一种基于Data-Brain模型驱动的系统化认知实验设计方法技术方案

本发明专利技术公开了一种基于Data

【技术实现步骤摘要】
一种基于Data
‑
Brain模型驱动的系统化认知实验设计方法


[0001]本专利技术属于脑信息学领域，又属于计算机辅助决策领域，涉及认知实验的系统化设计，特别涉及一种基于Data
‑
Brain模型驱动的系统化认知实验设计方法。

技术介绍

[0002]Data
‑
Brain模型是一种领域驱动的概念模型以模拟从认知假设提出到实验设计、数据形态和分析方法的完整脑科学研究进程。特别是它在概念层次上描述了人类智能所涉及的所有主要的认知功能以及它们之间的多样化关系，进一步整合脑信息学研究过程中的关键数据、信息和知识，对支持脑研究对人类智能的系统化解读具有重要的意义。
[0003]作为连接大脑内部与外部交互的桥梁，认知实验对于发现脑与智能的相互之间的潜在关系发挥着重要的作用。在认知实验设计时应当考虑与实际任务密切相关的复杂多变的变量或要素，比如实验范式和显性刺激。由于这样的特殊性，导致认知实验之间存在着丰富的关系。对于某一个认知假设而言，必要的考虑与其相关/无关的多个实验任务及其之间的关系，通过联合模拟多个实验数据，从而推动多侧面的融合分析是当前脑认知研究亟需解决的问题。
[0004]随着认知神经科学和大数据的发展，带有复杂任务属性的认知数据不断增长，扁平化的实验设计为数据的联合分析提供了机会。扁平化分析旨在实现一个认知实验中多个实验条件之间或涉及到多个认知功能相关的多个认知实验数据之间的比较分析，在这个过程中不考虑实验的层级性和贡献差异性。
[0005]本专利技术提出一种基于Data
‑
Brain模型驱动的系统化认知实验设计方法，通过设计Data
‑
Brain模型和系统化实验模板图，构建脑知识库以及实验设计规则，以组织多个不同类型的实验任务为推荐目标，使其具有层级性和贡献差异性，从而推动人类智能的多侧面解析和深入理解。

