[发明专利]一种便携式多信息融合分析及干预评估系统及其方法

权利要求书

1.一种便携式多信息融合分析及干预评估系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序包括以下单元：

生理信号数据采集单元，用于利用一种便携式多模态非侵入式数据采集装置采集获得待测者的大脑以及视网膜的多模态生理信号数据集；

多模态数据预处理单元，用于对所述多模态生理信号数据集进行信号预处理，得到多模态信息数据集；

多维度动态融合处理单元，用于对所述多模态信息数据集进行多维度动态融合分析，建立动态融合特征集；

脑部病症辅助识别模型建立单元，用于根据所述动态融合特征集，结合集成学习方法构建集成初级模型，将集成初级模型的输出作为集成次级模型的输入，进行优化训练得到脑部病症辅助识别模型；

干预治疗量化评估单元，根据所述脑部病症辅助识别模型，构建所述动态融合特征集对应的脑部症状标准映射表，进一步量化早期干预治疗评价结果；

其中，所述一种便携式多模态非侵入式数据采集装置，包括脑电信号采集设备、近红外光谱脑氧采集设备和光学相干断层扫描视网膜数据采集设备；

其中，在所述多维度动态融合处理单元中，对所述多模态信息数据集进行多维度动态融合分析，建立动态融合特征集的具体步骤为：

S301，根据所述多模态信息数据集，在时域上计算所述脑氧数据和脑电数据之间的神经血管耦合特征集，用于表征待测者的神经性病症特征；所述神经血管耦合特征集包括多模态相关系数、相位耦合度、多维度耦合变化序列和互相关指数；

S302，根据所述多模态信息数据集，基于FIR基函数的一般线性模型构建所述脑氧数据和所述脑电数据之间的连接函数，利用耦合分析回归系数表征二者的拟合关系，其计算公式为：

；

其中， γ为计算得到的耦合分析回归系数，X为所述脑电数据的脑电信号中alpha、beta、gamma节律与FIR基函数卷积得到的矩阵，ε是误差项，β为所述脑氧数据与所述脑电数据之间的回归系数值；

S303，根据所述多模态信息数据集，分别计算所述脑氧数据、所述脑电数据与视网膜结构数据之间的多模态融合相似度序列；

S304，构建动态融合特征集，包括所述神经血管耦合特征集、所述耦合分析回归系数以及所述多模态融合相似度序列；

所述系统运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心的计算设备中。

2.根据权利要求1所述的一种便携式多信息融合分析及干预评估系统，其特征在于，在所述生理信号数据采集单元中，所述多模态生理信号数据集至少包括脑氧数据、脑电数据和视网膜结构数据；其中，

所述脑氧数据通过近红外光谱仪采集待测者大脑皮层的散射光强度连续变化，计算得到动态的脑氧数据，包括与氧合血红蛋白和脱氧血红蛋白的相对浓度变化有关的光强度；

所述脑电数据为放置在大脑头皮多个电极之间随时间变化的电位差的采样值；

所述视网膜结构数据通过光学相干断层扫描仪对待测者的视网膜进行静态采集，在采集时间段内获得待测者的视网膜血流量、视网膜神经纤维层厚度和神经节细胞层厚度。

3.根据权利要求1所述的一种便携式多信息融合分析及干预评估系统，其特征在于，在所述多模态数据预处理单元中，对所述多模态生理信号数据集进行信号预处理，得到多模态信息数据集的具体步骤包括：异常剔除处理、去噪处理和基线校正，其中所述去噪处理至少包括采用小波滤波用于去除运动伪影、采用低通滤波和高通滤波用于去除生理噪声、采用主成分分析方法用于滤除眼电、心电以及其他伪迹成分中的其中一种。