脑电波的前世今生*

李颖洁

①上海大学 通信与信息工程学院，上海 200444；②上海大学 钱伟长学院，上海 200444

1 源起

通过特制的电极可以从人的头皮上采集到微弱的电信号。1924年德国精神科医生Hans Berger采集到首个人体脑电信号，他将其命名为electroencephalogram(EEG)，即脑电图[1]，也就是人们常说的脑电波。这个看起来像正弦波的脑电波形，由于是第一个被发现的，因此人们采用了首个希腊字母α来命名它，称其为α波。Berger博士也因其在该领域的出色贡献，被后人称为“人类脑电图之父”。

关于脑电的起源，目前公认的观点认为：脑电活动是由垂直方向的椎体神经元和它们的顶树突的突触后电位产生的，在不同的深度测量到的脑电信号有不同的名称和应用。①临床上提到的脑电通常是采用Ag/AgCl或金质盘状电极在头皮上采集到的信号，被称为头皮脑电(scalp EEG)，因其获取容易且对受试者没有伤害而得到了广泛应用。②将颅骨打开，用铂铱或不锈钢电极直接从皮层表面采集到的信号被称为皮层脑电(electrocorticography，ECoG)或颅内脑电(intracranial EEG，iEEG)。由于避开了头盖骨和中间组织的影响，ECoG/iEEG信号的质量要比头皮EEG好很多。但由于这种采集对受试者是有创的，一定程度上限制了其应用范围。③如果继续深入，用金属或玻璃探针插入大脑更深的地方，我们就会采集到局部场电位(local field potential，LFP)，也称为“微脑电”(micro-EEG)[2]。④此外，临床上还有一种立体定向脑电技术(stereo-electroencephalography，sEEG)是20世纪50年代法国医生提出的探测癫痫发作的方法，目前多应用于对癫痫病人的治疗和病情的评价。sEEG通常通过立体定向框架或机器人导航，在颅骨上钻一个或多个直径1～2 mm的孔，然后将电极通过这个“孔”插入到大脑深部，以记录脑电信号。显然，这是一种微创技术[3]。从信号来源上看，sEEG信号本质上就是LFP信号，由于信号质量高，近年来越来越多的研究者开始借助这一技术展开神经科学领域的相关研究。

头皮脑电信号，临床上常被称为“脑电图”，是电极记录下来的脑细胞群的自发性、节律性电活动，是大脑神经电活动产生的电场经过由皮层、颅骨、脑膜和头皮组成的容积导体传导后的头皮电位差与时间之间的关系图。作为脑神经细胞总体活动，脑电是包括离子交换、新陈代谢等在内的一系列变化的综合外在表现。这种电活动伴随生命的始终，一旦主体死亡，电现象就会随之消失。深入地研究脑电波的特性将推进人们对自身大脑的探索研究进程，增强人们对相关疾病的辅助诊断能力，也可能为提高脑功能提供某种工具。随着全球脑科学研究的不断推进，脑电这一与脑活动直接相关的电信号正在受到越来越多的关注。本文将针对头皮脑电信号，从采集、处理分析到应用，带着读者概览这一技术的前世今生。

2 脑电信号

头皮采集到的脑电信号非常微弱，只有10-6V数量级。人们通过电极采集到的信号常常淹没在噪声里，必须经过低输入噪声、高共模抑制比、高输入阻抗的放大器获得[4]，然后保存在计算机或其他存储设备以备后续处理分析，最后才能将有意义的结果呈现给研究者(图1)。

图1 脑电采集系统框图

2.1 记录

随着相关科学技术的不断进步，脑电采集技术和装置也在不断改进中。采集系统由最初的只能记录1～2个通道到后来逐渐出现了6导、8导等多通道脑电图机。现在临床常用的脑电图机有16导、32导和64导。在研究领域，目前脑电采集记录装置已经可以做到512导，大大提高了脑电记录的空间分辨率。早期的模拟研究预测，合适的电极之间的距离应为1～2 cm。这样的话，如果要覆盖整个头部，一般需要超过100个电极[5]。但是，也有研究表明，电极过多会对后续的分析带来麻烦[6]。目前，研究领域比较公认的是采用64通道脑电记录仪，既兼顾了一定的空间分辨率，又不至于因为电极距离过近而带来更多的噪声。因此，无论是临床应用还是科学研究，多数脑电采集实验需要通过在电极和受试者头皮之间注入导电膏来提高电极与头皮的接触性能。而这项工作，即使对于一个熟练的实验操作人员而言也是需要花费一定时间的。如一顶64通道的电极帽，要想使得每个电极位置上的头皮阻抗达到要求(例如，小于5 kΩ)，需要30 min左右的时间。因此在临床应用时为了节约时间、提高患者的依从性，多数倾向于采用32导及以下通道的脑电系统。当然，在特殊用途下的脑电图电极数目，要遵循特殊需求，如通过脑电分析来定位癫痫发作的位置，由于定位分析的精确度与电极数量相关，因此通常采用高密度脑电采集系统，这时多采用64～256导系统[5]。为了解决注入导电膏耗时较长的问题，有研究者开发了在盐水中浸泡后使用的脑电电极、无需导电膏的干电极。但是，这类电极的信噪比还是要低于传统通过导电膏导电的湿电极[7]，要想全面取代湿电极还需要更深入的研究。

