[发明专利]一种基于脑肌网络图论特征的卒中后康复评估深度学习模型构建方法

权利要求书

1.一种基于脑肌网络图论特征的卒中后康复评估深度学习模型构建方法，其特征在于，包括以下步骤：

步骤1：采集脑卒中患者在不同恢复期进行的不同运动范式下的同步脑肌电信息，并利用同步脑肌电信息，建立对应不同恢复期、不同运动范式下的脑-肌闭环功能网络；根据脑-肌闭环功能网络，提取稳定的图拓扑特征获得训练数据；

步骤2：构建多个第一神经网络，每个第一神经网络以相同特定运动范式下脑-肌闭环功能网络提取的稳定的图拓扑特征为输入，运动功能预测评分为输出，范式任务成功或失败为标签进行训练，获得对应特定运动范式下卒中后恢复期评定模型；

步骤3：构建第二神经网络，所述第二神经网络以不同恢复期患者的所有特定运动范式下卒中后恢复期评定模型输出的特征作为输入，回访期康复预测评分为输出，不同恢复期进行的不同运动范式任务完成度为标签进行训练，获得回访期康复效果预测模型；

步骤4：将所有特定运动范式下卒中后恢复期评定模型与回访期康复效果预测模型连接，并进行联合训练，获得卒中后康复评估深度学习模型。

2.如权利要求1所述的构建方法，其特征在于，所述图拓扑特征为小世界网络特征，小世界网络特征包含脑-肌闭环功能网络中每个顶点的加权聚类系数、加权最短路径和中介中心性中的一种或多种。

3.如权利要求1所述的构建方法，其特征在于，所述特定运动范式基于患侧远端和近端运动能力，划分为远端和近端两类运动范式任务；

其中，远端运动范式任务包括抓握、前臂旋前旋后运动范式；

近端运动范式任务包括肘关节屈曲、肩关节屈曲和屈伸协同运动范式。

4.如权利要求1所述的构建方法，其特征在于，所述恢复期采用Brunnstrom分期，包括III、IV、V和VI期。

5.如权利要求1所述的构建方法，其特征在于，所述步骤3中，不同恢复期进行的不同运动范式任务完成度建立权重系数和归一化指标，与临床量表打分结果对标，所述第二神经网络以不同恢复期患者的所有特定运动范式下卒中后恢复期评定模型输出的特征分别加上对应权重系数后作为输入。