CN114188013B 一种阿尔兹海默症的认知及脑影像数据整合评估方法 （北京智精灵科技有限公司）

一种阿尔兹海默症的认知及脑影像数据整种阿尔兹海默症的认知及脑影像数据整合评估2算每个脑功能网络内功能连接值，以及基于被定位的与高级认知功能相关的脑功能网络，(a|b)和Neural(a|b)表示行为或神经模型中，在给定参数b的条件下数据a的密度函数，M和方差-协方差矩阵b在第p维上的多元正态分布，均值向量参数Φ包括所有组水平上的均直接推测某个认知模型参数在多大程度上与某个神经模型参数相关；对于M(Ω)的分布选步骤IV：根据获得的参数的联合后验分布，使用支持3i2.根据权利要求1所述的阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在*3*3mm；3.根据权利要求1所述的阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在4.根据权利要求1所述的阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在5.根据权利要求1所述的阿尔兹海默症的认知及脑影像数据整合评估方法，其特征在4[0002]阿尔兹海默症(Alzheimer'sDisease,AD)是一种起病隐匿且不可逆的神经系统[0003]轻度认知障碍(MildCognitiveImpairment,MCI)是前人所提出的阿尔兹海默症早发现提供了依据和帮助。磁共振成像(MagneticResonanceImaging,MRI)在所有医学离出不同的大脑功能网络：默认网络(DefaultModeNetwork,DMN)、凸显网络(SalienceNetwork,SN)、额顶网络(frontoparietalnetwork,FPN)、背侧注意网络(Dorsal5[0012]2.1静息态功能性磁共振成像数据[0028]根据本发明的阿尔兹海默症的认知及脑影像数据整合评估方法，其中，基于ICA6[0031]根据本发明的阿尔兹海默症的认知及脑影像数据整合评估方法，其中，利用SVM验证评估所述轻度认知障碍及阿尔兹海默症的特异性变化模型的参数，具体包括以下步[0045]如图1所示，根据本发明的阿尔兹海默症的认知及脑影像数据整合评估方法包括7[0050]2.1静息态fMRI(功能性磁共振成像)数据预处理，领域筛查评估的行为学数据(量表得分、任务式测评得分等数据)、神经影像指标(海马体[0056]步骤IV：根据分层贝叶斯联合模型获得的参数联合后验分布，使用支持向量机画钟测试(ClockDrawingTask,CDT)、简易智能筛查量表(MiniMentalStateExamination,MMSE)及蒙特利尔认知评估量表(MontrealCognitiveAssessment,MOCA)。8[0065]使用FSL软件包中的FIRST工具(FSL-integratedregistrationandsegmentationtoolbox,https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FIRST)计算海马的29,2:2:30],参考层面为第2或29层)，以数学的方法将同一个TR内不同的扫描9[0081]基于预处理过后的fMRI数据，选择信息最大化(Infomax)算法完成独立成分分析[0085]4)背侧注意网络(DorsalAttentionNetwork,DAN)：主要脑区为双边的顶内沟、[0087]基于ICA定位的脑功能网络结果，选取上述各个脑功能网络的主要节点作为感兴趣区(ROI)，采用基于系数的多元格兰杰Granger因果分析(Coefficient-base[0088]格兰杰因果关系检验是一种假设检定的统计方法，检验一组时间序列x是否为另[0091]其中就是从第j个脑功能网络到第k个脑功能网络的Granger因果效应有效连接关的脑功能网络内连接值及脑功能网络间的有效连接数据的模型分布参数输入到同一联及阿尔兹海默症认知和神经模型参数的关联[0096]对于第j个用户的神经数据(Nj)和行为数据(Bj)，假设神经数据服从分布Nj~pp[0101]对方差-协方差矩阵Σ进行分区，以反映当神经和行为向量中包括多个参数时它是对角矩阵和全矩阵的混合。假设在被试j的神经(δj)和行为/认知(θj)模型中各包含3个[0103]相关系数参数ρ反映了一对模型参数的关联程度和方向，可以直接推测某个认知模型参数在多大程度上与某个神经模型参数相关。对于M(Ω)的分布选择多元正态分布以过测量间隔和发现几何间隔最大点来获得输入空间中的区分AD患者及健康对照者两类数[0110]将超平面和数据模式之间的最接近的距离1/(||w||)最大化的途径来获得最佳边[0115]针对神经和认知后验联合参数的非线性分布问题，进一步调整核函数类型(包括本点不能满