一种啮齿动物疼痛程度分级评估数据集的构建方法技术

本发明专利技术提供一种啮齿动物疼痛程度分级评估数据集的构建方法。本发明专利技术首先采集啮齿动物图像数据集，获取啮齿动物正常状态和剧烈疼痛状态下的面部表情图像，对于每个啮齿动物的面部表情自发性疼痛特征分别进行评分，统计五个面部表情自发性疼痛特征分数，将啮齿动物疼痛程度分为11个等级，获得准确的啮齿动物疼痛程度分级评估数据集。本发明专利技术构建的数据集是构建的标准GS数据集，具有高准确性和可靠性，并且可用于指示手术和术后疼痛，以及评估镇痛药的功效。

A data set construction method of rodent pain grading evaluation

【技术实现步骤摘要】
一种啮齿动物疼痛程度分级评估数据集的构建方法
本专利技术涉及评估动物自发性疼痛程度
，具体的说是，关于生物医学实验室中构建啮齿动物疼痛程度数据集的方法。
技术介绍
临床前啮齿动物研究通常通过测量超敏反应来评估疼痛，这种超敏反应与皮区对于所研究的病理学或病因学有关联。然而，结果表明这并不能转化人类对疼痛的感知，因为该方法不能反映感受到疼痛时的皮质和其他相关因素。在许多研究中，使用机械刺激测量外周敏感性以引起戒断反应，定义敏感性阈值。尽管这种方法对于研究某些形式的敏感性很有用，但它只评估疼痛和伤害性疼痛通路的诱发成分。超敏反应测量不能评估影响疼痛经历的非伤害感受途径的存在或程度，包括产生负面影响的皮质醇血症相互作用，推动情绪学习，并重新组织回路。另外，机械或热超敏反应的使用不容易转化为临床结果，因为仅在感知到疼痛的一部分患者中有超敏反应。相反，在慢性疼痛患者中几乎普遍地发现自发性疼痛，并且已经将其确定为临床疼痛的主要症状。然而，一些方法用来测量炎症和神经性疼痛的临床前动物模型中的自发性疼痛，可以很好地转化体现出人类对疼痛的感知。在大多数患者中，使用疼痛度量表，问卷调查以及描述出感觉到的自发性疼痛。但是，这些方法不能用于调查动物疼痛程度，因此，将面部表情作为自发性疼痛的指标。面部动作编码系统将人类面部表情运动转化为动作单元，新生儿面部编码系统现已广泛应用于婴儿人群。临床前疼痛研究人员使用这些方法作为模型，构建评估动物是否存在疼痛的方法。小老鼠狰狞面孔度量(MGS)采用评分来利用五个面部特征作为评估疼痛的指标，大老鼠则采用了四个特征的面部编码系统。Grimacescales(GS)是通过老鼠面部度量老鼠的疼痛感。对于小鼠来说，GS已经被证明是一种高度准确，可重复和可靠的评估疼痛的方法，只需要对观察者进行短时间的训练。在物种间，GS被证明具有高准确性和可靠性，并且被认为可用于指示手术和术后疼痛，以及评估镇痛药的功效。小鼠和大鼠的“疼痛面”之间存在差异。在小鼠中，基线处的鼻子和脸颊具有光滑的外观，但在存在疼痛的情况下，在鼻子和脸颊区域都会变成明显的凸起。相比之下，在基线的大鼠中，鼻子和脸颊区域显示出明显的凸起，并且由于疼痛，鼻梁变平并伸长，导致晶须垫变平。由于这些差异，大鼠的GS有时使用四个FAU，即眼眶收紧，鼻子/脸颊变平，耳朵变化和晶须变化。鼻子/脸颊扁平化与大鼠疼痛的存在具有最高的相关性。因此，本专利技术提出啮齿动物自发性疼痛程度分级评估数据集，通过构建标准GS数据集，将其作参照准则，来探究评估啮齿动物自发性疼痛程度方法。一旦建立好数据集，可将此数据集应用到各种领域，比如评估由于手术引起的疼痛，正畸牙齿移动以及镇痛药对这些手术和其他疼痛病症的功效。
技术实现思路
