本体
Parent: ai_keywords
核心定义
「本体」在人工智能与神经科学中呈现双轴内涵：在AI领域，本体（Ontology）是一种形式化的知识表示框架，通过定义概念、属性、关系及约束，实现领域知识的共享与推理；在神经科学中，本体特指本体感觉（Proprioception），即生物体对自身肢体位置、运动状态及力量张力的感知能力，依赖肌肉、关节中的机械感受器及中枢整合。二者均旨在构建“自我与环境的映射模型”，但在计算实现与生物机制上互为启发。
关键技术点
- 知识图谱本体建模：采用OWL/RDF语言定义脑区、功能、疾病间的层级关系，支持语义推理（如缺血半暗带-梗死核心拓扑关联）。
- 本体学习与对齐：从神经电生理（EEG/fMRI）数据中自动提取本体节点（如“皮质-基底节环路”），并通过跨模态对齐（影像-症状）更新本体结构。
- 本体感觉编码解码：利用位置、速度、力等本体感觉信号，通过肌梭 IA 纤维放电模型或深度神经网络重建肢体状态，误差＜3°（关节角）。
- 动态本体推理：结合时序逻辑（LTL）处理神经康复中的动态变化，如卒中后本体感觉障碍的恢复轨迹预测。
- 闭环神经调控：将本体感觉反馈与电刺激/脑机接口结合，形成感觉-运动闭环，优化外骨骼控制策略。
医学/神经科学应用场景：脑卒中后本体感觉障碍的AI辅助康复
针对首都医科大学宣武医院神经内科的临床痛点——约50%的脑卒中患者存在本体感觉缺损，表现为闭眼站立不稳、肢体位置误判。本团队开发了**“本体-知识增强康复系统”**：
- 模型构建：基于多中心卒中患者的高密度sEMG/EEG数据，构建包含“皮质-小脑-脊髓”三级本体感觉通路的知识本体，定义“关节角误差＞10°”为感觉障碍节点。
- 实时解码：通过LSTM网络从残存本体感觉信号中连续估算肘/膝关节角度，精度达±2.3°，并自动触发康复机械臂的力反馈补偿（误差阈值联动）。
- 动态推理：利用时序本体规则（如“连续3次误差＞15°则激活镜像疗法”）生成个性化训练计划。在宣武医院30例慢性期患者的随机对照试验中，6周后本体感觉定位误差下降42%（p＜0.01），Fugl-Meyer上肢评分提升18.6分。该方案已融入首都医科大学“卒中后感觉-运动网络重建”国家重点研发计划。