如今，采集设备的便携性也越来越好。从世界上第一台，几乎占据了半个房间的设备，到现在只有“巴掌大”的放大器，脑电记录仪正在向小型化、便携式、网络互联的方向迈进。例如，Neuroscan 64导脑电放大器，约一本B5书的大小(4.5 cm×18.7 cm×21.8 cm)，质量仅1.5 kg。设备的信号采样率也由早期的100 Hz、1 000 Hz，到现在的每个通道20 000 Hz，采集到的信号质量也越来越好。除了传统的有线采集系统，越来越多的研究者研发出稳定工作的无线脑电采集系统，通过蓝牙、Wifi等技术将信号无线传输到接收端，方便信号的采集和接收。正是这些技术进步使得脑电的实用性越来越高。近期，Kam等[8]研究对比了无线干电极系统和有线湿电极系统，他们指出在可控实验环境下，目前的干电极无线采集系统性能从用户体验到信号质量都已经可以和湿电极有线采集系统相媲美。

2.2 预处理及分析

人们已经明确知道脑电信号是典型的非平稳、非线性的微弱信号[9]，而且脑电信号非常敏感，任何心理、生理状态的改变都可能带来信号的变化，仅凭目视观察无法获得这些变化的意义，更难对临床应用有帮助。因此，获得了信号后，研究者的主要工作就集中在对信号的处理分析上了。预处理是任何后续分析的基础，通常包括滤波、去伪迹(眼电)、去坏段和基线校正等过程(图2)。目前，研究者一般采用一些开源的预处理工具来完成，例如EEGlab和Fieldtrip等Matlab工具箱，此处不赘述。

根据脑电信号获得方式的不同，可以分为自发脑电(spontaneous，EEG)、诱发脑电(evoked potential，EP)和事件相关脑电位(event-related brain potential，ERP)。后两种信号通常是在自发脑电预处理的基础上经过叠加平均的方式获得。

自发脑电是指受试者没有进行任何任务或受到任何外界刺激，大脑处于相对静息的状态时采集到的脑电，通过指导受试者采用安静闭目或直视屏幕中间的方式来获得。对自发脑电的分析通常包括：针对单通道信号的时域分析、频域分析和时频分析，针对多通道信号之间相互关系的相互依赖性分析以及脑网络分析等[10]。由于自发脑电的复杂性，现在更多的研究倾向于借助事件或任务来“诱发”出特定的脑活动变化，以便研究对应的脑机制。当然上述的分析方法仍然可以根据具体情况来选择使用。

EP是一种不同于自发脑电的大脑电活动。张香桐院士给出了这样的定义：“中枢神经系统的任何部位，如果刺激感觉器官、感觉神经、感觉通路上的任何一点时产生的可以测量的电变化，就叫作诱发电位。”[11]它是一种出现在自发脑电背景上的信号，比自发脑电还要微弱。EP的出现与给定的刺激有一定的锁时(time locked)关系，因此通过叠加平均技术可以有效提高信噪比，即将多次相同刺激后得到的脑电活动以刺激时刻对齐，叠加平均得到稳定的诱发电位。通常不同的外界刺激会诱发出不同的EP信号，或者说不同感官的诱发电位是不同的。刺激特性的差异可以清晰地反映在诱发电位的波形结构上，因此就有了视觉诱发电位、听觉诱发电位和体感诱发电位。EP信号具有与刺激出现时刻严格锁时的关系，而且诱发出的成分的幅值也受刺激的影响，因此对EP的分析主要集中在潜伏期(latency)和波幅上，也有一部分研究工作关注EP的波形结构。

