癫痫是一种大脑产生异常放电现象,而导致大脑功能异常的疾病。癫痫发作常伴有多种并发症状,对患者健康产生极大威胁,常年服用抑制药物会对家庭带来严重的精神和经济压力。约有30%的癫痫患者无法通过药物来控制癫痫发作,形成药物难治性癫痫,在所有癫痫患者中颞叶癫痫是最常见的患病类型。治疗癫痫的方法主要有药物控制和手术治疗,其中确定病灶并进行手术切除是治疗难治性癫痫的重要手段。立体定向脑电图(Stereo-electroencephalography,SEEG)是一种有创的脑电活动记录方法,该方法可以避免开颅手术,手术产生创口较小、电极位置植入灵活,如今已经被大范围应用于临床癫痫病灶的定位。从定位致痫性脑区的分布而言,癫痫网络已成为定位致痫区和有效治疗癫痫的重要手段。本论文对临床采集的SEEG数据进行双极导联处理,并构建出颞叶癫痫的独立有效相干(Isolated effective coherence,iCoh)网络模型,分别计算了癫痫网络在发作初期、中期和后期脑电图δ、θ、α、β和γ,5个频率段的入度,出度和中介中心性(Betweenness centrality,BC)网络特征,进一步利用K-means方法对SEEG通道的致痫性聚类分析,与患者手术区域比较以确定分类准确性。为了直观的呈现分析结果,文中还对患者的MRI和CT图像进行了融合处理,实现了定位区域的三维可视化。分析结果表明,对SEEG数据采用双极导联处理方法能得到更高质量的局部电活动,可减少干扰。基于独立有效相干方法构建出的SEEG致痫网络,其δ频率段的出度值具有较高的分类准确率,在判别患者是否为颞叶癫痫的基础上,还可以准确的区分颞叶癫痫发作的通道位置,癫痫网络的BC值则在γ频率段显示出了较高的分类准确率。本论文进一步研究了融合SEEG网络与数学计算模型的网络,分析了有向传递函数(Directed transfer function,DTF),偏有向相干(Partial directed coherence,PDC),独立有效相干和皮尔森相关性等方法构建的融合网络,结果显示PDC网络结合数学计算模型能够更好的定位致痫区域。本研究的结果表明,通过对颞叶癫痫患者SEEG信号的网络结构分析,能够准确的提取出致痫区的特征,为临床上定位患者致痫区提供一种量化的参考依据。