脑电图

脑电图 (Electroencephalogram, EEG)

脑电图 (Electroencephalogram，简称 EEG) 是一种通过放置在头皮表面的电极记录大脑电生理活动的无创检测技术。脑电图反映了大脑皮层大量锥体神经元同步突触后电位的总和，是神经科学、临床神经病学和认知心理学中最重要的功能性脑成像手段之一。与功能性磁共振成像 (fMRI) 和正电子发射断层扫描 (PET) 相比，EEG 具有毫秒级的时间分辨率，使其在捕捉快速动态神经活动中具有不可替代的优势。

历史沿革

脑电图的发现可追溯至 1875 年，英国生理学家 Richard Caton 首次在动物大脑表面检测到电信号。1924 年，德国精神病学家 Hans Berger 成功记录了人类头皮表面的脑电活动，并在 1929 年发表了首篇关于人类 EEG 的论文。Berger 将主要节律命名为 阿尔法波 (Alpha rhythm) 和 贝塔波 (Beta rhythm)，奠定了临床 EEG 的基础。此后，EEG 在癫痫诊断、睡眠研究和脑功能定位等领域迅速发展，成为 20 世纪神经科学的基石技术之一。

生理基础

EEG 信号主要来源于大脑皮层第 III 层和第 V 层的锥体神经元 (Pyramidal Neurons) 的突触后电位。当大量锥体神经元同步产生兴奋性或抑制性突触后电位时，这些电流在细胞外空间形成可被头皮电极捕捉的电场电位变化。单个神经元的动作电位（尖峰放电）对头皮 EEG 的贡献极小，因为其持续时间短且空间范围有限。EEG 信号幅度通常在 $10-100\,\mu\text{V}$ 范围内，频率分布在 0.1 至 100 Hz 之间。

脑电节律分类

脑电图按频率可分为以下几个主要节律带：

1. Delta 波 ($0.5-4\,\text{Hz}$)：幅度最大，常见于深度睡眠（非快速眼动睡眠第三期）、婴幼儿期和某些脑部病变。成年人在清醒状态下出现显著 Delta 活动通常提示脑功能障碍。
2. Theta 波 ($4-8\,\text{Hz}$)：与睡眠、冥想、记忆编码和情感加工相关。儿童期 Theta 活动丰富，随年龄增长逐渐减少。在认知任务中，前额叶区 Theta 活动的增强与工作记忆负荷正相关。
3. Alpha 波 ($8-13\,\text{Hz}$)：最早被描述的脑电节律，在清醒、放松、闭眼状态下最为明显，主要分布于枕区和顶区。Alpha 波在睁眼、注意力集中或心理运算时被阻断（Berger 效应）。Alpha 波的频率和幅度具有较高的个体稳定性。
4. Beta 波 ($13-30\,\text{Hz}$)：与警觉、主动思考和运动执行相关，主要分布于额区和中央区。Beta 活动在注意力集中、决策和运动计划时增强。过量的低频 Beta 活动可能与焦虑状态有关。
5. Gamma 波 ($>30\,\text{Hz}$)：与高级认知功能如注意绑定、意识感知、语言处理和跨模态信息整合密切相关。Gamma 振荡被认为在皮层信息处理的"绑定问题" (Binding Problem) 中扮演关键角色。

记录与分析方法

EEG 记录采用国际 10-20 系统 (International 10-20 System) 放置电极，该系统按照头部解剖标志（鼻根、枕外隆凸和耳前点）的 10\% 和 20\% 间隔确定 21 个标准电极位置。现代高密度 EEG 系统可配备 64、128 乃至 256 个电极通道。记录到的原始 EEG 信号需经过放大、滤波（通常使用 $0.5-70\,\text{Hz}$ 带通滤波）和数字化处理。

常用的 EEG 分析方法包括：

• 频谱分析：通过傅里叶变换将时域信号转换为频域功率谱，定量评估各节律带的能量分布。
• 事件相关电位 (ERP)：通过叠加平均技术提取与特定感觉、认知或运动事件锁定的 EEG 响应成分，如 P300、N170 和 MMN。
• 时频分析：结合小波变换或短时傅里叶变换（STFT），在时间-频率平面上刻画信号的动态变化。
• 源定位分析：通过求解 EEG 逆问题估算皮层电流源的分布，常用方法包括低分辨率电磁层析成像 (LORETA) 和 sLORETA。
• 功能连接分析：通过相干性、相位锁定值 (PLV) 或互信息等指标评估不同脑区之间的功能交互。

临床应用

EEG 在临床上的核心应用领域包括：

• 癫痫诊断与监测：EEG 是癫痫诊疗的金标准。癫痫发作间期可检出棘波、尖波、棘慢复合波等痫样放电；发作期 EEG 对癫痫灶定位具有决定性价值。
• 睡眠医学：多导睡眠图 (Polysomnography) 以 EEG 为核心参数，依据 Rechtschaffen \& Kales 标准或美国睡眠医学会 (AASM) 标准进行睡眠分期。
• 脑死亡判定：在确认脑死亡的临床评估中，EEG 呈现等电位（电静息）是重要的辅助证据。
• 神经重症监护：持续 EEG 监测可早期发现非惊厥性癫痫发作、缺血事件和颅内压升高引起的脑功能变化。
• 认知神经科学：事件相关电位技术广泛用于研究注意力、记忆、语言和情感等高级认知过程的神经机制。

局限性

EEG 的主要局限在于其空间分辨率较低。由于信号在穿过脑脊液、硬脑膜、颅骨和头皮时发生显著的体积传导和衰减，EEG 难以精确确定神经活动的发生位置。此外，EEG 对深部脑结构（如丘脑、基底节）的敏感性较差，这些区域的电活动难以在头皮表面被检测到。EEG 还极易受到肌电伪迹（肌肉收缩）、眼电伪迹（眨眼和眼球运动）和工频干扰等因素的影响，需要严格的伪迹去除流程。近年来，结合 EEG 与 fMRI 的多模态成像策略正在逐渐弥补单模态的不足，为脑功能研究开辟了新的可能。

前沿应用

EEG 在脑机接口领域展现出广阔的应用前景。基于运动想象的 EEG-BCI 系统通过解码运动皮层的事件相关去同步化 (Event-Related Desynchronization, ERD) 和事件相关同步化 (Event-Related Synchronization, ERS) 信号，实现对外部设备（如机械臂、轮椅和虚拟键盘）的控制。基于稳态视觉诱发电位 (Steady-State Visual Evoked Potential, SSVEP) 的 BCI 系统具有较高的信息传输速率，是目前无创 BCI 的主流范式之一。

在人工智能辅助分析方面，深度学习 技术（特别是卷积神经网络和循环神经网络）已被广泛应用于 EEG 信号的自动特征提取与分类任务。端到端的深度学习模型在癫痫发作检测、睡眠分期和情感识别等任务中达到了与传统机器学习方法相当或更优的性能。然而，深度学习模型的可解释性不足和在跨个体、跨 session 泛化方面的挑战仍是亟待解决的问题。EEG 与虚拟现实 (VR) 技术的融合也为神经康复训练提供了新的交互范式。

小结

脑电图作为一种具有百年历史的神经电生理技术，凭借其卓越的时间分辨率、无创性和相对低廉的设备成本，在临床神经病学、认知神经科学和神经工程领域保持着持久的生命力。随着高密度 EEG 系统、空间源定位算法和多模态融合技术的持续进步，EEG 正在从传统的节律分析工具演变为揭示大脑动态网络机制的核心技术平台。理解 EEG 的基本原理和分析方法是进入神经科学领域的基础素养。