还有一类特殊的EP，通过有意地赋予刺激以特殊的心理意义，利用多个或多样的刺激所引起的脑的电位就是所谓的事件相关电位(ERP)。它反映了认知过程中大脑的神经电生理变化，也被称为认知电位，是20世纪60年代由Walter和Sutton等[12-13]最早提出的。如今，ERP分析已经被广泛应用于脑功能研究，在心理学、生理学、认知科学、神经科学、临床医学及其他生命科学相关领域都具有很高的研究与应用价值，被誉为“观察脑功能的窗口”。对ERP的分析也集中在潜伏期和电位的幅度上。ERP分析本身并不复杂，研究的难点在于实验范式的设计和对结果的分析解读。要想用合适的实验诱发出稳定的特异性成分，需要反复的尝试和探索；要想搞清楚每一个ERP成分的生理基础和其反映的生理意义需要深入的研究。

除了经典的ERP成分分析法，还有研究关注到那些与事件相关，但不存在锁相关系的振荡活动，被称为“刺激感生”(stimulus-induced)信号。对这类信号的振荡特性分析就是著名的事件相关脑电去同步(event-realated EEG desynchronization，ERD)/脑电同步(event-realated EEG synchronization，ERS)。还有更一般地，被称为事件相关谱扰动(event-related spectral perturbation，ERSP)分析[14]，通常是对每一次试次(trial)的信号分别进行谱分析，然后将多次同样刺激下的谱分析结果进行叠加平均后得到。这种分析也被称为“事件相关脑振荡活动动力学”(event-related dynamics of brain oscillations) 。针对这类问题，有研究者提出了更新的观点。2002年Makeig在《神经科学进展》(Trends in Neuroscience)上发文提出用“事件相关脑动力学”(event-related brain dynamics)来统一脑电生理研究[15]。2004年他再次发文提出了他们的动力学模型，指出无论是传统的叠加平均后得到的ERP信号，还是感生的(induced)脑电活动的谱特性，或者是两者的简单结合都不能完整地刻画数据包含的事件相关动力学特性[16]。Makeig提出综合采用信号处理和可视化方法来刻画空间分布的事件相关脑电动态变化。首先，用 ICA对采集到的信号进行预处理，不仅将伪迹成分去除，还可以将彼此独立的成分分离出来；然后，采用ERSP和试次间相干(inter-trail coherence，ITC)对处理后的信号进行时频分析，建立事件相关的时频状态空间；最后，通过逐试次可视化(trial-bytrial visualization)观察ERP图像(ERP image)完成整个分析过程。此处的ERP图像不同于传统的通过多个试次的信号叠加平均后得到的ERP，而是采取某种规则对所有试次的信号进行排序后得到的。如按照受试者完成任务的反应时排序[17]，这样得到的ERP与仅仅根据刺激锁定(stimuluslocked)得到的ERP结果是不一样的，可以提供更多的对应脑电源的事件相关动力学分析。

笔者认为可以将上述分析统称为事件相关脑电分析，它分析的信号是任务态，即所谓的与某种事件相关联的脑活动，分析的内容不仅有时间特性(如ERP)、谱特性(如ERSP)，还关心其他可能的特性。无论是哪种分析方法，最终的目的都是用来刻画脑功能特性。2010年Dauwels等[18]撰文针对基于E E G的阿尔茨海默病(Alzheimer disease，AD)患者的早期诊断的众多研究进行了比较，这是少有的将众多方法放在一起进行比较的文章，虽然只是针对AD的早期诊断的同步分析方法，但结论对其他研究依然有借鉴意义。他们发现很多分析方法的相关性非常高，这提示我们在选择不同分析方法的时候要在明确信号特性的前提下有的放矢地选择。

2.3 与其他技术的结合

每一种技术都有自身的优势和劣势，将具有不同优势的技术结合起来以提升研究的水平，是研究者最容易想到的办法之一。脑电记录技术由于其具有很高的时间分辨率，在认知科学研究领域，常常被用来和其他技术相融合，以期达到更好的研究效果。

2.3.1 与功能磁共振成像技术

功能磁共振成像技术(functional magnetic resonance imaging，fMRI)是脑功能研究中最得力的研究工具之一，其原理是利用磁振造影来测量神经元活动所引发之血液动力的改变。fMRI由于其具有非侵入式、没有辐射暴露问题的特点，得到广泛的应用。fMRI具有优秀的空间分辨率，可以追踪“细致”到毫米级的脑活动变化(1个体素代表1 mm3量级)。目前，临床上磁共振成像技术(MRI)的磁场强度已经从0.5 T发展到3 T，磁场强度为7 T的MRI系统也已经商业化。大量fMRI研究开始在7 T的MRI系统上进行，大大提高了信号的信噪比[19]。但是这一技术的缺点是时间分辨率较差。相对单个神经元的放电活动信号，fMRI信号在时间上有1～10 s的延迟，也就是说这一技术的时间分辨率最高只能达到“秒”级。虽然研究者也给出了一些改进时间分辨率的方法，但依然无法与EEG相比。

