《Frontiers in Medical Technology》：A technical review of dynamic brain functional imaging combined with EEG spectral parameters in the screening of early-stage brain injury
编辑推荐：
背景：早期脑损伤（early-stage brain injury）包括轻度创伤性脑损伤（mild traumatic brain injury, mTBI）、静默性卒中（silent stroke）和亚临床脑损伤（subclinical brain inju
背景：早期脑损伤（early-stage brain injury）包括轻度创伤性脑损伤（mild traumatic brain injury, mTBI）、静默性卒中（silent stroke）和亚临床脑损伤（subclinical brain injury）等亚型。其特征为影像学阴性、症状轻微且长期神经功能缺损风险高，是神经系统疾病早期筛查与预防的关键挑战。传统影像技术，如结构磁共振成像（structural Magnetic Resonance Imaging, MRI）和计算机断层扫描（Computed Tomography, CT），仅能识别器质性形态病变，对神经元电生理和脑网络功能层面的早期微损伤检出率极低。因此，这些技术难以满足早期筛查、评估和干预的临床需求。方法：脑电图（Electroencephalography, EEG）频谱改变（包括传统频谱减慢和1/f非周期异常）以及全脑大规模动态神经网络破坏，是早期脑功能损伤的核心病理特征；它们可能作为神经元兴奋-抑制（excitation-inhibition）失衡和脑信息传输效率异常等微观病理改变的间接相关指标。基于此，研究人员提出动态-频谱耦合（Dynamic-Spectral Coupling, DSC）框架，将频谱异常视为与网络重构相关的潜在上游机制。在该框架内，该叙述性综述（narrative review）总结动态功能磁共振成像（dynamic functional magnetic resonance imaging, dynamic fMRI）、EEG频谱分析和多模态融合（multimodal fusion）技术，尤其关注EEG周期性和1/f非周期频谱参数与动态脑网络指标之间的耦合机制。结果：该综述概述了多模态融合技术在mTBI、隐匿性脑血管损伤（occult cerebrovascular injury）和亚临床脑损伤中的筛查价值和应用优势。此外，该综述总结了这些技术在临床转化、方法学和数据库建设方面的当前局限。结论：结合神经康复（neurorehabilitation）的临床需求，提出未来发展方向，包括轻量化设备（lightweight devices）开发、人工智能（AI）辅助诊断、标准化分析体系建立和精准康复（precision rehabilitation）转化。旨在为早期脑损伤的筛查、风险分层和康复规划提供技术指导和理论支持，同时承认其临床效用仍有待确立。
1 引言
1.1 早期脑损伤定义与临床筛查挑战
该综述将早期脑损伤（early-stage brain injury）作为方法学总称，指常规结构影像阴性但可能存在功能或微结构异常的状态，包括mTBI、静默性卒中（silent stroke）和亚临床脑损伤（subclinical brain injury）。传统CT和结构MRI主要识别形态学病变，对弥散性轴索损伤、脑网络功能异常和微白质损伤敏感性有限；EEG、DWI、fMRI、血清标志物和床旁评估各有局限，需多模态联合评估系统。症状非特异且易被忽视，未及时干预可致持续认知、情绪及脑血管不良结局。
