【技术实现步骤摘要】
基于证据推理规则的缺血性脑卒中程度辨识建模方法
[0001]本专利技术涉及一种基于脑皮层血管数据和证据推理规则的缺血性脑卒中程度辨识建模方法。
技术介绍
[0002]脑卒中主要分为缺血性脑卒中(即脑梗塞)和出血性脑卒中(即脑出血)两类,缺血性脑卒中的发病率高于出血性脑卒中,占脑卒中患者总数的60%
‑
70%。据世界卫生组织研究报道,世界范围内脑卒中已成为仅次于癌症和冠心病的致死原因。
[0003]近年来,我国脑血管疾病数量呈急剧上升的趋势,且以22.45%的死亡率位列疾病致死原因的首位。脑卒中具有较高的复发率和致残率,由此导致75%脑卒中患者表现为不同程度的肢体功能障碍,如偏瘫、偏身感觉障碍、姿势与肌张力异常等进而导致日常行为能力的丧失,对个体、家庭以及劳动力造成了严重的影响,给生活、工作以及社会均带来了沉重的负担。中国老龄化社会即将到来,我国脑卒中临床康复面临巨大挑战。
[0004]目前临床上仍主要采用以行为表现评估为主的评定量表对患者进行神经功能损伤鉴定和康复水平评定,这种传统的脑卒中康复评定方式具有明显缺陷。康复理疗师自身水平和主观性负面影响以及患者自身个体差异所导致的量表内容不匹配、不准确等问题限制康复水平的准确评定及康复方案的有效制定。而如果能直观观察损伤血管的血流变化和再生情况以及神经组织损伤和恢复情况,就可以使患者的康复水平得到准确评定。因此,一套客观、准确、直观、科学的脑卒中程度辨识模型就成为当前一个必要的需求。
技术实现思路
[0005]本专利技术针 ...
【技术保护点】
【技术特征摘要】
1.基于证据推理规则的缺血性脑卒中程度辨识建模方法,其特征在于,包括步骤:确定脑卒中程度辨识模型的输入特征和输出框架,所述输入特征即为脑皮层血管二维特征数据,输出框架即为脑卒中程度;获取样本数据集,所述样本数据集包括训练数据集和验证数据集;根据所述样本数据集确定输入特征参考等级并构建证据的相似性分布表,通过似然归一化得到证据的置信度分布表,通过专家经验确定证据的可靠性因子和证据的重要性因子;计算输入特征数据与其参考等级之间的匹配度分布,融合输入特征数据激活的参考等级证据得到特征证据;通过递归证据推理规则融合所述输入特征证据,得到输入特征对输出的支持程度;根据所述证据的重要性因子和脑卒中程度辨识模型输出结果的均方误差构建优化目标函数,将优化后的模型作为最终辨识模型。2.根据权利要求1所述的基于证据推理规则的缺血性脑卒中程度辨识建模方法,其特征在于,所述样本数据集的获取步骤包括:通过连续观测大鼠脑皮层血管缺血前后变化的动物光窗模型,利用光相干层析成像术实时记录血管堵塞前后血管的损伤和再生情况,得到不同缺血性脑卒中程度的脑皮层血管OCT图像;根据所述脑皮层血管OCT图像分析脑皮层血管特征信息,从图像中获得脑皮层血管二维特征数据;通过ImageJ基于全局自动阈值的图像二值化处理,对所述脑皮层血管OCT图像二值化,统计脑皮层血管二维特征数据。3.根据权利要求2所述的基于证据推理规则的缺血性脑卒中程度辨识建模方法,其特征在于,基于所述脑皮层血管二维特征数据集确定输入特征数据的参考等级,构建所述证据的相似性分布表的步骤包括:计算每一个脑皮层血管二维特征数据轮廓值的平均值,通过k均值聚类得到脑皮层血管二维特征数据的聚类中心,聚类中心数为输入特征即所述脑皮层血管二维特征数据轮廓值的平均值;通过所述脑皮层血管二维特征数据集的最小值、最大值以及所述脑皮层血管二维特征数据的聚类中心确定脑皮层血管每一种二维特征数据的参考等级;计算所述样本数据集输入特征数据与其参考等级的匹配度分布用以构建证据的相似性分布表,所述输入特征数据被包含于输出框架所有脑卒中程度。4.根据权利要求3所述的基于证据推理规则的缺血性脑卒中程度辨识建模方法,其特征在于,所述根据所述证据的相似性分布表通过似然归一化得到证据的置信度分布表。5.根据权利要求1所述的基于证据推理规则的缺血性脑卒中程度辨识建模方法,其特征在于,计算所述样本数据集输入特征数据与其参考等级之间的匹配度分布,融合输入特征数据激活的参考等级证据得到特征证据包括步骤:根据专家经验确定参考等级证据的可靠性因子和重要性因子,所述参考等级证据即为所述证据的...
【专利技术属性】
技术研发人员:刘珂舟,付广玉,徐晓滨,常雷雷,蔡正厅,魏劭农,印梦婕,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
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。