癫痫是由多种病因引起的慢性脑功能障碍综合症,是神经科仅次于脑血管病的第二大顽症,给患者带来极大的痛苦。由于目前的治疗方法有限,使一些顽固性癫痫患者得不到有效治疗。及早的预测到癫痫发作,对于建立新的治疗方法和改善患者的生活质量至关重要,因此有许多学者都投身于癫痫发作预测的研究事业。早期的癫痫预测工作,由于技术方面的限制,只局限在对单一导联的分析,其结果忽略了癫痫脑电各个导联之间的相互关系,不能将大脑作为一个整体考虑。随着计算机对数据存储能力的逐渐增大,癫痫中心可以存储患者大量连续的脑电数据,使研究人员可以突破以往分析单一参数、单一导联的限制,更多的了解不同导联之间在癫痫发作前的关系变化,多路脑电信号分析的癫痫发作预测研究便应运而生。而在众多的多路脑电信号分析的癫痫发作预测研究工作中,以Mormann的基于希尔伯特变换的相位同步化分析算法最为突出。基于希尔伯特变换的相位同步化分析算法是一种分析两个时间序列瞬时相位同步性的方法,这一算法是基于癫痫发作前的同步化是先降低后升高的过程这一全新的理论,对癫痫研究领域提供了新方法及新理论。但这一方法并没有在随后的研究中得到充分的证实,算法的局限性也很大。本课题围绕着上述问题,对癫痫预测算法进行了研究,提出了基于复高斯小波变换的相位同步化分析方法。并利用该方法对21例癫痫患者长期颅内EEG记录的6个导联进行相位同步化分析,得到每两个导联之间的相位同步化R。将R在发作前期出现下降现象作为判定癫痫即将发作的依据。经过分析发现,21例癫痫患者的86次癫痫发作中有57次被正确预测。通过将该算法与基于希尔伯特变换的相位同步化分析算法和累积能量算法的比较,可以得到初步结论,即基于小波变换的相位同步化分析算法是一种适用性较强,局限性较小,可靠性较高的癫痫预测算法。本课题还进行了初步的临床实验,基于小波变换的相位同步化分析算法对4例癫痫患者的脑电进行了分析,也初步证实了该算法的适用性强,局限性小以及可靠性高。