基于丘脑皮层神经计算模型的阿尔茨海默病演化趋势分析制造技术

本发明专利技术涉及神经计算建模技术领域,具体涉及一种基于丘脑皮层神经计算模型的阿尔茨海默病演化趋势分析，通过对经典的丘脑皮层神经计算模型进行优化，建立受Aβ淀粉样蛋白沉积影响的丘脑皮层神经计算数学模型，调整修正后模型中的Aβ淀粉样蛋标准化摄取值比率参数，对模型输出的脑电信号功率谱中α频段进行分析，进而判断阿尔茨海默病的阶段.本发明专利技术的有益效果是：该分析过程具有原理清晰、使用简单方便。即只要提供Aβ淀粉样蛋白相关参数,就可以预测出阿尔茨海默病的患病阶段、根据Aβ淀粉样蛋白相关参数，预测出阿尔茨海默病的患病阶段的工具。阶段的工具。阶段的工具。

Analysis of the evolution trend of Alzheimer's disease based on thalamic cortical neural computing model

【技术实现步骤摘要】
基于丘脑皮层神经计算模型的阿尔茨海默病演化趋势分析
[0001]

[0002]本专利技术涉及神经计算建模
,具体涉及一种基于丘脑皮层神经计算模型的阿尔茨海默病演化趋势分析。

技术介绍

[0003]阿尔茨海默病（AD）作为一种常见的退行性神经疾病，严重威胁的人类的健康。随着经济的发展，我国即将进入老龄化社会，阿尔茨海默病作为最常见的痴呆形式之一，阿尔茨海默病主要影响大脑的中枢系统，并导致神经元退行性改变。统计显示，约50%
‑
60%的痴呆与AD有关。因此，阿尔茨海默症的发病机制以及相关的生物标记物引发了广泛的关注，为了更好地理解阿尔茨海默病的神经元相关性和相关生物分子的影响进行疾病的早期诊断，许多注意力已经逐渐转移到与神经或精神疾病相关的计算模型上。
[0004]阿尔茨海默病脑电图异常震荡是多种因素的共同作用导致的，其现象表现为认知功能的下降。抑制性突触连接缺失可直接导致大脑震荡过程中α节律的减慢，抑制性兴奋性平衡在维持脑网络震荡过程中起重要作用，抑制性功能受损导致脑网络抑制性兴奋性失衡。Aβ淀粉样蛋白的沉积导致抑制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于丘脑皮层神经计算模型的阿尔茨海默病演化趋势分析,其特征在于，所述演化趋势分析具体包括以下步骤：S1）构建评价预测模型；S2）对S1）构建评价预测模型进行优化，选取历史数据库中阿尔茨海默病的特征值输入优化后的评价预测模型，输出模拟脑电信号，选取特定频段下模拟脑电信号处理后得到所述频段功率谱密度曲线；S3)再将实时采集离线的阿尔茨海默病的数据输入优化后的评价预测模型，将输出结果处理后与S2）得到的功率谱密度曲线进行比较，即实现评价阿尔茨海默病的阶段。2.根据权利要求1所述的基于丘脑皮层神经计算模型的阿尔茨海默病演化趋势分析，其特征在于，所述S1）的具体步骤为：S1.1）构造Aβ淀粉样蛋白对丘脑皮层模型抑制性时间常数影响的映射函数τ
i
(β
α
)；S1.2) 将S1.1)的τ
i
(β
α
)引入丘脑皮层模型替代丘脑网状核的抑制性时间常数，即得到评价预测模型。3.根据权利要求2所述的基于丘脑皮层神经计算模型的阿尔茨海默病演化趋势分析，其特征在于，所述S1.1）的具体步骤为：S1.11）按照患阿尔茨海默病的四种程度的状态区间检测历史数据库中Aβ淀粉样蛋白的下截止负载阈值β
α,off
和在人群中检测到Aβ淀粉样蛋白的最大负载值β
α,max
，确定Sigmoid函数的斜率和中点β0，S1.12）通过S1.11）得到Sigmoid函数，确认Sigmoid函数曲线的变化范围在S
max
,S
min
,即可得到抑制性时间常数在1/S
max
,1/S
min
之间变化，S1.13）将历史数据库中的Aβ淀粉样蛋白的负载值β
α
转换为抑制性时间常数τ
i
(β
α
)。4.根据权利要求3所述的基于丘脑皮层神经计算模型的阿尔茨海默病演化趋势分析，其特征在于，所述S2）的具体步骤为：S2.1) 从历史数据库中的阿尔茨海默病的特征值输入到优化后的评价预测模型中，评价预测模型依次输出四种状态区间的模拟脑电信...

【专利技术属性】
技术研发人员：王卫苹，郑启，罗熊，王震，何畅，欧阳基鹏，李建武，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：