作为一种发作性疾病,癫痫往往是局灶性起病,继而引发全身的抽搐。脑网络理论认为,局灶病变不能完整解释癫痫机制,应当视之为脑功能网络病变,其涉及范围包括皮质和皮质下脑网络的改变。目前没有临床技术能在手术前成功定位致痫网络范围及传导途径。脑磁图(MEG)是常用于癫痫诊断和定位的新型工具,该技术可以把脑功能活动的电磁信号与脑解剖结构图像融合形成磁源性影像(MSI),在性能上集中了脑电图(EEG)的时间分辨率和磁共振(MRI)的空间分辨率优势。本研究借助基于MEG的脑功能网络建模技术,对不同部位和不同亚型的颞叶癫痫进行了脑网络分析。主要工作如下:1.基于相干矢量虚部的脑网络模型(相干网络)构建。相干分析可以客观地提取网络特征,MEG波形分析可以直接对异常癫痫波进行分析,两者结合可以极大提高癫痫的诊断的客观性和准确性。相干矢量虚部可以避免容积效应的影响,使网络构建更加科学,从相干网络中提取连接增强区域,并将其分别与偶极子定位法(ECDs)和合成孔径磁力分析法(SAM)进行对比。在皮质脑电图(ECoG)/颅内脑电图(iEEG)的参照下,可以发现相干网络、ECDs和SAM的结合,明显提高癫痫病灶的精度。同时,癫痫患者和健康对照的相干网络比较发现,癫痫患者在β频段具有更强的网络连接。该部分结果证实癫痫患者确实存在脑功能网络异常,研究癫痫脑网络不仅可帮助诊断癫痫,还有助于准确定位致痫灶。2.采用支持向量机对颞叶癫痫亚型脑网络分类。颞叶癫痫的临床症状具有特殊性和多样性,不同的症状可能影响了不同的脑网络活动,研究网络的差异对于区分不同症状,制定不同的治疗方案至关重要。本研究将颞叶癫痫从症状学上分为复杂部分性发作(CPS)和简单部分性发作(SPS)两种亚型,两者临床表现不同但却难以从脑电起源上找到差异。本研究在所建脑网络基础上,利用支持向量机(SVM)进行分类,得到较高分类精度。经过随机抽样进行再次分类后,在多个高度重合的脑区得到了相似结果,从而进一步验证了分类结果的可靠性和可信度,证明了两种亚型之间确实存在功能连接差异。CPS在临床上均伴有意识丧失,而且更容易进展为难治性癫痫。辨析两种亚型在脑网络上的不同,将有助于研究癫痫患者的意识障碍发生的机制,帮助提前预防和早期治疗。3.基于磁源信号的颞叶癫痫脑网络偏侧性分类研究。为解决颞叶癫痫的偏侧定位问题,消除镜像灶对癫痫起源灶的干扰,提高癫痫外科手术的疗效,本研究利用SVM对左右颞叶癫痫的脑磁信号网络特征进行了分类。结果发现MEG是一种优良的颞叶癫痫偏侧性检测技术,源空间脑网络参数可有效区分左右颞叶癫痫起源。在临床诊断过程中,分类颞叶癫痫与健康受试者时,指标节点度是最佳选择,但是当评估颞叶癫痫的偏侧性,指标中介中心性将是一个更好的选择。MEG结合SVM有助于分析颞叶癫痫的脑网络病理机制,并且通过正确偏侧分类而改进治疗方案。4.颞叶内侧癫痫的磁源性定位研究。将磁源性定位应用于临床研究,在伴有海马硬化的颞叶内侧癫痫患者中,MEG结果与海马硬化区域高度吻合,而切除MEG所定区域后,临床疗效较好。采用磁共振波谱分析技术(MRS)对脑神经元的功能变化进行分析,发现对于没有海马硬化的患者,在MEG信号异常的区域,也存在神经元指标的改变。该部分结果表明,MEG作为癫痫定位诊断工具,具有可靠性和可操作性。本研究对象为颞叶癫痫患者,检测工具为MEG,数据分析手段采用脑网络建模技术和SVM分类法。通过对颞叶癫痫的诊断、定位、分类和临床实践进行系统研究,发现MEG可以构建颞叶癫痫的脑功能网络模型,用于揭示颞叶癫痫的脑网络病理机制。