人類大腦的電活動通常是透過一組我們熟悉的類別來介紹的。我們學會將心智想像成一個交換機，在平靜的「Alpha波狀態」、專注的「Beta波狀態」或昏昏欲睡的「Theta波狀態」之間切換。這種將腦電圖（EEG）劃分為離散且有特定名稱的頻段的做法，是一種歷史慣例，它使早期的研究變得易於管理。它將複雜的波形轉化為一組易於處理的標籤。
然而，這種分類的觀點是一種簡化，可能會掩蓋更深層的現實。大腦的電震盪形成了一個單一且連續的活動光譜。因此，僅透過觀察預先定義的頻段來分析大腦功能，就如同僅透過將一幅畫拆解成彩色方塊來對其進行評價，而不去觀察色彩是如何融合與過渡的。
什麼是腦電波頻率？
腦電波頻率是描述電活動隨時間振盪的頻繁程度，以赫茲 (Hz) 或每秒週期數表示。它們並不代表大腦中獨立存在物質或孤立的心智區域。
相反地，它們總結了大群神經元活動中反覆出現的模式。因此，「腦電波頻率」這一術語只有在與位置、時間、任務以及記錄信號所使用的方法等信息相結合時才最為有用。
腦電波頻率的不同類型
研究人員通常將振盪活動劃分為不同的頻段。
Delta 是最慢的常用頻段，與深度、非快速動眼期睡眠密切相關。
Theta 活動經常在睡眠期間被觀察到，並且也被研究與記憶和導航有關。
Alpha 活動在一些放鬆、清醒的狀態下較為突出，而 beta 活動則通常在警覺的心理參與狀態下進行檢測。
Gamma 指的是更快的活動，不過其界限在不同的研究和測量系統之間會有所不同。
這些標籤是便利的總結，而非死板的生物學劃分。一個人可以同時表現出多個頻段的活動，且同一個頻段可以參與多個不同的處理過程。
例如，alpha 活動不僅僅是「放鬆波」；研究還將其與注意力和抑制干擾信息聯繫起來。大腦節律的神經科學強調，同步的神經元活動、抑制性電路以及跨區域的通信，共同促成了記錄為波形的模式。
頻段在解釋的置信度上也有所不同。一個可見的節律可能反映了神經源、肌肉活動、眼球運動或環境噪聲的混合。因此，研究人員會檢查振幅、相位、空間分佈和隨時間的變化，而不是將某個頻段標籤視為診斷或個人思想的直接讀取。
傅立葉轉換如何提取腦電波頻率數據
腦電圖 (EEG) 電極捕獲一個複雜且不規則的電壓信號，該信號在毫秒級的時間內波動。這種原始的時域信號是一條描繪大腦電位的鋸齒狀線條，其本身並不能立即作為「頻率」被解讀。用於從這種看似混亂的狀態中提取頻率信息的核心數學工具是傅立葉轉換。
這種演算法通過將複雜的波形分解為許多純弦波之和來工作，每個正弦波以不同的速度振盪。該過程的輸出是功率譜。這是一個顯示在信號內的每個連續頻率上存在多少功率（或振幅平方）的圖表。
想像將原始 EEG 視為管弦樂隊演奏的複雜和弦。傅立葉轉換允許我們將該聲音分開，並精確地看到大提琴、小提琴和長笛各自演奏得有多響亮，繪製出它們在所有可能音符中的貢獻。
一旦計算出連續的功率譜，我們就不再受預先標記的類別限制，並且可以計算出描述整個頻譜圖形狀的連續總結指標。
例如，中位數頻率是將頻譜分成兩個功率相等部分的點。頻寬描述了功率在各個頻率上的分散程度，表明活動是集中在狹窄範圍內還是廣泛分佈。
這些指標是動態的，允許研究人員測量大腦整體頻譜平衡中微妙的、瞬間的變化，而不僅僅是觀察從一個類別箱到另一個類別箱的任意跳躍。
探索整個人類腦電波頻譜
當我們放棄類別箱時，大腦頻譜的真實規模就變得清晰起來。它遠遠延伸到傳統 1 Hz delta 波以下，進入超慢波動的領域，其週期可持續 10 到 100 秒（0.01–0.1 Hz）。同時，它遠遠超出典型 40 Hz 的 gamma 範圍，直至接近 1000 Hz 的快速漣漪波。
