基于分类模型的ECoG术中脑功能定位有望实现准确、快速、无创的神经外科脑功能区定位,但由于个体之间的功能区ECoG特异性差异,存在功能区定位算法泛化性能差的问题。本文设想采用聚类和分类结合的定位方法来提高算法的泛化性能,开展基于静息态ECoG聚类和二分类的术中脑功能区定位算法研究。首先,优化静息态ECoG的采集方法和预处理算法。设计智能电极接触状态检测器的上位机软件,分析和指示皮质电极与大脑皮层接触良好、电极悬空、电极间相互短路的三种状态,确保采集到正确的静息态ECoG;结合使用1 Hz高通滤波器、49-51 Hz陷波滤波器、独立分量分析滤除工频干扰。其次,研究基于静息态ECoG聚类和二分类的术中脑功能区定位算法。首先,设计功能区边界聚类算法,使用db3小波对静息态ECoG进行6层小波分解,提取六层小波分解重构的单子频带信号的能量占比为特征量,使用凝聚式层次聚类模型,聚类后得到两个聚类类簇;其次,设计功能区属性分类算法,采用样本的6维时域统计量（总和、均值、方差、标准差、最大值、最小值）和5维脑电节律（δ（1-3 Hz）、θ（4-8 Hz）、α（9-12 Hz）、β（13-30 Hz）、γ（30 Hz及以上））能量为特征量,并使用主成分分析对特征降维,采用交叉验证和基于径向基核函数的支持向量机对样本进行分类,得到属性分类的功能区和非功能区两个属性类别;最后,集成上述算法建立ECoG术中脑功能区定位集成算法,通过计算聚类类簇和属性类别的相似度来确定聚类类簇的属性,并将具有属性标记的聚类类簇作为最终的脑功能区定位结果。采集三名患者的静息态ECoG样本和预处理,并训练和测试模型。试验结果表明:该脑功能区定位算法的识别准确率为90.91%,误检率为9.09%,泛化性能良好,具有潜在的神经外科临床应用价值。最后,设计基于静息态ECoG聚类和二分类的术中脑功能区定位软件。首先,设计功能区边界聚类算法软件模块,包括数据导入、预处理及特征提取、聚类分析三个步骤,得到边界聚类的两个类簇;其次,设计功能区属性分类算法软件模块,包括分类模型加载、分类特征提取、属性识别三个步骤,得到属性分类的两个属性类别;最后,设计术中脑功能区定位集成算法软件模块,包括计算功能区定位表、绘制功能区地形图两个步骤,提取电极坐标结合功能区定位表画出脑功能区地形图,来帮助医生明确病灶周边的功能区,从而指导医生进行神经外科手术中病灶的切除。