大脑是一个复杂的信息系统,大脑皮层上神经元分布丰富,脑电信号是大脑皮层上的神经活动产生的且始终存在于中枢神经系统的一种自发性电位活动,包含了大量生理和病理信息,通过对脑电信号或脑电节律信号的分析,可以为临床脑疾病诊断提供依据。本文基于K-最近邻网络和模板法符号转移熵进行脑电节律信号分析,并在模板法符号转移熵基础上进行多尺度分析,为临床癫痫疾病诊断和脑电信号的动态信息捕捉提供依据。本文主要有以下三方面内容:一、基于K-最近邻无向网络的癫痫脑电节律信号分析本文基于k-最近邻无向网络对癫痫脑电δ节律信号进行分析。将单导联的癫痫脑电δ节律信号通过相空间重构后,利用k-最近邻无向网络将此脑电节律信号构建成网络,再将网络转换成新的时间序列分析其功率谱并将其与原始脑电节律信号功率谱进行比较。结果表明研究经过网络变换后的时间序列的功率谱比直接研究原始脑电节律信号的功率谱更能够区分癫痫患者和正常人。而直接研究该网络的集聚系数也能区分正常人和癫痫患者。该研究可以为临床癫痫诊断提供积极指导作用。二、基于改进模板法的脑电节律信号转移熵分析本文在传统模板法的基础上,运用改进的模板法分别分析了成年人与青少年的δ、θ、α和β四个脑电节律信号的转移熵。实验结果表明,基于改进模板法的δ、θ脑电节律信号的研究比传统模板法更能够对青少年和成年人的脑电信号进行区分,且无论是改进后的符号转移熵还是传统的符号转移熵,成年人都较青少年的熵值大,而改进后的熵值比传统的符号转移熵值更大,即改进的模板法符号转移熵更能反映脑电节律信号间的混沌程度。该研究有利于对大脑复杂动态信息的获取。三、基于多尺度模板法的脑电节律信号转移熵分析本文在模板法转移熵基础上进行多尺度分析了成年人与青少年、健康正常人与癫痫患者的δ和θ脑电节律信号。实验结果表明,适当的尺度因子的选择可以提高不同生理或病理特征信号的区分度,为临床诊断提供依据。