分类号 B845

    1引言

    高时空分辨率的脑成像技术极大促进了对大脑结构组织和功能活动的探索。与其他脑成像技术相比，脑电图(electroencephalography，EEG)与脑磁图(magnetoencephalography，MEG)具有较高的时间分辨率，是大脑神经活动的直接测量。作为非侵入性的全脑测量方式，EEG/MEG受到研究者的广泛青睐。静息态EEG (resting-state EEG，rsEEG)和静息态MEG主要关注个体在非任务状态下产生的自发神经活动，具有实验任务简单、设备易得、分析流程成熟等优势。过往研究已将皮层内的振荡活动与认知、记忆与发育过程联系起来(Benchenaneetal.，201l；Candelaria-Cook etal.，2022；Kahana，2006，振荡频率或幅度的变化可能构成精神、神经及发育障碍中病理性神经活动的标志物(Gatevetal.，2006;Newsonamp; Thiagarajan，2019)。

    功率谱分析是EEG/MEG数据分析中的常用方法，它将原始信号转换为频率空间的功率，进而量化不同频率的能量分布情况。除了具有特定中心频率的自发神经活动(即周期活动，包括a、0节律等)，在频谱中非周期活动也称为\"无节律性”或“非节律性\"成分，即能量没有主要的中心频率由于尺度不变的性质而表现出“无标度”的特征(Heetal.，2010)。近年来功率谱中提取非周期性成分的工作受到广泛关注。非周期活动遵循类似1/f的分布，作为功率谱的一种特性而不受特定频段的影响。如图1a所示，Donoghue等人(2020)提出分析神经振荡的频谱参数的拟合算法SpecParam(Spectralparameterization，也称为fittingoscillationsandoneoverf，即FOOOF)，可通过对数转换后对EEG频谱的线性拟合来获得两个参数：(1)频谱指数(exponent)表示跨频率的功率分布趋势，反映了功率谱衰减的陡峭程度，相当于线性拟合的斜率(Donoghueetal.，2020)；(2)偏移量(offset)反映功率在不同频率上的整体偏移，相当于线性拟合的截距。Gao 等人(2017)利用兴奋性神经元(Excitatoryneuron，E，以谷氨酸受体为代表)与抑制性神经元(Inhibitory neuron ......