在常用的脑功能研究技术中，EEG具有最高的时间分辨率，而fMRI具有最高的空间分辨率[20]。EEG和fMRI已经被证明是脑功能研究中最有效的两种无创研究手段，将两者结合可以解决时间分辨率和空间分辨率不能同时都高的问题，EEG-fMRI也因此成为多模态研究中最受关注的方法之一[21]。例如，Pisauro等[22]采用同步EEG-fMRI技术研究了人们基于价值的决策过程中的证据累积过程(evidence accumulation，EA)的活跃脑区。在基于价值的决策过程中，EEG表现出特异的结果，作者将计算模型、同步记录的脑电和fMRI相结合，分析得到在基于价值的决策过程中的关键脑区是额叶后内侧皮质 (posterior-medial frontal cortex，pMFC)。

事实上，这两种技术的结合也面临着技术瓶颈，如安全问题和伪迹问题。研究初期，由于MR具有很强的静态磁场以及在图像采集过程中快速变化的梯度，使得MR扫描仪对EEG的采集以及受试者的安全都造成很大的影响[23]。随着相关研究的不断深入，研究人员通过硬件改造和算法改进等方式，降低了安全风险，提高了信号质量。目前，很多解决方案已经商业化，有效地促进了相关研究的发展[24]。

2.3.2 与经颅磁刺激技术

经颅磁刺激(transcranial magnetic stimulation，TMS)是一种磁刺激技术。它利用脉冲磁场作用于中枢神经系统，改变皮层神经细胞的膜电位，使之产生感应电流，影响脑内代谢和神经电活动，从而引起一系列生理生化反应。TMS同步EEG记录(TMS-EEG)技术不仅在脑科学研究中占据着独特的地位，在临床上也有很好的应用前景，目前已经成为研究大脑兴奋性和连通性的有力工具[25-26]。采用TMS技术，人们可以主动干预参与认知活动的脑区，并通过分析在干预过程中同步记录的EEG信号，可以研究大脑活动的瞬时变化，从而了解特定脑区在认知活动中扮演的角色。借助TMS-EEG，人们可以研究TMS刺激对功能障碍的改善作用、对任务表现的影响，还可以研究刺激对皮质活动的抑制或激活作用，以及在临床上研究脑疾病的病理生理学等[27]。

在这类研究中，碰到的最大的问题也是伪迹问题。TMS会在EEG信号上“诱发”出巨大的伪迹，以至于无法正常地对EEG进行常规分析。目前，最普遍的去除方法是直接“截除”震荡伪迹(ringing)，再通过插值补足数据，最后用ICA去除诸如肌电、眼电等其他伪迹。有最新研究称，他们开发了全自动单脉冲TMS-EEG数据中伪迹去除的算法ARTIST，通过与手动去除伪迹的效果对比，表明自动去除算法取得了更佳的结果[28]。ARTIST和手动算法的理论基础一致，因此目前还没有从根本上彻底解决TMS诱发的大伪迹的方法[29]。

2.3.3 其他

此外，EEG与功能近红外成像(functional near-infrared spectroscopy，fNIRS)、眼动仪等方法也多有结合。例如，眼动研究借助眼动仪，记录被试执行任务时眼睛视线的运动轨迹，以研究被试执行任务时的认知功能等。脑电与眼动结合的研究问题多与注意力、视觉的研究有关，也有与脑疾病相关[30]。随着眼动和脑电采集设备的简易化、便携化，两者结合的这个领域还处在方兴未艾阶段，有很多待“开垦”的研究。

3 广泛应用

与其他脑影像技术相比，EEG信号获取便利，设备成本相对较低，能实时反映脑活动变化，因而得到研究者的持续关注。目前，EEG的应用和研究涉及的领域也越来越宽，包括临床应用、认知神经科学、脑机接口、神经心理学、神经教育学和神经管理学等。本文只简略地对临床应用研究相关的成果作介绍，其他内容读者可以进一步查阅相关的文献进行深入了解。

