癫痫是一种大脑神经细胞混乱放电而导致的一种疾病,发作时通常伴有呕吐、抽搐、短暂性失神等症状,会严重影响患者的正常生活。研究发现癫痫患者在静息态下大脑活动也会表现出异常。随着脑电/磁信号在大脑活动状态研究和神经疾病辅助分析方面应用的日渐推广,以及脑磁相比脑电具有更突出的优势,利用癫痫患者的静息态脑磁信号及高频振荡对病灶进行定位,有助于辅助临床诊断。论文基于静息状态的脑磁信号,分别从高频振荡检测和源定位两方面来实现这一目的。首先,针对大多数高频振荡检测器需要依赖经验设定阈值、特异性低的问题,本文利用一种新的时频分析算法计算特征,以检测高频振荡信号。该算法通过计算自相关熵自适应地调整基线,同时用希尔伯特变换对高频振荡信号进行预检测,并在此基础上基于Stockwell变换计算得到疑似高频振荡信号的面积、熵值等时频特征,这些特征不仅可以表示某一时刻信号能量在频率上的分布,同时可以有效地区分同频段高频振荡信号和伪影。其次,针对高频振荡信号视觉检测耗时且主观性大,临床数据标记少的问题,本文利用高斯混合聚类算法对疑似高频振荡信号的时频特征进行聚类,以检测出高频振荡信号。该方法能够有效区分高频振荡信号和非高频振荡信号。最后,针对需要假设偶极子数目、方向等依赖大量临床经验知识的传统偶极子定位方法,本文阐述了磁源累积成像的源定位方法,并采用该方法对病灶定位。本文先利用小波变换方法识别脑磁信号中的高频信号,再利用两步波束成形器法定位病灶并重建神经磁活动,同时显示在MRI图像上。神经磁信号的频率特征反映了信号的时空和频谱变化。通过对9名癫痫患者分析结果和临床诊断结果定性分析可以发现,该方法适用于定位癫痫病灶。