买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安中医脑病医院有限公司

摘要：本发明涉及康复训练技术领域，尤其涉及一种基于脑病康复评估模型的构建方法及系统。所述方法包括以下步骤：通过医院系统获取脑病患者多模态数据；根据脑病患者多模态数据进行多模态特征提取，得到模态特征金字塔数据；根据模态特征金字塔数据进行模态星图分析，得到数据模态星图；根据数据模态星图进行跨模态知识桥梁构建处理，得到跨模态知识桥梁数据。本发明通过多模态数据融合、虚拟样本生成、数据增强等技术有效地缓解了小样本困境；同时，通过引入时间注意力机制、构建患者状态演化网络、进行多指标趋势预测等方法，实现了对康复过程时序动力学的建模，提升了模型的预测精度和可解释性。

主权项：1.一种基于脑病康复评估模型的构建方法，其特征在于，包括以下步骤：步骤S1：通过医院系统获取脑病患者多模态数据；根据脑病患者多模态数据进行多模态特征提取，得到模态特征金字塔数据；根据模态特征金字塔数据进行模态星图分析，得到数据模态星图；根据数据模态星图进行跨模态知识桥梁构建处理，得到跨模态知识桥梁数据；根据跨模态知识桥梁数据进行虚拟样本镜像化，得到虚拟样本镜像；根据虚拟样本镜像进行数据镜像增强，得到增强型多模态数据集；其中，步骤S1包括以下步骤：步骤S11：通过医院系统获取脑病患者多模态数据；对脑病患者多模态数据进行数据预处理，得到原始患者多模态数据集；步骤S12：对脑电图数据进行时频分析，得到脑电波特征数据；对功能性磁共振成像数据进行独立成分分析，得到脑功能连接特征数据；对临床量表评分数据进行统计分析，得到症状特征数据；步骤S13：根据脑电波特征数据、脑功能连接特征数据以及症状特征数据进行模态特征金字塔构建，得到模态特征金字塔数据；步骤S14：根据模态特征金字塔数据进行模态特征相关系数计算，得到相关系数；根据模态特征金字塔数据进行模态特征互信息计算，得到互信息数据；根据相关系数以及互信息数据进行数据模态星图构建，得到数据模态星图；步骤S15：根据数据模态星图进行跨模态知识桥梁构建处理，得到跨模态知识桥梁数据；根据跨模态知识桥梁数据进行虚拟样本镜像化，得到虚拟样本镜像；其中，步骤S15包括以下步骤：步骤S151：根据数据模态星图进行模态潜语提取，得到模态语义编码数据；根据模态语义编码数据进行语义关联映射，得到语义关联网络数据；步骤S152：根据模态语义编码数据以及语义关联网络数据进行跨模态知识桥梁构建，得到跨模态知识桥梁数据；步骤S153：根据跨模态知识桥梁数据进行模态语义生成，得到虚拟模态语义数据；对虚拟模态语义数据进行语义特征解码，得到虚拟样本特征数据；步骤S154：对虚拟样本特征数据进行样本空间重构，得到虚拟样本数据；根据虚拟样本数据进行虚拟样本镜像生成，得到虚拟样本镜像；步骤S16：对虚拟样本镜像进行时间维度延展，得到时间维度延展数据；对时间维度延展数据进行噪声扰动强化处理，得到噪声扰动强化数据；步骤S17：对原始患者多模态数据集以及噪声扰动强化数据进行增强数据融合，得到增强型多模态数据集；步骤S2：根据增强型多模态数据集进行模态卷积精粹，得到模态卷积特征图；根据模态卷积特征图进行时间注意力聚焦，得到时间聚焦特征数据；根据时间聚焦特征数据进行模态交互共振，得到模态交互特征数据；根据时间聚焦特征数据以及模态交互特征数据进行时空表征联合学习，得到时空特征向量集；其中，步骤S2包括以下步骤：步骤S21：对增强型多模态数据集进行数据维度编织，得到维度编织数据；对维度编织数据进行模态卷积精粹，得到模态卷积特征图；步骤S22：根据模态卷积特征图进行时间注意力聚焦，得到时间聚焦特征数据；根据时间聚焦特征数据进行模态交互共振，得到模态交互特征数据；其中，步骤S22包括以下步骤：步骤S221：对模态卷积特征图进行时空特征排序，得到时空特征顺序数据；对时空特征顺序数据进行时间维度编码，得到时间编码特征序列；步骤S222：根据时间编码特征序列进行自注意力机制捕捉，得到时间注意力权重矩阵；根据时间注意力权重矩阵对时间编码特征序列进行时间权重加权融合，得到时间聚焦特征数据；步骤S223：将时间聚焦特征数据输入至预设的交互注意