[发明专利]一种面向网络信息认知的脑成像智能测试分析方法及系统

权利要求书

1.一种面向网络信息认知的脑成像智能测试分析方法，其特征在于，具体步骤如下：

步骤1：网络信息认知测试预处理；包括网络信息认知测试素材收集、被试人员测试信号设计和脑成像测试仪参数设置3个过程，其中：

网络信息认知测试素材收集：从互联网收集各类文字、音频、视频素材信息，用于测试信号的设计；

被试人员测试信号设计：首先根据收集到的网络信息认知测试素材，采用虚拟现实技术对素材的静态、动态及背景信息的呈现方式进行编辑设计，然后通过可穿戴式眼罩对设计方案进行呈现，基于便携式事件相关电位ERPs信息观测，选择最能满足测试任务要求的方案，最后在E-prime呈现刺激软件下给出上述方案的测试信号具体呈现方式，包括：建立指导语、设置呈现时间、设定响应方式、提示被试人员的假想意念活动、提示被试人员的眼动及唇语、提示被试人员对键盘的操作、给出结束语；

脑成像测试仪参数设置：对功能性磁共振脑成像仪的参数进行设置，包括成像参数选择、兴趣区选择、调试校准；

步骤2：网络信息认知任务测试；包括被试人员测试任务执行、被试人员认知数据采集和被试人员认知数据处理共3个过程，其中：

被试人员测试任务执行：被试人员在测试室内，根据测试信号的呈现及其提示引导，完成测试任务和相应的操作动作；

被试人员认知数据采集：在测试过程中，采集被试者的脑静息态成像、扩散张量成像DTI和功能性核磁共振成像f-MRI共三类测试数据，并与测试信号的同步信息一起传送到认知数据采集计算机；

被试人员认知数据处理：对采集到的测试数据进行校正和标化处理；

步骤3：网络信息认知智能计算；包括脑功能网络建模、认知知识库构建、脑成像数据智能计算共3个过程，其中：

脑功能网络建模：基于扩散张量成像的神经纤维分布特征，建立脑功能网络模型以及各功能区之间的基本连接关系，通过脑静息态成像数据计算上述连接关系的初始值；

脑功能网络模型采用如下神经网络数学模型来表达：

y_i为第i个脑区的神经元模型输出，θ_i为上述输出的阈值；β_ij为第j个脑区与第i个脑区之间的神经纤维连接系数，由DTI数据计算；θ₀为阈值的基准修正值，ω_ij为第j个脑区与第i个脑区之间的脑功能网络权系数，其初始值和θ₀均通过脑静息态成像数据计算给出；x_j为第j个脑区的激活水平，由f-MRI数据计算；

认知知识库构建：在上述脑功能网络模型基础上，采用深度神经网络机器学习技术对用于标定的功能性核磁共振成像数据与网络信息认知结果之间的关系进行训练，并提取其稳定的脑功能网络参数作为网络信息认知分析的特征参数，构建认知知识库，将以上特征参数存储在知识库中；

脑成像数据智能计算：对在不同测试任务中获得的功能性核磁共振成像数据与存储在认知知识库中的脑功能网络特征参数,包括神经元模型输出y_i及其时间序列参数、平均路径长度l_i、局部效率E_local、全局效率E_global，进行匹配计算，获得网络信息认知结果；

步骤4：网络信息认知结果输出；输出在不同测试任务中对网络信息认知的计算结果，并通过触发器将本次测试结果用于认知知识库的更新。