复杂网络可以看作是对复杂系统的一种抽象描述,大脑是一个结构和功能极其复杂的生理系统,利用复杂网络理论有助于人们研究不同脑区之间的相互作用、拓扑结构和动力学信息以及与生理功能和疾病产生的关系。脑电包含了大量的生理与病理信息,是癫痫诊断、预测的重要工具,本文主要基于脑电信号分析做了以下工作:一、论文采用C-C相空间重构算法确定脑电信号时间序列重构参数,对16个导联的脑电信号进行相空间重构,由于传统的相图分析对数据点数要求较高,且对相空间重构参数较为敏感,本文通过对相空间矢量的欧氏距离矩阵进行可视化绘图。采用此方法,对癫痫患者的不同导联脑电进行分析,实验结果可以明显的区分异常放电脑电信号和无异常放电脑电信号,有助于癫痫病灶定位分析。二、论文采用内部组成对齐的单向算法,基于多通道的脑电数据,从一个全新的角度构建大脑功能网络,并实现网络拓扑图可视化。统计分析大脑功能网络节点度、聚类系数等网络的统计特征,通过与正常人的脑功能网络特征对比,发现癫痫病人脑网络的节点平均度及聚集系数均明显异于正常人。实验结果验证了IOTA算法分析大脑功能网络的有效性,同时也为癫痫疾病的脑功能网络动力学研究及临床诊断提供了重要的参考依据。三、论文基于Kendall等级相关提出一种改进的非线性同步算法IRC(inverse rank correlation)。Kendall等级相关是分析和度量系统非线性动力学的一般化算法。利用论文提出的IRC算法基于多通道EEG(electroencephalogram)数据来构建大脑功能性网络,并对构建的脑功能网络的平均度指标进行了分析,以研究癫痫脑功能网络是否异于正常人。结果显示使用论文改进的算法优于Kendall等级相关分析,能够对癫痫和正常脑功能网络显著区分,且只需要记录很短的脑电数据,论文中的方法适用于区分癫痫和正常脑功能网络平均度指标,它可能有助于进一步了解大脑功能和癫痫的神经元异常动力学行为。