本發(fā)明提供了一種共時(shí)空腦計(jì)算模型的構(gòu)建方法及系統(tǒng)，屬于計(jì)算神經(jīng)科學(xué)和人工智能。

背景技術(shù)：

1、隨著人工智能時(shí)代的到來(lái)，了解人類的行為和認(rèn)知過(guò)程可以構(gòu)建更智能、更具適應(yīng)性的智能系統(tǒng)。人類的認(rèn)知主要來(lái)自于大腦系統(tǒng)中神經(jīng)元之間的電信號(hào)和化學(xué)信號(hào)釋放過(guò)程，這一過(guò)程也被稱為大腦活動(dòng)。隨著神經(jīng)成像技術(shù)的發(fā)展，不同的記錄技術(shù)和計(jì)算分析方法為大腦內(nèi)部活動(dòng)的研究提供了部分見解。基于神經(jīng)動(dòng)力學(xué)理論的腦計(jì)算模型能夠模擬生物學(xué)上真實(shí)的神經(jīng)元種群之間的同步模式，從而直接產(chǎn)生自發(fā)的或刺激誘導(dǎo)的活動(dòng)，從而再現(xiàn)腦網(wǎng)絡(luò)中動(dòng)態(tài)活動(dòng)的變化，進(jìn)一步解釋其機(jī)制。因此，使用這種技術(shù)來(lái)構(gòu)建虛擬大腦，并模擬和分析內(nèi)部活動(dòng)狀態(tài)，這為更好地描述大腦動(dòng)態(tài)及其與大腦功能的關(guān)系創(chuàng)造了機(jī)會(huì)。然而，當(dāng)前已有的腦計(jì)算模型受到觀察到的大腦成像數(shù)據(jù)的限制，主要是基于對(duì)稱且僅為正的解剖結(jié)構(gòu)來(lái)構(gòu)建，該解剖結(jié)構(gòu)是由擴(kuò)散成像的白質(zhì)完整性來(lái)估計(jì)的連通性參數(shù)化，這其中可能存在潛在的錯(cuò)誤推斷；在模型后期的損失函數(shù)部分也僅考慮了功能網(wǎng)絡(luò)間的相似性，而忽略了大腦內(nèi)獨(dú)特的動(dòng)力學(xué)特性。這一系列的原因?qū)е履壳暗哪M結(jié)果不理想且無(wú)法得到可靠且具有可解釋性的模擬大腦模型。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有模型對(duì)大腦神經(jīng)動(dòng)力學(xué)活動(dòng)模擬精度不夠的問(wèn)題，本發(fā)明提出了一種共時(shí)空腦計(jì)算模型的構(gòu)建方法及系統(tǒng)，以精準(zhǔn)模擬大腦的神經(jīng)活動(dòng)和功能。

2、本發(fā)明采用的技術(shù)方案為：一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，包括以下步驟：

3、步驟1：通過(guò)連續(xù)掃描大腦，獲取大腦的功能磁共振成像數(shù)據(jù)；

4、步驟2：對(duì)獲取的功能磁共振成像數(shù)據(jù)進(jìn)行預(yù)處理，得到不同腦區(qū)各個(gè)時(shí)刻的bold信號(hào)；

5、步驟3：構(gòu)建大腦計(jì)算模型，具體包括：

6、步驟3.1：將bold信號(hào)劃分為多個(gè)傳輸強(qiáng)度矩陣，并從這些傳輸強(qiáng)度矩陣中提取包含大腦內(nèi)在共有信息的時(shí)空權(quán)重矩陣；

7、步驟3.2：根據(jù)時(shí)空權(quán)重矩陣，通過(guò)計(jì)算不同腦區(qū)的自發(fā)局部活動(dòng)與其輸出到其他大腦區(qū)域之間的關(guān)系來(lái)模擬大腦活動(dòng)信號(hào)，其中模擬大腦神經(jīng)活動(dòng)的過(guò)程如下：

8、基于神經(jīng)動(dòng)力學(xué)理論，將上述構(gòu)建的時(shí)空權(quán)重矩陣作為大腦計(jì)算模型的輸入，通過(guò)以下的微分方程來(lái)描述每個(gè)大腦區(qū)域間的演化過(guò)程

9、

10、式中：ηt是大腦區(qū)域接收到的噪聲，描述了從大腦活動(dòng)中捕獲的時(shí)空重建信息，是一個(gè)腦區(qū)的自發(fā)局部活動(dòng)與其輸出到其他大腦區(qū)域之間的關(guān)系；

11、將模擬得到的神經(jīng)活動(dòng)通過(guò)血流動(dòng)力學(xué)響應(yīng)balloon-windkessel模型轉(zhuǎn)化為模擬得到的bold信號(hào)；

12、步驟4：根據(jù)經(jīng)驗(yàn)采集數(shù)據(jù)與不同參數(shù)下大腦計(jì)算模型模擬得到的大腦活動(dòng)，計(jì)算對(duì)應(yīng)的相空間相似性損失函數(shù)；

