1、在中國，癲癇已成為神經(jīng)科僅次于頭痛的第二大常見病，它是一種反復(fù)發(fā)作的神經(jīng)性疾病。在所有患者中，約有30％的是抗藥性癲癇患者。對于這類患者，采用的治療手段是通過外科手術(shù)來切除致癇區(qū)，而手術(shù)成功的關(guān)鍵在于精確定位致癇區(qū)。通過研究大腦的效應(yīng)連通性算法，用這些算法來分析記錄到的癲癇腦電信號，可以為術(shù)前評估中致癇區(qū)的精確定位提供有效的幫助。因此，本文主要致力于研究大腦效應(yīng)連通性相關(guān)的模型和算法。
　　Wiener-Granger因果方法(W

2、iener-Granger Causality Index，WGCI)是一種典型的數(shù)據(jù)驅(qū)動的效應(yīng)連通方法。它是基于一個隨機(jī)過程的線性自回歸模型的方法，可以檢測到多個時間序列之間的因果影響關(guān)系。從它推廣出的PDC(Partial Directed Coherence)和NPDC(Nonlinear Partial DirectedCoherence)方法可以在頻率域中分別檢測到信號之間線性和非線性的因果關(guān)系。這些方法都依賴于線性或者非線性

3、自回歸模型，因此，自回歸模型的參數(shù)估計方法在其中起著至關(guān)重要的作用。OPS(Optimal Parameter Search)和FROLS（Forward Regression Orthogonal Least Squares）是分別針對于線性和非線性自回歸模型的參數(shù)估計方法，但是OPS方法中存在兩個地方的不足:1.算法的抗噪性不佳2.算法的計算過程中需要閾值來作為算法停止的條件，但閾值的選取沒有理論上的方法。基于此本文提出了兩種基于g

4、AIC(generalized Akaike Information Criterion)和OPS方法的改進(jìn)算法:1.對信號進(jìn)行加窗處理，以減少噪聲帶來的影響。2.將所有候選項根據(jù)權(quán)重值分為高低兩部分，選取高部分作為最終候選項，以解決閾值難以選取的問題。
　　在實驗部分，首先將OPS改進(jìn)方法應(yīng)用于線性自回歸模型，并以此改進(jìn)WGCI方法以提高原始方法的準(zhǔn)確率，隨后將FROLS方法應(yīng)用在非線性自回歸模型和生理模型，并在這個結(jié)果之上利用