基于脑网络动态重构的卒中后认知障碍智能评估方法技术

本发明专利技术涉及医疗保健信息学技术领域，公开一种基于脑网络动态重构的卒中后认知障碍智能评估方法，包括：获取患者多模态脑影像数据，通过神经血管耦合模型动态补偿血流动力学延迟与白质传导速度差异，实现功能与结构信号的精准时空对齐；基于对齐数据构建脉冲神经网络动态熵变模型，将功能连接强度变化编码为脉冲发放序列，提取Gamma波段同步增强等代偿特征；采用能量最优传输模型约束脑网络重构合理性，生成代偿热力图；通过脉冲时序压缩编码实现边缘端实时计算。本发明专利技术避免传统静态分析的局限，通过脉冲编码技术使算法在嵌入式设备上达到微秒级响应，为基层医院提供可靠的卒中康复评估工具。

【技术实现步骤摘要】

本专利技术涉及一种基于脑网络动态重构的卒中后认知障碍智能评估方法，属于医疗保健信息学。

技术介绍

1、在脑卒中患者的康复评估中，基于多模态医疗数据，动态捕捉脑网络代偿路径的时空演化规律是提升智能评估系统准确性的关键环节。现阶段临床评估方法主要依赖静态功能连接分析技术，如基于固定时间窗的fmri数据处理，以及结合结构成像（如dti白质追踪）所进行的独立评估。此种评估方式虽能定位损伤区域，但存在以下技术瓶颈：

2、1、动态代偿特征捕获不足：静态分析无法解析突触可塑性引发的毫秒级振荡特性（如gamma波段同步增强），导致代偿路径的启动信号漏检。行业普遍通过延长采样时间窗补偿灵敏度，但会模糊时序分辨率，误判代偿窗口期。

3、2、多模态时空失配：fmri的血流动力学延迟与dti的白质传导速度差异未被校正，功能与结构数据的独立处理导致跨模态信号错位，生成虚假连接，现有方案通常采用简单时间插值对齐，但难以适应非均匀神经活动下的异步特性。

4、3、计算资源依赖限制基层应用：动态网络建模依赖gpu集群的高算力支持，传统算法无法在基层医院的本文档来自技高网...

【技术保护点】

1.一种基于脑网络动态重构的卒中后认知障碍智能评估方法，其特征在于，包括以下步骤：

2.根据权利要求1的基于脑网络动态重构的卒中后认知障碍智能评估方法，其特征在于，所述步骤2中，延迟自适应对齐算法进一步包括：迭代优化神经血管耦合模型的参数，以最小化BOLD信号数据和白质纤维追踪数据在时间轴上的残差，以及，基于下式估算：

3.根据权利要求1的基于脑网络动态重构的卒中后认知障碍智能评估方法，其特征在于，所述步骤4中，能量最优传输模型进一步引入代谢成本函数，代谢成本函数基于神经元活动和血流动力学之间的能量消耗关系构建，以及步骤3中，时序熵变特征包括Gamma波段30-8...

【技术特征摘要】

1.一种基于脑网络动态重构的卒中后认知障碍智能评估方法，其特征在于，包括以下步骤：

2.根据权利要求1的基于脑网络动态重构的卒中后认知障碍智能评估方法，其特征在于，所述步骤2中，延迟自适应对齐算法进一步包括：迭代优化神经血管耦合模型的参数，以最小化bold信号数据和白质纤维追踪数据在时间轴上的残差，以及，基于下式估算：

3.根据权利要求1的基于脑网络动态重构的卒中后认知障碍智能评估方法，其特征在于，所述步骤4中，能量最优传输模型进一步引入代谢成本函数，代谢成本函数基于神经元活动和血流动力学之间的能量消耗关系构建，以及步骤3中，时序熵变特征包括gamma波段30-80hz的同步增强模式。

4.根据权利要求1的基于脑网络动态重构的卒中后认知障碍智能评估方法，其特征在于，所述步骤5中，脉冲时序压缩编码技术采用基于动态重构脉冲密度的自适应稀疏化策略，具体包括：实时监测脑网络各脑区的脉冲计算密度，当关键代偿脑区的脉冲密度超过预设阈值时，触发局部脉冲簇合并机制，将高频微脉冲整合为低频宏脉冲并保留其振荡相位信息；对非关键脑区的脉冲序列实施事件驱动型截断编码，通过突触权重阈值过滤低信...

【专利技术属性】
技术研发人员：姜博，张柏扬，姚跃，谢进军，李明廷，周群力，叶亮，
申请(专利权)人：成都布鲁奥森信息科技有限责任公司，
类型：发明
国别省市：