一种多模态术后儿童疼痛识别方法

本发明公开了一种多模态术后儿童疼痛识别方法。旨在通过融合心电(ECG)、血氧(SPO2)、脑电图(EEG)多模态数据，提高对儿童术后疼痛识别的准确率。首先，分别对各模态数据进行采集与预处理，其中EEG转化成两种二维帧。接着，各个模态的数据通过特定的神经网络：频域流神经网络、时域流神经网络、血氧饱和度CNN‑GRU神经网络、心电CNN‑GRU神经网络，自动进行特征提取。最终，将提取到的特征输入MLP特征融合层进行疼痛识别。相比传统单一模态识别方法，本发明能更全面捕捉术后儿童疼痛相关特征，有效提高疼痛识别准确率，为医护人员及时准确评估儿童术后疼痛程度提供有力支持。