技术实现思路

[0006]本专利技术获得了一种基于Data
‑
Brain模型驱动的系统化认知实验设计方法，该方法包括Data
‑
Brain模型设计、脑知识库设计和系统化实验模板图中的实验设计类型以及实验设计规则的设计。针对系统化认知实验设计过程中目标假设对应的范式类别和实验显性刺激两变量决定的实验任务进行多组认知任务关联搜索和逻辑组合，以脑知识库为实验设计源，以系统化实验模板图为设计优化基础，以Data
‑
Brain模型和实验设计规则为设计手段；整合多样化的与探索人的智能相关的认知实验，进而实现脑信息学方法学的系统化研究视角引导下的认知研究。
[0007]为解决所述技术问题，本专利技术采用的技术方案具体如下：
[0008]步骤1：设计由功能维FD、实验维ED、数据维DD和分析维AD组成的可扩展的Data
‑
Brain模型，具体描述为:
[0009]功能维：以认知功能为核心的本体概念图，包括基础认知系统、高级认知系统和社
交认知系统范畴中的概念、属性以及它们之间的关系；
[0010]实验维：以实验任务为核心的本体概念图，包括任务名称、范式类别、显性刺激、实验软件设备和被试范畴中的概念、属性以及它们之间的关系；
[0011]数据维：以数据溯源为核心的本体概念图，包括数据存储、数据获取和数据使用范畴对应的概念、属性以及它们之间的关系；
[0012]分析维：以分析溯源为核心的本体概念图，包括分析对象、目标、方法和流程范畴对应的概念、属性以及它们之间的关系。
[0013]步骤2：设计面向认知功能研究的实验假设EH、实验范式TP、实验结论EC、实验数据DP以及分析过程AP构成的标准化术语字典空间SV：
[0014]SV＝<EH,TP,EC,DP,AP>，
[0015]其中，EH包括认知功能的术语，TP包括实验范式类别PC＝{pc1,pc2,
…
,pci,
…
,pcm}和实验显性刺激ES＝{es1,es2,
…
,esj,
…
,esn}的术语，EC包括分析结果的描述相关的术语，DP包括脑影像和行为数据相关的术语，AP包括分析方法相关的术语，该空间SV用于标注认知神经科学相关的数据，并将标注的属性信息作为记录保存到数据库中，作为脑知识库；
[0016]步骤3：设计系统化认知实验设计过程中包含的实验设计类型，所述的实验设计类型用以约束系统化认知实验设计的范围，具体为构建以主实验类型T
MAE
为中心节点和辅助实验类型T
SUE
为边缘节点的系统化实验模板图所述的辅助实验类型包括相似实验类型T
sie
、平行实验类型T
pae
、深度实验类型T
dee
、启发实验类型T
ine
、缺失实验类型T
mie
和子过程实验类型T
spe
；T
MAE
、T
sie
、T
pae
、T
dee
、T
ine
、T
mie
和T
spe
被描述为:
[0017]主实验类型T
MAE
用于标注与目标假设对应的PC和ES概念术语一致的实验任务，所述的与目标假设对应的PC和ES概念术语一致的一个实验任务被标记为主实验任务；
[0018]相似实验类型T
sie
用于标注与主实验任务的PC和ES概念术语一致的实验任务，但是实验设计参数或操作参数不同；
[0019]平行实验类型T
pae
用于标注与主实验任务的PC概念术语一致但ES概念术语不一致的实验任务；
[0020]深度实验类型T
dee
用于标注与主实验任务的PC概念术语不一致但相关，并且与主实验任务的ES概念术语一致的实验任务；
[0021]启发实验类型T
ine
用于标注与主实验任务的PC概念术语不一致且不相关，但与主实验任务的ES概念术语一致的实验任务；
[0022]缺失实验类型T
mie
用于标注与主实验任务的PC和ES概念术语不相关，但是与主实验任务诱发的数据存在计算结果的相似性；
[0023]子过程实验类型T
spe
用于标注具有双重任务特点的实验任务中分离出的任务之一。
[0024]其中，PC概念术语来自于Data
‑
Brain模型中功能维定义的认知功能概念，ES概念术语来自于Data
‑
Brain模型中实验维定义的显性刺激概念，PC概念术语的相关性通过在Data
‑
Brain模型中进行本体概念推理得到，ES概念术语是否一致通过比较两个概念之间字符串得到。
[0025]步骤4：设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Data
‑
Brain模型驱动的系统化认知实验设计方法，其特征在于包含以下步骤：步骤1：设计由功能维FD、实验维ED、数据维DD和分析维AD组成的可扩展的Data
‑
Brain模型；步骤2：设计面向认知功能研究的实验假设EH、实验范式TP、实验结论EC、实验数据DP以及分析过程AP构成的标准化术语字典空间SV：SV＝<EH，TP，EC，DP，AP>，其中，EH包括认知功能的术语，TP包括实验范式类别PC＝{pc1，pc2，...，pci，...，pcm}和实验显性刺激ES＝{es1，es2，...，esj，...，esn}的术语，EC包括分析结果的描述相关的术语，DP包括脑影像和行为数据相关的术语，AP包括分析方法相关的术语，该空间SV用于标注认知神经科学相关的数据，并将标注的属性信息作为记录保存到数据库中，作为脑知识库；步骤3：设计系统化认知实验设计过程中包含的实验设计类型，所述的实验设计类型用以约束系统化认知实验设计的范围，具体为构建以主实验类型T
MAE
为中心节点和辅助实验类型T
SUE