我們能夠「看到」這一連續體的哪一部分，關鍵取決於所使用的觀察工具。標準的臨床宏電極（大小相當於一枚小硬幣）會從廣泛的神經元群體中採樣電活動。Worrell 等人的研究將這些臨床電極與微細到足以記錄亞毫米級神經元集合的微絲電極進行比較，發現從宏電極記錄的高頻振盪分佈集中在較低範圍，平均頻率約為 116 Hz。
相比之下，微絲電極記錄的高頻活動分佈要廣泛得多，可延伸至完整的 1000 Hz 快速漣漪範圍，平均漣漪頻率接近 143 Hz。這些發現表明，我們測量的尺度塑造了我們對頻譜的感知。
此外，作者指出，超慢波動絕非背景噪聲。這些緩慢滾動的波的相位（它們在從波峰到波谷的週期中的精確位置）與 1 到 40 Hz 範圍內更快振盪的振幅有著強健的相關性。
這表明在整個頻譜中存在一種分層且連續的耦合，其中最慢的節律作為全局組織者，統籌著更快節律的興奮性和功率。
方面 | 宏電極 | 微絲電極 |
|---|---|---|
樣本量大小 | 廣泛的神經元群體 | 亞毫米級集合 |
高頻平均值 | \~116 Hz | \~143 Hz |
可見範圍 | 較低範圍 | 高達 1000 Hz |
在連續頻譜上測量意識
將腦電波頻率視為一種連續的指標，為觀察心理狀態的過渡（特別是意識的消失與恢復）提供了一個敏感的鏡頭。這一過程不是從一個「頻段」切換到另一個頻段，而是整個頻譜分佈的漸進滑動。
在一項關於異丙酚誘導麻醉的研究中，受試者逐漸失去並隨後恢復了對聽覺提示做出反應的能力。研究人員發現，額葉 EEG 功率譜的中位數頻率和頻寬，能夠高度精準地追踪受試者對這些刺激做出反應的概率。
隨著一個人漸漸失去意識，其大腦頻譜功率的中心向下移動，其分佈發生了變化，而這一切並不受任何預定義的 alpha 或 beta 界限的限制。意識的喪失以極低頻率功率（\<1 Hz）的增加和明顯額葉 alpha 振盪模式的出現為特徵。
此外，意識的恢復不僅可以通過中位數頻率的變化來預測，還可以通過慢速與快速節律之間的一種特定關係，即相位-振幅耦合來預測。在過渡回清醒的過程中，alpha 振盪的振幅在慢波週期的波谷處達到最大。這種精確、連續的關係預測了行為反應的時刻，而標準的頻段功率分析很容易忽略這一點。
這突顯了連續的頻譜特徵如何提供平滑且準確的內部認知狀態讀取。
通過腦電波頻率分析預測感官知覺
將頻譜視為一個整體的運作重要性，在其最慢的一端得到了進一步揭示。我們探測微弱感官刺激（安靜的嗶嗶聲或輕微觸摸）的能力並非完全一致；它會隨時間而起伏。人類心理物理學表現中的這種「條紋效應」與大腦基線活動中持續的超慢波動直接相關。
在一項體感探測任務中，正在進行的超慢波動 (0.01–0.1 Hz) 的相位，強烈預測了受試者是否會感知到微弱的刺激。決定探測結果的不是這些慢波的振幅，而是它們精確的相位（即刺激到達其漫長緩慢週期中的那一刻）。大腦最慢的節律似乎主宰了意識知覺的開啟與關閉閘門。
這種關聯延伸到了更快的活動，揭示了統一的網絡動態。預測行為表現的同一個超慢波相位，也強健地控制著 1-40 Hz 範圍內神經元振盪的振幅。
超慢波動的相位反映了全局皮質興奮性的全面週期。在一個相位中，網絡更容易興奮，從而放大更快的節律並使感知成為可能。在另一個相位中，它們則受到抑制。
這進一步表明，連續頻譜反映了皮質網絡統一的興奮性週期，從超慢基礎節律一直到處理感官信息的更快振盪。
評估連續 EEG 指標的臨床應用價值
從分類頻段向連續頻譜分析的概念轉變，帶來了一種廣受歡迎且直觀的承諾，即像中位數頻率這樣的指標將為神經系統和精神疾病提供更具可重複性和更強健的生物標誌物。人們希望通過避免對頻譜進行任意切割，我們可以繞過困擾離散頻段分析的診斷重疊和多變性。
儘管這種邏輯很強大，但在人群水平上，它在很大程度上仍是一個未經測試的假設。目前的證據基礎有限且毀譽參半。
