Las técnicas de neuroimágenes no invasivas constituyen herramientas muy poderosas para el estudio del cerebro humano en vivo. Las imágenes de resonancia magnética funcional (IRMf), que miden el cambio de oxigenación en sangre asociado a una activación neuronal, es una de las más populares por su alta resolución espacial (orden de milímetros). Sin embargo, debido a la lentitud de la actividad hemodinámica (orden de segundos) comparada con la escala temporal de los procesos mentales (milisegundos), técnicas topográficas más antiguas como la magneto/electro-encefalografía (M/EEG) basadas en la medición de la actividad electromagnética cerebral, siguen siendo fundamentales para el análisis complementario de la dinámica de las funciones cerebrales. El presente trabajo aprovecha entonces las potencialidades de la Teoría Bayesiana y propone un marco teórico común para estas dos técnicas neuroimagenológicas, que sienta las bases para el análisis de datos combinados (M/EEG-IRMf) que permiten obtener una alta resolución espacio-temporal. En particular, (i) se introduce por vez primera el concepto de promediación y comparación Bayesiana de modelos en el campo de la tomografía electromagnética, (ii) se extienden los modelos generativos espaciales tradicionales de M/EEG con una componente temporal y (iii) los modelos temporales de IMRf con una componente espacial, y (iv) se proponen métodos Bayesianos variacionales para la inversión de estos modelos, permitiendo una deconvolución espacio-temporal eficiente de la actividad cerebral subyacente. En todos los casos, se usan tanto simulaciones como datos reales para estudiar las propiedades de los modelos propuestos.