6秒,总时长30秒,则对疼痛等级为4、5和6的图像注视时长归一化得到图像等级为4的权值为8/(8+6+6)=0.4,图像等级为5和6的权值为6/(8+6+6)=0.3,则加权求和后的疼痛等级为4×0.4+5×0.3+6×0.3=4.9,以此可以更加准确的对患者进行疼痛等级的评级。
参照图4所示,在本实施例中,对疼痛等级注视信息数据列表的筛选步骤为:
S301,建立患者注视时长的时长阈值。
S302,将所述时长数据列表中低于前述时长阈值的时长数据移出时长数据列表。
本实施例中,在采集若干个注视时间最长的疼痛等级图像数据时,若患者大部分时间都注视在一个或者两个疼痛等级的图像上,那其余疼痛等级图像的注视时间就会明显少很多,此时如果再将其余的疼痛等级再进行归一化求和计算并没有什么意义,因此设置阈值,对患者注视疼痛等级图像的时间进行筛选。
作为举例,如图4所示,取注视时长的阈值为4秒,采集患者注视疼痛等级为4的图像的注视时长为12秒,注视疼痛等级为5的时长为8秒,而其余的注视时间均小于2秒,则其余的注视时长均没有达到阈值,因此,将其余的注视时长均舍弃,不参与计算。
优选的,在本实施例中,当所述预设疼痛等级数据列表中,不同疼痛等级的数据跨度大于预设值时,发出警告信息,重新对患者采集不同疼痛等级的注视时长。
本实施例中,在采集若干个注视时间最长的疼痛等级图像数据时,若患者大部分时间注视的两个疼痛等级的图像不是连续的,或者两个疼痛等级的跨度较大,则说明患者注视的疼痛等级图像有误,或者患者不配合,因此,需要重新采集患者的疼痛等级。
作为举例,取跨度预设值为1,采集到患者注视时间最长的3个疼痛等级的图像分别为4、5和9,而5和9之间的疼痛等级跨度为3,很显然,疼痛等级的跨度较大,采集到的疼痛等级数据并不能表示患者真实的疼痛等级,需要重新采集患者的疼痛等级数据。
参照图5所示,在本实施例中,所述疼痛等级注视信息数据列表的采集方法为:
S401,采集患者注视的位置信息,生成注视位置数据列表。
S402,采集患者对应注视位置数据列表中,患者注视位置的注视时长,生成位置注视时长数据列表。
S403,基于疼痛等级标准的图像信息、注视位置数据列表和位置注视时长数据列表生成疼痛等级注视时长数据列表。
本实施例中,在采集患者的注视信息时,需要将患者每一个注视区域的注视时间都采集下来,然后再对同一疼痛等级图像位置区域的注视时间求和,得到该疼痛等级的注视时间,同时疼痛等级图像上还包括非疼痛等级图像的位置区域,患者注视在非疼痛等级图像区域的时间也会被采集下来。
值得说明的是,患者注视疼痛等级图像位置的时间与患者注视非疼痛等级图像区域的时间之比也可以用来表示患者的配合程度。
优选的,在本实施例中,所述位置注视时长数据列表的生成方法为:
S501,采集患者注视位置到达某一位置区域后开始对前述位置区域计时。
S502,采集患者注视位置脱离前述位置区域后结束对前述位置区域的计时。
所述位置区域包括疼痛标准的位置区域和非疼痛标准的位置区域。
参照图6所示,在本实施例中,所述预处理注视信息数据列表包括感知度数据列表,所述感知度数据列表的采集方法包括:
S601,采集所述预处理注视信息数据列表中,患者注视预设目标区域一的注视时间;生成预设目标注视时长一的数据列表。
S602,采集所述预处理注视信息数据列表中,患者注视前述疼痛等级评分预处理的图像信息的总时间,生成注视总时长一数据列表。
S603,基于预设目标注视时长一的数据列表和注视总时长一的数据列表,生成感知度的数据列表。
其中,前述预设目标区域一固定不动;其中,所述感知度数据列表表示患者对医生医疗指令的认知程度。
本实施例中,提供了患者感知度测试的环节,如果患者的感知能力较差,不能明白医生的意图,在进行测试时,患者目光散乱,则势必会导致疼痛等级测试结果的不准确性,因此需要对患者的感知度进行测试。
作为举例,患者在进行感知度测试时,通过系统提示,患者注视疼痛等级评分预处理的图像信息,例如屏幕上的红色区域,屏幕上的红色区域固定不动,经过5-10秒后,结束测试,采集患者注视红色区域的时间与测试总时间之比,来表示患者的感知程度。作为举例而非限定,取感知度大于60%为正常感知,患者注视红色区域的时间为7秒,而整个测试时间为8秒,则可以判断患者的感知度为87.5%,以此可以进行下一步的测试过程。
值得说明的是,当采集患者的感知程度小于60%的时候,可以终止对患者的疼痛采集。
参照图7所示,在本实施例中,所述预处理注视信息数据列表还包括配合度数据列表,所述配合度数据列表的采集方法包括:
S701,建立不同语气的指令提示音的数据列表。
