System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本方法属于生物医学图像模式识别,具体涉及到视听觉行为学实验范式的构建、分类特征的提取以及分类模型的选择与搭建。
技术介绍
1、阿尔茨海默病(alzheimer’s disease,ad)是最常见的一种痴呆,主要以记忆力损害为首发症状,逐渐出现注意力、语言、视空间等认知功能受损和精神行为症状,最终导致患者丧失独立生活能力。ad的神经病理学机制至今未明,尚缺乏有效的早期干预诊疗手段。除ad生物标志物研究外,有研究表明,ad在出现认知障碍之前可能存在非认知的症状,且与痴呆发生的风险密切相关,因此视听觉整合障碍可能是ad认知功能下降的一个有效预测因子。将不同通道的感觉信息有效地合并为统一、连贯、强健的知觉的过程被称作多感觉整合。然而,既往研究只考虑单一感觉通路对认知障碍的影响,特别是视觉和听觉单通路,对多感觉整合研究较少。目前,ad患者视听觉整合的神经机制至今仍不明确,尚缺乏敏感性高、特异性强的客观量化指标。因此,亟需在视听觉整合方面做出新技术和新方法的创新研究,辅助ad早期精准识别。
技术实现思路
1、本专利技术针对技术背景提出的临床需要,提出一种基于视听觉整合行为范式的认知障碍辅助评估系统。首先,利用e-prime软件对患者的视觉和听觉行为进行采集记录,e-prime系统会随机提供给被试者一种试验刺激,试验刺激包括:听觉刺激(a)、视觉刺激(v)、和视听觉刺激(av),每种刺激类型包括目标刺激和非目标刺激两种。每个受试者进行2组实验,每组实验持续6分钟。在每组任务中,随机呈现30个听觉
2、通过上述操作我们可以采集到ad患者和老年健康对照(healthy controls,hc)的视听行为学数据,接下来筛选数据,建立竞争模型,计算冗余形成差异曲线,选择其中的15个特征,进一步基于机器学习的方法构建ad患者的智能分类模型,实现智能评估。因而本专利技术技术方案为:一种基于视听觉整合行为范式的老年认知障碍辅助评估系统,本系统包括三个模块:视听行为学数据采集模块、视听整合能力与认知功能的相关性分析模块、机器学习分类预测模块;
3、所述视听行为学数据采集模块包括:控制器、显示器、喇叭、反馈按键,所述显示器用于显示视觉刺激,喇叭用于播放听觉刺激,反馈按键用于当被试者收到刺激后的反馈接收,所述控制器选择对应的刺激模式,然后控制显示器和喇叭进行对被试者的刺激;
4、刺激模块包括:单独的视觉刺激、单独的听觉刺激、视觉听觉同时刺激;
5、反馈的方式为:当被试者听到或看到事先定好的声音或图像时,按下按钮;在不同的刺激模式下采集多个被试者的反馈数据,被试者包括:阿尔茨海默病患者和正常健康老年人,
6、所述视听整合能力与认知功能的相关性分析模块中的处理方法为:
7、步骤b1:将准确率低于50%的数据剔除;
8、步骤b2:计算单视觉刺激、单听觉刺激、视听觉刺激条件下正确的平均反应时间rt和准确率acc;
9、竞争模型是使用视觉反应和听觉反应概率总和的累积分布函数的统计预测模型,竞争模型计算公式如下:
10、p(rtracemodel<t)=p(rta<t)+p(rtv<t) (1)
11、其中,rta表示听觉刺激下的反应时,t表示每隔10ms的一个时间窗,rtv表示视觉刺激下的反应时,p(rta<t)表示听觉刺激下的反应时小于该时间窗的概率,p(rtv<t)表示视觉刺激下的反应时小于该时间窗的概率,rtracemodel表示使用竞争模型预测的反应时,p(rtracemodel<t)表示竞争模型预测的反应时小于该时间窗的概率;
12、步骤b3:在每个时间窗下,从视听累积分布函数中减去竞争模型累积分布函数,生成每个被试的差异曲线;其中累计分布函数的计算公式如下:
13、fx(x)=p(x≤x) ,0<x<+∞ (2)
14、其中,x表示随机变量,x表示时间窗,fx(x)表示随机变量x的cdf;
15、所述机器学习分类预测模块中的处理方法为:
16、步骤c1:将步骤b2计算的视听觉刺激下的平均反应时间rt和准确率acc作为特征,包括:视觉刺激下的准确率、听觉刺激下的准确率、视觉和听觉同时刺激下的准确率、视觉刺激下的反应时、听觉刺激下的反应时、视觉和听觉同时刺激下的反应时;从差异曲线中提取特征余下特征,将极大值点和两个零点的横坐标-反应时和纵坐标-概率,及两个零点之间的窗长作为特征;
17、步骤c2:对每组人进行人工打标签处理,将患者定义为0,将正常人定义为1;
18、步骤c3:对每组人的特征数据进行标准化;
19、步骤c4:将数据按照7:3的比例分为训练集和测试集,利用训练集训练二次判别分析模型,最后再利用测试集来验证模型。
20、进一步的,步骤c3中的标准化方法为z-score的方法,公式如下:
21、
22、其中x为特征数据,u为均值,σ为标准差。
23、本专利技术创新性地提出来视听觉整合行为范式实验方案,从而可以达到简便、有效的实现ad的早期诊断,诊断准确率达94%。
本文档来自技高网...【技术保护点】
1.一种基于视听觉整合行为范式的老年认知障碍辅助评估系统,本系统包括三个模块:视听行为学数据采集模块、视听整合能力与认知功能的相关性分析模块、机器学习分类预测模块;
2.如权利要求1所述的一种基于视听觉整合行为范式的老年认知障碍辅助评估系统,其特征在于,步骤C3中的标准化方法为z-score的方法,公式如下:
【技术特征摘要】
1.一种基于视听觉整合行为范式的老年认知障碍辅助评估系统,本系统包括三个模块:视听行为学数据采集模块、视听整合能力与认知功能的相关性分析模块、机器学习分类预测模块...
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。