脑电图（Electroencephalography，简称EEG）是一种通过放置在头皮表面的电极来记录大脑电活动的神经影像学技术。人类大脑由约860亿个神经元组成，这些神经元之间通过电化学信号进行通信。当大量神经元同步放电时，会产生可以在头皮表面检测到的电场变化，这就是脑电图所记录的信号。
EEG技术最早由德国精神科医生汉斯·贝格尔（Hans Berger）于1924年首次在人体上成功记录，从此开创了非侵入性脑功能研究的新时代。与功能性磁共振成像（fMRI）和正电子发射断层扫描（PET）等其他脑成像技术相比，EEG具有毫秒级的时间分辨率，能够实时捕捉大脑活动的动态变化，这使得它在研究认知过程、情绪反应和睡眠阶段等快速变化的脑功能方面具有独特的优势。
EEG信号通常按照频率被分为五种主要的脑电波类型：Delta波（0.5–4 Hz）、Theta波（4–8 Hz）、Alpha波（8–13 Hz）、Beta波（13–30 Hz）和Gamma波（30–100 Hz）。每种脑电波都与不同的意识状态、认知功能和情绪体验密切相关。在临床医学中，EEG被广泛应用于癫痫诊断、睡眠障碍评估、脑损伤监测以及脑死亡判定等领域。近年来，随着计算技术和人工智能的发展，EEG在脑机接口（BCI）、神经反馈训练和情绪计算等前沿领域也展现出了巨大的应用潜力。
Delta波是所有脑电波中频率最低、振幅最高的一种，主要出现在深度无梦睡眠（NREM第三阶段）期间。在这一阶段，大脑皮层的神经元以高度同步的方式进行缓慢振荡，这被认为是大脑进行自我修复和记忆巩固的关键时期。研究表明，深度睡眠期间的Delta波活动与人体生长激素的分泌密切相关，这对身体组织的修复、免疫功能的增强以及代谢废物的清除都至关重要。
在清醒状态下，成年人的Delta波活动通常非常微弱。然而，在婴幼儿的脑电图中，Delta波是最主要的节律成分，这反映了其大脑正处于快速发育阶段。值得注意的是，如果成年人在清醒状态下出现异常的Delta波活动，这可能是脑损伤、脑肿瘤或严重代谢紊乱等病理状况的标志，具有重要的临床诊断价值。近年来的研究还发现，Delta波在记忆的系统性巩固过程中扮演着重要角色，深度睡眠中的慢波振荡能够促进海马体中的新记忆向新皮层的转移和整合。
Theta波是一种与深度放松、冥想状态、创造性思维和记忆编码密切相关的脑电节律。在清醒状态下，前额中线的Theta波活动（frontal midline theta）被认为与工作记忆负荷、注意力集中和认知控制等高级认知功能密切相关。大量研究表明，前额Theta波的功率增加与任务难度的提高呈正相关，反映了前额叶皮层在执行功能和注意力分配中的积极参与。
在情绪研究领域，Theta波活动与情绪记忆的编码和提取过程密切相关。杏仁核和海马体之间的Theta频段同步性被认为是情绪记忆形成的神经基础。研究发现，具有强烈情绪价值的事件更容易引发海马体的Theta振荡，从而增强记忆的编码强度和持久性。此外，在冥想练习中，经验丰富的冥想者通常表现出更强的Theta波活动，特别是在额叶和中央区域，这与他们所报告的深度放松和内在觉知状态相一致。Theta波还在睡眠的第一和第二阶段中大量出现，标志着由清醒状态向睡眠状态的过渡过程。
Alpha波是最早被发现的脑电波类型，由汉斯·贝格尔在1929年首次正式描述和命名。Alpha波最显著的特征是在人闭眼、身心放松但保持清醒的状态下出现，并在枕叶区域表现出最大的振幅。当受试者睁开眼睛或开始从事需要注意力集中的认知任务时，Alpha波的振幅会显著降低，这一现象被称为"Alpha阻断"（alpha blocking）或"Alpha去同步化"（alpha desynchronization），是EEG研究中最经典的发现之一。
在情绪研究中，Alpha波的前额不对称性（frontal alpha asymmetry）是一个备受关注的研究领域。根据戴维森（Richard Davidson）提出的接近-回避模型，左前额叶Alpha波功率的相对降低（即左前额活动增加）与积极情绪和接近动机相关，而右前额叶Alpha波功率的相对降低与消极情绪和回避动机相关。这一理论已经在数百项研究中得到验证，并被应用于抑郁症、焦虑症等情绪障碍的神经标记物研究。此外，Alpha波还被认为在感觉信息的门控机制中起着关键作用——通过在无关脑区增强Alpha活动来抑制不必要的信息处理，从而优化有限的认知资源配置。
