基于CrossMod-Transformer的多模态生理信号融合深度学习框架在疼痛检测中的应用研究

本研究针对疼痛评估中个体差异大、主观性强等难题，提出了一种融合皮肤电活动（EDA）和心电图（ECG）信号的CrossMod-Transformer深度学习框架。通过结合全卷积网络（FCN）、注意力LSTM（ALSTM）和Transformer模块，实现了87.52%（BioVid）和75.83%（AI4PAIN）的跨数据集准确率，为客观疼痛监测提供了可穿戴设备兼容的技术方案。

　　

疼痛是人类健康的重要警示信号，但传统评估依赖主观量表，对婴幼儿、失语患者等群体适用性有限。尽管基于面部表情的自动识别技术取得进展，但易受文化差异和隐私问题限制。生理信号如皮肤电活动（EDA）和心电图（ECG）能客观反映交感神经活动，但现有方法存在模态竞争、长程依赖建模不足等挑战。

针对这一难题，研究人员开发了CrossMod-Transformer框架。该模型采用分层融合策略：首先通过FCN提取局部特征，ALSTM捕捉时序依赖，再经Transformer进行模态内特征整合；最后通过跨模态Transformer实现EDA与ECG的协同分析。在BioVid热痛数据库中，模型对"无痛"与"剧痛"的分类准确率达87.52%，较单模态提升显著。交叉验证显示，该框架在AI4PAIN数据集（使用EDA和血容量脉冲BVP）仍保持75.83%准确率，证实其泛化能力。

关键技术包括：1）基于Butterworth滤波的生理信号预处理；2）FCN-ALSTM-Transformer混合架构的级联训练；3）跨模态注意力机制设计；4）Robust Scaler数据标准化。实验采用10折交叉验证和留一法（LOSO），通过Wilcoxon检验验证显著性差异。

主要研究发现：

1. 单模态性能对比：EDA单模态最佳准确率86.12%（LOSO），显著优于ECG的65.17%，证实皮肤电反应对疼痛更敏感。

2. 多模态增益：融合ECG使EDA性能提升1.4%，特异性达89.86%，有效降低假阳性。

3. 注意力机制解析：

   
   显示，ECG重点关注R波峰（
   
   ），而EDA注意力均匀分布于信号拐点（
   
   ）。

4. 计算效率：模型总计算量1.03 GFLOPS，单样本推理时间134ms，满足可穿戴设备部署需求。

这项发表于《Scientific Reports》的研究创新性地解决了多模态生理信号融合中的时序对齐难题。通过分阶段Transformer设计，既保留了模态特异性，又挖掘了交叉互补特征。其临床价值在于：1）为非言语患者提供客观评估工具；2）支持连续疼痛监测；3）推动可穿戴医疗设备发展。未来可扩展整合更多生理参数（如fNIRS），进一步提升复杂疼痛场景的识别精度。