1.2 关键概念：EEG频谱减慢、大规模动态脑网络
EEG频谱减慢是早期脑损伤常见电生理特征，表现为β、γ高频功率降低，δ、θ低频相对增强，反映神经元放电节律紊乱、突触传递下降和皮质兴奋-抑制（E/I）失衡。1/f非周期成分可分离周期振荡与背景活动，反映神经元群总体兴奋性和皮质信息处理，是潜在生物标志物。基于静息态fMRI的动态功能脑网络分析可刻画默认模式网络（DMN）、突显网络（SN）、额顶网络（FPN）等大尺度网络动态连接、状态转换和全局信息整合异常，与EEG频谱指标形成微观-宏观互补。
1.3 综述目的
该文聚焦早期脑损伤功能筛查瓶颈，总结EEG频谱分析、动态fMRI及同步/异步fMRI-EEG融合策略，分析其在mTBI、静默性卒中和亚临床脑损伤中的应用，并提出动态-频谱耦合（DSC）框架，假设EEG周期性和1/f非周期参数所反映的E/I失衡可能是全脑动态网络状态异常转换的上游机制。
2 早期脑损伤核心神经机制
2.1 皮质兴奋-抑制活动失衡作为核心病理基础
E/I平衡由谷氨酸能兴奋性神经元和γ-氨基丁酸（GABA）能抑制性神经元动态调节。早期脑损伤可能表现为常规影像难以检测的弥漫性E/I失衡，导致神经元过度兴奋、放电节律紊乱、突触传递效率和脑区信息交换下降，并破坏DMN、SN、FPN等网络协调，表现为网络切换率增加和状态驻留缩短。该过程可能早于结构损伤，是EEG频谱异常和动态网络破坏的基础。
2.2 EEG频谱异常机制：周期性减慢与非周期衰减
EEG由周期性振荡和1/f非周期背景组成。周期性异常表现为δ、θ功率增加和β、γ功率降低，即频谱减慢，机制与E/I失衡所致异常同步放电有关；1/f参数（斜率、偏移）可间接反映皮质兴奋性、突触输入和E/I平衡，但非特异性。早期脑损伤可致1/f斜率平坦化，提示皮质活动组织性下降和网络稳态受损。1/f斜率亦与神经系统临界动力学相关，可连接微观非周期活动与宏观网络重构。
2.3 大规模动态脑网络破坏特征及其与频谱参数耦合
脑是多个大尺度网络构成的动态系统。E/I失衡可导致动态功能连接稳定性下降、状态转换异常、模块度降低、全局效率下降及局部超连接和长程连接减弱。EEG频谱减慢和1/f异常反映局部神经元放电和兴奋性异常，动态网络破坏则为其跨脑区整体表现；二者存在耦合和一致性。联合分析可建立连接微观神经生理与宏观脑网络功能的多尺度评估框架。
3 单模态技术及其筛查价值
3.1 EEG频谱分析：常规频带参数、1/f非周期指数和微状态动力学
EEG频谱分析无创、低成本、高时间分辨率，包括常规频带参数、1/f非周期指数和微状态动力学。θ/α比升高是经典早期指标，但常规频带特异性不足。1/f非周期指数常基于FOOOF（Fitting Oscillations & One Over F）建模，可量化神经元群兴奋性和突触活动，为结构影像正常患者提供候选指标。微状态动力学可反映全脑EEG时空稳定性。EEG空间分辨率不足。
3.2 动态脑功能成像技术：动态功能连接和网络稳定性关键指标
动态fMRI利用血氧水平依赖（BOLD）信号构建全脑动态功能连接网络，核心指标包括动态连接强度、稳定性、模块度、全局/局部效率和时空变异系数。早期脑损伤表现为DMN、额顶网络、SN等稳定性下降、模块分化模糊和远距离协同效率降低。动态fMRI空间分辨率高，但时间分辨率低、设备昂贵，难以床旁快速筛查。
3.3 单模态技术优缺点比较及适用场景
EEG时间分辨率为毫秒级，便携、低成本，适合mTBI快速初筛和动态随访；动态fMRI空间分辨率高，适合CT/MRI阴性隐匿损伤诊断、机制研究和预后预测。二者分别覆盖微观电生理和宏观网络，单模态无法完整刻画跨尺度病理级联，促进多模态融合发展。
4 动态fMRI-EEG频谱多模态融合技术
