铅是具有神经毒性的环境污染物,可以通过消化道、呼吸道和皮肤等途径进入人体,并通过血液循环分布至全身,最终在人体各个系统组织器官中长期蓄积。铅中毒可造成人体多系统和器官的损害,对神经系统毒性作用尤为突出,中枢神经系统中,大脑皮层、海马回和小脑是铅毒性作用的主要靶组织,铅暴露可减低突触数量和可塑性,影响受体和酶特性,通道和神经递质释放,引起神经胶质细胞活化和神经元凋亡。脑电图是记录脑部神经元活动的电生理信号,临床上能快速反映中枢神经系统功能状态。有关铅中毒的脑电图改变及对脑损伤程度判定未见详尽报道。本文针对铅中毒疾病中枢神经损伤的客观检测问题,开展铅中毒疾病脑电生理的研究,旨在为铅中毒疾病的临床诊断及脑损伤程度判定提供一定的理论依据。主要研究内容和结论如下:首先,通过水饲醋酸铅溶液建立铅中毒大鼠模型,标准化电极植入过程,优化大鼠清醒皮层脑电信号采集方法。其次,对铅中毒大鼠皮层脑电信号特征进行分析与处理。时域方面,采用各频段的幅值作为特征,频率方面,采用各频段的绝对功率谱和相对功率谱作为特征,非线性方面采用4种熵,分析铅中毒大鼠脑电复杂度变化,并对大鼠左右脑区之间的耦合关系进行分析,探究铅中毒对大鼠左右脑信息交换的影响,结果显示,铅中毒会导致大鼠脑电信号高频向低频改变,信号复杂度降低,大脑活动多样性和差异性降低,为铅中毒脑电诊断提供明显指标。低剂量铅中毒大鼠左右半脑的信息传递明显减少,为低剂量铅中毒提供客观指标。最后,基于机器学习对铅中毒大鼠脑损伤程度进行判定。进行特征选择及特征融合,构造分类模型,运用支持向量机和极限学习机对特征进行分类识别,研究铅中毒脑电信号的自动分类,结果显示,本文方法对铅中毒脑损伤具有较高的分类准确率,从而为临床判定铅中毒中枢神经系统受损程度提供诊断依据,填补人工智能在铅中毒脑电图诊断的空白。