非线性共振对人类皮层振荡的影响

为什么脑波不像看起来那么简单

脑电记录通常看起来像屏幕上的波动线，许多科学家把这些信号当作由一个简单、主要线性的系统产生。这种假设支撑了许多大脑功能模型和用于检测疾病的工具。这里总结的研究探讨了这种观点是否真正成立，采用一种新的方法来剖析脑波的隐藏结构，并揭示大脑何时表现出更复杂、非线性的行为。

在脑活动中寻找隐含模式

作者关注的是从头皮（EEG）或直接放置在颅内的电极（颅内 EEG）记录的人类脑电信号。这些信号通常被分成两部分：跨越多个频率范围的平滑背景，以及诸如阿尔法和穆（mu）节律等知名的节律峰。传统分析检查每个频率的强度，但忽略了不同频率如何相互锁定。研究团队认为，要判断大脑是否呈线性行为，必须观察频率之间如何相互作用，而不仅仅是各频率的功率大小。

一种将背景与节律分离的新方法

为此，研究人员引入了双谱脑电成分分析（BiSpectral EEG Component Analysis，简称 BiSCA）。该方法将标准谱分析与一种更先进的工具——双谱相结合，后者捕捉频率对如何组合以产生新振荡。BiSCA 同时拟合这两类信息，然后将信号分解为一个无周期成分，称为 Xi，以及一组节律成分，称为 Rho，这些成分包括阿尔法和穆波。关键是，它可以将非线性交互的迹象分配到平滑背景或节律上，并能统计检验每个成分在二次层面上是否表现为简单的线性、高斯过程。

检验脑波是否真的是线性的

作者首先通过模拟两种波形来说明他们的检验对什么敏感。第一种情况下，波形是对称且非正弦的，但并不显示会产生偶次谐波的特定不对称性。第二种情况下，波形明显偏斜，峰更尖锐而谷更缓慢。尽管两种模拟都看起来复杂，但只有不对称的情况在用双谱检验时显示出强烈的二次非线性交互特征。该演示表明，BiSCA 专门针对一种非线性共振：频率混合产生新的、相关的频率。

非线性共振存在于脑节律，而非背景

将 BiSCA 应用于大量头皮 EEG 和颅内记录后，研究团队发现大多数通道在二次层面上并不表现为简单的线性、高斯噪声。超过 80% 的头皮 EEG 通道和约三分之二的颅内通道显示出非线性、非高斯行为或两者兼具。当信号被分解为 Xi 和 Rho 成分时，出现了一个显著的模式。无周期的 Xi 背景在用二次工具检验时几乎总是与线性、高斯过程一致，而 Rho 节律携带了几乎所有的非线性特征。特别是，被归类为穆波的顶叶区域节律表现出尤其强的非线性共振，甚至超过视觉上显著的枕叶阿尔法节律。

这对大脑模型和生物标志物意味着什么

这些发现挑战了可以用线性模型完全描述大规模脑电记录的观念。背景活动通常可以用这种方式近似，但节律峰显然不能。相反，结果支持一种混合图景：无周期成分来自许多弱相互作用的来源，合在一起看起来是线性且高斯的，而振荡性回路则表现为非线性谐振器，产生谐波和跨频耦合。对于医学和认知神经科学，这意味着有关脑状态和疾病的有用信息可能不仅存在于节律的强度中，还存在于其周期如何相互作用和随时间变形中。BiSCA 提供了一种原则性方法来捕获这种更丰富的结构，并可指导更现实的大脑动力学模型以及更灵敏的基于脑波的生物标志物的设计。

引用: Wang, Y., Li, M., García Reyes, R. et al. The influence of nonlinear resonance on human cortical oscillations. Commun Biol 9, 605 (2026). https://doi.org/10.1038/s42003-026-10164-5

关键词: 脑电图（EEG）, 脑节律, 非线性动力学, 阿尔法波和穆波, 双谱分析