4.1 同步/异步多模态采集范式
同步采集可实时匹配脑氧代谢与电活动，但受梯度伪迹、心冲击图（BCG）伪迹和扫描噪声影响，成本高，主要用于机制研究。异步采集在不同时间点采集EEG和动态fMRI，操作简单、兼容性强，适合大规模筛查，但需验证状态可比性。危重患者可采用“EEG初筛→动态fMRI精确定位”的阶梯策略。
4.2 主流融合策略：特征级融合、源成像融合和深度学习融合
特征级融合提取EEG频谱和动态fMRI网络特征，构建联合生物标志物，技术成熟、可解释性强，适合常规临床。源成像融合通过EEG源成像与fMRI配准，实现皮质电活动和网络功能双重评估，适合复杂病例定位。深度学习融合利用卷积神经网络（CNN）、Transformer等自动挖掘跨模态关联，提高微损伤检出，但存在可解释性差、过拟合和外部验证不足等问题。
4.3 多模态联合生物标志物在早期损伤中的诊断优势
多模态标志物整合EEG高时间分辨率和动态fMRI高空间分辨率，可能实现微观电生理、中观脑区和宏观网络三维评估，并用于损伤严重度、恢复轨迹和预后风险分层。初步研究显示多模态模型分类性能优于单模态，但多数研究小样本、异质，尚需前瞻性多中心验证。
5 典型早期脑损伤中的应用
5.1 轻度创伤性脑损伤（脑震荡）与重返运动筛查
mTBI患者CT和结构MRI常阴性，但可见θ/α比升高、慢波增加、1/f斜率平坦化及DMN和额顶网络动态连接下降。多模态指标可作为重返运动评估的辅助证据，但不应单独决策。
5.2 静默性缺血/亚临床脑小血管损伤早期预警
静默性缺血和亚临床脑小血管损伤可致弥漫性微循环障碍和缺血缺氧，EEG可见额叶δ功率增加，动态fMRI可见全脑效率和深部连接异常。多模态指标与损伤负担和认知下降风险相关，可能有助于超早期预警，但筛查价值待前瞻性研究确立。
5.3 亚临床脑损伤风险分层与康复预后评估
亚临床脑损伤指无症状、结构影像阴性而功能异常的状态。根据EEG频谱异常和动态网络破坏程度可分层风险；轻度患者康复后指标可恢复，重度患者1/f异常和全脑网络破坏提示预后较差。多模态技术可动态监测康复并辅助个体化干预。频谱减慢和网络失组织并非特异，需在独立亚型队列中验证。
6 临床转化与当前局限
6.1 神经康复应用：损伤分层、预后预测和神经刺激指导
6.1.1 已确立证据
目前无证据表明动态fMRI-EEG融合可改善康复结局，仅有多模态标志物与损伤严重度或恢复潜力的关联。
6.1.2 新兴证据
新兴证据提示多模态标志物可用于损伤分层、康复潜力估计和不良预后识别，但研究多小样本且缺外部验证。卒中康复研究支持多模态融合潜力，同时强调前瞻性多中心验证。
6.1.3 未来假设
未来假设是可结合EEG电生理靶点和fMRI网络靶点指导精准神经刺激，构建闭环康复系统，但尚无临床试验证明其改善结局。
6.2 临床转化关键瓶颈与方法学反思
主要瓶颈包括预处理、1/f计算、动态网络构建和融合策略缺乏标准化，正常阈值多基于西方人群，缺乏中国人群多中心数据库；设备、成本和操作限制临床可及性；深度学习易过拟合，混杂因素影响可重复性。频谱减慢和网络失组织也见于癫痫、阿尔茨海默病、精神分裂症、抑郁等，特异性不足，未来需报告特异性、阳性预测值和似然比。
7 总结与未来展望
7.1 总结
早期脑损伤筛查受结构影像阴性困扰，核心机制为E/I失衡和全脑网络动态重构。EEG频谱参数具毫秒级时间分辨率，动态fMRI具毫米级空间分辨率，二者互补，DSC框架阐明从频谱异常到网络漂移的假设级联。多模态融合有潜在优势，但需前瞻性多中心验证。
7.2 未来方向：从概念验证到临床实施
未来需建立统一数据标准和本地化参考规范，研发轻量设备，构建AI辅助诊断系统，并深化机制研究以建立“筛查-分层-干预-随访”闭环康复系统，推动从功能筛查向精准预防和个性化康复转化。