为边缘节点的系统化实验模板图所述的辅助实验类型包括相似实验类型T
sie
、平行实验类型T
pae
、深度实验类型T
dee
、启发实验类型T
ine
、缺失实验类型T
mie
和子过程实验类型T
spe
；步骤4：设计系统化实验模板图中的实验设计规则EDR，包括主实验类型的实验任务与不同的辅助实验类型的实验任务之间的逻辑关系映射：EDR(T
mae
，T
next
)
→
T
SUE
，其中，T
mae
表示T
MAE
类型的实验任务，T
next
表示脑知识库中的一个实验任务，T
SUE
包含T
sie
、T
pae
、T
dee
、T
ine
、T
mie
和T
spe
，该实验设计规则EDR表示T
next
和T
mae
之间的逻辑关系，用于推理T
next
属于的辅助实验类型；步骤5：设计系统化认知实验设计过程中T
MAE
类型对应的T
mae
构建方法，具体为从脑知识库中检索与目标假设对应的实验范式类别pci∈PC和实验显性刺激esi∈ES相关的实验任务该实验任务被设计为主实验任务，并且初始化最大实验设计次数参数I
MAX
≥1；步骤6：根据检索结果判断主实验是否可被构建，如果从脑知识库中检索不到可匹配的实验任务则返回结果为具有pci和esi属性参数的实验任务不存在，该主实验不可被构建，随后跳转步骤5重新设计目标假设对应的PC和ES或结束方法；如果从脑知识库中可以匹配到实验任务，则将该任务设定为主实验任务并将检索到的主实验任务插入到系统化实验模板图中保存当前状态的当前实验设计次数I
cur
＝1，之后执行步骤7；步骤7：将主实验任务所对应的脑知识库中的记录，标记为FLAG＝1；步骤8：设计系统化认知实验设计过程中不同辅助实验任务构建方法，具体为判断当前实验设计次数I
cur
是否等于I
MAX
：(1)如果I
cur
＝I
MAX
，则执行步骤11；
(2)如果I
cur
≠I
MAX
，则判断脑知识库中是否存在FLAG＝0的记录，如果不存在FLAG＝0的记录，则保存当前状态的并执行步骤11；如果存在FLAG＝0的记录则从脑知识库中随机抽取一条FLAG＝0的记录，识别该记录中实验任务的pcj∈PC和esj∈ES，并将其作为潜在的辅助实验任务修改其FLAG＝1，实验设计次数I
cur
加1，之后执行步骤9；步骤9：设计T
next
的实验类型判别方法，所述的方法根据Data
‑
Brain模型和EDR推理和之间的关系，判别的实验类型，如果其匹配EDR中的一项规则，并且中符合该匹配规则的实验类型节点为空，则将匹配得到的辅助实验任务填充到系统化实验模板图中保存当前状态的之后执行步骤10；如果其不匹配EDR中任何一项规则，或是匹配EDR中的一项规则但中符合该匹配规则的实验类型节点不为空，则跳转到步骤8；步骤10：判断中的所有任务类型节点是否被填充，如果中存在未被填充的任务类型节点则返回步骤8；如果中的所有任务类型节点都被填充，则执行步骤11；步骤11：根据中设计的实验任务数量对保存的所有进行从大到小排序，同时所有记录FLAG＝0；步骤12：根据得出的多个的排序结果，输出系统化实验推荐列表，结束方法。2.根据权利要求1所述的一种基于Data
‑
Brain模型驱动的系统化认知实验设计方法，其特征在于，步骤1中所述的可扩展的Data
‑
Brain模型包括功能维、实验维、数据维和分析维，具体描述为：功能维：以认知功能为核心的本体概念图，包括基础认知系统、高级认知系统和社交认知系统范畴中的概念、属性以及它们之间的关系；实验维：以实验任务为核心的本体概念图，包括任务名称、范式类别、显性刺激、实验软件设备和被试范畴中的概念、属性以及它们之间的关系；数据维：以数据溯源为核心的本体概念图，包括数据存储、数据获取和数据使用范畴对应的概念、属性以及它们之间的关系；分析维：以分析溯源为核心的本体概念图，包括分析对象、目标、方法和流程范畴对应的概念、属性以及它们之间的关系。3.根据权利要求1所述的一种基于Data
‑
Brain模型驱动的系统化认知实验设计方法，其特征在于，步骤3中所述的系统化实验模板图中T
MAE
、T
sie
、T
pae
、T
dee
、T
ine
、T
mie
和T
spe
被描述为：主实验类型T
MAE
用于标注与目标假设对应的PC和ES概念术语一致的实验任务，所述的与目标假设对应的PC和ES概念术语一致的一个实验任务被标记为主实验任务；相似实验类型T
sie
用于标注与主实验任务的PC和ES概念术语一致的实验任务，但是实验设计参数或操作参数不同；平行实验类型T
pae
用于标注与主实验任务的PC概念术语一致但ES概念术语不一致的实
验任务；深度实验类型T
dee
用于标注与主实验任务的PC概念术语不一致但相关，并且与主实验任务的ES概念术语一致的实验任务；启发实验类型T
ine
用于标注与主实验任务的PC概念术语不一致且不相关，但与主实验任务的ES概念术语一致的实验任务；缺失实验类型T
mie
用于标注与主实验任务的PC和ES概念术语不相关，但是与主实验任务诱发的数据存在计算结果的相似性；子过程实验类型T
spe
用于标注具有双重任务特点的实验任务中分离出的任务之一；其中，PC概念术语来自于Data
‑
Brain模型中功能维定义的认知功能概念，ES概念术语来自于Data
‑
Br...

【专利技术属性】
技术研发人员：郐弘智，钟宁，陈建辉，杨阳，王海渊，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：