脑电信号是人类复杂电生理过程的表现,其中包含丰富的大脑活动信息,这些信息与人脑的生理结构和状态有关。脑电信号的同步是大脑不同区域建立起通信联系的一个关键特征,可以揭示大脑各个区域如何进行信息的整合和传播,有助于深入理解脑部功能障碍机理,对癫痫等神经功能障碍疾病的诊断、预防和治疗具有非常重要意义。癫痫发作是脑内神经元阵发性异常超同步化电活动的临床表现,具有突发性、反复性和暂时性等特点,给患者带来痛苦和身心伤害,严重时甚至危及生命。如果能够及早地对癫痫患者进行发作预测,可以给患者和医生提供采取相应保护措施的时间,避免由于癫痫突然发作给患者带来意外伤害。本文将脑电信号的同步分析理论应用到癫痫发作预测中,研究癫痫患者在处于不同状态时各种脑电信号同步参数的变化情况,提出两种癫痫发作预测的新方法。主要研究内容和创新性成果包括以下几个方面:(1)本文分别对解放军第463医院癫痫病患者头皮脑电信号和CHB-MIT癫痫头皮脑电数据库信号进行了分析。癫痫病脑电信号同步分析问题普遍采用皮层脑电信号,皮层脑电信号是有创采集,不能实现对患者状态进行实时跟踪。本文采用头皮脑电信号,头皮脑电信号是无创采集,可以实现对患者状态的实时监测,有利于癫痫发作预测的临床应用。(2)本文针对双变量同步分析方法空间分辨率低的问题,提出了相位同步脑网络模型法,从全脑区对癫痫脑电信号进行同步分析。首先将脑电数据分成癫痫发作间期组、癫痫发作前期组和癫痫发作期组;利用小波变换法提取子频段,然后利用希尔伯特黄变换求出平均瞬时相位;分别求出任意两个导联间的锁相值,构建功能性脑网络,对脑网络的各种属性进行分析。比较三组状态下功能性脑网络各种属性的变化情况,找出癫痫发作过程中相位同步在整个大脑区域的变化规律。(3)本文为了解决多变量同步分析问题,从相位同步、频谱同步和频率同步三个方面共同分析癫痫脑电信号同步变化。在前面介绍内容的基础上,利用希尔伯特黄变换求出瞬时相位,希尔伯特边际谱和希尔伯特加权频率;然后利用多变量相位同步分析法求出多变量相位同步指数;通过对比三种状态脑电信号的多变量相位同步指数、希尔伯特边际谱和希尔伯特加权频率的脑电地形图,找出癫痫发作过程中上述三个参量在整个大脑区域的变化规律。(4)本文针对癫痫发作预测的问题,提出了基于空频域特征分析的癫痫发作预测方法。在前面分析结果的基础上,将多变量相位同步指数、希尔伯特边际谱和希尔伯特加权频率组成空频域特征参量,输入到分类器中进行癫痫发作预测。为了寻找最优的预测效果,本文分别使用了 Fisher线性判别、支持向量机和极端学习机三种分类器,并通过K段交叉验证方法对三种分类器的预测效果进行评估,结果显示支持向量机和极端学习机的预测效果最好。利用发作预测特征法对多种相关预测方法进行评估,结果表明基于空频域特征分析的癫痫发作预测法可以得到较高的敏感度和较低的错误预报率(平均误报率0.05/h,平均敏感度87.92%,平均预测时间37.8min)。(5)本文针对癫痫发作预测的问题,提出了基于相位同步因子分析模型的癫痫发作预测方法。在前面研究结果的基础上,求出瞬时相位的因子分析模型,即相位同步相关源对应的时间序列;将相位同步因子分析模型作为特征参量输入到分类器中进行癫痫发作预测。采用前面介绍的三种分类器,对预测效果进行对比。利用癫痫发作预测特征方法对相位同步因子分析模型和主成分分析模型的预测效果进行评估,结果表明基于相位同步因子分析模型法可以得到较好的预测效果(平均误报率0.05/h,平均敏感度90%,平均预测时间39.8min)。