意识障碍（Disorders of consciousness,DOC）是由严重脑损伤导致的意识缺失脑状态。当前临床上DOC的评估以行为量表为主,评估人员的主观经验和患者的配合度直接影响评估结果。电生理技术能够为临床诊断提供客观的、可量化的数据,有助于提高DOC评估的准确率;当前神经调控技术已经应用于DOC的康复,其康复效果的精准快捷评估也是DOC临床上的主要难题,通过客观的、可量化的脑电指标评估神经调控效果,有利于优化调控参数和调整调控方式,提高DOC的康复结果。本论文针对DOC的状态评估和神经调控效果评估的难题,从静息态脑电（resting state EEG,rs EEG）和经颅磁刺激-脑电（TMS-EEG）两种模态着手发展脑电分析方法,提取多维度脑电特征用于表征DOC不同层级不同维度的神经活动差异,为DOC研究提供了量化指标;集成多模态脑电提出了DOC脑电评估方案,包括特征获取的操作细节、数据预处理和多维度特征分析。主要的研究内容如下:（1）DOC自发态脑活动的时频空多维度分析及最优特征选择。针对DOC的自发态脑活动分析维度单一,特征分析不明确的问题,发展时域复杂度、频域相对能量和空域连接性分析方法,提取DOC的rs EEG特征,采用机器学习方法筛选出识别不同状态DOC患者的最优特征,包括排序熵、gamma频段能量和额顶叶的排序互信息;临床验证了最优特征在DOC状态评估和脊髓电刺激调控效果评估的价值。研究确定了DOC患者自发态脑活动的关键特征,有助于提高评估准确率和优化神经调控方案。（2）高效量化DOC患者的TMS-EEG的复杂度。针对DOC患者的TMS-EEG的时域特征量化分析问题,发展了一种TMS-EEG时域复杂度量化方法-快速扰动复杂度指数（the fast perturbational complexity index,PCIst）,有效地、快速地量化DOC患者TMS-EEG的复杂度。通过构建的DOC诊断和预后的机器学习模型,验证PCIst在DOC状态评估和恢复结果预测的能力。研究提供了高效、准确的TMS-EEG时域量化指标,有助于TMS-EEG的DOC临床应用推广。（3）精准提取DOC患者TMS-EEG数据的时频特征。针对DOC患者的TMS-EEG的时频特征提取和分析问题,利用压榨小波变换（synchrosqueezing wavelet transform,SST）分析及获取瞬时突变信号的节律特征,发展了皮层固有频率指标,揭示不同状态DOC患者的固有频率差异性,发现了脊髓电刺激能够调节DOC患者的皮层固有频率。研究提供了TMS-EEG数据的时频特征提取和分析方法,有助于深入研究意识损伤和神经调控对皮层特性的影响。（4）基于TMS-EEG的DOC患者的皮层网络连接性检测方法。针对DOC患者的TMS-EEG的空域特征量化分析问题,提出了TMS诱发皮层同步指标计算方法,用于表征皮层网络连接程度;比较和验证了不同DOC患者的皮层网络连接差异,有效评估了脑深部电刺激对DOC的神经调控效果。研究量化了DOC患者的皮层连接性,验证脑损伤导致皮层连接性降低,为DOC评估提供了重要生物标记。（5）制定DOC患者的高效精准评估方案。针对rs EEG和TMS-EEG在DOC评估应用率低、门槛高、重复性差的问题,提出了高效、准确的脑电评估方案。优化了多模态脑电数据采集方案,制定科学规范的数据预处理流程,融合多特征提出了度量DOC患者意识水平的指标。研究为DOC患者评估提供了切实可行的解决方案。本文通过提取DOC的rs EEG和TMS-EEG的时频空特征,制定DOC的脑电评估方案,一方面为DOC的诊疗难题提供解决方案;另一方面通过以DOC为研究模型,完善意识相关的神经电活动特征提取技术,促进意识的神经机制研究。