01

大脑的感知、注意、记忆与决策并不是静态发生的，而是包含多个时间尺度上的动态过程。

例如，当被试看到一个视觉刺激时，研究人员可能希望了解：

• 刺激呈现后，大脑何时开始产生神经响应？

• 不同实验条件下，脑磁信号的时间变化有何差异？

• 不同频率成分反映了怎样的神经活动特征？

• 观察到的脑磁响应可能来自哪些脑区？

MEG 能够从时间维度记录神经活动变化，并结合分析方法进一步探索其空间来源，为理解脑功能提供重要信息。

《Nature Protocols》的指南中也专门做了常见神经成像模式的时空分辨率对比，直观体现了 MEG 的优势：它既能精准定位神经活动的脑区（毫米级），又能捕捉到大脑毫秒级的快速神经动态变化 —— 而这一特点，正是研究感知、认知、情绪等快速神经认知过程的关键。

图1 常见神经成像模式的空间和时间分辨率比较，来源：Bell et al. (2026)，Nature Protocols

认知神经科学

研究感知、注意、记忆、语言、学习与决策等认知过程中的神经活动。

视觉与听觉研究

围绕视觉、听觉等刺激事件，分析大脑对外界信息的快速响应。

脑机接口与神经工程

探索神经信号特征，为脑机交互及神经工程相关研究提供数据分析支持。

人因与认知负荷研究

结合实验任务、行为表现及其他生理数据，探索认知活动与人类行为之间的关系。

神经科学与临床研究

利用脑磁信号及相关分析方法，开展神经功能、脑活动及脑网络等方向的研究。

人类行为研究平台Human Research Tool（HRT）已集成 MEG 数据导入与分析能力，进一步拓展神经科学研究的数据处理与分析流程，帮助研究人员从脑磁信号出发，探索神经活动的时间特征与空间来源，并连接更多模态的实验数据。

研究人员可以将 MEG 数据纳入 HRT 平台，结合已有的实验管理、数据组织与多模态分析能力，开展脑磁信号的多维度分析。

MEG 数据导入 → 数据分析 → 源定位 → 多模态研究

HRT 致力于将脑磁数据分析融入更加完整的实验研究流程，帮助研究人员从原始信号观察走向更深入的神经活动探索。

时域分析用于观察 MEG 信号在时间维度上的变化特征。

通过多通道信号展示及时间窗口分析，研究人员可以观察不同传感器记录的脑磁波形，探索实验过程中神经活动的动态变化。

核心价值：从时间维度观察脑磁信号的变化过程。

频域分析将脑磁信号从时间维度转换至频率维度，帮助研究人员观察不同频率成分及频谱特征。

通过频率相关分析，可以进一步探索不同实验条件下脑磁信号的频率变化，为神经活动研究提供另一种分析视角。

核心价值： 从频率维度探索脑磁信号的特征。

脑磁信号的频率特征可能随时间发生变化。时频分析结合时间与频率两个维度，帮助研究人员观察神经活动在不同时间阶段的频率变化。

核心价值：探索神经活动的动态时频特征。

在视觉、听觉、认知等实验中，研究人员通常需要关注刺激呈现或任务事件发生前后的脑磁响应。

HRT 支持基于实验事件开展相关分析，帮助研究人员围绕特定时间窗口观察脑磁信号变化。

核心价值： 将脑磁信号与实验刺激、任务事件建立时间关联。

MEG 传感器记录的是脑磁信号。除了观察信号在时间上的变化，研究人员还希望进一步了解：

这些神经活动可能来自大脑的哪些位置？

源定位分析通过计算模型，将传感器层面的信号映射至脑源空间，并结合 MRI 等解剖信息进行结果展示，为探索神经活动的空间来源提供分析手段。

HRT 已集成 MEG 源定位分析相关能力，支持从事件相关数据出发，结合三维脑源激活、MRI 三视图、峰值信息及源活动曲线等多维度结果，观察脑活动的空间分布与动态变化。

通过三维脑表面模型展示源定位结果，将源活动强度映射至脑表面，直观呈现脑活动的空间分布。

结合 MRI 数据，在轴位（Axial）、冠状位（Coronal）和矢状位（Sagittal）三个方向同步展示源定位结果。通过多平面视图，辅助研究人员查看源活动在脑部解剖空间中的位置。

针对源定位结果，HRT 界面展示峰值源点信息，包括峰值时间、活动强度及空间坐标等结果。同时，通过源活动曲线观察指定源点在分析时间窗口内的活动变化。

大脑的神经活动与人类行为、生理变化之间存在复杂联系。单一模态能够提供特定维度的信息，而多模态研究则为观察这些维度之间的关系提供了更丰富的视角。

由于MEG在时间分辨率维度很精细，研究学者们也会使用fMRI配合MEG共同使用，将获得的MEG信号与fMRI获得的脑结构匹配分析HRT 作为多模态人因与脑科学研究平台，支持将 MEG 与近红外（fNIRS）、桌面眼动等数据纳入统一实验环境，结合时间轴与事件信息开展数据关联与分析。

MEG 提供快速神经活动信息，fNIRS 提供脑血氧动力学信息。

两种模态结合，可用于探索神经活动与血氧变化之间的关系，为多模态脑功能研究提供数据基础。

眼动数据记录被试的注视位置、注视时长及视觉行为特征；MEG 则记录相应实验过程中的脑磁响应。

两者结合，可用于视觉注意、阅读、视觉认知及人机交互等方向的研究。

在视觉注意与认知研究中，研究人员可能同时关注：

• 被试看向哪里、看了多久？

• 刺激呈现后，大脑何时产生响应？

• 相关脑区的血氧变化如何？

通过HRT平台，可以将MEG、fNIRS、Eye Tracking 及实验事件数据放在统一时间轴下进行查看与关联，帮助研究人员构建更加完整的实验分析视角。

随着 MEG 数据导入与分析能力的集成，HRT 进一步拓展了面向神经科学研究的数据处理与分析能力。

从脑磁信号的时间变化，到事件相关响应，再到源定位与脑活动空间呈现；从单一 MEG 数据，到 MEG & fNIRS & Eye Tracking 等多模态数据的关联分析，HRT 致力于帮助研究人员构建更加完整的研究流程。