大脑研究最初是基于静态假设的。经过多年的发展,大脑研究已经形成基于动态变化假设,并采用时频域结合的方法体系。随着各种新兴方法的出现,动态方法体系需要在原有的基础上进行融合和创新,怎样从新方法中更能体现或者挖掘出脑动态的时间与空间变化特性已经成为当前需要研究的重要问题。本文的研究主要是在动态方法体系下结合聚类方法,一方面根据聚类计算结果提出一种新的指标——聚类偏离度,将其应用于癫痫患者脑区活动异常研究并探究该指标的意义;另一方面提出一种专门应用于查看动态计算产生的聚类结果的软件系统——BRAINPLAYER,从工程角度完善动态计算的体系。本文主要内容包括以下两个部分:1.本文提出一个新的指标:聚类偏离度,并将其用于探究癫痫病人的生理活动异常。我们同时采用了颞叶癫痫和全面性强直-阵挛癫痫两种病人数据。首先进行了标准差的对比计算,并没有发现差异。接下来我们对所有样本进行聚类,聚类结果为两种常驻状态。其中,状态1占主要类别,表现为左楔前叶、右角回、左内侧额上回动态低频震荡振幅有所升高。状态2为非主要类别,表现为右侧枕中回有所升高,内侧额上回有所降底。由前人研究可以推断,状态2表现为具有癫痫异常特征的状态。而计算后得出的聚类偏离度结果为,癫痫病人与正常被试相比在海马、海马旁回、颞极位置显著升高,且颞叶癫痫病人更为显著。从前人研究可知这些聚类偏离度异常的脑区与颞叶癫痫的海马硬化症和病灶区域有着密切联系。由此可以结合聚类结果推断该实验中聚类偏低度的意义为在整个数据样本中,个体表现异常状态的严重程度。2.目前广泛使用的各个软件中并没有专门针对动态数据可视化的软件,从数据分析的角度看,数据可视化的过程对于聚类结果的发现、确定、核实也是非常重要的。本研究确定了开发三个主要可视化模块,分别为动态功能连接矩阵、动态网络组、动态体素级别(voxel)数据显示模块。三个模块主要部分都有动态数据播放和颜色自定义功能,并且能针对相应的显示数据特性进行简单的数据处理,其中包括动态功能连接的阈值处理、动态网络的节点和连接边大小调整、动态voxel数据部分的模板套用。本软件的发明为实现动态数据的聚类过程提供了新的辅助工具。综上,本文从理论与实践两个方面出发,从理论上提出新的聚类偏离度指标并将其应用探究癫痫大脑活动的异常,以此得出指标的理论实际意义;另一方面从实践出发,实现了新的动态数据可视化软件,为动态分析中聚类提取状态的计算框架提供了新的方法与工具。