编辑推荐：
为解决 ADHD 认知控制功能改变机制研究中传统 EEG 分析方法的局限问题，研究人员开展 “Novel neural activity profiles underlying inhibitory control deficits of clinical relevance in ADHD – insights from EEG tensor decomposition” 研究，发现新神经生理特征，有助于优化临床干预，意义重大。
在神经科学的探索之路上，注意缺陷多动障碍（ADHD）一直是备受关注的难题。ADHD 是一种常见于儿童和青少年时期的神经发育障碍，患者在认知控制方面存在明显缺陷，尤其是在反应抑制能力上，这使得他们难以抑制不适当的行为，对日常生活和学习造成极大困扰。
长期以来，科学家们试图借助脑电图（EEG）技术，从神经生理层面揭开 ADHD 的神秘面纱。过往研究发现，θ 波和 α 波振荡的异常与 ADHD 患者的认知控制、注意力及反应抑制密切相关。比如，额叶 θ 波功率降低可能导致冲动控制减弱、犯错增多；α 波调制受损会影响选择性注意力和抑制控制。然而，传统的 EEG 分析方法，像事件相关电位（ERP）平均法、主成分分析（PCA）和独立成分分析（ICA）等，大多聚焦于数据的某几个维度，在处理 EEG 数据的高维度特性时力不从心。ERP 平均法虽能减少数据变异性，但会舍弃单试次间有价值的差异信息；PCA 和 ICA 则需要进行降维处理，这又限制了空间、频谱或时间分辨率，导致对 ADHD 认知功能障碍的了解不够全面。
为了突破这些困境，来自国外的研究人员开展了一项极具意义的研究，相关成果发表在《Biological Psychiatry: Cognitive Neuroscience and Neuroimaging》杂志上。
研究人员采用了一种先进的分析方法 ——EEG 张量分解，对 59 名 ADHD 患者和 63 名神经典型（正常）参与者进行研究。在实验中，参与者需要完成标准的 Go/Nogo 任务，通过观察他们在看到 “DRüCK”（德语 “PRESS”，即 “按下”）和 “STOP”（“停止”）这两种刺激时的反应，来评估其反应抑制能力。研究人员利用 EEG 张量分解技术，从频谱、时间、空间和试次等多个维度提取与 ADHD 抑制控制缺陷相关的特征，并运用机器学习分析方法，借助试次水平特征捕捉个体内变异性（IIV），以此区分 ADHD 患者和正常参与者。此外，他们还通过特征选择算法，找出在分类过程中最能区分两组人群的重要特征。
在研究方法上，主要运用了以下关键技术：一是采用标准的 Go/Nogo 任务评估参与者的反应抑制能力；二是利用 EEG 张量分解，构建包含通道、时间、频率和试次组信息的四阶张量，全面捕捉多维数据；三是运用 CANDECOMP/PARAFAC（CP）算法进行张量分解，并通过张量谱聚类算法确定合适的张量秩；四是使用 Fisher 评分进行特征选择，结合支持向量机（SVM）进行分类分析。
研究结果方面：
- 确定最佳组件数量：研究人员对四阶张量数据集应用 NCP 算法，逐步增加组件数量（R），从 3 到 50 进行多次实验。通过计算稳定性指数评估模型性能，最终发现当组件数量为 15 时，平均稳定性指数最高，达到 0.915 。
- 分类准确性：采用 5 折交叉验证，将数据集分为五个子集，对 ADHD 组和对照组的张量数据进行分类。利用 NCP 分解训练数据提取关键特征，训练 SVM 分类器，最终平均分类准确率达到 77.4%，实现了在单试次水平上区分两组参与者。
- 关键组件分析：运用 Fisher 评分对特征重要性进行排序，发现排名最高的组件是伪迹，排除该伪迹组件后，对其余 14 个组件分析发现，多个组件表现出与任务相关的显著脑活动。例如，组件 11 的 Fisher 评分最高（0.178） ，在约 300ms 时出现持续正活动峰值，频谱上 5Hz 附近有峰值，对应于顶叶上部活动；组件 6 的 Fisher 评分为 0.153 ，在整个时间窗口内呈正活动，4 - 8Hz 范围内活动较强，主要集中在顶枕区。
研究结论和讨论部分表明，该研究借助 EEG 张量分解技术，为理解 ADHD 患者的反应抑制缺陷提供了创新视角。研究发现，个体内变异性不仅体现在行为表现上，在神经层面也可通过单试次 EEG 分析捕捉到脑活动的波动。并且，研究揭示了 ADHD 患者抑制控制过程中的神经生理机制，如在刺激呈现后的前 250ms 的刺激识别阶段和 300 - 500ms 的反应选择阶段，θ 波和 α 波的活动调制起着重要作用，且这些活动在额叶中央和后部电极位点均有体现。
值得注意的是，传统研究常聚焦于额叶中央 θ 波活动，但此次研究发现，额叶中央 θ 波活动的 Fisher 评分和排名较低，而后部电极位点的 θ 波活动（如组件 11 和 6）Fisher 评分最高，表明后部脑区在 ADHD 相关控制缺陷中可能发挥更大作用。同时，α 波活动在抑制控制缺陷中也至关重要，多个张量组件显示出 α 波活动，其不仅参与早期注意选择过程，还在反应选择阶段与 θ 波相互作用。
这一研究成果对临床治疗具有重要指导意义。目前常用于治疗 ADHD 的神经反馈疗法，常聚焦于调节额叶中央 θ 波和 β 波活动，但效果有限。基于此次研究结果，未来的神经反馈实践应做出调整，更多地关注后部 θ 波和 α 波活动的调节，同时深入研究这些活动的神经解剖学来源。总之，该研究挑战了传统观念，为 ADHD 的理论研究和临床干预提供了新方向，有助于推动 ADHD 治疗领域的进一步发展。