S702,采集所述预处理注视信息数据列表中,患者注视预设目标区域二的注视时间;生成预设目标注视时长二的数据列表。
S703,采集所述预处理注视信息数据列表中,患者注视前述疼痛等级评分预处理的图像信息的总时间,生成注视总时长二数据列表。
S704,基于预设目标注视时长二的数据列表和注视总时长二的数据列表,生成配合度的数据列表。
S705,基于指令提示音的数据列表,对患者重复预设次数的预处理注视信息数据列表的采集,生成前述预设个数的配合度数据列表。
S706,基于前述配合度数据列表生成疼痛等级可靠性数据列表。
其中,所述预设目标区域二能够改变位置;其中,所述患者配合度数据列表表示患者对医生医疗过程的配合程度。
在本实施例中,在对患者进行感知度测试之后还需要对患者进行配合度的测试,这种测试是单盲的,不会像患者说明这是配合度的测试,配合度的测试与患者感知度的测试类似,只是会模拟不同语气的提示音,让患者进行配合度测试,在测试完患者的配合度之后,即可对患者的疼痛等级测试。
作为举例,每次在患者进行配合度测试时,会有不同语气的指令提示音,有女生甜美声音;又有如卡通的可爱声音;又有如相声演员的逗趣声音;又有如不太耐烦的语音,每次患者注视的疼痛等级评分预处理的图像信息,例如红色区域都是游动的,经过若干次测试后,得到患者的配合度,每次患者注视红色区域时间与测试时间之比大于60%为合格,合格次数与总测试次数之比为患者的配合度。
作为举例,患者经过6次测试,有5次测试的结果为合格,则患者的配合度为83%,患者的配合度也可以用来表示患者疼痛等级可靠性。
值得说明的是,配合度还可以用患者累计每次注视红色区域的时间与测试的总时间之比来表示,作为举例,患者累计5次注视红色区域的时间为46秒,总共测试时间为50秒,则患者的配合度为46/50=92%。
参见图8所示,一种可视化疼痛等级评分系统,改系统包括:
视觉采集子系统001,用以采集患者注视疼痛等级评分预处理图像信息的注视信息,生成预处理注视信息数据列表,以及,采集患者注视疼痛等级标准图像信息的注视信息,生成疼痛等级注视信息数据列表;
数据处理服务器002,用以基于前述预处理注视信息数据列表,生成疼痛等级可靠性数据列表,以及,对疼痛等级注视时长数据列表筛选和整合,生成患者疼痛等级的数据列表。
在本实施例中,视觉采集子系统001能够采集患者的注视信息,视觉采集子系统001将采集到的的注视信息推送给数据处理服务器002,经过数据处理服务器002的处理之后即可得到患者的感知度、配合度以及疼痛等级等数据。
其它技术特征参考在前实施例,在此不再赘述。
在上面的描述中,在本公开内容的目标保护范围内,各组件可以以任意数目选择性地且操作性地进行合并。另外,像“包括”、“囊括”以及“具有”的术语应当默认被解释为包括性的或开放性的,而不是排他性的或封闭性,除非其被明确限定为相反的含义。所有技术、科技或其他方面的术语都符合本领域技术人员所理解的含义,除非其被限定为相反的含义。在词典里找到的公共术语应当在相关技术文档的背景下不被太理想化或太不实际地解释,除非本公开内容明确将其限定成那样。
虽然已出于说明的目的描述了本公开内容的示例方面,但是本领域技术人员应当意识到,上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明的优选实施方式的范围包括另外的实现,其中可以不按所述出现或讨论的顺序来执行功能。本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (10)
1.一种可视化疼痛等级评分方法,其特征在于,该方法包括以下步骤:
建立疼痛等级评分预处理的图像信息;
建立疼痛等级标准的图像信息;
采集患者注视前述疼痛等级评分预处理图像信息的注视信息,生成预处理注视信息数据列表;
基于前述预处理注视信息数据列表,生成疼痛等级可靠性数据列表;
采集患者注视前述疼痛等级标准图像信息的注视信息,生成疼痛等级注视信息数据列表;
对疼痛等级注视信息数据列表筛选和整合,生成患者疼痛等级的数据列表;
其中,所述疼痛等级可靠性数据列表用于表示患者疼痛等级判定的准确程度。
2.如权利要求1所述的可视化疼痛等级评分方法,其特征在于:采集疼痛等级注视信息数据列表中,最大注视时长对应的疼痛等级,生成患者疼痛等级的数据列表。
3.如权利要求1所述的可视化疼痛等级评分方法,其特征在于,所述患者疼痛等级的数据列表生成方法为:
采集疼痛等级注视信息数据列表中,疼痛等级图像注视时间最长的预设个数的时长数据,生成时长数据列表;
采集前述时长数据列表对应的疼痛等级,生成预设疼痛等级数据列表;
