老年人的第二大脑制造技术

本发明专利技术提供老年人的第二大脑，涉及脑科技术领域。包括脑部接口设备和APP系统，所述脑部接口设备由网络框架模块、模型记录模块、分析模块组成，所述网络优化模块包括固定图的图卷积网络、固定图的图注意力网络、个体脑网络的图注意力网络。本发明专利技术在针对老年人的记忆力进行了强化，在脑网络构建方面，充分考虑先验知识，并且可以手机为载体进行APP安装，其中手机APP中可对老年人的习惯性语言、社交关系、生活视频画面为基础进行数据输入和借助脑部接口设备进行日常生活记录，因此本申请设计脑部接口设备和APP，在极大程度上的增加了老年人的学习记忆和提供数据支撑，进而能够有效的减少老年人记忆力下降的风险。老年人记忆力下降的风险。老年人记忆力下降的风险。

【技术实现步骤摘要】
老年人的第二大脑


[0001]本专利技术涉及脑科
，特别涉及老年人的第二大脑。

技术介绍

[0002]老年人在中国是指在六十岁以上的老人，其中老年人也是并发症比较多的群体，而阿尔茨海默病：属于一种老年人的神经功能退行性疾病，可能与年龄增长、遗传因素有关，可导致老人出现严重的忘事症状，还可伴有认知功能障碍、人格改变等表现部分病情严重的患者可能会完全丧失生活自理能力，各种行为也会发生退化。
[0003]随着老龄化人口的不断增加，越来越多的老年人容易出现遗忘的情况，进而导致老龄人口的阿尔茨海默病病发症越来越多，因此本申请为了提高老年人的记忆力，特设计出一块老年人增加记忆的第二大脑的脑机接口设备和用于记录老年人习惯性语言和社交关系的APP系统。

技术实现思路

[0004](一)技术方案
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：老年人的第二大脑，包括脑部接口设备，所述脑部接口设备由网络框架模块、模型记录模块、分析模块组成；
[0006]所述网络优化模块包括固定图的图卷积网络、固定图的图注意力网络、个体脑网络的图注意力网络，所述模型记录模块包括批量归一化、交叉熵损失函数；
[0007]所述分析模块包括在基于固定图的GCN模型和基于固定图的GAT模型中，使用了性别和站点作为构造图结构的关键，频谱GCN提供了在不规则的图结构上进行卷积的有力且原则上的方法，使用Chebyshev多项式，对该多项式进行优化可以进一步改善结果，另外由于频谱GCN涉及拉普拉斯的参数化，限制了它们只能应用于固定结构的图形。
[0008]优选的，所述图卷积网络在图信号处理中，基于谱域的模型应用很广泛，它是根据图信号处理引入滤波器定义的，即可以认为是信号x∈R
n
(每个节点的标量)与傅里叶域中由θ∈R
n
参数化的滤波器gθ＝diag(θ)的乘积。
[0009]进一步，所述固定图的图注意力网络和基于谱域的模型相比，基于空间域的方法由于其大量优点取得了快速发展，基于空间域的模型为处理多个输入源提供了更大的灵活性，如边输入，有向图，以及异构图，这些输入源可以组合成聚合函数，GAT是一种先进的基于空间域的GNN方法，它使用了自注意力机制，允许(隐式地)每个节点在处理不同大小的邻居时，根据其邻居的特征分配不同的重要性，因为不同的大脑区域对疾病的贡献不同，注意力机制对大脑网络的处理可能非常重要。它能够根据特征进行对脑区分配不同的注意力系数，使得网络更加关注具有关键信息的区域，忽略不重要的区域。
[0010]更进一步，所述个体脑网络的图注意力网络包括以下步骤：
[0011]S1、获取节点，本节使用国际标准HO模板进行对rs
‑
fMRI数据进行配准，将所获取的脑区作为节点；
[0012]S2、在rs
‑
fMRI数据的基础上，通过构建FBN方法，获取节点间的连接矩阵，本节使用所提出的脑网络构建方法(PSCR)，获取大脑区域间的连接关系。
[0013]S3、通过得到的连接矩阵和节点获取脑图。
[0014]更加进一步，所述批量归一化是在BN层能够将特征数据重新呈现为正态分布，其原理是将数据计算为均值为0、标准差为1的中间层特征，便于后续的训练。
[0015]更加进一步，所述交叉熵损失函数是根据网络模型选择合适的损失函数。本节主要介绍交叉熵损失函数对模型进行优化，交叉熵损失只关心正确分类的预测概率，只要这个概率的数值足够大，就被认为分类的结果是正确的。
[0016]更加进一步，所述语言记录模块通过脑部接口设备对老年人的语言行为进行记录，并且对常用语进行数据保存，且通过数据通道与点击功能模块联通；
[0017]所述社交记录模块通过提前数据储存在社交记录模块中，然后通过数据通道将其导入到脑部接口设备内部，后通过脑部接口设备与老年人脑部进行连接，建立社交关系记忆；
[0018]所述图像记录模块通过数据输入通道进行输入图像，且通过脑部接口设备联通进行图像数显，并且以数据的形式传递到APP系统中的储存部中，所述图像记录模块通过互通数据通道与脑部接口设备数据传递。
[0019]更加进一步，所述视频播放模块通过APP系统内部数据通道与语言记录模块、社交记录模块、图像记录模块联通，且通过显示载体进行显示，所述点击功能模块通过APP内部数据通道与语言记录模块、社交记录模块、图像记录模块视频输出数据连接控制，并以视频播放模块为输出。
[0020](二)有益效果
[0021]本专利技术提供了老年人的第二大脑。具备以下有益效果：本专利技术在针对老年人的记忆力进行了强化，在脑网络构建方面，充分考虑先验知识，并且现有的脑网络构建都优先于老年人的个人脑部网络的，并且可以手机为载体进行APP安装，其中手机APP中可对老年人的习惯性语言、社交关系、生活视频画面为基础进行数据输入和借助脑部接口设备进行日常生活记录，因此本申请设计脑部接口设备和APP，在极大程度上的增加了老年人的学习记忆和提供数据支撑，进而能够有效的减少老年人记忆力下降的风险。
附图说明
[0022]图1为本专利技术图卷积网络对整体图进行分类的框架结构示意图。
[0023]图2为本专利技术系统运行流程示意图。
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]实施例一：
[0026]如图1
‑
2所示，包括脑部接口设备和APP系统，所述脑部接口设备由网络框架模块、
模型记录模块、分析模块组成，所述网络优化模块包括固定图的图卷积网络、固定图的图注意力网络、个体脑网络的图注意力网络，所述模型记录模块包括批量归一化、交叉熵损失函数，所述分析模块包括在基于固定图的GCN模型和基于固定图的GAT模型中，使用了性别和站点作为构造图结构的关键，频谱GCN提供了在不规则的图结构上进行卷积的有力且原则上的方法，使用Chebyshev多项式，对该多项式进行优化可以进一步改善结果，另外由于频谱GCN涉及拉普拉斯的参数化，限制了它们只能应用于固定结构的图形，所述APP系统自上而下包括语言记录模块、社交记录模块、图像记录模块、视频播放模块、点击功能模块；
[0027]所述语言记录模块通过脑部接口设备对老年人的语言行为进行记录，并且对常用语进行数据保存，且通过数据通道与点击功能模块联通，所述社交记录模块通过提前数据储存在社交记录模块中，然后通过数据通道将其导入到脑部接口设备内部，后通过脑部接口设备与老年人脑部进行连接，建立社交关系记忆，所述图像记录模块通过数据输入通道进行输入图像，且通过脑部接口设备联通进行图像数显，并且以数据的形式传递到APP系统中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.老年人的第二大脑，包括脑部接口设备和APP系统，其特征在于：所述脑部接口设备由网络框架模块、模型记录模块、分析模块组成；所述网络优化模块包括固定图的图卷积网络、固定图的图注意力网络、个体脑网络的图注意力网络，所述模型记录模块包括批量归一化、交叉熵损失函数；所述分析模块包括在基于固定图的GCN模型和基于固定图的GAT模型中，使用了性别和站点作为构造图结构的关键，频谱GCN提供了在不规则的图结构上进行卷积的有力且原则上的方法，使用Chebyshev多项式，对该多项式进行优化可以进一步改善结果，另外由于频谱GCN涉及拉普拉斯的参数化，限制了它们只能应用于固定结构的图形；所述APP系统自上而下包括语言记录模块、社交记录模块、图像记录模块、视频播放模块、点击功能模块。2.根据权利要求1所述的老年人的第二大脑，其特征在于：所述图卷积网络在图信号处理中，基于谱域的模型应用很广泛，它是根据图信号处理引入滤波器定义的，即可以认为是信号x∈R
n
与傅里叶域中由θ∈R
n
参数化的滤波器gθ＝diag(θ)的乘积。3.根据权利要求1所述的老年人的第二大脑，其特征在于：所述固定图的图注意力网络和基于谱域的模型相比，基于空间域的方法由于其大量优点取得了快速发展，基于空间域的模型为处理多个输入源提供了更大的灵活性，如边输入，有向图，以及异构图，这些输入源可以组合成聚合函数，GAT是一种先进的基于空间域的GNN方法，它使用了自注意力机制，允许每个节点在处理不同大小的邻居时，根据其邻居的特征分配不同的重要性，因为不同的大脑区域对疾病的贡献不同，注意力机制对大脑网络的处理可能非常重要。它能够根据特征进行对脑区分配不同的注意力系数，使得网络更加关注具有关键信息的区域，忽略不重要的区域。4.根据权利要求1所述的老年人的第二大脑，其特征在于：所述个体脑网络的图注意力网络包括以下步...

【专利技术属性】
技术研发人员：陈楠，夏欢欢，陆晓翔，李亚天，程川，吴静楠，
申请(专利权)人：上海博斯腾网络科技有限公司，
类型：发明
国别省市：