Mil Med Res综述｜脑电分析方法在神经科学和临床神经学中的应用

近日，李小俚教授团队在卓越系列SCI期刊Military Medical Research (IF=21.1)在线发表题为“The applied principles of EEG analysis methods in neuroscience and clinical neurology”的综述论文。

神经科学领域一直面临着一个重大问题，即在研究大脑结构和功能方面的发展中，如何更准确地捕捉和分析脑神经信号的复杂性。面对这一挑战，脑电图（EEG）以其安全、高分辨率以及对脑神经信号动态变化的高度敏感性而引起了科研和医学领域的浓厚兴趣。本文旨在回顾不同类型的EEG信号、多种EEG信号分析方法，并着重介绍这些方法在神经科学领域和神经系统疾病诊断中的应用。通过对EEG的全面研究，我们期望解决研究者在选择适当的EEG分析方法时面临的问题，为未来研究提供参考，并总结当前存在的问题和未来的前景。

随着研究方法的发展，神经科学的焦点逐渐从大脑结构转向了大脑功能。大脑神经响应被认为是认知产生的核心，准确识别大脑神经响应对于发现重要的人类认知功能、制定智能算法以及推动神经系统疾病的医学发展至关重要。随着神经科学研究工具的发展，包括脑电图（EEG）/颅内脑电图（iEEG）、功能性磁共振成像（fMRI）、脑磁图（MEG）、正电子发射断层扫描以及光遗传学技术等，其中EEG/iEEG因其卓越的时间分辨率和低成本而成为功能性脑成像中最广泛使用的工具。尽管EEG/iEEG反映了不同的空间距离和信号噪声比，但它们都是通过电压放大器捕获的神经元群的放电信息，因此在研究大脑功能的多个方面得到了广泛应用。

本文深入探讨了EEG信号的分类和常见分析方法，包括功率谱分析、时频分析、连接性分析、源定位分析以及机器学习方法。本文通过综合分类和介绍这些方法，为研究者提供了根据其研究目标选择适当EEG分析方法的指导，强调了不同方法的优缺点，并着眼于解决EEG信号处理中的现有问题，为未来的研究提供了展望。文章还突出了EEG分析方法的应用场景，强调了其在研究脑功能、注意力、记忆、语言、情绪以及脑功能障碍等方面的广泛应用。

随着这些方法在临床医学、脑机接口（BCI）和心理研究等领域的应用，它们不仅为诊断神经系统疾病提供了重要工具，还为神经科学研究提供了深入了解大脑结构和功能的手段。文章强调了深度学习、机器学习以及源定位等先进技术在EEG/iEEG分析中的作用，并指出这些方法的发展将促进人工智能领域的进一步发展。总体而言，本文为研究者提供了一个全面的EEG/iEEG分析方法的综述，为未来的研究和应用提供了有益的指导。

文章链接：

https://mmrjournal.biomedcentral.com/articles/10.1186/s40779-023-00502-7

转自：“解说科研项目”微信公众号

如有侵权，请联系本站删除！