对前述时长数据列表归一化,生成预设疼痛等级权值数据列表;
基于前述预设疼痛等级权值数据列表,对前述预设疼痛等级数据列表进行加权求和,生成患者疼痛等级的数据列表。
4.如权利要求3所述的可视化疼痛等级评分方法,其特征在于,对疼痛等级注视信息数据列表的筛选步骤为:
建立患者注视时长的时长阈值;
将所述时长数据列表中低于前述时长阈值的时长数据移出时长数据列表。
5.如权利要求3所述的可视化疼痛等级评分方法,其特征在于,当所述预设疼痛等级数据列表中,不同疼痛等级的数据跨度大于预设值时,发出警告信息,重新对患者采集不同疼痛等级的注视时长。
6.如权利要求1所述的可视化疼痛等级评分方法,其特征在于,所述疼痛等级注视信息数据列表的采集方法为:
采集患者注视的位置信息,生成注视位置数据列表;
采集患者对应注视位置数据列表中,患者注视位置的注视时长,生成位置注视时长数据列表;
基于疼痛等级标准的图像信息、注视位置数据列表和位置注视时长数据列表生成疼痛等级注视时长数据列表。
7.如权利要求6所述的可视化疼痛等级评分方法,其特征在于,所述位置注视时长数据列表的生成方法为:
采集患者注视位置到达某一位置区域后开始对前述位置区域计时;
采集患者注视位置脱离前述位置区域后结束对前述位置区域的计时;
所述位置区域包括疼痛标准的位置区域和非疼痛标准的位置区域。
8.如权利要求1所述的可视化疼痛等级评分方法,其特征在于,所述预处理注视信息数据列表包括感知度数据列表,所述感知度数据列表的采集方法包括:
采集所述预处理注视信息数据列表中,患者注视预设目标区域一的注视时间;生成预设目标注视时长一的数据列表;
采集所述预处理注视信息数据列表中,患者注视前述疼痛等级评分预处理的图像信息的总时间,生成注视总时长一数据列表;
基于预设目标注视时长一的数据列表和注视总时长一的数据列表,生成感知度的数据列表;
其中,前述预设目标区域一固定不动;
其中,所述感知度数据列表表示患者对医生医疗指令的认知程度。
9.如权利要求8所述的可视化疼痛等级评分方法,其特征在于,所述预处理注视信息数据列表还包括配合度数据列表,所述配合度数据列表的采集方法包括:
建立不同语气的指令提示音的数据列表;
采集所述预处理注视信息数据列表中,患者注视预设目标区域二的注视时间;生成预设目标注视时长二的数据列表;
采集所述预处理注视信息数据列表中,患者注视前述疼痛等级评分预处理的图像信息的总时间,生成注视总时长二数据列表;
基于预设目标注视时长二的数据列表和注视总时长二的数据列表,生成配合度的数据列表;
基于指令提示音的数据列表,对患者重复预设次数的预处理注视信息数据列表的采集,生成前述预设个数的配合度数据列表;
基于前述配合度数据列表生成疼痛等级可靠性数据列表;
其中,所述预设目标区域二能够改变位置;
其中,所述患者配合度数据列表表示患者对医生医疗过程的配合程度。
10.一种可视化疼痛等级评分系统,其特征在于,该系统包括:
视觉采集子系统,用以采集患者注视前述疼痛等级评分预处理图像信息的注视信息,生成预处理注视信息数据列表,以及,采集患者注视前述疼痛等级标准图像信息的注视信息,生成疼痛等级注视信息数据列表;
数据处理服务器,用以基于前述预处理注视信息数据列表,生成疼痛等级可靠性数据列表,以及,对疼痛等级注视时长数据列表筛选和整合,生成患者疼痛等级的数据列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211064563.8A CN116138733B (zh) | 2022-09-01 | 2022-09-01 | 可视化疼痛等级评分方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211064563.8A CN116138733B (zh) | 2022-09-01 | 2022-09-01 | 可视化疼痛等级评分方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116138733A true CN116138733A (zh) | 2023-05-23 |
CN116138733B CN116138733B (zh) | 2023-12-26 |
Family
