1、事件相關腦電位技術 楊波第一節 基本概念一、腦電圖 1腦電圖（EEG）是借助電極從頭皮連續記錄的交流型電活動。 2EEG與人體的意識水平也密切相關：當大腦活動增加時，EEG節律增高而波幅降低；在醒閉目的假寐狀態下，a波出現；在淺睡眠狀態，EEG節律逐漸減慢；當睡眠加深，眼動加快快速眼動睡眠（REM sleep）；在深度睡眠中，以波為主；EEG消失是診斷腦死亡的最主要指標。 二、事件相關腦電位 1事件相關腦電位（ERP）： （1）是與實際刺激或預期刺激（聲、光、電）有固定時間關系的腦反應所形成的一系列腦電波。 （2）腦電變化十分微弱（01 -20 AV），掩埋在自發腦電位（波幅范圍士 100 t

2、LV，其頻率范圍在 40 Hz 左右）中難以觀察，但利用誘發電位固定的鎖時關系，經過計算機的疊加處理，則可以提取出 ERP成分。 2ERP的平均疊加： 在反復呈現相同刺激的過程中， 與刺激有鎖時關系的、 時間和方向上一致的電位活動逐漸增大，而與刺激無鎖時關系的隨機的背景電活動則相互抵消，逐漸減小。3電壓放大倍數： 放大倍數又稱增益。 電壓放大倍數一般是指對異相信號的電壓放大倍數， 其數值常用分貝 （dB）表示。 4時間常數： （1）時間常數（TC）是對頻帶寬度低端頻率響應的描述方式。 （2）時間常數的設定數值直接影響 ERP波形是否失真。 （3）各電生理信號常用的時間常數為：心電時間常數（EC

3、G）1 -2 s，腦電（EEG） 0.3s，肌電（EMG ）0.1s，神經動作電位 0.05s 5頻帶寬度： （1）任何放大器只能對一定頻率范圍內的信號進行正常放大，超過其頻率范圍的信號（即頻率過高或頻率過低的信號）經過放大器后放大倍數就會降低甚至失真。放大器的這個頻率范圍稱為頻帶寬度，用以描述放大器頻帶寬度的曲線稱為頻率響應曲線。 （2）ERP使用的放大器的頻帶寬度是可以調節的。 6共模抑制比 （1）共模抑制比（CMRR）又稱辨差比、辨別比，它定義為放大器對異相信號的放大倍數 Ad和對共模信號的放大倍數 Ac 之比。（2）共模抑制比是放大器對共模信號抑制能力的指標。 第二節 ERP 的基本技

4、術一、刺激材料與刺激程序 1刺激物分類 （1）視覺刺激： 分類：非圖形刺激；圖形刺激。 參數：視角；亮度；照度；對比度 （2）聽覺刺激： 分類：純音；短聲；白噪聲；語音 參數：頻率；聲壓級 （3）體感刺激。指人體所能承受的微弱脈沖電流。 2刺激序列 （1）刺激呈現時間： （a）刺激呈現時間長度與任務難度成反比 （b）當呈現時間短到一定程度，人就不能主觀感覺到這個刺激，可利用此特性進行非意識的啟動研究 （c）撤反應，即刺激物消失也能導致 ERP波形的微小改變，避免撤反應的措施一是將刺激呈現時間適當延長或縮短，二是利用相減的辦法。 （2）刺激間隔：SOA：從起點到起點；ISI：從止點到起點。在確定

5、刺激間隔應注意： （a）短間隔將導致 ERP成分，特別是早期成分的重疊； （b）預留足夠被試完成作業的反應時間； （c）間隔過長可能浪費硬盤空間，并延長不必要的實驗時間； （d）刺激間隔與任務難度成反比。 （3）重疊成分的消除： （a）高通濾波增加可以減弱 ERP在較長潛伏期、較低頻率的部分。 （b）低通濾波采用不同間隔隨機化，可以部分消除鄰近的 ERP重疊成分，又叫 fitter法。 3實驗模式 （1）Oddball 模式： （a）Oddball實驗模式是指采用兩種或多種不同的聲音或圖像，不同的刺激持續交替呈現，出現的概率顯著不同，讓被試對偏差刺激進行操作反應。 （b）Oddball 模式是

