В последние годы нелинейная наука стала одной из самых активных дисциплин в современном научном сообществе. Использование теории хаоса и фракталов и других принципов и методов нелинейной динамики для изучения и анализа состояния функциональной активности мозга стало новой горячей точкой и рубежом в исследованиях науки о мозге. Мозг — самый функционально и структурно сложный орган человеческого тела, содержащий сотни миллиардов нервных клеток и триллионы нейросинапсов. Являясь основными структурными и функциональными единицами мозга, нейроны соединены друг с другом аксонами и дендритами, образуя огромную и сложную нейронную сеть. Поскольку каждый электрод ЭЭГ отражает активность миллионов нейронов, он содержит информацию об иерархии сети, особенно о синхронизации локальных сетей и связи сетей, находящихся на большом расстоянии друг от друга. Очевидно, что ЭЭГ содержит большое количество информации об активности нелинейных единиц (структур); вполне возможно, что нейронные сети, образованные огромным количеством нейронов и их синапсов, заставляют сигналы ЭЭГ проявлять хаотические свойства. Современная наука рассматривает сигнал ЭЭГ как нелинейную связь большого числа нервных клеток, комплекс высоконелинейных многозвенных связей; активность ЭЭГ обладает детерминированными хаотическими свойствами. В настоящее время распространенные аналитические инструменты в исследовании нелинейной динамики включают: корреляционную размерность (D2): отражает динамические свойства системы и является параметром, описывающим информацию хаотических степеней свободы; точечную корреляционную размерность (PD2): больше подходит для анализа конечных данных, чем D2, и может отслеживать неопределенность, появляющуюся в данных; экспоненту Ляпунова (L1): описывает чувствительность хаотических систем к начальным значениям. Энтропия Колмогонова (K2): указывает на скорость потери информации в хаотических системах, а обратная величина K2 отражает среднее время предсказания; чем больше K2 и L1, тем менее предсказуема система; сложность: в общем, сложность вещи может быть измерена длиной компьютерного языка, используемого для описания вещи, и чем больше длина компьютерного языка, используемого для описания вещи, тем выше сложность; приблизительная энтропия: это способ описания сложности и регулярности сигнала, это способ количественной оценки предсказуемости будущих значений через знание предыдущих значений. Эти параметры, упомянутые выше, численно и статистически анализируются с различных сторон объекта исследуемой нелинейной динамической системы. Нелинейный анализ ЭЭГ расширил наше понимание мозга от нормальных физиологических состояний и различных функциональных состояний до различных патологических состояний. Он был применен во многих областях исследований, таких как когнитивные функции, эпилепсия, сон, деменция и т.д. Кроме того, она применяется в нейрореабилитации (например, травмы мозга и компенсаторные механизмы, модели изменений на различных этапах реабилитации, оценка степени нарушения сознания и прогнозы), шизофрении и депрессии (аномальные участки и аномальные связи функциональной активности мозга и т.д. являются горячими точками в психиатрических исследованиях ЭЭГ), а также в мониторинге глубины анестезии Проведены обширные исследования. Исследователи расширяют область применения от диагностики до лечения (например, управление хаосом может играть роль в профилактике и лечении эпилепсии, а также сердечных аритмий; основной принцип заключается в использовании небольших возмущений для приведения системы в равновесие в новых условиях для подавления судорог и сердечных аритмий; управление хаосом было успешно реализовано в испытаниях на животных).