ID=86339542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211064563.8A Active CN116138733B (zh) | 2022-09-01 | 2022-09-01 | 可视化疼痛等级评分方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116138733B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100010834A1 (en) * | 2007-11-27 | 2010-01-14 | Tomasz Robert Okon | Reminder System for Reducing Excess Pain Among Hospitalized Patients |
US20130265231A1 (en) * | 2012-04-05 | 2013-10-10 | Lc Technologies, Inc. | Gaze Based Communications for Locked-In Hospital Patients |
US8690325B1 (en) * | 2005-07-12 | 2014-04-08 | Sandy Helene Straus | Sensory input devices, sensory output devices, and automatic systems, methods, and apparatuses for at least one of mass measurement, evaluation, or communication |
US20160354031A1 (en) * | 2015-06-03 | 2016-12-08 | Boston Scientific Neuromodulation Corporation | System and methods for pain assesment |
KR20180060962A (ko) * | 2016-11-28 | 2018-06-07 | 한국전자통신연구원 | 건강 데이터 수집 장치, 이를 이용한 건강 평가 방법, 및 건강 데이터 수집 장치를 포함하는 건강 평가 시스템 |
CN109414164A (zh) * | 2016-05-09 | 2019-03-01 | 奇跃公司 | 用于用户健康分析的增强现实系统和方法 |
US20200268314A1 (en) * | 2019-02-26 | 2020-08-27 | International Business Machines Corporation | Pain intensity level and sensation perception |
US10827973B1 (en) * | 2015-06-30 | 2020-11-10 | University Of South Florida | Machine-based infants pain assessment tool |
CN111938603A (zh) * | 2020-09-16 | 2020-11-17 | 绵竹市人民医院 | 一种生命体征监测仪 |
CN111968743A (zh) * | 2020-08-20 | 2020-11-20 | 北京大学第三医院(北京大学第三临床医学院) | 颈椎病患者病情自身评估电子系统 |
CN213309651U (zh) * | 2020-08-21 | 2021-06-01 | 昆明医科大学第一附属医院 | 一种改良的疼痛评估装置 |
US20210169406A1 (en) * | 2018-05-01 | 2021-06-10 | Koninklijke Philips N.V. | Apparatus for determining a stress and/or pain level |
CN113057599A (zh) * | 2021-04-21 | 2021-07-02 | 常州市武进人民医院 | 一种快速评估疼痛的机器 |
CN113570545A (zh) * | 2021-06-01 | 2021-10-29 | 深圳市人民医院 | 一种视觉识别疼痛分级评估的方法 |
CN113827189A (zh) * | 2021-09-09 | 2021-12-24 | 深圳大学 | 疼痛认知偏向的评估和矫正系统、方法 |
CN113988680A (zh) * | 2021-11-04 | 2022-01-28 | 西安交通大学医学院第一附属医院 | 一种疼痛等级评估系统 |
CN114331330A (zh) * | 2021-12-15 | 2022-04-12 | 苏州工业园区网捷恒信科技有限公司 | 一种基于大数据的信息安全处理方法 |