13、步驟5：通過(guò)相空間相似性損失函數(shù)來(lái)確定最優(yōu)的腦計(jì)算模型參數(shù)，以構(gòu)建個(gè)性化的共時(shí)空腦計(jì)算模型。

14、進(jìn)一步地，功能磁共振成像數(shù)據(jù)通過(guò)核磁共振機(jī)器采集到的。

15、進(jìn)一步地，對(duì)獲取的功能磁共振成像數(shù)據(jù)進(jìn)行預(yù)處理包括：數(shù)據(jù)刪減、影像時(shí)間層校正、影像頭動(dòng)校正、空間平滑、濾波、影像協(xié)變量回歸處理。

16、進(jìn)一步地，利用腦圖譜分割模板對(duì)經(jīng)過(guò)預(yù)處理后的功能磁共振成像數(shù)據(jù)進(jìn)行分區(qū)，提取每個(gè)腦區(qū)的bold信號(hào)。

17、進(jìn)一步地，構(gòu)建時(shí)空權(quán)重矩陣的過(guò)程如下：通過(guò)劃分滑動(dòng)時(shí)間窗的方法將bold信號(hào)分成多個(gè)時(shí)間塊，并分別計(jì)算每個(gè)時(shí)間塊內(nèi)腦區(qū)與腦區(qū)間的皮爾遜相關(guān)性，以構(gòu)建對(duì)應(yīng)的傳輸強(qiáng)度矩陣；再通過(guò)增廣拉格朗日乘子和主成分追蹤的融合算法提取這些傳輸強(qiáng)度矩陣的共有信息，構(gòu)建包含大腦內(nèi)在共有信息的時(shí)空權(quán)重矩陣。

18、進(jìn)一步地，構(gòu)建相空間相似性損失函數(shù)的過(guò)程如下：

19、將步驟3.2中模擬得到的大腦活動(dòng)分別轉(zhuǎn)化每個(gè)腦區(qū)對(duì)應(yīng)的相空間，再用以下公式度量腦區(qū)與腦區(qū)之間相空間的空間相似性，以構(gòu)建相空間相似矩陣：

20、

21、式中：psaij為大腦第i和j個(gè)區(qū)域的相空間相似性，psi為大腦第i個(gè)區(qū)域的相空間圖，psj為大腦第j個(gè)區(qū)域的相空間圖，為相應(yīng)項(xiàng)的平均值，σps為相應(yīng)項(xiàng)的標(biāo)準(zhǔn)差，c1＝(k1l)2、c2＝(k2l)2均是用來(lái)維持穩(wěn)定的常數(shù)，其中l(wèi)是輸入圖像的動(dòng)態(tài)范圍，k1＝0.01，k2＝0.03；

22、分別計(jì)算根據(jù)經(jīng)驗(yàn)采集到的大腦活動(dòng)與balloon-windkessel模型模擬得到的大腦活動(dòng)的相空間相似矩陣，再通過(guò)皮爾遜相關(guān)性比較兩個(gè)矩陣間的相似性，從而構(gòu)建相空間相似性損失函數(shù)。

23、進(jìn)一步地，構(gòu)建共時(shí)空腦計(jì)算模型的過(guò)程如下：通過(guò)遺傳算法求解不同參數(shù)下大腦計(jì)算模型的相空間相似性損失函數(shù)值，尋找經(jīng)驗(yàn)bold信號(hào)與模擬bold信號(hào)最為相似的參數(shù)，構(gòu)建個(gè)性化的共時(shí)空腦計(jì)算模型。

24、進(jìn)一步地，步驟4中的經(jīng)驗(yàn)采集數(shù)據(jù)為通過(guò)核磁共振機(jī)器采集的功能核磁共振成像數(shù)據(jù)。

25、一種用于構(gòu)建共時(shí)空腦計(jì)算模型的系統(tǒng)，包括：

26、影像數(shù)據(jù)獲取模塊，用于獲取核磁共振機(jī)器采集到的腦部影像數(shù)據(jù)；

27、預(yù)處理模塊，用于對(duì)腦部影像數(shù)據(jù)進(jìn)行預(yù)處理，獲得每個(gè)腦區(qū)的bold信號(hào)；

28、時(shí)空權(quán)重矩陣構(gòu)建模塊，用于提取出大腦內(nèi)在共有的信息；

29、神經(jīng)活動(dòng)模擬模塊，用于描述每個(gè)大腦區(qū)域間的演化過(guò)程；

30、損失函數(shù)構(gòu)建模塊，用于確定大腦計(jì)算模型最優(yōu)參數(shù)以及評(píng)估模擬bold信號(hào)的準(zhǔn)確性；

31、共時(shí)空腦計(jì)算模型構(gòu)建模塊，用于根據(jù)確定的最優(yōu)參數(shù)來(lái)構(gòu)建共時(shí)空腦計(jì)算模型，模擬精準(zhǔn)且個(gè)性化的大腦活動(dòng)。