力网络中，进行跨模态信息交互分析，得到模态交互注意力矩阵；步骤S224：根据模态交互注意力矩阵对时间聚焦特征数据进行交互特征动态融合，得到模态交互特征数据；步骤S23：对时间聚焦特征数据以及模态交互特征数据进行时空特征融合，得到时空融合特征数据；根据时空融合特征数据进行动态图嵌入，得到动态图嵌入特征数据；步骤S24：对动态图嵌入特征数据进行表征维度精炼，得到精炼时空特征数据；对精炼时空特征数据进行特征语义映射，得到语义映射特征数据；对语义映射特征数据进行时空特征蒸馏，得到时空特征向量集；步骤S3：根据时空特征向量集进行患者状态网络构建，得到患者状态网络数据；根据患者状态网络数据进行时间箭头流动处理，得到时间箭头网络数据；获取脑病医学领域知识数据；根据时间箭头网络数据以及脑病医学领域知识数据进行外部知识注入，得到知识增强网络数据；根据知识增强网络数据进行患者状态演化处理，得到患者状态演化网络数据；其中，步骤S3包括以下步骤：步骤S31：根据时空特征向量集对脑病患者进行特征星云聚合，得到患者特征星云数据；对患者特征星云数据进行星云拓扑映射，得到患者状态网络数据；步骤S32：根据患者状态网络数据进行时间箭头流动处理，得到时间箭头网络数据；获取脑病医学领域知识数据；根据时间箭头网络数据以及脑病医学领域知识数据进行外部知识注入，得到知识增强网络数据；其中，步骤S32包括以下步骤：步骤S321：根据患者状态网络数据进行时序轨迹回溯，得到时序状态轨迹数据；对时序状态轨迹数据进行时间权重赋予，得到时间加权状态轨迹数据；步骤S322：根据时间加权状态轨迹数据进行方向箭头生成，得到时间箭头网络数据；根据时间箭头网络数据进行状态转移矩阵构建，得到状态转移概率矩阵；步骤S323：获取脑病医学领域知识数据；对脑病医学领域知识数据进行知识形式转换，得到脑病知识图谱数据；步骤S324：对脑病知识图谱数据以及时间箭头网络数据进行知识节点融合，得到知识融合网络数据；根据脑病知识图谱数据以及状态转移概率矩阵对知识融合网络数据进行关系边增强，得到知识增强网络数据；步骤S33：根据知识增强网络数据进行网络结构演化，得到动态演化网络数据；步骤S34：根据动态演化网络数据进行个体轨迹生成，得到个性化康复轨迹数据；对动态演化网络数据进行异常模式识别，得到异常模式预警数据；步骤S35：基于动态演化网络数据、个性化康复轨迹数据以及异常模式预警数据进行患者状态演化网络构建，得到患者状态演化网络数据；步骤S4：获取患者实时状态数据；根据脑病患者实时状态数据以及患者状态演化网络数据进行多指标趋势预测，得到多指标趋势预测曲线数据；根据多指标趋势预测曲线数据进行多目标效用分析，得到康复评估方案效用评估模型；利用康复评估方案效用评估模型进行多目标康复评估轨迹优化，得到个性化康复评估方案；其中，步骤S4包括以下步骤：步骤S41：获取患者实时状态数据；根据脑病患者实时状态数据以及患者状态演化网络数据进行未来状态回响处理，得到未来状态概率图谱；步骤S42：根据未来状态概率图谱以及预定义的康复指标进行多指标趋势投影，得到多指标趋势预测曲线数据；步骤S43：获取患者个体情况数据以及康复目标数据；根据患者个体情况数据以及康复目标数据进行阶段目标权重确定，得到个性化目标权重向量；步骤S44：根据多指标趋势预测曲线数据以及个性化目标权重向量进行多目标效用函数分析，得到康复评估方案效用评估模型；步骤S45：根据康复评估方案效用评估模型进行决策空间探索，得到候选评估方案集合；将候选评估方案集合应用于患者状态演化网络进行方案模拟演绎，得到模拟康复轨迹数据；步骤S46：根据模拟康复轨迹数据进行个性化康复评估方案生成，得到个性化康复评估方案；步骤S5：对个性化康复评估方案中的康复评估关键参数和指标进行方案参数星图可视化，得到评估方案参数星图；根据患者状态演化网络数据进行贝叶斯网络建模，得到脑病康复评估初始模型；根据评估方案参数星图以及脑病康复评估初始模型进行置信度可视化评估，得到可视化评估报告；根据可视化评估报告对脑病康复评估初始模型进行反馈迭代优化，得到脑病康复评估模型。

全文数据：

权利要求：

百度查询： 西安中医脑病医院有限公司 一种基于脑病康复评估模型的构建方法及系统