房颤(atrial fibrillation, AF)是临床上最常见的一种心律失常疾病。在中国房颤的发病率大约为1%,这表示将近有1000万人受到房颤的困扰。房颤发生时,心房中发生的混乱电活动引发不规则的心跳节律,导致心脏不能正常收缩。房颤严重影响到心脏的泵血功能,使血液在心房内滞留从而导致血栓的产生,血栓脱落后又会随着血液流至全身各处,容易造成致死和致残率极高的的脑中风或肢体动脉栓塞等疾病,严重影响到人类的健康和生命。房颤的治疗手段主要分为药物治疗和非药物治疗。目前药物治疗效果较差并且价格昂贵；而非药物治疗的治愈率有待提高,并且手术过程具有一定的风险,例如Cox迷宫术需要开胸。作为医学界的治疗难题之一,房颤一直受到研究学者们极为广泛的关注。目前房颤识别研究主要集中在P波分析和RR间隔分析方面,然而,P波分析房颤识别方法定位P波基准点比较困难,RR间隔分析方法需存储大量数据。针对这些缺点,本论文提出一种基于复杂网络谱分析的房颤识别方法。本论文的研究对象为犬心外膜信号,信号分为房颤信号和正常窦性信号。首先,本论文从房颤的发生机制着手,采用联合递归图方法分析心外膜信号的同步性,验证基于同步性识别房颤的可行性；然后,本论文采用复杂网络谱分析方法提取谱特征,通过模糊C均值聚类分类器识别房颤。最后,本论文以各电极点作为网络节点,根据各点之间的信息流向确定连接两节点的边,构造有向网络,以网络的角度对房颤传播路径进行分析,希望能对射频消融提供指导。本论文的主要内容以上述思路展开,具体包括：1、对房颤模型犬注射乙酰胆碱后,在右心耳部位进行电刺激诱发房颤,由心外膜标测系统记录房颤发生前后的信号。若各电极点之间的信号同步性越强,则由它们所构的复杂网络间的相似性就越高。本论文采用联合递归图以及汉明距离提取复杂网络的相似性特征,发现窦性信号和房颤信号的网络相似性特征值差别极大。以分类回归树(CART)为分类器设计分类实验识别房颤,获得95.0%、96.0%和95.7%的特异灵敏性、精确度和准确率,证明了利用心外膜信号同步性识别房颤的可行性。2、针对传统房颤识别方法的缺点,本论文提出基于复杂网络谱分析的房颤识别方法。首先采用模糊符号动力学(FSD)将心外膜信号转换为FSD图；然后以FSD图中的点作为网络节点结合递归复杂网络方法构造网络；最后计算反映复杂网络结构的连接矩阵谱特征以及拉普拉斯谱特征,采用模糊C均值聚类分类器设计分类实验识别房颤。连接矩阵谱分析方法获得97.3%、98.7%和98.2%的特异灵敏性、精确度和准确率；拉普拉斯谱分析方法获得96.9%、98.9%和98.0%的特异灵敏性、精确度和准确率。实验证明本论文所提方法可以快速准确地识别房颤。3、针对传统信息流向分析方法部分定向相干性分析(PDC)需要计算MVAR模型,并且不具备时变分析特性的缺点,本论文采用瞬间转换熵(temporal transfer entropy, TTE)构造有向网络。网络中的节点为心外膜标测系统的各电极点,所需的阈值由替代数据法确定。本论文从网络分析的角度研究房颤传播路径,提出：通过隔离网络出度或入度较高区域的方法来切断折返路径,有望消除房颤。