复杂部分性颞叶癫痫是一种以大脑皮层部分区域放电为特征的神经系统类疾病,且常由颞叶边缘系统异常放电引起。该类癫痫患者发病通常伴有不同程度的意识障碍,少数患者可能发展成为全面性发作癫痫类型。先前的研究表明癫痫是一种大脑功能网络受损的疾病,但是这些研究大部分都只是关注大脑网络的内在连接和外在连接,并且针对于复杂部分性颞叶癫痫这一类特殊的发作类型研究较少;因此,还需对其大脑功能网络的拓扑属性特异性以及其应用分类的适用性进行深入的探索。首先,本文引入了大尺度功能小世界网络来探索复杂部分性颞叶癫痫发作引起的脑功能网络属性异常。研究结果发现癫痫患者的大脑功能网络和正常被试一样具有小世界属性,但其功能网络在信息传输和处理能力方面都表现出了下降。通过分析癫痫患者和正常被试的大脑功能网络的节点最短路径属性,我们发现患者大脑网络的受损主要来源于颞叶、海马旁回、中央前回、基底节、丘脑和杏仁核等区域的变异,这些区域有着显著升高或降低的信息传输能力,导致了患者大脑网络信息传输和处理能力异常改变,进而可能导致患者产生了诸如意识受损以及认知功能障碍等的一系列临床症状。并且我们发现这些改变的网络属性与患者的临床特征密切相关,其中,左侧海马旁回和左侧基底神经节的节点最短路径属性与病程呈显著负相关,且左侧中央前回、右侧颞下回和左侧丘脑的节点最短路径属性与发病年龄呈显著负相关。进一步,我们针对复杂部分性颞叶癫痫的分类诊断难且低效这一临床现状,通过计算以上分析得到的大尺度功能网络的边、网络的全局属性和网络的局部属性为特征,来构建模式识别分类模型。结果表明网络的边和节点最短路径构建的模型具备良好的分类能力(82.1%的分类准确率),即它们是识别该疾病的有效特征。两个特征对应的分类研究一致性地揭示了复杂部分性颞叶癫痫发作在大尺度功能网络层面上影响了诸如颞叶、运动区、额叶和皮层下基底节、脑岛及扣带回等区域。本文中两个分析方法弥补了单一分析方法的不足,研究从大脑功能网络拓扑属性的改变和二分类实验来探索复杂部分性颞叶癫痫发作所影响的大脑区域,共同发现了大脑颞叶、运动区、海马旁回、基底节和脑岛等受损区域;而且找到了可作为诊断该疾病的潜在影像学标记。