6、產生 P300，MMN 等與刺激概率有關的 ERP 成分中，常用的經典實驗模式。 （c）Oddball 模式又分若干亞類：兩種刺激物；同樣兩種刺激物；三種刺激物。 （2）Go- Nogo 模式： （a）Go- Nogo 模式：標準刺激與偏差刺激之間概率相等，需要被試反應的刺激叫做 Go 刺激，不需被試反應的刺激叫做 Nogo 刺激。 （b）該模式的特點是排除了刺激概率對 ERP的影響，節省了實驗時間，這是它突出的優點；但也丟掉了因大、小概率差異而產生的 ERP數據。 （3）視覺空間注意的經典模式： （a）經典視覺注意的實驗范式：閃光隨機呈現于左右視野，讓被試注意某一側而忽視另一側。 （b）當被

7、試注意視野左側，而白色光標也出現左側視野時，刺激物誘發的 P1 與 N1 成分比注意右側視野的條件明顯增大。 （c）在以上實驗條件下，發現在 P1、N1 的前面還有一個小成分 C1，C1在注意與忽視條件下其波幅無明顯改變。 （4）記憶的經典模式： （a）直接或外顯再認實驗： 經典的再認實驗范式：首先呈現一組項目，被試無需反應；其中一半在隨后的一組中重復呈現，被試對重復出現的項目按鍵反應。 連續再認實驗：呈現的項目中，一半是上一組曾經出現過的，另一半則是下一組將要出現的，被試分別用左右手按鍵。 連續再認實驗范式與傳統到記憶再認范式不同，學習與測驗階段混合以便再次呈現項目時為正負之間的轉換，并且記

8、憶負荷在量上是連續增加的。 （b）間接或內隱再認實驗： 常見的一種實驗范式為混合呈現詞與非詞，被試的任務是識別詞與非詞。 另一種范式是對某種特定含義的詞反應。 實驗中被試均不對重復出現的字詞反應，因而這種記憶是間接的或內隱的。 二、腦電數據的采集與記錄 1電極導聯 （1）將頭皮上的一個電極的電位設置為零，這個電極稱為參考電極。 （2）另外一個或多個電極與參考電極的電位差即是該電極的電位值，這些電極叫做記錄電極。 （3）采用一個公共參考電極與多個記錄電極的方法叫單極導聯法，腦電記錄常用此法。 （4）記錄兩個點之間的相對電位差，稱為雙極導聯法。 2記錄電極安放 （1）國際腦電圖學會在 40 多年前

9、制定了全球統一的 10-20 國際腦電記錄系統沿用至今。 （2）矢狀線：從鼻根至枕外隆凸的連線，又稱中線。從前往后標出 5個記錄點：Fpz，Fz， （3）Cz，Pz 和 Oz，Fpz 與 Oz 各占中線全長的 1006，其余3點各占 20%。 （4）冠狀線：兩外耳道之間的連線。從左至右也是 5 個點：T3，C3，CZ，C4和 Too 外側的 （5）T3 與 T4 占 10%，其余 3 點各占 20。CZ 是矢狀線與冠狀線的交點，因而常作為基準點。 （6）為美國腦電圖學會（1991）推薦的標準電極點。 3記錄參數 （1） 分析時間與基線： 根據實驗模式和研究目的設定分析時間， 一般經典的 ERP

10、分析多在 1000 ms 之內。刺激發生前的基線常設為 100-200ms （2）頻帶寬度：使其僅夠放大擬研究的 ERP信號，落在頻帶外的噪聲與干擾信號則不被放大，達到排除目的。頻帶寬度一般為 001，005或 01-40，60或 100 Hz （3）偽跡的排除與校正：眼電是最為常見的偽跡，目前多對其校正，以免丟失過多的腦電數據。 （4）皮膚阻抗<5 k2，參考點的皮膚阻抗尤為重要。 （5）采樣頻率與時間分辨率成正比，例如 250 Hz 的采樣頻率，時間分辨率為 4 ms 三、ERP數據處理與分析 1波形平均與疊加步驟（1）提取并打開連續腦電文件。 （2）合并任務數據。須保證實驗過程被完

