近年来，非线性科学已成为当今科学领域最活跃的学科之一。利用混沌和分形理论及其他非线性动力学原理和方法来研究和分析大脑的功能活动状态，已成为脑科学研究的一个新热点和前沿领域。
大脑是人体中功能和结构最复杂的器官，包含数千亿的神经细胞和数万亿的突触。神经元是大脑的基本结构和功能单位，通过轴突和树突相互连接，形成一个庞大而复杂的神经网络。由于脑电图的每个电极都反映了数百万个神经元的活动，它包含了网络层次的信息，特别是局部网络的同步性和相距甚远的网络的耦合性。显然，脑电图包含了大量非线性单元（结构）的活动信息；由大量神经元及其突触形成的神经网络完全有可能使脑电图信号表现出混沌特性。现代科学认为，脑电信号是大量神经细胞的非线性耦合，是高度非线性多单元连接的复合体；脑电活动具有确定性的混沌特性。
目前，非线性动力学研究中常用的分析工具包括：相关维度（D2）：反映系统的动力学特性，是描述混沌自由度信息的参数；点相关维度（PD2）：比D2更适合于有限数据的分析，可以跟踪数据中出现的不确定性；李亚普诺夫指数（L1）：描述混沌系统对初值的敏感性；科尔莫戈诺夫熵（K2）。表示混沌系统的信息损失率，K2的倒数反映了平均预测时间，K2和L1越大，系统的可预测性就越低；复杂度。一般来说，可以用描述事物的计算机语言的长度来衡量事物的复杂性，用于描述事物的计算机语言的长度越长，复杂性越高；近似熵：是描述信号的复杂性和规律性的一种方式，它是通过对以前数值的了解来量化未来数值的可预测性。上述这些参数以不同的方式用于对所研究的非线性动力系统的对象进行数值和统计分析。
从大脑的正常生理状态、不同的功能状态到不同的病理状态，EEG非线性分析扩大了我们对大脑的认识。它已被应用于许多研究领域，如认知功能、癫痫、睡眠、痴呆症等。此外，在神经康复（如脑损伤和代偿机制、不同康复阶段的变化规律、意识障碍程度的评估、预后判断等）、精神分裂症和抑郁症（脑功能活动的异常部位和异常连接等，是精神病学EEG研究的热点）、麻醉深度监测等方面。已经进行了广泛的研究。研究人员正在将其应用范围从诊断扩大到治疗（例如，混沌控制可能在预防和治疗癫痫以及心律失常方面发挥作用，其基本原理是利用小的扰动使系统在新的条件下达到平衡，从而达到抑制癫痫发作和心律失常的目的；混沌控制已经在动物试验中成功实施）。
