脑死是指全脑功能的不可逆丧失,包括脑干功能,是决定个体生命终止的最可靠依据。尽管大多数国家已经制定了相应的脑死判定标准,但存在耗时长、风险大、鲁棒性差等亟待解决的问题。脑电图(EEG)因其具有采集成本低、时间分辨率高和采集无创性等优势,已成为临床诊断大脑状态的最有效的辅助方法之一。然而,目前基于脑电的脑死判定方法仍不成熟。本文对脑昏迷患者(13名)和脑死患者(17名)脑电信号进行了深入分析,发现两类患者的多种脑电特征都存在显著差异,验证了基于脑电进行脑死判定的有效性和可行性。本文研究结果可为医生提供参考,帮助医生做出临床决策。本文研究工作包括:(1)患者EEG单变量特征分析:基于复杂度方法对不同节律脑电的近似熵(ApEn)特征进行计算,然后对经验模态分解(EMD)去噪后的EEG再次求ApEn值,最后对EEG能量特征进行研究。发现脑死患者的EEG复杂度明显大于深度昏迷患者且在α、β和γ频段存在显著性差异,经EMD去噪后两类患者的ApEn值均明显地减小,同时θ频段也存在显著性差异;深度昏迷患者的EEG能量在全频段均显著高于脑死患者。(2)患者脑功能连接特征分析:提出了一种跨脑区的相位同步指数计算方法,定义了半脑间同步(IHPS)指数、左半脑同步(LHPS)指数和右半脑同步(RHPS)指数三类指标。1)发现深度昏迷患者在δ、θ、α和β频段的锁相值显著高于脑死患者;2)在低频段(δ、θ和α)中,发现所有深度昏迷患者的IHPS指数均明显大于其LHPS和RHPS指数,且存在显著性差异,而脑死患者未出现该现象(除一位脑死患者);3)发现上述现象几乎在所有trials中得到验证,说明该现象可能作为脑死诊断中一种具有鲁棒性的神经标记。最后,运用上述现象构建脑死判定的实时检测系统,结果显示了该方法的可靠性,因此基于上述结果有望开发出一种可视化工具来辅助临床脑死诊断。(3)患者脑效应连接特征分析:引入格兰杰因果关系(GC)来研究两类患者的脑效应连接。首先对信号进行平稳化处理,然后选择满足平稳性条件的EEG进行GC值计算,最后筛选通过检验的GC值建立两类患者的脑效应网络。结果发现深度昏迷患者的脑网络指标(出度和入度)大于脑死患者的脑网络对应指标,深度昏迷患者额叶信息流更丰富且因果性更强。