[發(fā)明專利]一種基于任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)融合和不確定推理的腦智能解析方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110277961.7
• 申請(qǐng)日: 2021-03-15
• 公開(kāi)（公告）號(hào): CN113095366A
• 公開(kāi)（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 鄶弘智;鐘寧;陳建輝;楊陽(yáng);馬蓮芳
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N5/04
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 劉萍

本發(fā)明公開(kāi)了一種基于任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)融合和不確定推理的腦智能解析方法，針對(duì)多個(gè)任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)的計(jì)算結(jié)果進(jìn)行融合，以腦知識(shí)庫(kù)和認(rèn)知圖譜為融合的數(shù)據(jù)源，以系統(tǒng)化實(shí)驗(yàn)?zāi)０鍒D和實(shí)驗(yàn)設(shè)計(jì)規(guī)則推理為融合手段，以多任務(wù)神經(jīng)影像數(shù)據(jù)為融合對(duì)象并計(jì)算生成不確定性分布圖。該方法從系統(tǒng)化解析腦智能的目標(biāo)出發(fā)，首先設(shè)計(jì)涉及主實(shí)驗(yàn)和輔助實(shí)驗(yàn)的實(shí)驗(yàn)?zāi)０鍒D、各實(shí)驗(yàn)之間的邏輯規(guī)則和證據(jù)權(quán)重；然后，根據(jù)規(guī)則采樣腦數(shù)據(jù)集成到圖中，并結(jié)合證據(jù)權(quán)重對(duì)圖中證據(jù)進(jìn)行組合計(jì)算，推理得到特定腦結(jié)構(gòu)的不同智能的多重不確定性。本發(fā)明通過(guò)對(duì)多側(cè)面任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)的融合計(jì)算和不確定性推理和腦智能的差異解釋，能夠提高腦智能核心機(jī)制的理解。

技術(shù)領(lǐng)域

本發(fā)明屬于神經(jīng)影像數(shù)據(jù)分析技術(shù)領(lǐng)域，又屬于腦認(rèn)知計(jì)算領(lǐng)域，尤其涉及一種基于任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)融合和不確定推理的腦智能解析方法。

背景技術(shù)

系統(tǒng)性的融合多組任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)并進(jìn)行不確定性推理的目的是為了從多側(cè)面的角度理解智能的腦特異性及其信息處理機(jī)制，進(jìn)一步推動(dòng)人工智能和腦疾病相關(guān)的醫(yī)療進(jìn)步。然而，由于認(rèn)知任務(wù)的復(fù)雜性，不同任務(wù)態(tài)數(shù)據(jù)之間很難實(shí)現(xiàn)關(guān)聯(lián)分析和融合計(jì)算。基于證據(jù)融合和不確定性推理方法，采用證據(jù)分類的思想，將不同實(shí)驗(yàn)任務(wù)推理為主實(shí)驗(yàn)任務(wù)類型或輔助實(shí)驗(yàn)任務(wù)類型，不同類型的實(shí)驗(yàn)任務(wù)對(duì)應(yīng)的任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)分為主實(shí)驗(yàn)證據(jù)和輔助實(shí)驗(yàn)證據(jù)，并定義每種證據(jù)的權(quán)重。最后，利用證據(jù)權(quán)重修正任務(wù)態(tài)神經(jīng)影像分析結(jié)果對(duì)應(yīng)的不確定性權(quán)重，再利用證據(jù)融合得到綜合的不確定分布。該方法確保多個(gè)認(rèn)知進(jìn)程相關(guān)的任務(wù)態(tài)數(shù)據(jù)之間系統(tǒng)性關(guān)聯(lián)，并實(shí)現(xiàn)證據(jù)的相互支撐，對(duì)深入了解腦智能具有重要的意義。

