【摘要】华南理工大学生物医学科学与工程学院吴凯教授与广州医科大学附属脑科医院吴逢春主任团队合作，开展了基于脑电周期与非周期成分分离来分析重度抑郁症神经生理机制及脑电生物学标志物的研究。2025年1月，《Biological Psychiatry: Cognitive Neuroscience and Neuroimaging》杂志录用了题为《Individualized Spectral Features in First-episode and Drug-naïve Major Depressive Disorder: Insights from Periodic and Aperiodic EEG Analysis》的研究论文，华南理工大学材料科学与工程学院硕士研究生李嘉欣同学为第一作者。

重度抑郁症（MDD）是一种常见的精神疾病，不同于正常的情绪波动，其主要症状通常表现为长期悲伤、强烈失去兴趣、无法享受生活，在极端情况下还会导致自杀。检测大脑的电生理活动在MDD的早期诊断和干预中发挥着重要作用，已有大量研究对脑电图（EEG）频谱进行了深入研究与分析，但仍存在一些局限性。最近研究表明，将EEG频谱分解为周期性和非周期性成分，有助于识别电生理异常的驱动因素，并更好地识别个体差异。

本研究旨在阐明EEG中个体化周期和非周期性活动的病理变化及其与 MDD 症状的关系。 研究人员连续记录了97名首发未用药MDD患者和90名健康被试，在闭眼静息状态下的EEG数据。 通过“FOOOF ”算法获得周期性振荡和非周期1/f信号，并基于此计算了个性化频谱特征。

图1 研究方法及技术路线

研究发现，与健康被试相比，MDD患者的个体化a和b波段功率更高，尤其是大脑的后部区域，枕部电极的非周期性校正后a波段功率、右枕部电极的非周期性校正后b波段功率都显著低于健康被试。在左右脑偏侧化研究中，以健康被试为参照，MDD患者顶叶-枕叶后区的α活动不对称消失。此外，分析结果还表明非周期1/f信号的截距特征与年龄呈显著负相关，而与汉密尔顿抑郁评分呈显著正相关。

图2 研究结果