CN114728539A (zh) * | 2019-10-11 | 2022-07-08 | 宾夕法尼亚大学理事会 | 用于柔软适形传感器和导体的吸收性基底的快速制造 |
-
2022
- 2022-09-01 CN CN202211064563.8A patent/CN116138733B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8690325B1 (en) * | 2005-07-12 | 2014-04-08 | Sandy Helene Straus | Sensory input devices, sensory output devices, and automatic systems, methods, and apparatuses for at least one of mass measurement, evaluation, or communication |
US20100010834A1 (en) * | 2007-11-27 | 2010-01-14 | Tomasz Robert Okon | Reminder System for Reducing Excess Pain Among Hospitalized Patients |
US20130265231A1 (en) * | 2012-04-05 | 2013-10-10 | Lc Technologies, Inc. | Gaze Based Communications for Locked-In Hospital Patients |
US20160354031A1 (en) * | 2015-06-03 | 2016-12-08 | Boston Scientific Neuromodulation Corporation | System and methods for pain assesment |
US10827973B1 (en) * | 2015-06-30 | 2020-11-10 | University Of South Florida | Machine-based infants pain assessment tool |
CN109414164A (zh) * | 2016-05-09 | 2019-03-01 | 奇跃公司 | 用于用户健康分析的增强现实系统和方法 |
KR20180060962A (ko) * | 2016-11-28 | 2018-06-07 | 한국전자통신연구원 | 건강 데이터 수집 장치, 이를 이용한 건강 평가 방법, 및 건강 데이터 수집 장치를 포함하는 건강 평가 시스템 |
US20210169406A1 (en) * | 2018-05-01 | 2021-06-10 | Koninklijke Philips N.V. | Apparatus for determining a stress and/or pain level |
US20200268314A1 (en) * | 2019-02-26 | 2020-08-27 | International Business Machines Corporation | Pain intensity level and sensation perception |
CN114728539A (zh) * | 2019-10-11 | 2022-07-08 | 宾夕法尼亚大学理事会 | 用于柔软适形传感器和导体的吸收性基底的快速制造 |
CN111968743A (zh) * | 2020-08-20 | 2020-11-20 | 北京大学第三医院(北京大学第三临床医学院) | 颈椎病患者病情自身评估电子系统 |
CN213309651U (zh) * | 2020-08-21 | 2021-06-01 | 昆明医科大学第一附属医院 | 一种改良的疼痛评估装置 |
CN111938603A (zh) * | 2020-09-16 | 2020-11-17 | 绵竹市人民医院 | 一种生命体征监测仪 |
CN113057599A (zh) * | 2021-04-21 | 2021-07-02 | 常州市武进人民医院 | 一种快速评估疼痛的机器 |
CN113570545A (zh) * | 2021-06-01 | 2021-10-29 | 深圳市人民医院 | 一种视觉识别疼痛分级评估的方法 |
