一种用于评估意识障碍患者疼痛强度的动态局部-全局时空变换网络

《IEEE Transactions on Biomedical Engineering》：A Dynamic Local-Global Spatiotemporal Transformer Network for Pain Intensity Estimation in Patients With Disorders of Consciousness

本研究提出动态局部-全局时空Transformer（DLGSTT）网络，通过面部表情估计疼痛强度，结合全局多尺度特征和局部注意力特征提取，以及DCT增强的时序模块，显著提升疼痛感知评估效果。实验证明优于现有算法，并在33例DOC患者数据中显示疼痛强度与意识水平及性别差异显著相关，验证了其作为临床辅助工具的可行性。

　　

摘要：

意识障碍（DOC）的临床诊断存在较高的误诊率，尤其是在区分最小意识状态（MCS）和植物状态/无反应觉醒综合征（VS/UWS）时。近期研究将疼痛感知与意识水平联系起来。本研究提出了一种动态的局部-全局时空变换器（DLGSTT）网络，用于通过面部表情估计疼痛强度。DLGSTT网络结合了全局多尺度特征提取模块和局部注意力特征提取模块，以有效捕捉面部表情中的多种特征，并增强对表情变化的感知。此外，还加入了一个离散余弦变换（DCT）增强型时间变换器模块，用于从面部表情的动态变化中提取时间特征，并利用疼痛强度分数来量化疼痛感知。实验结果表明，DLGSTT网络在公共数据集上的性能优于现有的最先进算法。进一步地，当将该网络应用于33名DOC患者的自收集数据集时，结果显示疼痛强度与意识水平之间存在显著相关性，并揭示了性别在疼痛感知阈值上的差异。我们的方法被验证为一种可行的临床工具，可用于DOC患者的辅助诊断，作为行为量表的宝贵补充，有可能提高诊断准确性。