【技术实现步骤摘要】
本申请涉及医疗，尤其是涉及一种数字孪生脑机理模型的构建方法、装置、设备及介质。
技术介绍
1、目前经颅磁临床治疗大多采用单模态神经影像对脑状态进行评估，存在历史信息缺失或过时、分析片面化的不足，多模态神经影像数据具有互补性，然而多模态神经影像数据融合难，并且传统经颅磁治疗仅静态评估脑部状态，从而无法辅助靶点精确计算与定位，从而导致在数据不完备的情况下对患者脑部疾病诊疗不够准确可靠。
2、脑状态发展具有动态性，且多模态神经影像数据存在关联性和互补性，数字孪生脑功能模型状态信息剖析的全面性和动态性由于不同的神经影像数据采集处理方式存在时间、空间上的差异，对不同要素呈现不同的敏感性，而传统的脑状态评估过程往往仅对单一模态的成像技术进行评估，且数据具有历史性，得到较为片面的结论，无法全面的对大脑进行综合状态评估。为了提高状态信息采集和评估效率，需要对多种神经影像进行充分融合，在这方面的研究尚属初步阶段。考虑到个体间脑网络特征差异大、大脑状态变化分析存在滞后性，因此传统的脑功能分析对复杂脑信息进行综合分析的准确率较低。
技术实现思路
1、有鉴于此，本申请的目的在于提供一种数字孪生脑机理模型的构建方法、装置、设备及介质，通过多模态数字孪生脑功能数据处理方法和多维度、多模态、多层级脑机理模型耦合方法，提高治疗方案的个性化和精准度；通过多模态脑功能数据的感知和处理，构建多维度的数字孪生脑模型，实现个性化脑功能分析，为制定个性化的治疗方案提供支持。
2、第一方面，本申请实施例
3、获取多源脑状态信号数据，通过时空对齐方法和插值计算将所述多源脑状态信号数据进行时间维度和空间维度上的对齐，并基于反演算法对所述多源脑状态信号数据进行缺失补充，以得到目标信号数据；
4、基于所述目标信号数据，构建多维度脑机理模型、多模态脑机理模型以及多层级脑机理模型，并对所述多维度脑机理模型、所述多模态脑机理模型以及所述多层级脑机理模型进行模型耦合，得到原始数字孪生脑机理模型；
5、基于孪生数据驱动的复杂脑功能信息对所述原始数字孪生脑机理模型进行参数迭代更新，以实现孪生数据驱动的数字孪生脑机理模型演化，得到目标数字孪生脑机理模型。
6、进一步的，所述通过时空对齐方法和插值计算将所述多源脑状态信号数据进行时间维度和空间维度上的对齐，并基于反演算法对所述多源脑状态信号数据进行缺失补充，以得到目标信号数据，包括：
7、通过统一时间戳和插值计算对所述多源脑状态信号数据进行时间维度对齐，将同一时刻的所述多源脑状态信号数据投射到高分辨率空间，以对所述多源脑状态信号数据进行空间维度对齐；
8、采用生成网络，构建基于反转生成器的反演算法，利用多模态数据间的关联性进行反演训练，以对所述多源脑状态信号数据进行缺失补充，得到所述目标信号数据。
9、进一步的，所述基于所述目标信号数据，构建多维度脑机理模型、多模态脑机理模型以及多层级脑机理模型，包括：
10、基于所述目标信号数据，构建描述多个结构信息的三维模型以及描述多个动态响应的功能模型，得到所述多维度脑机理模型；
11、在所述多维度脑机理模型的基础上，通过多模态系统的关键特征参数提取，以及模态融合机制，构建所述多模态脑机理模型；
12、在所述多维度脑机理模型和所述多模态脑机理模型的基础上，基于神经影像溯源分析理论进行多层级数据融合，得到所述多层级脑机理模型。
13、进一步的，通过下述步骤对所述原始数字孪生脑机理模型中的多维度脑机理模型进行参数迭代更新：
14、对复杂孪生脑的结构模型、功能模型的结构特征以及功能特征进行提取，并将提取到的特征存入结构化表单；
15、对所述结构化表单进行实时更新，以实现所述结构化表单与所述多维度脑机理模型的同步更新。
16、进一步的，通过下述步骤对所述原始数字孪生脑机理模型中的多模态脑机理模型进行参数迭代更新：
17、基于神经影像提取算法对复杂脑信息下多种脑状态下的神经影像数据进行提取，得到多模态神经影像数据；
18、根据所述多模态神经影像数据更新所述多模态脑机理模型；
19、对所述多模态脑机理模型进行多模态机理特征模型求解和精度验证，依据模型精度验证结果对所述多模态脑机理模型进行模型修改和参数调整。
20、进一步的，通过下述步骤对所述原始数字孪生脑机理模型中的多层级脑机理模型进行参数迭代更新：
21、对脑状态信息的数据特征进行特性分析，确定出脑部信息数据以及脑状态评估结果，基于所述脑部信息数据以及所述脑状态评估结果构建关联度分析数据集；
22、基于关联规则算法和所述关联度分析数据集提取强关联规则，基于所述强关联规则从所述关联度分析数据集中确定出强关联度数据；
