基于多模态融合的疼痛强度评估：EDA与PPG信号导数三元纹理特征创新研究

本文提出了一种创新性多模态疼痛评估系统，通过融合皮肤电活动（EDA）和光电容积脉搏波（PPG）信号，结合新型导数三元纹理特征（TTD）与统计特征，构建了优于单模态的疼痛分级模型（NP vs. LP准确率83.1%±8.8%，NP vs. HP达87.1%±6.7%），为临床疼痛客观监测提供了可靠生物标志物。

　　

Highlight

本研究通过整合心脏（PPG）与皮肤（EDA）传感器数据，开发了创新的多模态疼痛评估框架。实验设计包含三种场景：无痛vs.低强度痛、无痛vs.高强度痛，以及三分类（无痛/低痛/高痛）。核心创新点是提出导数三元纹理特征（Ternary Textures of Derivatives, TTD），该特征与统计特征融合后形成具有强判别力的疼痛生物标志物。

Methods

图2展示了多模态疼痛评估系统的架构流程图，包含信号预处理、特征提取、特征融合与选择、分类四个关键阶段。预处理采用IIR带通滤波，TTD特征通过捕捉信号导数动态模式来表征疼痛特异性变化，联合互信息特征选择后输入集成分类器。

Results

单模态分析中，PPG在NP vs. HP分类表现最优（准确率82.3%），而多模态融合显著提升所有场景性能：NP vs. LP达83.1%±8.8%，NP vs. HP达87.1%±6.7%，三分类达74.5%±6.8%。TTD特征组合在各类实验中均展现最高判别力。

Discussion

研究证实EDA与PPG的生理互补性：EDA反映交感神经兴奋（SNS）导致的皮肤电导变化，PPG捕获心血管参数（如心率变异性）的双向调节。这种多模态策略克服了单一生理信号在疼痛动态评估中的局限性，特别适用于可穿戴设备实时监测场景。

Conclusion

该框架通过TTD特征创新性地量化了疼痛相关生理信号的非平稳特性，其性能优势验证了多模态融合在疼痛客观评估中的临床价值，为术后监护、慢性疼痛管理等场景提供了新技术路径。