我院康复医学科白文芳博士联合广工黄大年式教师团队的相关成果——“MFDFormer模型：统一多尺度频域深度神经网络慢性疼痛脑电信号识别技术”的论文，于6月1日正式刊登于计算机人工智能JCR/中科院双1区TOP杂志《IEEE Internet of Things Journal》（五年影响因子：9.0）。通过开发轻量级神经网络模型，该研究构建了疼痛状态的多任务分类框架，有望加快可穿戴脑电设备的应用转化，标志着慢性疼痛诊疗进入智能量化管理新阶段。

        医工融合：智能疼痛评估模型精度达国际领先水平

        自2021年起，我院康复医学科白文芳副主任医师与谢胜利教授联合组建医工交叉创新团队（20余人硕博团队）。团队围绕电磁刺激外周神经调控技术，建立生物电信号人工智能疼痛评标准，开展系列研究。继2024年4月代表中国制造研发的“智能中医经络理疗仪”在瑞士 49 届日内瓦国际发明展获银奖，该团队合作构建的深度神经网络MFDFormer模型，又在慢性疼痛智能识别领域取得重要进展。

        针对传统疼痛评估依赖主观描述的痛点，研究团队创新地构建了疼痛识别深度神经网络框架，在疼痛状态识别（97.59%）、类型判别（96.02%）和强度分级（83.48%）三项核心指标上均超越国际先进水平，达成临床级精度的全维度智能评估。

        该项研究使便携式疼痛监测设备研发成为可能，患者通过可穿戴设备即可实现疼痛动态追踪，为个体化治疗方案制定、药效评估及神经调控治疗提供精准数据支持。目前团队正加速制定相关标准，推进临床转化研究，提升诊疗效率。

疼痛识别深度神经网络框架

        临床价值：智能可穿戴设备应用领域前景广阔

                研究团队所提出的基于深度神经网络（DNN）的统一、端到端多任务慢性疼痛识别框架，有望成为慢性疼痛管理模式，在物联网（IoT）和智能可穿戴设备应用领域非常有前景。

        1、提高疼痛诊断的精准度

        DNN的多任务学习能够同时分析来自不同数据源的多个疼痛相关参数（如疼痛强度、位置、持续时间和类型），整合心率监测器、肌电图传感器、活动追踪器等的实时数据，捕捉不同疼痛特征之间的复杂关系，从而更全面地了解患者的疼痛状态，有助于更早地发现疼痛发作或疼痛模式的变化，提高了诊断的准确性。

        2、个性化疼痛管理

        分析个体患者的数据，根据患者的独特疼痛特征，建议特定的药物、物理治疗方案或生活方式调整。随着框架处理的数据量不断增加，它可以适应并优化其建议，从而提高每个患者疼痛管理策略的有效性。

        3、远程监测与远程医疗

        通过将物联网和可穿戴设备与DNN框架相结合，能够实现对患者疼痛水平的持续监测，对于需要长期管理的慢性疼痛患者来说特别有价值。同时，为医疗保健者提供实时疼痛数据来支持远程医疗，实现远程咨询和调整治疗方案。

        4、提高患者参与度和自我管理能力

        为患者提供关于其疼痛模式的可操作见解，通过追踪疼痛管理目标的进展的游戏方式，鼓励患者遵守治疗方案并积极参与自我护理。

        5、数据驱动的研究与临床见解

        汇总和分析来自大量人群的疼痛相关数据，可以预测疼痛发作或治疗结果，使研究人员能够识别趋势、风险因素和有效的治疗策略，可加快新的疼痛管理指南或疗法的开发。

        基于DNN的多任务慢性疼痛识别MFDFormer框架，代表了疼痛诊断与管理方面的一大进步。未来通过利用物联网和智能可穿戴设备技术，将提供了一种个性化、实时且可扩展的疼痛管理方法，改善患者预后、降低医疗保健成本以及推动慢性疼痛研究和治疗领域的创新。

        广东工业大学邱世汉博士、谢侃教授为本论文的共同第一作者，广东工业大学杨俊杰副教授和广东省人民医院白文芳博士为共同通讯作者。

        原文链接

        参考文献

         Qiu S, Xie K, Yang J, et al. MFDFormer: A Unified Multiscale Frequency Domain MetaFormer Framework for EEG-based Chronic Pain Recognition[J].IEEE Internet of Things Journal, 2025, 12(11): 16511-16524. 

康复医学科