针对目前缺乏标准的啮齿动物疼痛程度评估，为了更加适用于多个领域研究，本专利技术提供一种啮齿动物疼痛程度分级评估数据集的构建方法。一种啮齿动物疼痛程度分级评估数据集的构建方法，具体步骤如下：步骤(1)、收集图像数据从网上获取术后的白色老鼠和深棕色老鼠的视频，对视频进行采样，采样间隔为5秒钟，进行图像的采集，将获得的带有顺序的图像作为啮齿动物图像数据集。步骤(2)、确定评分标准啮齿动物的面部表情自发性疼痛特征包括5种：基线收紧、鼻子隆起、脸颊隆起、耳朵位置变化和胡须变化。获取啮齿动物正常状态和剧烈疼痛状态下的面部表情图像，对于每个疼痛特征：正常状态分值为0，剧烈疼痛状态分值为2，介于正常状态与剧烈疼痛状态之间分值为1。统计五个面部表情自发性疼痛特征分数，将啮齿动物疼痛程度分为11个等级，具体为0～10。步骤(3)、对啮齿动物图像数据集进行评分首先将带有顺序的啮齿动物图像输入至幻灯片，每张幻灯片中放一张图片，然后随机打乱幻灯片顺序，通过图形图像注释工具LabelImg软件标定啮齿动物图像中啮齿动物的脸部位置。将啮齿动物图像中正脸大部分未能展现的图像作为无效图像，不标定脸部位置不给予评分。专业评分人员根据步骤2的评分原则对啮齿动物疼痛程度进行评分，最后将幻灯片恢复到原先的顺序。步骤(4)、处理缺失数据所述的缺失数据为啮齿动物图像数据集中拍摄的不清晰，但是标定了啮齿动物脸部位置的图片，由于专业评分人员只会对清晰的啮齿动物图片评分，所以缺失数据缺少疼痛评分标签。采用缺失数据前一张包含疼痛评分标签的啮齿动物图像与缺失数据后一张包含疼痛评分标签的啮齿动物图像的平均评分数作为缺失数据的疼痛评分。最好剔除啮齿动物图像数据集中未进行评分的图像，获得啮齿动物疼痛程度分级评估数据集。本专利技术的有益效果如下：通过本专利技术方法构建的标准GS数据集，数据可靠，补充了现有啮齿动物疼痛程度分级评估数据集的不足，将其作参照准则，来探究评估啮齿动物疼痛程度方法。本专利技术方法构建的数据集可以应用到各种领域。用于大鼠的GS可用于评估由于手术引起的疼痛，正畸牙齿移动以及镇痛药对这些手术和其他疼痛病症的功效。此外，GS可用于检查术后镇痛对减少老年大鼠术后认知功能障碍的影响。对于小鼠来说，GS是一种高度准确，可重复和可靠的评估疼痛的方法，只需要对观察者进行短时间的训练。在各种物种间，GS被证明具有高准确性和可靠性，并且可用于指示手术和术后疼痛，以及评估镇痛药的功效。附图说明图1为不同疼痛下，啮齿动物不同程度的面部特征变化示意图。具体实施方式本专利技术所述方法包括以下步骤：一种啮齿动物疼痛程度分级评估数据集的构建方法，具体步骤如下：步骤(1)、收集图像数据从网上获取术后的白色老鼠和深棕色老鼠的视频，对视频进行采样，采样间隔为5秒钟，进行图像的采集，将获得的带有顺序的图像作为啮齿动物图像数据集。步骤(2)、确定评分标准啮齿动物的面部表情自发性疼痛特征包括5种：基线收紧、鼻子隆起、脸颊隆起、耳朵位置变化和胡须变化。获取啮齿动物正常状态和剧烈疼痛状态下的面部表情图像，对于每个疼痛特征：正常状态分值为0，剧烈疼痛状态分值为2，介于正常状态与剧烈疼痛状态之间分值为1。统计五个面部表情自发性疼痛特征分数，将啮齿动物疼痛程度分为11个等级，具体为0～10。图1为不同疼痛下，啮齿动物不同程度的面部特征变化示意图。步骤(3)、对啮齿动物图像数据集进行评分首先将带有顺序的啮齿动物图像输入至幻灯片，每张幻灯片中放一张图片，然后随机打乱幻灯片顺序，通过图形图像注释工具LabelImg软件标定啮齿动物图像中啮齿动物的脸部位置。将啮齿动物图像中正脸大部分未能展现的图像作为无效图像，不标定脸部位置不给予评分。专业评分人员根据步骤2的评分原则对啮齿动物疼痛程度进行评分，最后将幻灯片恢复到原先的顺序，这样做的目的是为了让评分人员以盲法方式对啮齿动物疼痛程度进行评分，减少连续图像带来的主观判断。步骤(4)、处理缺失数据所述的缺失数据为啮齿动物图像数据集中拍摄的不清晰，但是标定了啮齿动物脸部位置的图片，由于专业评分人员只会对清晰的啮齿动本文档来自技高网...

