[發明專利]一種基于腦肌網絡圖論特征的卒中后康復評估深度學習模型構建方法

有效

• 申請號: 202210176342.3
• 申請日: 2022-02-25
• 公開（公告）號: CN114587385B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 劉金標;魏依娜;馮琳清;唐弢;王麗婕
• 申請（專利權）人: 之江實驗室
• 主分類號: A61B5/372
• 分類號: A61B5/372;A61B5/397
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明公開了一種基于腦肌網絡圖論特征的卒中后康復評估深度學習模型構建方法，涉及神經生理學與機器學習交叉領域。本發明通過腦肌閉環功能網絡表征卒中后的病理拓撲結構，在此基礎上，進一步基于圖論特征建立深度學習模型評定腦卒中患者恢復程度及預測康復進程，重點考慮勾聯小世界網絡特征與神經網絡在評定預測運動功能障礙中的一致特性、以及如何實現多目標學習和聯合優化等。本發明利用腦肌電雙模態神經電生理信息，構建了新型卒中后住院恢復期運動功能評定和回訪期康復效果預測方法，有望提高臨床康復評估效率，從而具有重要的應用價值。

技術領域

本發明涉及神經生理學與機器學習交叉領域，具體涉及一種基于腦肌閉環功能網絡圖論特征的卒中后康復評估深度學習模型構建方法。

背景技術

腦卒中是全球人口死亡和致殘的首要原因。我國每年新發腦卒中患者約200萬人，其中70％-80％遺留有功能障礙。卒中后長期伴隨的運動功能障礙是制約患者回歸正常生活的重要一環。

康復治療是患者回歸社會和家庭的主要診療手段，但前提是康復訓練前精準評估卒中后的運動功能重塑進程，這對于臨床醫師制定治療策略起著重要的指導意義?？祻驮u估的原則要做到住院期全程評定和出院后定期回訪評定。然而，國內外針對運動功能障礙的臨床評估主要以量表評價為主，根據項目完成度打分判定患者的恢復狀況，檢測多是單一固定的動作，耗時較長且均存在依賴評定者主觀經驗判斷的問題，目前缺乏客觀有效且直接定量評估大腦與肌肉功能恢復的評價方法。

功能磁共振成像、腦磁圖、功能性近紅外光譜等醫療影像手段雖然可以精確定位腦病灶部位，一定程度上彌補了傳統量表的局限，但評估費用高昂，后期圖像分析處理速度慢、計算復雜等問題制約了應用的廣泛性。生理電信號，如腦電(EEG)和肌電(EMG)，具有高精度、高時間分辨率的特點，能夠快速表征患者受損大腦和肌肉功能的變化狀況，且價格低廉，在卒中后的病理研究和階段性康復狀態評估上得以應用。但在臨床上仍未成為常規的腦卒中康復評估方式，分析國內外相關研究，總結存在的主要問題如下：

一、單模態的評估精度不足，傳統EEG或EMG信號分析僅考慮卒中后的單向通路(大腦皮層或外周系統)傳遞信息，缺乏大腦-肌肉雙向通路的同步耦合分析。

卒中引發皮層和神經通路的損傷導致大腦局部神經功能缺失，無法向外周神經系統發出準確完整的神經沖動，進而引發運動功能障礙，其控制是一個“閉環”過程，需要促進大腦皮層的神經信息(運動意圖)傳遞控制和外周的感覺反饋(肌肉收縮)雙向通路恢復，該閉環過程耦合在一個復雜的反饋回路中，通常定義為腦肌功能耦合。大量研究已經證明同步EEG和EMG信息可以表征大腦與其支配肌肉之間功能耦合。現有腦肌耦合以單通道分析為主，未考慮腦損傷后病灶部位的局域性質，耦合量化特征不能充分代表雙向通路的閉環演變過程。

二、基于圖論特征的腦功能網絡連通性分析提供新思路，尚未應用于腦-肌耦合雙向通路閉環過程中。

近年來，腦功能網絡連通性分析成為評估卒中后大腦功能的新工具，通過在宏觀尺度上對各個腦區、神經元群構建網絡節點和連接邊，基于圖論特征可實現患者的病理拓撲理解。借鑒腦網絡的思路，以多通道EEG和EMG作為網絡節點，將大腦-肌肉之間上行和下行通路耦合信息整合到統一的“閉環”網絡中，可以解釋與肌肉活動相關的腦卒中患者皮層網絡的動態變化機制。在“閉環”網絡基礎上，基于深度學習模型，開展住院期腦卒中運動功能自動評估以及回訪期康復效果預測，以圖論特征為神經網絡輸入訓練模型，將大大減輕臨床康復醫師的工作負擔和患者的評估消耗時間，屬于臨床康復領域極具潛在價值的未探索前沿課題。

發明內容

本發明旨在聯合EEG和EMG兩種生理電信號，面向當前國內外卒中后上肢運動功能恢復評定和康復效果預測研究中的重點和難點問題，從深度神經網絡模型構建角度出發，基于腦-肌閉環網絡拓撲結構建立針對腦卒中患者動態運動的網絡表征，以圖論特征描述網絡連接的密集性、耦合強度等，進一步以深度學習模型預測患者的運動功能，實現客觀評定腦卒中患者運動功能的重塑進程。