11、整保存。 （3）眼電偽跡校正。 （4）對腦電分段：按照預設的“分析時間”，以刺激物發生為起點，對連續記錄的 EEG進行分段。 （5）濾波：排除 50 Hz干擾，以及其他偽跡。 （6）基線校正：基線校正的目的是在當前波形文件中校正 DC 偏差。 （7）排除偽跡。 （8）平均，為使 ERP信號從噪聲中分離出來，必須充分平均疊加。 2總平均 將同一條件下所有被試的 ERP波形進行二次平均。目前文獻報告的 ERP結果基本上都是總平均圖。3相減技術 相減技術的運用，對于提取更為純粹的、與心理機制相關的 ERP成分具有重要意義。 4波形、測量與統計 （1）從一系列波形中判斷有關成分，是 ERP研究的一個技

12、術難關。 （2）波幅與峰潛伏期測量：波幅測基線一波峰值或者波峰一波峰值，潛伏期常以刺激起始點至波峰頂點作為測量點。 （3）一般認為，波幅反映大腦興奮性高低，而潛伏期則是神經活動與加工過程的速度和評價時間。 （4）相減后的波形有時為一個較為平緩的負漂移，例如 MMN，其波峰常不明顯，因此峰值的測量較為困難。 （5）目前傾向于采用平均波幅作為指標。 （6）平均波幅測量可用固定法連續測量法、具體法或間斷法。 四、腦地形圖 1腦電地形圖：是指將放大的腦電信號轉換成一種既能定量、又能定性的腦波圖形，可使大腦在某一時間的功能變化與形態定位有機地結合。 2分類： （1）根據腦電信號：EEG 頻率地形圖，針對

13、不同的頻段，包括。波、p 波、。波，8 波和近年受到關注的 40 Hz 腦電；ERP波幅地形圖。 （2）根據圖形的色彩或形式：彩色地形圖、灰度地形圖、等高線地形圖。這三種地形圖所表達的內容和信息量基本一致，其差別只在于表現形式的不同。 （3）根據維度：二維地形圖；三維地形圖。 五、源定位分析 1極性翻轉：顱內與頭皮電位的極性翻轉，極性翻轉的機制可用偶極子原理解釋。 2偶極子定位：是基于電場理論和數學原理，運用計算機處理系統從頭皮表面記錄的電位推算顱內發生源位置的一種定位方法。 3分布式源定位模型一電流密度模型：電流密度模型屬于一種分布式源定位方法，具有 2 個基本特征：先以一個三維網格或表面假

14、定源的位置。這樣可以使空間矩陣 L 在整個擬合過程中保持不變。數據項 D（j）加上模型項 M （j）與調整參數的乘積得到殘差2。六、主成分分析法（PCA） 1主成分分析模型：Donchin 等提出 ERP 的成分是一個“可控制的源和可觀察到的變量”，并認為 ERP 可分解為多個成分的線形結合，其中的每一個都可以獨立地受實驗操作影響。主成分分析模型是一種線性解析多重數字變量矩陣的方法。當應用于一組 ERP時，就會產生一組成分。 2為有效應用 PCA，在被分析的一組 ERP內必須有充分的系統變量。 3通常有兩種不同類型的 PCA，一種是時間 PCA，以時間為刻度用波形表示成分；另一種是空間 PCA，按頭皮分布繪成圖。 4PCA的首要步驟是依據數據計算相關的矩陣，通常這一步驟要求很嚴格，必須詳細說明相關矩陣計算的方法和類型。第二步是決定還剩余多少成分。有意義成分數目的確定由放置信號與噪聲之間頻響位置的多種變量來決定。 5PCA限定的數學是一組成分和一組系數的正交。 6根據所代表的實驗變量，來描述一個成分的性質。 7進行方差分析（ANOVA）以證明 ERP成分的性質而不是證明實驗效果的顯著性。 8PCA是一種基本的將使用變量解析為少量的獨立成分的方法。 七、獨立成分分析 1獨立成分分析（ICA）是把信號分解成