單個主要研究（例如麻醉研究）表明，連續指標能夠以極高的保真度追踪個體內特定、高度受控的狀態變化。然而，以頻段方法為主的更廣泛的診斷文獻對其結論持謹慎態度。2019 年對 184 項靜息態研究的審查發現，報告的基於頻段的差異幅度通常很小，在 20% 到 30% 之間，且與症狀嚴重程度評分的相關性很弱。
由於目前關於連續指標優於分類頻段的嚴格正面交鋒證據非常稀少，因此任何關於其具有卓越臨床應用價值或診斷能力的聲明，都必須被視為一種潛在的益處，一個尚未得到強健證實的流行聲明。
我們目前還不知道計算中位數頻率是否會解決當我們將功率標記為「theta」或「alpha」時出現的可重複性問題。轉向頻譜視角是一種基於邏輯的概念重塑，但其臨床轉化需要與挑戰其試圖取代的頻段範式相同的嚴格、大規模驗證。
為什麼大腦的完整頻率光譜對理解意識至關重要
在神經科學中，大腦電活動最好被理解為一個連續的頻譜，從超慢週期延伸到超快漣漪，而這種統一的視角揭示了像 alpha 或 beta 這樣固定標籤往往會隱藏的關係。
最慢的節律將更快的振盪協調成一個全局的興奮週期，頻譜的移動密切地追踪著意識的喪失與恢復，甚至預測了微弱的刺激是否會被感知。中位數頻率和頻寬等連續度量捕獲了大腦活動的整體形狀，提供了平滑且動態的心理狀態讀取，而不是將其強行放置到任意的分類箱中。
這種概念重塑為改善診斷帶來了真正的承諾，但該承諾仍然只是可能，而非已證實的臨床優勢。受控研究在追踪像麻醉這樣的狀態變化方面顯示出非凡的精確度，而將連續指標與傳統基於頻段的方法進行比較的大規模證據仍然有限。
有意義的下一步是在現實世界的醫療環境中，測試這種更豐富、更真實的頻譜視角是否能超越舊有的類別。
參考文獻
Worrell, G. A., Gardner, A. B., Stead, S. M., Hu, S., Goerss, S., Cascino, G. J., ... & Litt, B. (2008). High-frequency oscillations in human temporal lobe: simultaneous microwire and clinical macroelectrode recordings. Brain, 131(4), 928-937. https://doi.org/10.1093/brain/awn006
Purdon, P. L., Pierce, E. T., Mukamel, E. A., Prerau, M. J., Walsh, J. L., Wong, K. F. K., ... & Brown, E. N. (2013). Electroencephalogram signatures of loss and recovery of consciousness from propofol. Proceedings of the National Academy of Sciences, 110(12), E1142-E1151. https://doi.org/10.1073/pnas.1221180110
Monto, S., Palva, S., Voipio, J., & Palva, J. M. (2008). Very slow EEG fluctuations predict the dynamics of stimulus detection and oscillation amplitudes in humans. Journal of Neuroscience, 28(33), 8268-8272. https://doi.org/10.1523/JNEUROSCI.1910-08.2008
