多模态数据融合的AD空间编码异常检测方法及装置

本发明涉及医疗数据处理，具体涉及多模态数据融合的ad空间编码异常检测方法及装置。

背景技术：

1、在ad空间编码异常检测中，传统方法依靠迷宫行为学测试和海马单细胞电生理记录，通过空间信息量、位置野稳定性等简单统计指标对神经元活动进行判断。

2、然而，上述方法仅能反映单个神经元的放电异常程度，缺乏对海马ca1区神经元群体编码结构的定量描述，无法揭示群体编码策略随疾病进展的整体转变，也难以区分不同药物干预在空间编码层面的精细差异。这导致对ad空间编码异常机制的理解局限于单细胞水平，药效评估指标与群体编码功能脱节。

3、因此，现有技术难以满足ad空间编码异常检测对群体编码特征和动态变化进行综合评估的需求。

技术实现思路

1、本发明提供了多模态数据融合的ad空间编码异常检测方法及装置，用于解决传统方法难以揭示群体编码策略整体转变和药物作用精细差异的问题。

2、第一方面，本发明提供了多模态数据融合的ad空间编码异常检测方法，包括：

3、s1：同步记录自由活动实验对象在八臂迷宫中的行为轨迹与海马ca1区神经元钙成像信号，其中，所述行为轨迹包含二维位置坐标，所述钙成像信号包含多个神经元的钙瞬变事件序列；

4、s2：从所述行为轨迹中提取瞬时速度、转向角和距迷宫中心的距离，与所述钙瞬变事件序列按时间戳对齐，构建多模态数据集；

5、s3：对每个神经元，以径向基函数展开的空间位置和运动参数为自变量，拟合钙瞬变事件发生率，提取空间调谐锐度和运动调制系数，并基于所述空间调谐锐度确定坐标编码占比；

6、s4：基于所述空间调谐锐度和所述运动调制系数对神经元进行聚类，得到多个功能亚群，计算各亚群的空间调谐锐度均值、亚群占比及亚群间转换概率；

7、s5：将所述坐标编码占比、各亚群占比及亚群间转换概率输入预训练的异常识别分类器，输出ad风险判别指数并得到异常检测结果。

8、第二方面，本发明提供了多模态数据融合的ad空间编码异常检测装置，包括：

9、信号采集模块，用于同步记录自由活动实验对象在八臂迷宫中的行为轨迹与海马ca1区神经元钙成像信号，其中，所述行为轨迹包含二维位置坐标，所述钙成像信号包含多个神经元的钙瞬变事件序列；

10、特征对齐模块，用于从所述行为轨迹中提取瞬时速度、转向角和距迷宫中心的距离，与所述钙瞬变事件序列按时间戳对齐，构建多模态数据集；

11、编码特性计算模块，用于对每个神经元，以径向基函数展开的空间位置和运动参数为自变量，拟合钙瞬变事件发生率，提取空间调谐锐度和运动调制系数，并基于所述空间调谐锐度确定坐标编码占比；

12、亚群分析模块，用于基于所述空间调谐锐度和所述运动调制系数对神经元进行聚类，得到多个功能亚群，计算各亚群的空间调谐锐度均值、亚群占比及亚群间转换概率；

13、异常识别模块，用于将所述坐标编码占比、各亚群占比及亚群间转换概率输入预训练的异常识别分类器，输出ad风险判别指数并得到异常检测结果。

14、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

15、本发明的技术方案首先同步记录自由活动实验对象在八臂迷宫中的行为轨迹与海马ca1区神经元钙成像信号，通过同步触发装置将运动视频采集系统与微型双光子显微镜采集系统的时间戳对齐，使二维位置坐标与钙瞬变事件序列在时间上一一对应，为后续分析提供同步数据基础。

16、进一步地，从行为轨迹中提取瞬时速度、转向角和距迷宫中心的距离，并与钙瞬变事件序列按时间戳对齐，经过平滑和重采样后构建多模态数据集，使行为运动参数与神经元钙活动在时间分辨率上保持一致。

17、进一步地，对每个神经元以径向基函数展开的空间位置和运动参数为自变量，建立泊松回归模型拟合钙瞬变事件发生率，提取空间调谐锐度、运动调制系数和坐标编码占比，实现了对神经元空间调谐特性和运动调制特性的定量描述。

18、进一步地，基于空间调谐锐度和运动调制系数对神经元进行聚类，得到多个功能亚群，并计算各亚群的空间调谐锐度均值、亚群占比和亚群间转换概率，实现了对神经元功能亚群组成及其时间稳定性的定量描述。

19、最后，将坐标编码占比、各亚群占比和亚群间转换概率输入预训练的多层感知机异常识别分类器，输出ad风险判别指数并与判别界限比较，得到异常检测结果，实现了基于海马空间编码功能指标的ad风险自动判别。

20、综上所述，本发明的技术方案实现了从功能指标到病理风险判别的转化。各步骤依次递进，形成从数据采集、特征提取、群体分析到异常检测的完整流程，进而解决了传统方法难以揭示群体编码策略整体转变和药物作用精细差异的问题。

1.多模态数据融合的ad空间编码异常检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的多模态数据融合的ad空间编码异常检测方法，其特征在于，步骤s1包括：

3.根据权利要求2所述的多模态数据融合的ad空间编码异常检测方法，其特征在于，步骤s1.4包括：

4.根据权利要求1所述的多模态数据融合的ad空间编码异常检测方法，其特征在于，步骤s2包括：

5.根据权利要求1所述的多模态数据融合的ad空间编码异常检测方法，其特征在于，步骤s3中，对每个神经元，以径向基函数展开的空间位置、所述瞬时速度、所述转向角和所述距迷宫中心的距离为自变量，拟合钙瞬变事件发生率，包括：

6.根据权利要求1所述的多模态数据融合的ad空间编码异常检测方法，其特征在于，步骤s3中，提取空间调谐锐度和运动调制系数，并基于所述空间调谐锐度确定坐标编码占比，包括：

7.根据权利要求1所述的多模态数据融合的ad空间编码异常检测方法，其特征在于，步骤s4中，基于所述空间调谐锐度和所述运动调制系数对神经元进行聚类，得到多个功能亚群，包括：

8.根据权利要求1所述的多模态数据融合的ad空间编码异常检测方法，其特征在于，计算各亚群的空间调谐锐度均值、亚群占比及亚群间转换概率，包括：

9.根据权利要求1所述的多模态数据融合的ad空间编码异常检测方法，其特征在于，步骤s5包括：

10.多模态数据融合的ad空间编码异常检测装置，其特征在于，用于执行权利要求1至9任意一项所述的多模态数据融合的ad空间编码异常检测方法，所述装置包括：