严重意识障碍状态包括植物状态(vegetative state, VS)和最小意识状态(minimallyconscious state, MCS)。对MCS和VS的诊断和预后评估是当前临床上在严重意识障碍患者的治疗中亟需解决的难题之一。目前临床上对意识障碍患者的意识状态评估主要依靠行为意识量表来完成，但基于行为意识量表的判别误诊率较高。因此，国内外开始探索如何应用新技术新方法来评估患者的意识状态，如脑电分析(EEG)、功能核磁共振成像(fMRI)、正电子发射断层扫描技术(PET)等。fMRI和PET技术虽然空间分辨率较高，定位准确，但是其时间分辨率低、无法床边检查、且检查费用较高，从而选择一种低成本、可床边检测、时间分辨率高的新技术实现对患者意识状态的评估具有重大的应用价值。而脑电具有时间分辨率高、成本低、易获取、可在床边检测、无辐射性等多种优点。因此，应用脑电方法对严重意识障碍患者进行意识状态判别在临床上具有重要的意义。人类大脑是一个复杂的混沌系统，具有非线性动力学的特点。脑电信号的非线性动力学特性能够准确地反映出大脑各种功能活动状态的变化，本文主要应用脑电信号的非线性动力学分析方法，实现对严重意识障碍患者的意识状态的辅助判别。本文的主要研究工作及结果如下：（1）脑电信号基础知识：介绍了脑电信号的组成和特点、脑电信号的预处理、特征提取和模式分类方法。（2）脑电信号的采集和预处理：设计了脑电信号采集方案，针对严重意识障碍患者的特殊性，即采集过程中易受患者眼动等信号干扰，应用盲源分离方法去除眼电伪迹。实验数据表明盲源分离算法能够成功分离眼电，去眼电伪迹效果明显。（3）严重意识障碍患者意识状态分类的研究：采用非线性动力学分析方法分别计算MCS患者和VS患者脑电信号的近似熵、样本熵、排列熵、复杂度LZC和C0五种特征参数，并对两类患者进行对比分析；首次提出了一种基于SVM的意识状态分类方法，对33例严重意识障碍患者进行分类研究。分类结果表明，联合选择近似熵、样本熵、排列熵和复杂度LZC每一特征参数16导联的均值作为特征输入进行SVM分类器的训练和分类识别的效果最理想，其分类的准确率达到93.9%。（4）严重意识障碍患者的脑损伤部位判别的研究：在有效地实现了对严重意识障碍患者的意识状态进行判别和诊断的基础上，本文以脑电信号的低频段(δ+θ)与高频段(α+β)的功率谱比值以及近似熵作为特征参数，创新性地提出了一种基于对称导联的EEG分析方法，对25例严重意识障碍患者脑损伤部位的判别进行探索性研究。结果表明，基于对称导联的EEG分析法能够简便准确地实现脑损伤部位的判别。