EEG的临床应用主要是在神经系统疾病和精神类疾病上，范围包括辅助诊断、病程进展评估和辅助治疗等。其中，诊断和评估的研究占据了绝大部分，而辅助治疗方面的研究除了后面提到的脑机接口有比较好的应用，还大多停留在实验室阶段。

目前，脑电较成功的临床应用是在癫痫的诊疗领域。当年，Berger博士发现EEG时的实验，就是用于癫痫发作诊断和定性描述的实验。作为癫痫诊断中最重要的检查项目之一，常规脑电图是诊断癫痫的首选检查。因为脑电图检查时常常是在发作间期，无法提供更多有用的信息，所以临床上，监测动态脑电或结合观察患者行为表现的视频脑电图(video EEG)，成为鉴别发作性质及类型的最有效的检查方法之一，亦是国际上普遍采用的癫痫和癫痫综合征分类的重要依据。当然，随着sEEG技术的进步，癫痫发作的精准源定位有望通过sEEG获得[31]。

再以阿尔茨海默病为例，这是一种神经退行性疾病，占全世界4 600多万痴呆症病例的近70 %。虽然AD没有治愈方法，但是准确的早期诊断和对疾病进展的描述可以提高AD患者及其护理人员的生活质量。目前，AD的诊断采用标准化的精神状态检查，通常需要昂贵的神经影像学扫描和侵入式的实验室检查来辅助，这使得诊断费时且昂贵。EEG已经成为研究AD的一种非侵入式替代技术，可与更昂贵的神经成像工具(如MRI和PET)相竞争[32]。近几十年，很多研究都试图找到脑电的生物标记作为轻度认知障碍(mild cognitive disorder，MCI)和AD的临床诊断标准。例如，Babiloni等[33]使用枕区的δ和α1电流密度作为线性单变量分类器的输入对正常人和AD患者进行分类，准确率达到75.5 %。在对帕金森病的研究中也发现，EEG缓慢化趋势和全局认知损伤有关联，而在长期跟踪研究中发现，主要的频带活动减少以及θ波的增加，表现为EEG缓慢化，被认为是认知损伤的生物标记[34]。在精神疾病领域，也有大量的基于EEG的研究工作。例如，Pizzagalli等[35]发现治疗前的前喙扣带皮质θ活动可以作为预测抑郁症恢复良好的预后标记(治疗非特异性生物标记)。综上，EEG具有一定的辅助诊断能力，可以在一定程度上帮助预测疾病的治疗。通过EEG对疾病的病程进行评估可以帮助医生对患者进行及时干预，以获得更好的疗效。但是，由于结果的不稳定性，个体差异性大，大多数研究还是局限在实验室，真正直接用于临床诊断的还很少。

在认知神经科学领域，脑电的足迹几乎遍布所有子领域，从语言、听觉、视觉、感官到情绪，直至冥想，可以这么说，凡是与人的大脑相关的活动，都有基于脑电的研究工作。近年来，在脑电信号的应用中，最引起人们关注的要算脑机接口(brain computer interface，BCI)了。由于相关的研究体系越来越庞大，在这里就不展开了，有兴趣的读者可以阅读有关的文章[36]。

4 小结

未来已来，随着人工智能时代的来临，人们对于人类智能的探索热情空前高涨。脑电信号作为一种直接来自于人体的承载着神经活动特征的信号，必将在这个舞台继续扮演着重要的角色。

总结起来，未来脑电波的研究主要有3个方面的趋势：

(1)首先，由于头皮脑电的空间分辨率有限，信噪比不高，如果要得到很好的应用，必须认识到，伪迹问题仍然是限制脑电信号应用范围的首要因素[37]，解决它是一个长期任务。

(2)其次，机器学习的再次兴起，在EEG领域也掀起了热潮。有研究通过数据驱动方法，利用机器学习的方法将症状、行为学、脑功能等数据进行融合来区分精神疾病的亚型，提高了辅助诊断的精确率[38]。同时，我们也注意到，基于脑电分析的结果由于个体差异性大，受影响因素多，而较难在实际应用中推广。因此，未来可以从两个方面着手：其一，进一步增加样本量，形成大数据，利用人工智能从中寻找更具普遍性的规律；其二，针对个体差异，寻找制定“个性化”指标体系。

(3)最后，随着基于EEG的特征提取精度的提高，为将其应用到干预治疗系统中提供了可能。

综上，仅仅利用头皮EEG研究神经机理是不够的，一定要辅以其他的技术手段才可能一探端倪；而由于信号采集的便捷性、无创性使得基于EEG的应用技术具有很大的应用潜力和前景。