Beta波是清醒状态下最常见的脑电节律之一，与积极的思维活动、专注力、问题解决和外部环境的关注密切相关。Beta波通常被进一步细分为三个亚频段：低Beta波（13–15 Hz，也称为SMR节律）、中Beta波（15–20 Hz）和高Beta波（20–30 Hz）。每个亚频段都与不同的认知和情绪状态相关联。
低Beta波（感觉运动节律，SMR）与身体的静止和精神的专注状态相关。SMR训练是最早也是最成熟的神经反馈协议之一，最初由斯特曼（Barry Sterman）在猫的实验中发现，后来被成功应用于癫痫和注意力缺陷多动障碍（ADHD）的辅助治疗。中Beta波反映了积极的思考和认知加工过程，在逻辑推理、数学计算和语言处理等任务中表现出明显的增强。高Beta波则与焦虑、紧张和过度觉醒状态密切相关。过高的高Beta波活动可能反映出认知反刍和情绪焦虑等消极心理状态，这在广泛性焦虑障碍和创伤后应激障碍的患者中经常观察到。因此，Beta波的动态平衡对于维持最佳的认知功能和情绪调节至关重要。
Gamma波是频率最高的脑电节律，传统上以40 Hz左右的振荡最为典型。Gamma波被认为与高级认知功能密切相关，包括感知整合、注意力、意识体验和跨感觉通道的信息绑定。根据"绑定假说"（binding hypothesis），不同脑区之间的Gamma频段同步活动是大脑将分布式加工的感觉特征（如颜色、形状、运动方向等）整合为统一知觉体验的关键机制。
在情绪和意识研究中，Gamma波扮演着日益重要的角色。对藏传佛教僧侣进行的经典研究发现，长期冥想修行者在慈悲冥想（loving-kindness meditation）期间表现出异常强烈的Gamma波同步活动，其强度远超普通对照组，这一发现被认为是高度集中的注意力和深度精神体验的神经标记。在临床领域，Gamma波活动的异常已经在阿尔茨海默病、精神分裂症和自闭症谱系障碍等多种神经精神疾病中被报告。近期研究还表明，通过40 Hz的光声刺激可以增强阿尔茨海默病小鼠模型中的Gamma波振荡，并减少淀粉样蛋白斑块的沉积，这为神经退行性疾病的治疗提供了新的思路。
脑电图的测量基于国际10-20系统（International 10-20 system），这是一种标准化的电极放置方法，由赫伯特·贾斯珀（Herbert Jasper）于1958年提出。该系统将头皮划分为若干个标准位置，每个位置用字母和数字进行标记：字母表示所在脑区（F=额叶，T=颞叶，P=顶叶，O=枕叶，C=中央区），数字则表示半球位置（奇数=左半球，偶数=右半球，z=中线）。这一标准化方案确保了不同实验室之间研究结果的可比性和可重复性。
现代EEG记录设备通常使用高密度电极阵列（可达256通道甚至更多），能够以更高的空间分辨率来描绘大脑电活动的分布模式。记录到的原始EEG信号通常只有几微伏到几百微伏的幅度，因此需要经过放大、滤波和数字化处理才能进行分析。常用的信号处理方法包括快速傅里叶变换（FFT）用于频谱分析、独立成分分析（ICA）用于去除眼动和肌电等伪迹、以及时频分析方法（如小波变换和短时傅里叶变换）用于研究脑电波随时间变化的频率特征。近年来，基于机器学习和深度学习的EEG分析方法也取得了显著进展，在情绪识别、睡眠分期自动化和脑机接口解码等应用中表现出优越的性能。
神经反馈（Neurofeedback）是一种基于操作性条件反射原理的脑电生物反馈技术，它通过实时向个体展示其自身的脑电活动，使其学会自主调节特定的脑电波模式。在典型的神经反馈训练中，受训者佩戴EEG电极帽，系统软件实时分析其脑电信号，并通过视觉（如屏幕上的动画或游戏）或听觉（如音调变化）的方式将脑电活动状态反馈给受训者。当受训者的脑电波达到目标状态时，系统给予积极的反馈（奖励信号），从而逐步引导大脑学习所期望的活动模式。