【技术保护点】
1.一种啮齿动物疼痛程度分级评估数据集的构建方法，其特征在于，具体步骤如下：/n步骤(1)、收集图像数据/n从网上获取术后的白色老鼠和深棕色老鼠的视频，对视频进行采样，采样间隔为5秒钟，进行图像的采集，将获得的带有顺序的图像作为啮齿动物图像数据集；/n步骤(2)、确定评分标准/n啮齿动物的面部表情自发性疼痛特征包括5种：基线收紧、鼻子隆起、脸颊隆起、耳朵位置变化和胡须变化；获取啮齿动物正常状态和剧烈疼痛状态下的面部表情图像，对于每个疼痛特征：正常状态分值为0，剧烈疼痛状态分值为2，介于正常状态与剧烈疼痛状态之间分值为1；统计五个面部表情自发性疼痛特征分数，将啮齿动物疼痛程度分为11个等级，具体为0～10；/n步骤(3)、对啮齿动物图像数据集进行评分/n首先将带有顺序的啮齿动物图像输入至幻灯片，每张幻灯片中放一张图片，然后随机打乱幻灯片顺序，通过图形图像注释工具LabelImg软件标定啮齿动物图像中啮齿动物的脸部位置；将啮齿动物图像中正脸大部分未能展现的图像作为无效图像，不标定脸部位置不给予评分；专业评分人员根据步骤2的评分原则对啮齿动物疼痛程度进行评分，最后将幻灯片恢复到原先的顺序；/n步骤(4)、处理缺失数据/n所述的缺失数据为啮齿动物图像数据集中拍摄的不清晰，但是标定了啮齿动物脸部位置的图片，由于专业评分人员只会对清晰的啮齿动物图片评分，所以缺失数据缺少疼痛评分标签；采用缺失数据前一张包含疼痛评分标签的啮齿动物图像与缺失数据后一张包含疼痛评分标签的啮齿动物图像的平均评分数作为缺失数据的疼痛评分；最好剔除啮齿动物图像数据集中未进行评分的图像，获得啮齿动物疼痛程度分级评估数据。/n...

【技术特征摘要】
1.一种啮齿动物疼痛程度分级评估数据集的构建方法，其特征在于，具体步骤如下：
步骤(1)、收集图像数据
从网上获取术后的白色老鼠和深棕色老鼠的视频，对视频进行采样，采样间隔为5秒钟，进行图像的采集，将获得的带有顺序的图像作为啮齿动物图像数据集；
步骤(2)、确定评分标准
啮齿动物的面部表情自发性疼痛特征包括5种：基线收紧、鼻子隆起、脸颊隆起、耳朵位置变化和胡须变化；获取啮齿动物正常状态和剧烈疼痛状态下的面部表情图像，对于每个疼痛特征：正常状态分值为0，剧烈疼痛状态分值为2，介于正常状态与剧烈疼痛状态之间分值为1；统计五个面部表情自发性疼痛特征分数，将啮齿动物疼痛程度分为11个等级，具体为0～10；
步骤(3)、对啮齿动物图像数据集进行评分
首先将带有顺序的啮齿动物图像输入...

【专利技术属性】
技术研发人员：颜成钢，付祖贤，陈安琪，孙垚棋，张继勇，张勇东，于肖洋，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33