Newson, J. J., & Thiagarajan, T. C. (2019). EEG frequency bands in psychiatric disorders: a review of resting state studies. Frontiers in human neuroscience, 12, 521. https://doi.org/10.3389/fnhum.2018.00521
常見問題
為什麼將腦電波傳統地劃分為離散頻段（如 alpha, beta, theta）被視為一種簡化？
大腦的電振盪形成一個連續的頻譜，而不是孤立的箱子，固定的頻段模糊了頻率是如何混合和轉渡的。一項對靜息態研究的審查表明，這些頻段內的功率模式在不同的精神狀況下相互重疊，這表明分類切割所隱藏的信息可能比其揭示的更多。
傅立葉轉換如何幫助分析腦電波頻率？
EEG 電極記錄的是隨時間變化的複雜、不規則電壓信號，而非單一純頻率。傅立葉轉換從數學上將該信號分解為純正弦波之和，產生功率譜，顯示每個連續頻率上存在多少功率。
超出傳統頻段的腦電波頻率實際範圍是多少？
頻率光譜從超慢波動（每 10 到 100 秒一個週期，即 0.01–0.1 Hz）一直延伸到接近 1000 Hz 的快速漣漪波。這一範圍遠遠超出了典型的 1 Hz delta 和 40 Hz gamma 類別。
測量工具如何影響我們在高頻腦電活動中看到的內容？
標準的臨床宏電極對廣泛的神經元群體進行採樣，並將高頻活動集中在平均約 116 Hz 附近，而從較小集合中記錄的微絲電極則顯示出高達 1000 Hz 的更廣泛分佈，平均更接近 143 Hz。因此，測量的尺度塑造了頻譜的表觀範圍。
連續的頻譜指標如何追踪麻醉期間意識的喪失和恢復？
隨著受試者漸漸失去意識，大腦功率譜的中位數頻率向下移動，意識的喪失以極低頻率功率增加和明顯的額葉 alpha 模式為特徵。恢復是通過一種相位-振幅耦合來預測的，其中 alpha 振盪在慢波週期的波谷處達到最大。
超慢的大腦波動如何影響我們對微弱刺激的感知？
超慢波動 (0.01–0.1 Hz) 的相位預測了是否探測到微弱刺激，而非其振幅。這種慢相位反映了皮質興奮性的全局週期，其中更快的振盪 (1–40 Hz) 被調製，使感知在不同時刻變得更可能或更不可能。
為什麼相位-振幅耦合的概念對於理解意識很重要？
相位-振幅 coupling 是指慢速節律的時間安排（相位）如何控制快速節律的振幅（強度）。在從麻醉恢復的過程中，alpha 振幅在慢波波谷處達到峰值的特定關係預測了行為反應的時刻，這是標準頻段功率分析會忽略的。
使用像中位數頻率和頻寬這樣的連續頻譜指標的主要承諾是什麼？
這些指標描述了整個功率譜的總體形狀，使研究人員能夠追踪大腦活動的漸進變化，而不是在預定義頻段之間進行強行跳躍。它們提供了對認知狀態平滑、敏感的讀取，正如在麻醉和知覺研究中所見的那樣。
什麼是功率譜的「頻寬」，它為什麼有用？
頻寬表示功率在各個頻率上的分散程度——大腦活動是集中在狹窄的範圍內還是廣泛分佈。這是一個連續的描述符，與中位數頻率一起，有助於量化整個頻譜的動態形狀，而不僅僅是個別頻段。
Emotiv 是一家神經科技領導者，透過可近用的 EEG 和腦部資料工具，協助推動神經科學研究進展。
醫療免責聲明：本網站提供的資訊僅供教育和參考之用，不構成醫療或健康建議。本內容可能含有錯誤，不應作為做出改變生活的健康、醫療或生活方式選擇的依據。若您對醫療狀況或治療有任何疑問，請務必諮詢您的醫生或其他符合資格的健康提供者的建議。
克里斯蒂安·布戈斯