神经反馈的应用范围非常广泛。在临床领域，它已被用于ADHD的辅助治疗，其中SMR/Theta训练协议（增强12–15 Hz的SMR节律，同时抑制4–8 Hz的Theta节律）已积累了大量的临床研究证据。美国儿科学会已将神经反馈列为ADHD的"一级"循证治疗方法。在情绪障碍的治疗中，Alpha不对称性训练旨在增强左前额叶的Alpha去同步化（即增加左前额活动），以改善抑郁症状。此外，神经反馈还被应用于焦虑症、创伤后应激障碍、失眠症、慢性疼痛以及运动和艺术表现的优化等领域。然而，需要指出的是，神经反馈领域仍面临一些方法论上的挑战，包括缺乏大规模随机对照试验、安慰剂效应的控制困难以及个体差异对训练效果的影响等。
情绪与脑电波之间的关系是情感神经科学中最活跃的研究领域之一。大量研究表明，不同的情绪状态与特定的脑电波模式密切相关，这种关系为情绪的客观测量和调节提供了科学基础。情绪的脑电波标记主要涉及频率特征（各频段的功率变化）、空间分布（不同脑区的活动差异）和时间动态（事件相关电位和诱发振荡）三个维度。
在效价维度上（正面vs.负面情绪），前额叶Alpha不对称性是最经典的脑电波指标。研究一致表明，积极情绪与左前额叶的相对激活增加有关，而消极情绪与右前额叶的相对激活增加有关。在唤醒维度上（高唤醒vs.低唤醒），Beta波和Gamma波的功率增加通常与情绪唤醒水平的提高相关，而Alpha波功率的增加则与平静和放松状态相关。此外，焦虑状态通常伴随着右半球高Beta波活动的增加和Alpha波活动的减少；抑郁状态则常常表现为左前额Alpha活动的异常增加（反映左前额激活的相对不足）和整体Alpha不对称性的改变。这些发现不仅深化了我们对情绪神经机制的理解，也为基于EEG的情绪识别技术和神经反馈治疗提供了重要的理论基础。
脑电图技术的历史可以追溯到19世纪末。1875年，英国生理学家理查德·卡顿（Richard Caton）首次在兔和猴的大脑皮层表面记录到了电活动信号，开创了电生理学研究的先河。然而，真正将脑电图技术应用于人类研究的先驱是德国精神科医生汉斯·贝格尔。1924年，贝格尔在耶拿大学首次成功记录到了人类的脑电图信号，他使用简单的银箔电极和弦线电流计，在一位接受神经外科手术的患者头皮上记录到了规则的电波振荡。
贝格尔在1929年发表了他的第一篇脑电图论文，正式将其命名为"Elektrenkephalogramm"（脑电图），并描述了Alpha波和Beta波两种基本节律。然而，他的发现最初遭到了当时科学界的广泛质疑。直到1934年，英国剑桥大学的艾德里安（Edgar Adrian）和马修斯（Bryan Matthews）独立验证了贝格尔的发现，脑电图技术才逐渐获得科学界的认可。此后，EEG技术在临床和研究领域迅速发展：1935年，吉布斯（Frederic Gibbs）和伦诺克斯（William Lennox）首次描述了癫痫发作的脑电图特征；1937年，阿尔弗雷德·卢米斯（Alfred Loomis）及其同事基于EEG特征提出了最早的睡眠分期系统；1958年，贾斯珀建立了国际10-20电极放置标准。进入21世纪后，数字EEG技术、高密度电极阵列和先进的信号处理算法极大地扩展了EEG的应用范围和研究深度。
当前脑电波研究正处于一个前所未有的快速发展时期，多个前沿方向正在深刻改变我们对大脑功能的理解和EEG技术的应用方式。脑机接口（Brain-Computer Interface, BCI）领域取得了令人瞩目的进展，基于EEG的非侵入性BCI系统已经能够帮助严重运动障碍的患者通过脑电信号控制轮椅、计算机光标和辅助通信设备。P300拼写器和稳态视觉诱发电位（SSVEP）系统是目前最成熟的BCI范式，正在从实验室走向临床应用。
在情绪计算和情感智能领域，基于深度学习的EEG情绪识别技术取得了突破性进展。卷积神经网络（CNN）、循环神经网络（RNN）和图神经网络（GNN）等深度学习架构已经被成功应用于从EEG信号中自动识别不同的情绪状态，识别准确率在公开数据集（如DEAP、SEED和DREAMER）上已经达到了很高的水平。这些技术在人机交互、智能教育和心理健康监测等领域具有广阔的应用前景。此外，便携式和消费级EEG设备的快速发展正在使脑电波监测从专业实验室走向日常生活场景，可穿戴EEG耳机已经被应用于冥想辅助、注意力训练和睡眠质量监测等个人健康管理领域。神经美学、神经经济学和神经教育学等交叉学科也越来越多地借助EEG技术来研究审美体验、经济决策和学习过程的神经基础。