手部肢体运动障碍是脑卒中患者经常并发的症状,鉴于手部肢体功能在生活工作中占有相当大的比重,因此有效恢复手部功能对脑卒中患者的康复治疗具有重要意义。目前研究表明脑卒中后中枢神经损伤的功能恢复及其重塑的机制都还未完全明确,但是越来越多成果表明,不同的脑区在功能上既相互分离同时又相互整合。脑功能网络是对大脑结构中不同脑区之间动态活动交互整合的直观描述。鉴于脑功能网络可以整合不同脑区信息的特性,可以从整体上表征手部肢体运动障碍大脑皮层的变化,对其进行分析有助于临床对肢体运动障碍患者进行早期预防及康复干预,同时也可以为患者的病理机制提供一些新的视角,拓展复杂大脑网络的理论研究,因此本文以脑功能网络为载体进行手部肢体运动障碍的研究。本文的主要内容和创新点如下:（1）提出了一种手部肢体运动的脑网络综合特征。对健康、患者受试手部肢体不同动作的脑功能网络分析发现,肢体动作主要激活的都是大脑皮层的对侧区域,对于特定的动作（握拳、屈腕和屈肘）则是对侧区域的各子区域激活程度不一。根据此现象,本文将脑网络分为左、右脑网络,直观展现出左右手动作的差异性,并借助左、右脑网络的网络特征:平均节点度、平均路径长度以及平均聚类系数来表征。由于左、右脑网络相对独立的分析方法忽略了脑电信号的复杂度,因此本文又将脑网络和C3、C4导联处的脑电信号（EEG）的样本熵特征结合起来,构筑了分布性和指向性兼具的特征向量,使之既有全局考虑,又能突出重点,更能全面地反映左、右手肢体运动所激活大脑皮层的生理电活动特征。（2）将脑肌相干特征融入到脑功能网络的构建,提出了一种基于最小生成树和区域网络的脑功能双层网络构建方法。当受试执行手部肢体动作时必然存在大脑皮层和肌肉功能耦合关系,因此本文采用相干函数来计算脑肌相干系数,并定义脑电-肌电相干（Corticomuscular Coherence,CMC）强度指标来定量EEG与肌电信号（EMG）之间的耦合强度。本文通过加权耦合强度对32导联的EEG信号和目标运动肢体相关肌肉EMG信号相干性强弱进行排序,给出健康、患者受试各动作下的核心导联组合。脑网络的最小生成树将32导联连接起来,确保原始网络的索引结构和概要信息并保证了网络连通性。由于最小生成树不具备小世界网络特性,本文提出根据核心导联组合构建区域网络。区域网络着重反映脑肌相干特征在网络中的具体表现,突出了各手部肢体动作模式的个性化网络特点。本文分别提取了最小生成树的直径和平均离心率,区域网络的平均节点度、平均聚类系数和平均路径长度作为双层网络的特征,用来表征多类手部肢体动作的分类信息。（3）在不同的角度对手部肢体动作的EEG信号进行特征提取的基础上,考虑到不同的特征之间存在关联性,因此本文引入了核典型相关分析KCCA融合算法分别对脑功能网络特征和样本熵、最小生成树和区域网络特征进行融合并输入到支持向量机（SVM）中进行分类。实验结果表明,不同的特征向量经过融合后较单一特征识别平均准确率均有所提高,佐证了本文所提特征的合理性,其中经过KCCA融合算法后效果最明显,同时也表明了本文基于全局特征和局部特征相结合的特征提取思路是正确的。更为重要的是,对于手部肢体运动,实验结果证明了融合脑肌相干特征构建的双层网络更能有效表征皮层肌肉功能耦合关系,体现神经-肌肉间的内在生理特性,为肢体运动障碍患者康复治疗提供了新的思路。