Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东南大学杨淳沨获国家专利权

东南大学杨淳沨获国家专利权

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!

龙图腾网获悉东南大学申请的专利一种基于混合动态因果模型的癫痫兴奋性和抑制性平衡计算方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116439726B

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310447881.0,技术领域涉及:A61B5/369;该发明授权一种基于混合动态因果模型的癫痫兴奋性和抑制性平衡计算方法是由杨淳沨;骆清波;程展;顾喆;吴铕达;伍家松;陈阳设计研发完成,并于2023-04-24向国家知识产权局提交的专利申请。

一种基于混合动态因果模型的癫痫兴奋性和抑制性平衡计算方法在说明书摘要公布了:本发明公开了一种基于混合动态因果模型的癫痫兴奋性和抑制性平衡计算方法,主要包括建立神经元集群模型模块、建立功率谱密度函数计算模块、建立混合模拟退火原理模块以及兴奋性和抑制性平衡计算四个部分,神经元集群模型模块使用cPBM模型仿真癫痫发作各阶段EEG信号的功率谱密度函数;功率谱密度函数计算模块依据状态空间方程生成预测功率谱密度函数以及计算真实EEG信号的采样功率谱密度函数;混合模拟退火原理模块在动态因果模型中引入了模拟退火算法,提出了一种包括升温和降温的混合退火方案,用于提高模型参数估计的准确性;兴奋性和抑制性平衡计算使用模型参数估计结果中的C5和C8计算得到Epf,Epf从癫痫发作间期到癫痫发作期的增幅约达190%。

本发明授权一种基于混合动态因果模型的癫痫兴奋性和抑制性平衡计算方法在权利要求书中公布了:1.一种基于混合动态因果模型的癫痫兴奋性和抑制性平衡计算方法,其特征在于,所述方法包括以下步骤: S1:建立神经元集群模型模块, 建立基于cPBM的神经元集群模型,通过龙格库塔法求解cPBM方程组获得时域信号,用以对癫痫发作的不同阶段进行模拟, S2:建立功率谱密度函数计算模块, 用于将时域信号转化为频域信号,主要包括基于自回归模型计算真实EEG信号的采样功率谱密度函数;以及依据cPBM模型的微分方程组计算预测功率谱密度函数, S3:建立混合模拟退火原理模块, 用于求解cPBM模型的模型参数,主要包括建立目标函数,并使用EM算法估计模型参数使自由能最大,进而使采样功率谱密度函数和预测功率谱密度函数相拟合, S4:兴奋性和抑制性平衡计算, 通过对模型参数的估计结果进行进一步分析,使用模型参数估计结果中的C5和C8计算得到兴奋性和抑制性平衡指标Epf; 其中,所述步骤S1具体为: cPBM模型由锥体细胞Pp、兴奋性神经元Pe、缓慢抑制性中间神经元Ps和快速抑制性中间神经元Pf构成,这四个神经元集群分别通过兴奋性连接和抑制性连接相互作用,和是两个遵循高斯概率分布的独立白噪声的外部输入,分别作用于Pp和Pf,其中yt表示模型的输出,cPBM模型采用一组连续的时间微分方程组来表示,如下公式1所示: 其中A表示兴奋性突触平均增益,B表示缓慢抑制性突触的平均增益,G表示快速抑制性突触的平均增益,{C1,C2,C3,C5}为兴奋性连接参数,{C4,C6,C7,C8}为抑制性连接参数,xt=[x1t,…,x14t]T,表示系统的状态变量,Sxt为Sigmoid函数,定义为: 其中,r=0.56mV-1和v0=6mV分别决定Sigmoid函数形状的陡峭程度和平移位置,e0=6mV决定Sigmoid函数的最大值,模型的输出yt为: yt=x3t3 在从发作间期到发作期的过渡过程中,神经元集群中兴奋和抑制之间的平衡可能会发生变化, 其中上标T表示转置运算符; 步骤S3具体为: 使用频谱DCM算法来估计cPBM模型中的参数,模型输出的似然函数为pP,其对数表达式为: lnpP=F+KLqθ,pθ|P8 其中KL为Kullback-Leible散度,F表示自由能,qθ为待估计参数θ的概率密度函数,pθ|P是参数θ的后验概率分布函数,对于任何给定的qθ,KLqθ,pθ|P≥0,因此lnpP≥F,所以lnpP通过最大化F来求解,F的数学表达式为: 最大化F通过EM算法求解, 对于每个模型参数向量θ,计算cPBM输出信号的预测功率谱函数,并将其与癫痫患者的EEG信号计算的采样功率谱函数进行比较,参数估计过程旨在通过EM算法迭代以最大化自由能,然而传统的频谱DCM可能出现的局部最优问题,在频谱DCM中提出了一种混合确定性退火DCM,即H-DCM,定义如下: 其中,1β是温度参数,传统的频谱DCM看作是一种特殊情况,即β=1,当温度较高时,目标函数F的形状是平滑的,通过改变目标函数的平滑程度,获得一个较好的初始值; H-DCM算法通过在两个方向上调节温度,β从1.0变化到1.6,βnew=β+0.2,然后,温度逐渐升高,β从1.6变化到1.0,βnew=β-0.2,以在每次最大化后寻找更好的估计。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人东南大学,其通讯地址为:210096 江苏省南京市玄武区四牌楼2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。