CN113827189A (zh) * | 2021-09-09 | 2021-12-24 | 深圳大学 | 疼痛认知偏向的评估和矫正系统、方法 |
CN113988680A (zh) * | 2021-11-04 | 2022-01-28 | 西安交通大学医学院第一附属医院 | 一种疼痛等级评估系统 |
CN114331330A (zh) * | 2021-12-15 | 2022-04-12 | 苏州工业园区网捷恒信科技有限公司 | 一种基于大数据的信息安全处理方法 |
Non-Patent Citations (2)
Title |
---|
童莺歌;成燕;郑红葵;冯静;陈冯琳;毕东军;: "四等级功能活动评分法的信效度和应用效果研究", 护士进修杂志, no. 11 * |
阮林星;张丽君;陈辉;吴巧;韩文军: "健康宣教在疼痛门诊的应用与评价", 国际护理学杂志, vol. 38, no. 010 * |
Also Published As
Publication number | Publication date |
---|---|
CN116138733B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Linstrom | Objective facial motion analysis in patients with facial nerve dysfunction | |
CN108305680B (zh) | 基于多元生物学特征的智能帕金森症辅助诊断方法和装置 | |
CN105559802A (zh) | 一种基于注意和情感信息融合的抑郁症诊断系统及方法 | |
CN111326253A (zh) | 自闭症谱系障碍患者的多模态情感认知能力的评估方法 | |
Donohue et al. | Tracking hyoid bone displacement during swallowing without videofluoroscopy using machine learning of vibratory signals | |
CN114209324B (zh) | 基于图像视觉认知的心理测评数据获取方法及vr系统 | |
WO2015158100A1 (zh) | 情感带宽测定及其情感损伤判别方法 | |
CN109447987A (zh) | 基于深度学习的肠镜下溃疡性结肠炎辅助诊断系统及方法 | |
CN106803017A (zh) | 一种苯丙胺类药物成瘾人员的渴求度评估方法 | |
JP2007068620A (ja) | 心理状態計測装置 | |
CN113554597B (zh) | 一种基于脑电特征的图像质量评价方法及装置 | |
CN112890815A (zh) | 一种基于深度学习的孤独症辅助评估系统和方法 | |
CN108652587A (zh) | 一种认知功能障碍预防监测装置 | |
CN115101191A (zh) | 一种帕金森疾病诊断系统 | |
CN112674770B (zh) | 基于图像的显著性差异和情绪分析的抑郁人群眼动鉴别方法 | |
CN116138733B (zh) | 可视化疼痛等级评分方法及应用 | |
CN109493340A (zh) | 一种胃镜下食管胃底静脉曲张辅助诊断系统及方法 | |
CN112472088B (zh) | 一种情绪状态评定方法、装置、智能终端及存储介质 | |
CN113456060A (zh) | 一种运动功能特征参数的提取方法及装置 | |
CN111048202A (zh) | 一种智能化中医诊断系统及其方法 | |
RU2289310C2 (ru) | Способ получения информации о психофизиологическом состоянии живого объекта | |
CN114098714B (zh) | 基于机器视觉建立冻结步态识别模型的方法 | |
CN115497621A (zh) | 一种老年人认知状况测评系统 | |
CN108364688A (zh) | 一种中国语言脑功能区的定位方法及设备 | |
Dela Cruz et al. | Portable nuclear and cortical eye cataract detection using image processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |