【技术实现步骤摘要】
动态脑网络的脑龄预测建模方法、认知提升方法及系统
[0001]本专利技术涉及一种基于动态脑网络的脑龄预测模型建模方法，同时也涉及基于动态脑网络的认知提升方法及系统，属于神经调控
技术介绍
[0002]现有技术中，大多是基于经典的神经心理学量表，或基于计算机交互式的任务测评，或基于各种生理数据等进行各种认知功能的评估。评估结果往往是分值，例如：MMSE量表总分30分，测评结果可能是28分；交互式任务测评可能会用反应时、正确率等指标来评估该项脑能力；而从脑影像等获得的生理数据（如灰质体积、功能连接等），其健康评价标准皆不相同，如果不是业内人士则非常难以理解。
[0003]脑龄（或者说预测脑龄与实际年龄之间的差值）提供了一种更为直接的、简单易懂的评估指标，比如“您才40岁，怎么大脑却像50岁的一样？”、“您的大脑比您实际年龄更年轻3岁呢”，是一种更易于向大众推广的、个性化的认知功能评估指标。目前，脑龄预测方面的现有技术大多局限于怎样提高脑龄预测的准确度，难以达到异常老化预警、或脑疾病检测的目的。
[000...
【技术保护点】
【技术特征摘要】
1.一种动态脑网络的脑龄预测模型建模方法，其特征在于包括如下步骤：采集不同年龄段健康人群的结构化数据和脑影像数据；将大脑划分为多个脑功能网络，并对每个脑功能网络进行精细划分；基于所述多个脑功能网络及其精细分区，对所述脑影像数据进行数据分析，以提取脑影像特征；采用不同的前端深度神经网络对所述结构化数据和脑影像特征进行表示，并采用末端神经网络连接所述结构化数据和脑影像特征的表示结果，以建立初步的脑龄预测模型；对所述初步的脑龄预测模型进行数据训练，以形成最终的脑龄预测模型。2.如权利要求1所述的脑龄预测模型建模方法，其特征在于：所述结构化数据至少包括：年龄、性别以及受教育程度；所述脑影像数据至少包括：静息态功能磁共振数据、结构磁共振数据以及弥散张量成像数据。3.如权利要求2所述的脑龄预测模型建模方法，其特征在于将大脑划分为多个脑功能网络，并对每个脑功能网络进行精细划分，具体包括：将人脑至少分割为：视觉网络、听觉网络、感觉运动网络、背侧注意网络、额顶网络、默认网络、凸显网络、语言网络、边缘系统；采用人脑分区图谱或等面积随机分区的方式，对每个脑功能网络进行细分割，以将每个脑功能网络精细划分为多个子区。4.如权利要求2所述的脑龄预测模型建模方法，其特征在于基于所述多个脑功能网络及其精细分区，对所述脑影像数据进行数据分析，以提取脑影像特征，具体包括：对所述静息态功能磁共振数据进行预处理，以基于所述多个脑功能网络及其精细分区进行静态脑网络分析，从而获取各功能网络之间的功能连接以及拓扑属性；并且，基于所述多个脑功能网络及其精细分区进行动态脑网络分析，从而获取各功能网络之间的动态功能连接、动态拓扑属性以及动态变化特征；对所述结构磁共振数据进行预处理，以基于所述多个脑功能网络及其精细分区进行脑表面的形态学分析，从而获取皮层厚度、皮层表面积和灰质体积；对所述弥散张量成像数据进行预处理，以基于所述多个脑功能网络及其精细分区进行纤维追踪，从而获取白质分区的白质完整性指标；其中，功能连接、拓扑属性、动态功能连接、动态拓扑属性、动态变化特征、皮层厚度、皮层表面积、灰质体积以及白质分区的白质完整性指标共同构成所述脑影像特征。5.如权利要求4所述的脑龄预测模型建模方法，其特征在于所述初步的脑龄预测模型通过以下方式建立：使用word2vec方法，将结构化数据转化成m维嵌入向量m，其中，m表示结构化数据维度的数量；采用CNN模型对静息态功能磁共振数据、结构磁共振数据以及弥散张量成像数据构成的脑影像特征进行预测分析，以通过全卷积过程将卷积结果经由压平层纳入全连接层，经过反向传播算法损失函数调节，脑影像动态脑网络的脑影像特征逐渐反馈被CNN模型学习，经过多次迭代优化后输出脑影像特征向量 n，其中，n为所述脑影像特征的数量；
对所述嵌入向量m与脑影像特征向量 n进行注意力分析，以计算嵌入向量m 与脑影像特征向量 n 的关联关系，记为数值a，形成m
×
n维交互矩阵；以归一化指数Softmax作为激活函数，将交互矩阵的得分a映射为（0，1）的值，形成累计和为1的概率分布；将归一...
【专利技术属性】
技术研发人员：王云霞，张青格，周泊洋，程之禾，王凯妮，王嘉，
申请(专利权)人：北京智精灵科技有限公司，
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。