【技术实现步骤摘要】
一种虚拟数字脑构建方法与系统及智能机器人控制系统
本公开涉及大脑网络及类脑人工智能相关
,具体的说,是涉及一种虚拟数字脑构建方法与系统以及智能机器人控制系统,采用本公开的虚拟数字脑构建方法构建的虚拟数字脑可用于智能机器人的控制。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,并不必然构成在先技术。脑科学主要研究大脑的结构与功能,理解认知、记忆、思维等意识产生的机理。脑科学对各种脑功能机理的解析,对有效诊断和治疗脑疾病有重要的临床意义。类脑人工智能是通过借鉴脑科学研究成果,来模拟人脑功能,二者相互借鉴、相互融合的发展是近年来国际科学界涌现的新趋势,其对人类健康和新一代人工智能技术及新型信息产业的发展意义重大,是国际科技界潜心研究的重要领域。脑科学研究的关键是要实现对神经元集群活动的实时观察,并通过特定神经环路的结构追踪及其活动操纵,研究其对脑功能的充分性和必要性,进而在全脑尺度上解析神经环路的结构和功能。基于预静息态功能磁共振成像(fMRI)数据,得到人脑中各个脑区间的熵连接,由这些熵连接和各个脑区组成人脑的一个网络,这个网络就是人脑的一个因果连接网,称为个体化的虚拟数字脑,是人脑的一个虚拟仿真模型,包括节点、节点之间的连接关系以及因果连接的强度。连接网中的每一个节点代表一个布鲁德曼功能脑区或自动解剖结构标注模板中的一个对应脑区,节点间有方向的连线表示脑区间的因果连接,连线的方向代表脑区间因果连接的方向。专利技术人发现,现有的虚拟大脑模型是欧洲基于受试者脑结构磁共振成像和弥 ...
【技术保护点】
1.一种虚拟数字脑构建方法,其特征是,包括如下步骤:/n构建虚拟数字脑得到静息状态和任务状态下的脑功能因果连接网络;/n获取大脑的弥散张量成像数据,利用确定性算法和概率算法相结合的混合纤维束跟踪方法,构建大脑结构网络;/n比较结构网络与脑功能因果连接网络,将脑区间不存在直接结构连接的因果连接删除,获得删除后的静息状态和任务态下的因果连接网络即为改进的虚拟数字脑;/n以静息态作为基线,获得任务信号刺激下脑区的激活状态,确定神经活动信号之间的关系,从而确定改进的虚拟数字脑中各个节点的关联强弱,建立节点神经活动信号模型即为最终的虚拟数字脑。/n
【技术特征摘要】
1.一种虚拟数字脑构建方法,其特征是,包括如下步骤:
构建虚拟数字脑得到静息状态和任务状态下的脑功能因果连接网络;
获取大脑的弥散张量成像数据,利用确定性算法和概率算法相结合的混合纤维束跟踪方法,构建大脑结构网络;
比较结构网络与脑功能因果连接网络,将脑区间不存在直接结构连接的因果连接删除,获得删除后的静息状态和任务态下的因果连接网络即为改进的虚拟数字脑;
以静息态作为基线,获得任务信号刺激下脑区的激活状态,确定神经活动信号之间的关系,从而确定改进的虚拟数字脑中各个节点的关联强弱,建立节点神经活动信号模型即为最终的虚拟数字脑。
2.如权利要求1所述的一种虚拟数字脑构建方法,其特征是:获取大脑的弥散张量成像数据,利用确定性算法和概率算法相结合的混合纤维束跟踪方法,构建大脑结构网络的方法,包括如下步骤:
步骤21、获取弥散张量成像数据,对这些进行预处理,预处理后的弥散张量成像数据;
步骤22、将预处理后的弥散张量成像数据,采用确定性算法跟踪获得脑区间的纤维束及其纤维束连接,再采用概率算法进行修正和完善获得最终的脑区间的纤维束及其纤维束连接;
步骤23、根据脑区间的纤维束连接,构建脑结构连接网即为大脑结构网络。
3.如权利要求1所述的一种虚拟数字脑构建方法,其特征是:以静息态作为基线,获得任务信号刺激下脑区的激活状态,确定神经活动信号之间的关系,从而确定改进的虚拟数字脑中各个节点的关联强弱,建立节点神经活动信号模型的方法,包括如下步骤:
步骤41、获得改进后的虚拟数字脑中各个脑区在当前时刻t的神经活动信号的初始值,设置迭代次数TN;
步骤42、令t=t+1,根据静息状态下多变量因果回归模型或者任务状态下的多变量因果回归模型,以及当前神经活动信号的值,更新当前脑区在下一时刻即t+1时刻的神经活动信号的值,获得当前脑区对应的输出信号的值;
步骤43、根据改进后的虚拟数字脑的各个脑区的因果连接关系,确定当前脑区的输出信号的作用脑区,采用人脑并行运算法则和静息状态下多变量因果回归模型,更新其它脑区神经活动信号的值;
步骤44、重复执行步骤42和43,直到达到迭代次数TN,停止迭代,根据迭代结果,计算每个脑区Rk神经活动信号强度。
4.如权利要求3所述的一种虚拟数字脑构建方法,其特征是:静息状态下多变量因果回归模型为:
式中,Rk(t+1)表示脑区Rk在t+1时刻的血氧水平信号值即为神经活动信号的输出值,Uk是一个常量,aki和bkj是实数,分别对应输入信号SIki(t)和AIkj(t);SIki(t)表示脑区Rk在t时刻的第i个同步输入BOLD信号的值;AIkj(t)表示脑区Rk在t时刻的第j个异步输入BOLD信号的值;Ek(t)是一个随机变量,表示t时刻的预测误差;
或者,任务状态下的多变量因果回归模型为:
式中,Rv...
【专利技术属性】
技术研发人员:王晓艳,张光玉,程运福,王鹏程,
申请(专利权)人:山东第一医科大学山东省医学科学院,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。