PainIntensity_SVM_Based生物电位特征模式疼痛强度识别研究数据

数据集概述

本数据集为基于支持向量机（SVM）的生物电位特征模式疼痛强度识别率研究数据，包含八十五名参与者在不同疼痛刺激条件下采集的肌电图、皮肤电导水平和心电图信号提取特征，用于探究客观疼痛强度测量方法，支持疼痛诊断的自动化研究。

文件详解

• 文件名称：List_ExtractedFeatures.xlsx
• 文件格式：XLSX
• 字段映射介绍：包含从肌电图（面部为主）、皮肤电导水平、心电图信号中提取的一百五十九项特征，涉及振幅、频率、平稳性、熵、线性、变异性、相似性七类数学分组特征，对应基线、疼痛阈值、中间阈值、疼痛耐受阈值等刺激条件下的特征数据。

适用场景

• 疼痛诊断自动化研究: 利用生物电位特征数据训练支持向量机模型，探索客观疼痛强度测量方法，提升疼痛诊断的客观性和鲁棒性。
• 生物电位特征分析: 分析肌电图、皮肤电导水平、心电图特征与疼痛强度的关联，识别关键疼痛相关生物标志物。
• 机器学习在疼痛评估中的应用: 验证支持向量机算法在疼痛强度分类中的性能，优化模型准确率。
• 临床疼痛治疗支持: 为临床团队提供疼痛测量的客观数据参考，辅助治疗方案评估与调整。