我们试图使用复发网络分析来自健康志愿者和癫痫患者的脑电活动的动态特性。 通过基于空间点距离集的相空间重构中的嵌入维数,获得同步脑电图信号的相空间轨迹。 根据相空间轨迹计算出的递归矩阵与复杂网络的邻接矩阵一起确定。 然后,我们应用措施将复杂网络表征为该递归网络。 详细分析发现:(1)正常脑的复发网络与癫痫脑相比,连接性较弱,聚集系数较小。 (2)正常和癫痫的大脑都存在小世界特性,这与先前对结构和功能性大脑网络的经验研究一致; (3)通过计算分类系数来发现递归网络的分类性质; 它们的值从正常的大脑增加到癫痫的大脑,这准确地表明了状态的差异。 复发网络的这些普遍性和非普遍性特征可能有助于清楚地了解大脑的基本神经动力学,并为临床诊断提供有效的工具。