作为认知神经科学领域的热点课题，脑电信号能客观反映人体生理状态，在疼痛测量研究中的诸多方法中异军突起。由哈尔滨工业大学仪器科学与工程学院仪器科学与技术专业电测技术及智能控制研究所孙金玮教授和他的团队成员曹天傲、王启松、刘丹等人完成的一项课题“基于EEG的突发疼痛识别方法及实验研究”，近日在线发表在最新一期国际权威专业期刊《生物医学信号处理与控制》上。专家评价指出，这一理工医相结合的科研成果首次建立了一种基于静息态脑电信号的突发性疼痛识别方法，能够有效识别瞬发疼痛的存在，并区分疼痛的位置，为今后临床疼痛客观检测判定提供了新的技术手段。王启松为通讯作者，曹天傲为第一作者。

疼痛是人体伤害刺激受体时的一种感觉现象，能启动人体保护机制，而过度的疼痛反应则会损害附近的生物组织，带给人们严重的身心痛苦。尤其是某些存在认知障碍的群体，不能描述自身疼痛状况，致使病情经常被贻误。因此，这类疼痛需要及时干预并减轻，突发性疼痛便属于其中之一。目前，虽然一部分常规的主观疼痛测量手段如口述分级评分法等已经广泛应用，但其缺陷也逐渐暴露出来，表现为难以实现连续、实时的疼痛指数测量；往往需要监测对象回忆疼痛时刻的感受，存在误差和偏差问题，精确性、客观性欠佳；对于意识较弱或无意识的监测对象，及其对疼痛表达有严重缺陷的对象如新生儿、失语病人等，无法做出精准判断。

随着主观感知的疼痛可以逐渐被客观测量，通过采集脑电信号开展疼痛检测已成为当前疼痛识别的热门研究方向。在国家自然科学基金和哈尔滨市科技创新基金的资助下，孙金玮团队与美国弗罗里达国立大学白鸥副教授联手攻关，搭建了一套完整的瞬发疼痛刺激实验平台和脑电采集系统，模拟了突发性痛觉激发环境。他们首先给被试者疼痛刺激使其产生疼痛，同时采集了多组多通道脑电信号数据。这些有效数据经预处理后去除噪声，保留尽可能多的有用信息；之后提取放松时段与疼痛时段各自的特征值并观察区别，最终将上述特征值送入分类器予以分类，先识别出是否疼痛，待判断疼痛存在后，再利用分类器学习不同位置特征值的属性，并区分疼痛位置，将结果与实际情况进行反馈。若分类器判定结果为无痛，亦施行无痛反馈。

在这项研究中，孙金玮团队还进一步探究了信号处理算法，并最终整合了对信号预处理、特征提取及特征分类三大步骤的一套完整的算法。他们同时发现人体疼痛与放松时，左右手疼痛时脑电信号特征值幅度的显著差异这一规律，以此准确锁定了疼痛的有无以及区分疼痛的位置，达到了疼痛定性识别的目的。课题组的创新点在于：首次深入探讨了人们较少研究的突发性疼痛，并构建了完整的疼痛实验平台；借助稀疏贝叶斯这项新颖算法优化功能，以获得更高的精度；根据检测准确率对各脑电通道给出了可用性评价，从多路通道中搜索出分类率相对较高的几路通道，在后续观察分析中，仅需采集这些通道展开分析，就能保证检测精度，又能节省时间，提高效率。

在接受记者采访时，曹天傲博士指出，上述突发性疼痛对应的脑电波变化特点在国内外首次获得了解析和阐明，为今后的临床工作对病人的疼痛客观检测判断提供了新依据，尤其是为老年人、儿童及其他具有言语表达障碍的群体开辟了新的诊断技术，进而使医生可以针对疼痛情况对症下药，减轻病患的痛苦。据了解，课题组还将再接再厉，进一步探究疼痛时脑电信号的特征值具体幅度与疼痛强度（0-10级别）的奥秘，建立对应的模型，在疼痛的诊疗中深入探索，真正解决主观疼痛评估方法无法客观反映患者真实痛感的棘手难题。