[发明专利]阿尔茨海默病智能早期筛查系统

权利要求书

1.一种阿尔茨海默病智能早期筛查系统，其特征在于，包括：

模型搭建模块，用于使用脉冲神经网络搭建海马CA3区的类脑忆阻神经形态模型，以模拟海马CA3区的联想记忆能力、信息存储能力、以及正常状态下产生脑电信号的能力；

所述模型搭建模块中，根据海马CA3区的解剖结构及其内部突触连接特性，建立一个三层的类Hopfield网络，用Izhikevich神经元模型作为网络的节点对模型中的神经元进行描述，各神经元之间通过Hebbian法则采用全连接的方式连接；

所述模型搭建模块中，使用绝缘栅场效晶体管构建脉冲神经元模型，使用忆阻器构建突触模型，通过调整忆阻器的正负方向，实现对信号的增强或抑制，与软件实验系统中连接权值的正负相对应；

突触缺失模拟模块，用于在搭建的类脑忆阻神经形态模型的基础上，建立突触缺失模型，研究不同的突触缺失水平以及不同的网络连接结构对于人脑联想记忆能力的影响；

所述突触缺失模拟模块具体用于：

对联想记忆能力下降的轻度认知功能障碍以及对患有阿尔茨海默病的早中后期所对应的联想记忆能力进行模拟，分别从短期联想记忆能力、长期联想记忆能力以及从自联想记忆能力、异联想记忆能力和多向联想记忆能力角度进行研究，与此同时产生不同的脑电信号，进而模拟阿尔茨海默病患者的联想记忆能力丧失状况及其对应的脑电信号；

所述突触缺失模拟模块中，通过随机减小神经元之间连接权值的大小实现突触缺失变化；

仿真演示模块，用于对所述突触缺失模型的联想记忆能力进行仿真，区别于传统放电静态图像的方法，以像素图像模式对所述突触缺失模型进行演示；

所述像素图像模式包括：以像素点对应相应的神经元，形成一组像素图，形象化地进行参数的输入与记忆，并通过像素点的闪烁来表现神经元的放电动作；静态图像算法如下：一次实验中，每层神经元都会生成对应的一个放电记录矩阵，即Szt；矩阵的每一行代表一个时刻，每一列代表一个神经元；如果某一神经元在某一时刻放电，则矩阵对应位置值为1，否则为0；

对Szt每一行求和后，找出Szt中除第一行和最后一行外，同时放电神经元个数最多的5个时刻，记作tm1, tm2, ... , tm5；而后考察这5个时刻及其前、后相邻共15个时刻中放电的神经元并生成静态图像；

首先为每层神经元建立一个对应的静态图像数组，即STATIC；STATIC中每个元素均为自然数，数值为0~4，对应一个像素点的5种颜色，由浅到深分别为白、浅灰、中灰、深灰、黑；图像生成步骤如下：首先将STATIC的100个元素全部设为0，即对应像素点为白色，而后考察上述15个时刻中放电的神经元；若神经元放电一次，则其对应STATIC中的元素加1，即像素点颜色加深一级，STATIC中元素最大值为4，达到4则不再增加；将15个时刻中放电神经元叠加后，便生成了最终的STATIC数组及其静态图像；若设置了合适参数，可以使得记忆模式为1的神经元同步放电，而其他神经元放电不明显同步，则根据此算法生成的静态图像将会与记忆模式的图像较为接近；

所述仿真演示模块中，利用MATLAB平台仿真各种突触缺失情形下人脑的联想记忆能力，并以FLASH进行动态演示；

在动态演示后对所得的STATIC数组进行进一步处理，计算出每层神经元放电的记忆恢复率和准确率，所述记忆恢复率是指记忆模式被恢复的部分占记忆模式全体的比例，所述准确率是指绘制出的静态图像中与记忆模式图像重合的比例；对上述结果进行加权平均，即：每层权值相等，记忆恢复率与准确率的权值之比为4：1，得出一个最终分数，显示在左下方，并给出记忆状态的判断，判断方式如下：≥90：正常状态；≥80且＜90：轻度记忆障碍；≥70且＜80：中度记忆障碍；＜70：重度记忆障碍。

2.根据权利要求1所述的阿尔茨海默病智能早期筛查系统，其特征在于，所述系统包括标题界面、设置界面、运行界面；

所述标题界面为打开系统时显示的界面；

所述设置界面为对各项参数进行设置、保存和读取的操作界面；

所述运行界面为实验进行时显示的界面，用于显示实验的过程及结果。

3.根据权利要求2所述的阿尔茨海默病智能早期筛查系统，其特征在于，在所述设置界面，通过鼠标、键盘或触摸屏进行每个像素点的输入绘制，其中每个像素点都对应一个0至1的参数，每个模式中采用一百个像素点以10×10的方式进行排列，构成一组像素图。