近年來，非線性科學已成為當今科學領域最活躍的學科之一。利用混沌和分形理論及其他非線性動力學原理和方法來研究和分析大腦的功能活動狀態，已成為腦科學研究的一個新熱點和前沿領域。
大腦是人體中功能和結構最複雜的器官，包含數千億的神經細胞和數萬億的突觸。神經元是大腦的基本結構和功能單位，通過軸突和樹突相互連接，形成一個龐大而複雜的神經網絡。由於腦電圖的每個電極都反映了數百萬個神經元的活動，它包含了網絡層次的信息，特別是局部網絡的同步性和相距甚遠的網絡的耦合性。顯然，腦電圖包含了大量非線性單元（結構）的活動信息；由大量神經元及其突觸形成的神經網絡完全有可能使腦電圖信號表現出混沌特性。現代科學認為，腦電信號是大量神經細胞的非線性耦合，是高度非線性多單元連接的複合體；腦電活動具有確定性的混沌特性。
目前，非線性動力學研究中常用的分析工具包括：相關維度（D2）：反映系統的動力學特性，是描述混沌自由度信息的參數；點相關維度（PD2）：比D2更適合於有限數據的分析，可以跟蹤數據中出現的不確定性；李亞普諾夫指數（L1）：描述混沌系統對初值的敏感性；科爾莫戈諾夫熵（K2）。表示混沌系統的信息損失率，K2的倒數反映了平均預測時間，K2和L1越大，系統的可預測性就越低；複雜度。一般來說，可以用描述事物的計算機語言的長度來衡量事物的複雜性，用於描述事物的計算機語言的長度越長，複雜性越高；近似熵：是描述信號的複雜性和規律性的一種方式，它是通過對以前數值的瞭解來量化未來數值的可預測性。上述這些參數以不同的方式用於對所研究的非線性動力系統的對象進行數值和統計分析。
從大腦的正常生理狀態、不同的功能狀態到不同的病理狀態，EEG非線性分析擴大了我們對大腦的認識。它已被應用於許多研究領域，如認知功能、癲癇、睡眠、痴呆症等。此外，在神經康復（如腦損傷和代償機制、不同康復階段的變化規律、意識障礙程度的評估、預後判斷等）、精神分裂症和抑鬱症（腦功能活動的異常部位和異常連接等，是精神病學EEG研究的熱點）、麻醉深度監測等方面。已經進行了廣泛的研究。研究人員正在將其應用範圍從診斷擴大到治療（例如，混沌控制可能在預防和治療癲癇以及心律失常方面發揮作用，其基本原理是利用小的擾動使系統在新的條件下達到平衡，從而達到抑制癲癇發作和心律失常的目的；混沌控制已經在動物試驗中成功實施）。
