跳至主要内容

About ERPs

        事件相关电位(Event Related Potentials, ERPs)是一种特殊的脑诱发电位,通过有意地赋予刺激以特殊的心理意义,利用多个或多样的刺激所引起的脑的电位。它反映了认知过程中大脑的神经电生理的变化,也被称为认知电位,也就是指当人们对某课题进行认知加工时,从头颅表面记录到的脑电位。
        经典的ERP主要成分包括P1、N1、P2、N2、P3,其中前三种称为外源性成分,而后两种称为内源性成分。这几种成分的主要特点是:首先不仅仅是大脑单纯生理活动的体现,而且反映了心理活动的某些方面;其次,它们的引出必须要有特殊的刺激安排,而且是两个以上的刺激或者是刺激的变化。其中P3是ERP中最受关注和研究的一种内源性成分,在某种程度上,P3就成了ERP的代名词。
        广义上讲,ERPs尚包括N4(N400)、失匹配阴性波(Mismatch Negativity,MMN)、伴随负反应(Contigent Negative Variaeion,CNV)等。

        事件相关电位属于长潜伏期诱发电位,测试时一般要求被试者清醒,并在一定程度上参与其中。引出ERPs的刺激是按研究目的不同编制而成的不同刺激序列,包括两种及两种以上的刺激,其中一个刺激与标准刺激产生偏离,以启动被试的认知活动过程。如果由阳性的物理刺激启动,除了由认知活动产生的内源性成分,尚包括外源性刺激相关电位;如由阴性刺激来启动心理活动过程,则引出由认知加工而产生的内源性成分。
        P3为ERPs中重要的内源性成分,现时对它的研究最为广泛。事件相关电位的另一内源性成分N2为刺激以后200毫秒左右出现的负向波,反映大脑对刺激的初步加工,该波并非单一成分,而是一复合波,由N2a和N2b两部分组成,N2a不受注意的影响,反映对刺激物理特性的初步加工。
        刺激模式:刺激模式的设置是研究ERPs的关键,要求根据研究目的不同设计不同的刺激模式,包括两种及以上不同概率的刺激序列,并以特定或随机方式出现。包括视觉刺激模式、听觉刺激模式、躯体感觉刺激模式。听觉刺激模式包括三类:1.随机作业(欧德宝范式);2.双随机作业;3.选择注意。欧德宝范式(oddball paradigm):通过耳机同步给高调、低调纯音,低概率音作为靶刺激,诱发ERPs。通常靶刺激概率为10—30%,非靶概率70一90%,刺激间隔多采用1.5—2秒,刺激持续时间通常为40—80毫秒,反应方式为默数靶信号出现次数或按键反应。


影响事件相关电位的因素:
1. 物理因素
        刺激的概率:靶刺激概率越小,P3的波幅越高,反之,波幅减小。一般靶刺激与非靶刺激的比例为20:80;刺激的时间间隔:间隔越长,P3波幅越高;刺激的感觉通道:听、视、体感感觉通道皆可引出ERPs,但其潜伏期及波幅不尽相同。

2. 心理因素
        事件相关电位检测过程中一般要求被试者主动参与,因而被试者的觉醒状态、注意力是否集中皆可影响结果。另外,由于被试者只有识别靶刺激并作出反应才能诱发出ERPs成分,因此,作业难度对测试结果也有影响,难度加大时,波幅降低,潜伏期延长。

3. 生理因素
        年龄:不同年龄P3的波幅及潜伏期不同。潜伏期与年龄呈正相关,随年龄增加而延长,而波幅与年龄呈负相关。在儿童及青少年,波幅较高;分布:ERPs各成分有不同的头皮分布。

对于ERP成分的解读:
P是positive,即正成分。所以,P300,是指出现在300毫秒左右的一个正成分;
N是negative,即负成分,所以,N400是指出现在400毫秒左右的一个负成分。
P和N的确定是按照波段的走向定义的,P是指由负极点到正极点的波段,N是指正极点到负极点的波段。

需要指明的一点就是,成分的命名有两种方式,一是按照成分出现的时间点命名,比如N400;二是按照成分出现的顺序命名,如P1,即出现的第一个正成分,具体位置在100毫秒左右。现在,更多的研究者倾向于后者命名方法,因为有特殊情况的存在,比如上图P3,是出现的第三个正成分,但出现的时间点接近于400毫秒,若按照时间点命名,就该为P400,这显然与常理不符。

评论

此博客中的热门博文

Rapid Serial Visual Presentation (RSVP) & Attentional Blink (AB)

