脑电图 (EEG) 已广泛用于脑功能研究,目前仍是如此。EEG 相较于其他神经成像方式具有优势。首先,它不仅直接对神经元的电活动进行成像,还具有更高的时间分辨率。此外,当前先进的技术能够从 EEG 数据中进行精确的数学计算和复杂的定位。使用这些先进技术进行 EEG 分析时,应考虑几个重要因素。首先,原始 EEG 数据包含生理或非生理伪影。因此,已经提出并开发了用于检测和去除这些伪影的预处理方法和算法。在分析预处理后的 EEG 时,需要解决正向和逆向问题,并且已经应用了几种提出的模型。为了解决正向问题,EEG 来源的源信息和矩阵参数至关重要。因此,需要一个精确的头部模型。相比之下,根据在有限数量的电极处测量的 EEG 反向计算出的电流源的可能组合是无限的,这指的是逆问题。逆问题可以通过基于解剖学和生理学假设对电流源的产生和传播设置限制来解决。因此,提出了偶极子源模型和分布式源模型等方法。源定位需要考虑许多因素,例如原始EEG数据的预处理、伪影去除、准确的头部模型和正向问题以及逆计算问题。本综述总结了应用于上述EEG源定位过程的方法和考虑因素。它还介绍了EEG源定位在癫痫和其他疾病以及脑功能研究中的应用,并讨论了未来的发展方向。
主要关键词