11、基于生理信号的下肢外骨骼机器人压力疼痛识别研究

基于生理信号的下肢外骨骼机器人压力疼痛识别研究

一、研究背景与意义

急性疼痛是人体保护自身安全的必要感官机制，它能帮助识别有害情况并避免组织损伤。然而，对于运动和感觉能力受损的人，如截瘫患者，他们不仅无法控制肢体运动，还不能感知疼痛来保护自己。随着智能康复辅助设备的发展，康复外骨骼等机器人设备被用于协助患者行走，但这类机器人对患者疼痛感知的研究较少。因此，有效稳定地评估疼痛，能为设计下一代人机深度融合的服务机器人提供必要的理论基础。

二、疼痛评估相关研究现状

2.1 生理信号与疼痛的关系

疼痛调节会使不同生理信号发生可测量的变化。疼痛发生时，皮肤电导率增加、心率低频功率上升，导致静息血压升高和瞳孔扩张，脑电图（EEG）、功能磁共振成像（fMRI）和功能近红外光谱（fNIRS）也会相应改变。疼痛还会引发一系列行为反应，如特定面部表情变化、保护性反射和声音等。面部肌电图（sEMG）可感知和放大面部肌肉伸缩时产生的小电脉冲。与面部表情检测方法相比，生物电信号检测更方便、测量更客观，许多疼痛评估研究基于生物电信号测量。

2.2 现有疼痛评估方法

• A. Kelati 等人 ：提出基于 EMG 和 KNN 的面部肌电疼痛感知识别方法，对特定受试者分类效果好，但跨受试者识别准确率低。
• H. T. Tran 等人 ：利用皮肤电活动（GSR）的相位响应特性客观评估牙痛等级。
• E. Pouromran 等人 ：测试单模式心电图（EDA）、心电图（ECG）、