1引言

    近年来，大脑在非任务的休息状态下的功能活动得到脑科学领域的广泛关注。这种所谓的“静息态”范式被认为反映了大脑的内在活动，提供了大脑区域如何协同工作的信息(Birn，2012)。它将神经的自发活动与任务状态区别开来，大量证据表明这些活动可以用来量化行为、反映认知功能和识别疾病(Stametal.，2014)。静息态脑成像有多种实现形式。脑电图(electroencephalographyEEG是一种记录头皮电位波动的非侵入性技术(Berger，1930)，具有高时间分辨率和高成本效益，可在毫秒级上洞察大脑动态(Ingberamp;Nunez，2011)。静息态脑电(resting-stateEEG，rsEEG)是脑电的一种特定应用，定义为被试在不积极参与感觉处理或认知活动时的脑电记录(Khannaetal.，2015)。它为了解大脑的自发神经振荡提供了窗口，反映了大脑内在的连接性与功能结构。近年来相关研究主要侧重于分析特定频段：δ (1～4Hz) 人θ(4～7Hz)，a(8～12Hz)，β(12～28Hz) 和 /(gt;30Hz) 并分别与不同认知及行为联系起来(Decoetal.，2011)。EEG的关键优势之一在于其高时间分辨率，能够精确捕捉快速加工的认知和感知过程(Ingberamp;Nunez，2011)。同时，EEG能够在不同环境中记录，增强了测量大脑活动的生态效度(Newsonamp;Thiagarajan，2019)。此外，EEG的非侵入性和低成本使其可应用于各年龄段人群和使用场景(Khanna et al.，2015)。

    本文将60个电极以上的EEG记录称为高密度EEG，否则为低密度EEG。高密度与低密度EEG在分析性能上存在显著差异。低密度EEG仅能提供简单网络特征分析，在复杂网络特征上表现逊色(O'Donnelletal.，2021)。并且使用60个及以上的电极的高密度脑电系统能够显著提高源定位的准确性(Sohrabpouretal. ......