癫痫,即俗称的羊癫疯、羊角风,是一种全世界范围内影响广泛的神经系统疾病。它是由于大脑神经元异常放电造成脑部结构化功能失调的一种慢性脑功能障碍综合症。传统的癫痫病灶定位是由医生根据长程颅内脑电图机(Intracranial Electroencephalogram,IEEG)对病人的脑电信号采集后通过视觉人工标记判断,这种方式更多的只是关注频率小于80 Hz的常规脑电信号,采集时间长,大大增加了病人的手术痛苦并且结果容易受到医生主观因素或者其他客观因素的影响。近些年来,越来越多的学者开始研究大于80Hz的高频振荡节律(High frequency oscillations,HFOs),其自动检测方法也越来越成为癫痫致病灶术前定位的研究热点。首先,本文对脑电数据的预处理和特征提取方法进行了研究。采用数据归一化、切比雪夫II型IIR带通滤波和50Hz倍频工频陷波器对数据进行预处理。采用Teager能量算子,功率谱密度和小波熵三种方法对高频震荡节律进行特征提取。通过数据预处理和特征提取,为下文对数据和特征的分析奠定了基础。接下来本文提出3种脑电高频振荡节律检测和分析方法,其中基于脑电多元特征提取和小波时频图的高频振荡节律检测方法通过对Teager能量算子,功率谱密度和小波熵三种特征提取方法结果综合分析筛选疑似癫痫病灶位导联,对疑似导联利用小波时频图在时间上对高频震荡节律进行定位,进而对癫痫病灶位导联进行判断;一种从分类到聚类的快速高频震荡节律检测和分析方法首先通过二分类因子分解机对正常导联和疑似癫痫病灶位置导联进行筛选,此过程大大加快了导联的筛选速度,对于疑似癫痫病灶位置导联采用模糊C均值算法对其成分进行聚类分析,进而准确定位癫痫病灶位导联;基于半监督聚类的快速高频震荡节律检测和分析方法针对脑电处理中有标记样本少,未标记样本多的特点,首先利用有标记样本初始化半监督K-means算法的聚类中心,然后利用已初始化的聚类中心对病人的脑电数据进行聚类分析,对于聚类得到大量高频振荡节律的导联作为疑似癫痫病灶位导联并利用Mean Shift算法对其进行分析。此方法不需要提前设定聚类数目,大大减少了方法的步骤,提高了计算速度。最后,对于本文提出的3种方法分别对5位病人的脑电数据进行了测试,并将其结果与3种常用算法的测试结果进行了定位性能的对比。通过比较可以发现,本文提出的3种方法无论是在检测时间、定位准确度方面均有大的提升。