隨著功能神經(jīng)影像技術(shù)、大數(shù)據(jù)和人工智能的發(fā)展，逐漸累積的海量人腦活體神經(jīng)影像數(shù)據(jù)是研究人類腦智能的重要基礎(chǔ)。特別是在執(zhí)行認(rèn)知實(shí)驗(yàn)過(guò)程中所獲得任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)，這些資源被收集和整合，對(duì)研究腦智能具有重要的推動(dòng)作用。由于智能的復(fù)雜性，我們通常需要結(jié)合多個(gè)認(rèn)知進(jìn)程認(rèn)識(shí)大腦，這些不同的認(rèn)知進(jìn)程涉及到不同的認(rèn)知實(shí)驗(yàn)和數(shù)據(jù)，因此多角度的認(rèn)知實(shí)驗(yàn)聯(lián)合模擬及其相關(guān)數(shù)據(jù)的融合分析成為腦智能解析過(guò)程亟需解決的問(wèn)題，具有重要的實(shí)踐意義。

本發(fā)明提出了一種基于任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)融合和不確定推理的腦智能解析方法，通過(guò)系統(tǒng)化的集成多任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)并進(jìn)行融合計(jì)算，用于了解大腦的認(rèn)知特異性并給出不確定性量化分析，推動(dòng)腦智能的理解，提高腦特異性活動(dòng)的可解釋性。

發(fā)明內(nèi)容

本發(fā)明獲得了一種基于任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)融合和不確定推理的腦智能解析方法，基于證據(jù)分類的思想，將不同實(shí)驗(yàn)任務(wù)推理為主實(shí)驗(yàn)任務(wù)類型或輔助實(shí)驗(yàn)任務(wù)類型，不同類型的實(shí)驗(yàn)任務(wù)對(duì)應(yīng)的任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)分為主實(shí)驗(yàn)證據(jù)和輔助實(shí)驗(yàn)證據(jù)，并定義每種實(shí)驗(yàn)證據(jù)的權(quán)重。最后，利用證據(jù)權(quán)重修正目標(biāo)假設(shè)對(duì)應(yīng)的任務(wù)態(tài)神經(jīng)影像計(jì)算結(jié)果，再利用證據(jù)融合計(jì)算得到綜合的不確定分布，所述的目標(biāo)假設(shè)由實(shí)驗(yàn)范式類別和實(shí)驗(yàn)顯性刺激中的術(shù)語(yǔ)進(jìn)行約束。所述的方法是對(duì)多個(gè)任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)的計(jì)算結(jié)果進(jìn)行優(yōu)化融合的方法，該方法以腦知識(shí)庫(kù)和認(rèn)知圖譜為融合的數(shù)據(jù)源，以系統(tǒng)化實(shí)驗(yàn)?zāi)０鍒D中的實(shí)驗(yàn)設(shè)計(jì)類型和實(shí)驗(yàn)設(shè)計(jì)規(guī)則為融合手段，以多個(gè)任務(wù)態(tài)神經(jīng)影像數(shù)據(jù)為融合對(duì)象并計(jì)算生成不確定性分布圖，其特征在于包含以下步驟：

步驟1：設(shè)計(jì)由實(shí)驗(yàn)假設(shè)EH、實(shí)驗(yàn)范式TP、實(shí)驗(yàn)結(jié)論EC、實(shí)驗(yàn)數(shù)據(jù)DP以及分析過(guò)程AP構(gòu)成的標(biāo)準(zhǔn)化術(shù)語(yǔ)字典空間SV：

SV＝EH,TP,EC,DP,AP，

其中，EH包括認(rèn)知進(jìn)程的術(shù)語(yǔ)，TP包括實(shí)驗(yàn)范式類別PC＝{pc1,pc2,…,pci,…,pcm}和實(shí)驗(yàn)顯性刺激ES＝{es1,es2,…,esj,…,esn}的術(shù)語(yǔ)，EC包括神經(jīng)影像分析結(jié)果相關(guān)的術(shù)語(yǔ)，DP包括神經(jīng)影像數(shù)據(jù)特性相關(guān)的術(shù)語(yǔ)，AP包括神經(jīng)影像分析方法相關(guān)的術(shù)語(yǔ)，該空間SV用以標(biāo)注認(rèn)知神經(jīng)科學(xué)相關(guān)的神經(jīng)影像數(shù)據(jù)，其標(biāo)注的屬性信息作為記錄保存到數(shù)據(jù)庫(kù)中，作為腦知識(shí)庫(kù)；