依据患者意识的稳定性,意识障碍可以分为植物状态或称无反应觉醒综合征和最小意识状态。目前,临床上主要依靠患者的行为表现来评估患者的意识水平,但是基于行为表现的评估具有很高的误差率。近年来,神经影像学和神经电生理技术的发展为意识障碍患者意识的评估带来了新的曙光。脑电图（EEG）可以直接测量患者的大脑活动,不需要患者主动参与,可以提高意识障碍患者的诊断准确性。因此,利用EEG信号来评估意识障碍患者的意识水平具有重要的临床应用价值。不同意识状态下神经元振荡幅度的变化已被广泛报道,但对于这些振荡的时间动力学及其时间结构与意识水平的关系尚未完全解释。为此本文研究慢性意识障碍患者处于静息状态下EEG信号振幅的长时程相关性。本文采用去趋势波动分析提取标度指数来量化EEG信号的长时程相关性。分析患者的EEG数据发现,与最小意识状态患者相比,在全脑区无反应觉醒综合征患者的标度指数在delta、theta、alpha和beta子频带显著性降低;在中央脑区,beta子频带的标度指数与使用昏迷恢复量表（CRS-R）测量患者的临床行为表现显著正相关;另外,本文基于SVM分类器预测意识障碍患者的意识水平,证明在中央脑区,alpha和beta子频带的标度指数提供了较高的分类准确度（超过80%）。由于容积效应的存在以及颅外头皮电极记录是多个颅内皮质源活动的叠加结果,这两个因素会导致大脑区域之间功能连接的估计不准确。本文提出利用脑电图源连接构建多层脑功能网络,研究意识障碍患者的脑功能网络是如何随着时间的推移而变化的。分析结果表明,与最小意识患者相比,无反应觉醒综合征患者的功能网络具有全局信息处理受损（网络整合度）和局部信息处理增加（网络分离度）的特征。随着意识水平的提高,大规模脑功能网络的整合度增强,而功能网络的分离度降低。本文提出的标度指数和功能网络的拓扑参数为临床进行意识水平的评估提供了一个新的思路。