Inteligencia computacional para la medición de presencia de dolor mediante el uso de señales electrofisiológicas

• Autores: Lina María Peñuela Calderón, Edinson Felipe Porras Hilarión
• Localización: Revista EIA, ISSN-e 1794-1237, Vol. 20, Nº. 40, 2023
• Idioma: español
• Títulos paralelos:
  • Computational Intelligence to Assess the Existence of Pain, Based on the Use of Electrophysiological Signals
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El dolor es un problema de salud que afecta a las personas física y emocionalmente. Para determinar el nivel de dolor experimentado, se realiza una encuesta que implica autoevaluación por parte del paciente y capacidades de comunicación verbal o facial. En este artículo, se presenta la comparación de los resultados de dos algoritmos computacionales para dos tipos de clasificación: el primero discrimina entre dolor y no dolor, el segundo clasifica tres niveles de dolor. Los algoritmos empleados fueron Máquina de Soporte Vectorial (SVM) y el método de Análisis de Discriminante Cuadrático (QDA). Se indujo dolor agudo a 15 participantes por electroestimulación, se evaluó electromiografía (EMG), electrocardiografía (ECG), actividad electrodérmica (EDA), y electroencefalografía (EEG), y se le pidió a los participantes reportar el dolor percibido mediante la escala análoga visual. Posteriormente se adquirieron características de las señales asociadas al dolor. Se realizaron tres análisis: clasificación binaria con múltiples variables, binaria con una característica y clasificación de tres niveles con varias características. Se compararon los algoritmos SVM y QDA utilizando la matriz de confusión y el costo computacional. Para la clasificación binaria la exactitud del SVM fue del 88,02% y del QDA del 70,78%, con un costo computacional de 9,587s y 3,023s respectivamente.

  • English

    Pain is a health problem that affects people physically and emotionally. To determine the pain experimented, a survey is carried out, which implies self-evaluation, honesty, and verbal or facial communication capability. In this paper, we present a comparison of two computational algorithms for two classifiers: the first classifier discriminates between pain and no pain, and the second one classifies three levels of pain. The algorithms employed were the support vector machine (SVM) and a quadratic discriminant analysis method (QDA). Acute pain was induced in fifteen participants by electrostimulation, during the experiment we assessed electromyography (EMG), electrocardiography (ECG), electrodermal activity (EDA), and electroencephalography (EEG), as well we asked the participants to report their pain perception using the visual analog scale. Subsequently, we extracted features related to pain assessment from the acquired signals. Three analyses were performed, binary classifications with multiple features, binary classifications with one feature, and three-level classifications with various features. We compared the SVM and the QDA algorithms using the confusion matrix, and the computational cost. For the binary classification, the SVM algorithm accuracy was 88.02% and the QDA algorithm accuracy was 70.78%, with a computational cost of 9.587 s and 3.023 s, respectively.