癫痫是一种由神经元异常放电引起的,以反复、短暂癫痫性发作为特征的慢性脑功能失调综合症,是最常见的神经系统疾病之一.癫痫辅助诊断是指借助现代信息技术从大量、不完全、有噪声、模糊、随机的医学信息中提取潜在有用的知识,从而在一定程度为癫痫临床诊断提供参考的技术方法.目前关于癫痫临床辅助诊断方法的研究主要基于数据,将其建模为一个模式识别问题,即通过设计恰当的特征提取方法,并结合有效的分类器来完成脑电不同模式的识别.然而这种数据驱动下的癫痫辅助诊断方法常常因为缺乏机制支撑而形成因人而异的分析结果,因此不具有普适性且临床应用效果不理想.神经计算模型是一类基于生物物理基础来模拟神经系统放电活动的数学模型,通常用于探索大脑放电活动的内在机制.鉴于神经计算模型在多种生理病理现象内在机制探索上的成功应用,本论文将神经计算模型与临床脑电数据结合,探索模型与数据混合驱动下的癫痫辅助诊断方法,关于周期性非典型痫样放电的产生,癫痫性发作的早期检测以及癫痫性发作的过程追踪方面展开系统研究.具体工作如下:(1)提出了一种用于研究周期性痫样放电“三相波”的神经计算模型.首先选取三个急性肝性脑病(AHE)产生的神经病理机制,即神经元兴奋性增加,突触传递受损以及突触后抑制增强,通过对上述机制逐一进行数学刻画,并将其融入Liley神经集群模型,建立了一个新的AHE神经计算模型(AHE-CM);其次,基于频率直方图构建适应度函数,并在此基础上提出了一种基于粒子滤波的模型参数自动估计方法,进而结合临床采集的脑电数据完成AHE-CM模型中主要参数值的估计;最后,采用美国麻省总医院神经内科7位AHE患者的临床脑电数据(AHE-EEGs),通过数值实验验证了所提方法的有效性.特别地,对AHE-EEG中“TPW出现频率”与“AHE内在机制间”的关系进行初步解释,并根据所得结果给出了一个理论假设:AHE-EEG中TPW放电频率与兴奋性和抑制性神经元群的恢复时间有关.(2)提出了一种新的基于D&F模型的癫痫性发作早期检测方法.首先,以D&F模型为模型原型,结合脑电非线性动力学特征,定义了一个模型参数的敏感性度量指标,并据此提出了一种模型关键参数的自动选择方法;其次,基于网格搜索与随机游走算法,并结合临床脑电数据,设计了一个模型关键参数的自动估计方法;进而,根据所选择和优化的参数,设计实现早期检测的综合指标及检测准则,并据此构建了一种新的基于D&F模型的癫痫性发作早期检测方法;最后,采用两个公开数据集,通过数值实验对所提方法的有效性进行了验证.数值实验结果表明,所提方法能够很好地完成癫痫性发作的早期检测.平均检测敏感度、每小时错误检测率以及提前预报时长分别达到100%,0.1/h及7.1s.(3)提出了一种新的神经集群模型TD-W-SP,并据此构建了一种基于TD-W-SP模型的癫痫性发作过程追踪方法.首先基于癫痫发病机理,分别考虑锥体神经元集群的响应差异,集群间连接的时间延迟及子群的作用,并将上述三个机制融入Wendling模型,提出一个包含子群的时延Wendling模型;其次,结合两个脑电动力学特征及遗传算法设计了一个TD-W-SP模型参数的自动估计方法;进而,根据所估计的参数,设计实现发作过程追踪的综合指标以及追踪准则,并据此提出了一种基于TD-W-SP模型的癫痫性发作过程追踪方法;最后,采用公开数据集,通过数值实验对所提追踪方法的有效性进行了验证.数值实验结果表明所提方法能够很好地实现癫痫发作的过程追踪,平均追踪准确率达到87.25%,预先及预后估计时段分别达到9.8s及2.4s.