目的：通过处理分析由于腰椎间盘突出导致的慢性神经根性腰痛（Chronic Radicu lar Lumbago,CRL）患者和正常受试者的脑电信号资料并结合临床评估指标客观评估CRL患者的临床特点，以期对现有的CRL患者临床评估方法作出补充。　　方法：（1）按照纳入和排除标准收集71例由于“腰椎间盘突出症”导致的CRL患者，按职业的特殊性将其分为地方CRL患者41例和空勤CRL患者30例；正常对照组来源于社会招募的健康志愿者41例，所有纳入研究的受试者均阅读并签订实验知情同意书。（2）通过64导脑电图机收集受试者的静息态脑电信号资料。（3）临床评估指标包括“主观量表指标”“影像学指标”和“外周电生理指标”：①“主观量表指标”通过功能障碍量表（Oswestry Disability Index,ODI）评估受试者的功能障碍程度，并按评分不同对患者进行分组、SF-36量表（Short Form 36 health survey scale,SF-36）中的“躯体疼痛”（Body Pain,BP）和“精神健康”（Mental Health,MH）评估受试者的主观疼痛强度和情感心理状态，并按评分不同对患者进行分组；②“影像学指标”通过MRI资料收集患者的椎间盘髓核突出节段；③“外周电生理指标”通过感觉神经定量检测仪（Neurometer）测量受试者外周神经的电流感觉阈值（Current perception threhold,CPT）评估受试者的外周神经功能损伤程度，并按结果不同进行分组。（4）数据分析通过SPSS 22.0软件进行统计学处理，脑电信号数据通过MatLab软件进行预处理、功率谱分析和建立分类模型。　　结果：1.CRL患者的脑电特征分析：（1）静息状态下CRL患者全脑皮层处于异常活动状态，以额叶和颞叶脑区为主（额叶为delta、theta、beta、gamma波活动异常，颞叶为delta波活动异常）：①CRL患者和正常受试者全脑信号功率谱比较发现：8Hz下患者脑电信号功率谱强度＞ 正常受试者，15Hz上患者脑电信号功率谱强度＜ 正常受试者；②患者和正常受试者各脑区的脑电地形图显示在额叶和部分颞叶脑电活动有差异；③患者和正常受试者在左额叶、左颞叶、左枕叶、右额叶、右颞叶和右枕叶的delta、theta、alpha、beta和gamma波功率谱进行统计学分析发现：脑电信号功率谱在右前额delta波（低频8Hz以下）、theta波（低频8Hz以下）和左前额beta波（高频15Hz以上）、gamma波（高频15Hz以上）和左颞叶delta波（低频8Hz以下）差异有统计学意义（P＜0.05）。（2）地方患者右额叶脑电活动处于异常激活状态（为delta、theta波活动异常）；空勤患者左额叶脑电活动处于异常抑制状态（为beta、gamma波活动异常）：①按分组不同将患者和正常受试者全脑信号功率谱比较发现：8Hz下地方患者功率谱强度＞ 正常受试者＞ 空勤患者；15Hz上空勤患者功率谱强度＜ 地方患者＜ 正常受试者②地方患者、空勤患者和正常受试者各脑区脑电功率谱比较发现：右前额delta波（低频8Hz以下）、theta波（低频8Hz以下）只在地方患者和正常受试者差异有统计学意义（P＜0.05）；左前额beta波（高频15Hz以上）、gamma波（高频15Hz以上）只在空勤患者和正常受试者差异有统计学意义（P＜0.05）；左颞叶的delta波在三组中均无差异（P＞0.05）。　　2.特征脑波与临床评估指标相关性分析：（1）CRL患者临床特点评估：患者和正常受试者的ODI评分、躯体疼痛评分、情感健康评分和CPT值组间比较差异有统计学意义（P＜0.05）；地方患者与空勤患者在不同功能障碍程度、躯体疼痛程度、精神健康程度、周围神经损伤程度组间差异无统计学意义（P＞0.05）；（2）地方患者和空勤患者脑电信号特点表现出明显差异性，故将地方患者和空勤患者分开分析：①地方患者特征脑波与临床指标均无相关性：地方患者的“ODI评分”、“躯体疼痛评分”、“精神健康评分”、“CPT值”与特征脑波做相关性分析显示相关系数均无统计学意义（P＞0.05）；②空勤患者特征脑波与疼痛强度呈正相关关系，与精神心理状态呈正相关关系：空勤患者的“躯体疼痛评分”与左额叶gamma波、“精神健康评分”与左额叶beta波做相关性分析显示相关系数有统计学意义（P＜0.05），空勤患者的“ODI评分”、“CPT值”与特征脑波做相关性分析显示相关系数无统计学意义（P＞0.05）。　　3.CRL患者分类模型建立：在提取脑电特征，并同临床评估指标进行相关性分析的基础上，将提取到的特征“额叶脑波”和“外周神经CPT值”（CPT值同特征脑电没有相关性可以作为分类器特征，ODI评分虽和特征脑电无相关性，但为主观指标不作为分类器特征）来进行分类器的设计和建模。以躯体疼痛评分和精神健康评分作为划分患者和正常受试者的label（标签）通过线性判别分析分类器（Linear Discriminant Analysis,LDA）和支持向量机分类器（Support Vector Machine,SVM）进行分类模型建立，并筛选最高精确度的分类模型。结果中地方患者以LDA为分类器、以delta波和CPT_5Hz为特征得到了最高精确度为82.21%；空勤患者以SVM为分类器、以gamma波和CPT_5Hz为特征得到了最高精确度为83.68%。　　结论：1.静息状态下CRL患者大脑活动仍表现为多脑区、多频谱的异常状态，且以额叶皮层异常活动最为明显；2.CRL患者额叶皮层的gamma波、beta波均与临床评估指标表现出了一定的相关性，这提示通过脑电信号检测评估CRL患者临床特点具有可行性；3.本研究中建立的CRL患者和正常人的分类模型可作为客观评估CRL患者临床特点的一种方法补充。