研究目的：脊柱手术中实时发现神经功能损伤对于神经功能的恢复至关重要，体感诱发电位(SEP)是脊髓神经功能的重要评价手段，其现有的信号处理方法一般为叠加算法，需人工操作，耗时较长。本研究致力于通过一系列的有针对性的信号提取算法，快速拟合、趋近目标SEP波形，分析并获得新的SEP损伤的特征参数，以实现脊髓功能的动态监测评价；研究方法：通过动物实验研究了基于径向基函数神经网络的复合自适应滤波算法和时频谱分析提取特征参数的性能特点，结合临床实测数据的分析，探讨了基于径向基函数神经网络的复合自适应滤波和时频谱分析方法相对于叠加法的优势和不足；实验结果：基于径向基函数神经网络的复合自适应滤波算法可以将提取SEP信号所需的时间由原始的大于60s(大于300次信号叠加)缩短为小于10s(<50次信号输入)，而时频谱分析功率谱特征参数以及谱峰延迟时间可以有效的提高算法识别变异的灵敏性；结论：基于径向基函数神经网络的复合自适应滤波的算法处理结合时频谱分析的SEP特征提取算法可以有效快速的拟合SEP动态波形，提取新的SEP损伤的信号特征，可以实现脊髓损伤的动态自动检测分析。