23、通过所述强关联度数据对所述多层级脑机理模型进行参数迭代更新。
24、第二方面，本申请实施例还提供了一种数字孪生脑机理模型的构建装置，所述构建装置包括：
25、目标信号数据确定模块，用于获取多源脑状态信号数据，通过时空对齐方法和插值计算将所述多源脑状态信号数据进行时间维度和空间维度上的对齐，并基于反演算法对所述多源脑状态信号数据进行缺失补充，以得到目标信号数据；
26、模型构建模块，用于基于所述目标信号数据，构建多维度脑机理模型、多模态脑机理模型以及多层级脑机理模型，并对所述多维度脑机理模型、所述多模态脑机理模型以及所述多层级脑机理模型进行模型耦合，得到原始数字孪生脑机理模型；
27、模型更新模块，用于基于孪生数据驱动的复杂脑功能信息对所述原始数字孪生脑机理模型进行参数迭代更新，以实现孪生数据驱动的数字孪生脑机理模型演化，得到目标数字孪生脑机理模型。
28、进一步的，所述目标信号数据确定模块在用于通过时空对齐方法和插值计算将所述多源脑状态信号数据进行时间维度和空间维度上的对齐，并基于反演算法对所述多源脑状态信号数据进行缺失补充，以得到目标信号数据时，所述目标信号数据确定模块还用于：
29、通过统一时间戳和插值计算对所述多源脑状态信号数据进行时间维度对齐，将同一时刻的所述多源脑状态信号数据投射到高分辨率空间，以对所述多源脑状态信号数据进行空间维度对齐；
30、采用生成网络，构建基于反转生成器的反演算法，利用多模态数据间的关联性进行反演训练，以对所述多源脑状态信号数据进行缺失补充，得到所述目标信号数据。
31、第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的数字孪生脑机理模型的构建方法的步骤。
32、第四方面，本申请实施例还提供一种计本文档来自技高网...
【技术保护点】
1.一种数字孪生脑机理模型的构建方法，其特征在于，所述构建方法包括：
2.根据权利要求1所述的构建方法，其特征在于，所述通过时空对齐方法和插值计算将所述多源脑状态信号数据进行时间维度和空间维度上的对齐，并基于反演算法对所述多源脑状态信号数据进行缺失补充，以得到目标信号数据，包括：
3.根据权利要求1所述的构建方法，其特征在于，所述基于所述目标信号数据，构建多维度脑机理模型、多模态脑机理模型以及多层级脑机理模型，包括：
4.根据权利要求1所述的构建方法，其特征在于，通过下述步骤对所述原始数字孪生脑机理模型中的多维度脑机理模型进行参数迭代更新：
5.根据权利要求1所述的构建方法，其特征在于，通过下述步骤对所述原始数字孪生脑机理模型中的多模态脑机理模型进行参数迭代更新：
6.根据权利要求1所述的构建方法，其特征在于，通过下述步骤对所述原始数字孪生脑机理模型中的多层级脑机理模型进行参数迭代更新：
7.一种数字孪生脑机理模型的构建装置，其特征在于，所述构建装置包括：
8.根据权利要求7所述的构建装置，其特征
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的数字孪生脑机理模型的构建方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述的数字孪生脑机理模型的构建方法的步骤。
...【技术特征摘要】
1.一种数字孪生脑机理模型的构建方法，其特征在于，所述构建方法包括：
2.根据权利要求1所述的构建方法，其特征在于，所述通过时空对齐方法和插值计算将所述多源脑状态信号数据进行时间维度和空间维度上的对齐，并基于反演算法对所述多源脑状态信号数据进行缺失补充，以得到目标信号数据，包括：
3.根据权利要求1所述的构建方法，其特征在于，所述基于所述目标信号数据，构建多维度脑机理模型、多模态脑机理模型以及多层级脑机理模型，包括：
4.根据权利要求1所述的构建方法，其特征在于，通过下述步骤对所述原始数字孪生脑机理模型中的多维度脑机理模型进行参数迭代更新：
5.根据权利要求1所述的构建方法，其特征在于，通过下述步骤对所述原始数字孪生脑机理模型中的多模态脑机理模型进行参数迭代更新：
6.根据权利要求1所述的构建方法，其特征在于，通过下述步骤对所述原始数字孪生脑机理模型中的多层级脑机理模型进行参数...
【专利技术属性】
技术研发人员：杜广龙，刘京玮，李碧丹，罗院龙，罗小兵，申婧，
申请(专利权)人：广州龙之杰医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。