[发明专利]基于多维分层漂移扩散模型的认知决策评估方法及系统

权利要求书

1.一种基于多维分层漂移扩散模型的认知决策评估方法，其特征在于包括以下步骤：

对于健康受试者，在群组水平上建立多维分层漂移扩散模型，通过拟合优度最佳的模型，获得所述健康受试者在每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布，作为健康人常模；

对于每一位MCI患者，在个体水平上建立多维分层漂移扩散模型，通过拟合优度最佳的模型，获得所述MCI患者在每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布，作为待衡量指标；

比较所述MCI患者的待衡量指标在所述健康人常模中的相对位置，评估所述MCI患者在各认知域和总体元认知处理效率上的受损情况；

所述多维分层漂移扩散模型通过将受试者在不同认知域内多个决策范式中的反应数据整合到同一模型框架中获得；

获得所述健康受试者或所述MCI患者每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布，具体包括：

利用马尔科夫链蒙特卡罗方法，采用Metropolis采样算法，根据每个认知域对应的目标概率密度函数，输入多维分层漂移扩散模型中的所有参数的联合后验分布作为抽样样本的初始状态，生成马尔科夫链状态转移矩阵；

基于状态转移矩阵从已知分布中采样得到样本，以得到转移序列；

所述转移序列在相同的转移矩阵作用下，不断生成新的转移序列，直至转移序列不再发生变化趋于稳定状态；

当所述转移序列在第n步收敛稳定时，对符合平稳分布的对应样本集进行蒙特卡罗模拟求和，得到模型参数的后验分布；其中，n为转移序列趋于稳定状态时的作用次数；

其中，所述模型参数的后验分布为群组水平的参数分布或个体水平的参数分布，所述群组水平的参数分布包括健康受试者在群组水平上的每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布；所述个体水平的参数分布包括每一位MCI患者在个体水平上的每个认知域的敏感性阈值及其概率分布和总体元认知处理效率的敏感性阈值及其概率分布。

2.如权利要求1所述的认知决策评估方法，其特征在于，比较所述MCI患者的待衡量指标在所述健康人常模中的相对位置，评估所述MCI患者在各认知域和总体元认知处理效率上的受损情况，具体包括：

对参数后验密度分布进行显著性检验，通过贝叶斯假设检验衡量得到的各个参数的健康人常模分布与每一位MCI患者的后验密度分布中提取的样本百分比之间重叠的面积；

根据两个分布之间的重叠面积评估MCI患者在每一个认知域敏感性阈值及其总体元认知加工效率上的受损情况。

3.如权利要求2所述的认知决策评估方法，其特征在于：

所述健康人常模分布与所述MCI患者的后验密度分布之间的重叠面积越小，均值的差距越大，则所述MCI患者的认知受损越严重。

4.如权利要求2所述的认知决策评估方法，其特征在于：

通过比较所述MCI患者的每个认知域的敏感性阈值及其概率分布，在所述健康受试者的每个认知域的敏感性阈值及其概率分布中的相对位置，评估所述MCI患者在每个认知域上的认知受损情况。

5.如权利要求2所述的认知决策评估方法，其特征在于：

通过比较所述MCI患者的总体元认知处理效率的敏感性阈值及其概率分布，在所述健康受试者的总体元认知处理效率的敏感性阈值及其概率分布中的相对位置，评估所述MCI患者在总体元认知处理效率上的认知受损情况。

6.如权利要求1所述的认知决策评估方法，其特征在于所述认知域至少包括：感知觉决策认知域、高级认知决策认知域和社会认知决策认知域。

7.如权利要求6所述的认知决策评估方法，其特征在于：

所述多维分层漂移扩散模型基于受试者在不同认知域下的行为反应数据建立。

8.一种基于多维分层漂移扩散模型的认知决策评估系统，其特征在于包括处理器和存储器，所述处理器读取所述存储器中的计算机程序，用于执行权利要求1～7中任意一项所述的认知决策评估方法。