32、本發(fā)明相對(duì)于現(xiàn)有技術(shù)具備的有益效果為：相比于現(xiàn)有的基于神經(jīng)動(dòng)力學(xué)理論的腦計(jì)算模型構(gòu)建方法，本發(fā)明所提出的一種共時(shí)空腦計(jì)算模型的構(gòu)建方法及系統(tǒng)，可以模擬更貼近于真實(shí)大腦的神經(jīng)活動(dòng)與神經(jīng)生理特點(diǎn)，精確全面地闡明了大腦的功能特性和神經(jīng)活動(dòng)機(jī)制，且把解剖式生物學(xué)研究的斷面腦變成生動(dòng)的動(dòng)態(tài)腦，更加系統(tǒng)動(dòng)態(tài)地研究大腦工作機(jī)制。

技術(shù)特征：

1.一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，其特征在于：功能磁共振成像數(shù)據(jù)通過(guò)核磁共振機(jī)器采集到的。

3.根據(jù)權(quán)利要求1所述的一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，其特征在于：對(duì)獲取的功能磁共振成像數(shù)據(jù)進(jìn)行預(yù)處理包括：數(shù)據(jù)刪減、影像時(shí)間層校正、影像頭動(dòng)校正、空間平滑、濾波、影像協(xié)變量回歸處理。

4.根據(jù)權(quán)利要求3所述的一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，其特征在于：利用腦圖譜分割模板對(duì)經(jīng)過(guò)預(yù)處理后的功能磁共振成像數(shù)據(jù)進(jìn)行分區(qū)，提取每個(gè)腦區(qū)的bold信號(hào)。

5.根據(jù)權(quán)利要求4所述的一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，其特征在于：構(gòu)建時(shí)空權(quán)重矩陣的過(guò)程如下：通過(guò)劃分滑動(dòng)時(shí)間窗的方法將bold信號(hào)分成多個(gè)時(shí)間塊，并分別計(jì)算每個(gè)時(shí)間塊內(nèi)腦區(qū)與腦區(qū)間的皮爾遜相關(guān)性，以構(gòu)建對(duì)應(yīng)的傳輸強(qiáng)度矩陣；再通過(guò)增廣拉格朗日乘子和主成分追蹤的融合算法提取這些傳輸強(qiáng)度矩陣的共有信息，構(gòu)建包含大腦內(nèi)在共有信息的時(shí)空權(quán)重矩陣。

6.根據(jù)權(quán)利要求5所述的一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，其特征在于：構(gòu)建相空間相似性損失函數(shù)的過(guò)程如下：

7.根據(jù)權(quán)利要求6所述的一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，其特征在于：構(gòu)建共時(shí)空腦計(jì)算模型的過(guò)程如下：通過(guò)遺傳算法求解不同參數(shù)下大腦計(jì)算模型的相空間相似性損失函數(shù)值，尋找經(jīng)驗(yàn)bold信號(hào)與模擬bold信號(hào)最為相似的參數(shù)，構(gòu)建個(gè)性化的共時(shí)空腦計(jì)算模型。

8.根據(jù)權(quán)利要求7所述的一種共時(shí)空腦計(jì)算模型的構(gòu)建方法，其特征在于：步驟4中的經(jīng)驗(yàn)采集數(shù)據(jù)為通過(guò)核磁共振機(jī)器采集的功能核磁共振成像數(shù)據(jù)。

9.一種用于構(gòu)建共時(shí)空腦計(jì)算模型的系統(tǒng)，其特征在于：包括：

技術(shù)總結(jié)
本發(fā)明提供了一種共時(shí)空腦計(jì)算模型的構(gòu)建方法及系統(tǒng)，屬于計(jì)算神經(jīng)科學(xué)和人工智能技術(shù)領(lǐng)域；解決了現(xiàn)有模型對(duì)大腦神經(jīng)動(dòng)力學(xué)活動(dòng)模擬精度不夠的問(wèn)題；包括以下步驟：通過(guò)連續(xù)掃描大腦，獲取大腦的功能磁共振成像數(shù)據(jù)；對(duì)獲取的功能磁共振成像數(shù)據(jù)進(jìn)行預(yù)處理，得到不同腦區(qū)各個(gè)時(shí)刻的BOLD信號(hào)；構(gòu)建大腦計(jì)算模型：將BOLD信號(hào)劃分為多個(gè)傳輸強(qiáng)度矩陣，并從這些傳輸強(qiáng)度矩陣中提取包含大腦內(nèi)在共有信息的時(shí)空權(quán)重矩陣；根據(jù)時(shí)空權(quán)重矩陣，模擬大腦活動(dòng)信號(hào)，計(jì)算對(duì)應(yīng)的相空間相似性損失函數(shù)；通過(guò)相空間相似性損失函數(shù)來(lái)確定最優(yōu)的大腦計(jì)算模型的參數(shù)，以構(gòu)建個(gè)性化的共時(shí)空腦計(jì)算模型；本發(fā)明應(yīng)用于腦計(jì)算模型構(gòu)建。

技術(shù)研發(fā)人員：楊瀾,王彬,閆岳銘,張溪,魯佳宇
受保護(hù)的技術(shù)使用者：太原理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15