    在快速序列视觉呈现( Rapid Serial Visual Presentation) 任务中,给被试呈现一系列视觉序列刺激,每个序列包括大约 20 个刺激 ( 字母,词语,数字,图片等 ) ,呈现速率为每秒 6-20 个刺激。序列中通常包括两个靶刺激(Target),其余的为分心刺激。在某些情况下,为突出靶刺激,常以不同于其他项目的颜色或形态呈现。每个刺激物呈现在计算机屏幕上的同一位置,前一个消失后出现下一个刺激,每个刺激呈现时间相等,约 100ms 左右。第一个靶子 (T1) 出现位置大约在第 4 至第 11 位,第二个靶子 (T2) 出现在 T1 后的第一个位置 (Lag 1) 至第 9 个位置 (Lag 9) o RSVP 分为单任务和双任务。在单任务中,要求被试忽略 T1 而正确识别 T2 ,这时对每个位置的 T2 判断正确率在 95% 以上 (Shapiro, 1997) 。双任务要求被试正确判断 T1, 并且正确判断 T2 。当 T2 出现在 T1 后 200-500ms 时间间隔时 (Lag 2 至 Lag 5) 对识别 T2 的正确率显著降低了,即注意瞬脱 (attentional blink, AB) 现象。 快速序列视觉呈现任务      目前,认知加工的两阶段模型通常用来解释双任务中发生的注意瞬脱现象。该模型认为,对一个刺激的加工包括两个阶段:第一阶段是平行加工阶段,即序列中的所有分心物和靶子都得到最初的察觉和编码,为下一阶段的加工做准备;第二阶段是系列加工阶段,只有被要求识别的项目才能进入这一阶段。 认知加工的两阶段模型     在第二阶段的加工过程中, T1, T2 被精细加工,并且被转移巩固进入短时记忆中。由于短时记忆的容易有限,在给定时间中只能对有限刺激进行加工。因此,只有 T1 的系列加工完成了,才能对 T2 进行系列加工。当 T2 出现在 T1 后 200-SOOms 间隔内,由于 T1 的系列加工还未完成,所以 T2 被延迟在平行加工阶段,得不到精细加工,所以对 T2 判断的正确率下降,注意瞬脱现象产生了 (Chun & Potter, 1995; 张明&王凌云, 2009)。 ...

Emmm...taste sensing.

        今天一整天研究室都没什么人,结果我也就跟着无心向学玩儿起了文明5。。。         最新一期的NeuroImage上有这么一篇文章: Delta activity encodes taste information in the human brain , 让我突然意识到自己似乎从来没关注过味觉方面的研究。         先说作者的结论:1. Delta活动(EEG信号的1-4Hz部分)在130 ms内编码味觉信息;2. Delta频段出现活动的时机与被试尝到了味道的时机存在同步;3. 不同任务需求的情况下,会出现不同的味觉响应模式。         实验是让12个正常的并且知情同意的被试品尝4种味道的溶液,分别是咸 (氯化钠,德国一个超市买的) 、酸 (柠檬酸,美国一个公司产的) 、甜 (蔗糖,跟氯化钠是同一个超市买的) 、苦 (奎宁一水,味苦有毒,8g致死,跟柠檬酸同一家公司的) ,以及一种无热量甜味剂: 善品糖 ( SPLENDA,个人认为简单理解成木糖醇就好 ) ,不过最后因为它在味觉知觉上的表现跟蔗糖没什么区别,所以后期分析数据的时候抛弃了善品糖的trials。         为了实验的严谨性,研究团队祭出了被称为味觉计的神器,使用时被试身体微微前倾,把额头顶在一个支架上,然后微微张嘴伸出一小节舌头。实验开始后,味觉计的喷头会以固定的温度(38℃)喷洒味觉溶液或冲洗水在被试的伸出的舌头上。为了防止舌头被喷麻,实验时间少于10 sec。         实验过程如下图。每个trial开始后屏幕中心出现十字标提醒被试集中注意力并保持静止状态,0.8-1.5 sec后味觉计喷射刺激,喷射持续0.9 sec,被试在感受到刺激后立刻进行按键反应,随后屏幕呈现两个bar,一个代表刺激强度,从“极度刺激”到“没感觉”,另一个代表被试感受,从“非常愉快”到“非常不愉快”。随后是9 sec的休息。最终得到总计300个trial的数据,每种刺激物60个trial。   ...

Decoding Object Catagories...

        忙完前段时间的ゼミ合宿之后又想起来之前看的关于脑解码的资料,还是不甘心放弃,于是又翻出来一篇解码类的文献 Decoding Visual Object Categories in Early Somatosensory Cortex ( Smith F W, Goodale M A. Decoding Visual Object Categories in Early Somatosensory Cortex[J]. Cerebral Cortex, 2015, 25(4):1020-31. )         这篇文章主要用 fMRI 做了这么几件事:         1. 给被试看常见物体的图片(三种手机,三种酒杯,三种苹果)→采PCG(S1+S2)区信号分类(显著大于chance,所以PCG区域包含category信息)→采V1区信号分类(三分类正确率飙到97%,显著高于PCG区);         2. 类间分类;         3. 莫名其妙的物体的类间和类内分类;         (对,我就是对后面这俩没什么兴趣)         因为是在PCG区域进行的分类,所以就比较好奇是否可以用 EEG 进行类似的分类。         谨慎思考以后认为,实验可以分成两部分,三个层次进行:         实验一、顺向实验:向被试呈现刺激图片,采集PCG区域和V1区域EEG信号;         实验二、逆向实验:不向被试呈现视觉刺激,采集PCG区域和V1区域EEG信号;        分析与假设:        1. 实验一中,PCG区EEG信号分类正确率显著高于随机概率;        2. 实验一中,V...