1、ERP實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)分析 李曉慶中國(guó)科學(xué)院心思研討所2021-07-01. ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題 如何從ERP數(shù)據(jù)中得出結(jié)論 ERP成分(component) 與ERP波形(waveform) ERP實(shí)驗(yàn)設(shè)計(jì)中的無(wú)關(guān)變量及應(yīng)對(duì)戰(zhàn)略 刺激資料數(shù)量和呈現(xiàn)戰(zhàn)略 數(shù)據(jù)分析時(shí)的基線(xiàn)問(wèn)題 ERP數(shù)據(jù)分析中的本卷須知 ERP疊加平均的原理、及偽跡 用ICA排除偽跡 ERP的PCA分析法及適用范圍 F.C. Donders Centre for Cognitive Neuroimaging.ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題好數(shù)據(jù)是無(wú)可替代的 好數(shù)據(jù)是無(wú)可替代的。置信偽跡提出可以將壞數(shù)據(jù)變成好數(shù)據(jù)是愚笨的。

2、偽跡排除只能偶爾去掉那些偶爾發(fā)生的含有偽跡的試次，使好數(shù)據(jù)變得更好。假設(shè)被試在對(duì)待特定事件進(jìn)展反響時(shí)總是眨眼，或者有延續(xù)的高振幅活動(dòng)，偽跡排除方法并不能給予補(bǔ)償，也就是說(shuō)，那些具有系統(tǒng)噪聲和系統(tǒng)偽跡的數(shù)據(jù)，并不能經(jīng)過(guò)偽跡排除的方法得到更大改善。(Hansen. J. C., 未發(fā)表的軟件文檔).ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(一) 如何從ERP數(shù)據(jù)中得出結(jié)論1. 不基于特定ERP成分的推論時(shí)間特點(diǎn)地形圖頭皮分部波幅時(shí)間認(rèn)知加工過(guò)程的功能異同同一認(rèn)知加工過(guò)程的參與程度(Li, Yang, Hagoort, 2021).ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題例子，重讀(適宜 vs. 不適宜) 腔調(diào)(適宜 vs

3、. 不適宜) 如今正是玫瑰怒放的季節(jié)。 明天小明去買(mǎi)什么把房間裝飾一下？ a 明天小秦去買(mǎi)花裝飾房間AB b 明天小秦去買(mǎi)花裝飾房間 AB c 明天小秦去買(mǎi)畫(huà)裝飾房間 AB d 明天小秦去買(mǎi)畫(huà)裝飾房間 AB 3 -3abcdLi et al., 2021(d-a)=(c-a)+(b-a): 線(xiàn)性相加性闡明accent和tone的語(yǔ)義加工存在一定的對(duì)應(yīng)之處.ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(一) 如何從ERP數(shù)據(jù)中得出結(jié)論2. 基于特定ERP成分的推論ERP成分(Component): a part of waveform with a circumscribed scalp distributio

4、n (alluding to the underlying neural configuration) and a circumscribed relationship to experimental variables (alluding to the cognitive function served by the activity of this configuration) (Donchin et al., 1978).N400 : central-parietal; semantic integration 信息構(gòu)造如何影響語(yǔ)義加工的深度 (Wang et al., 2021) 焦點(diǎn)

5、 (焦點(diǎn) vs. 非焦點(diǎn)) 語(yǔ)義適宜 (適宜 vs. 不適宜).ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(二) ERP成分(component) 與ERP波形(waveform) ERP波峰ERP成分不能從單一的ERP波形估計(jì) ERP成分的時(shí)間過(guò)程和峰埋伏期不要把實(shí)驗(yàn)效應(yīng)與波形的變化進(jìn)展簡(jiǎn)單對(duì)應(yīng)波峰振幅的差別成分大小的差別 波峰埋伏期的差別成分時(shí)程的變化.ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(二) ERP成分(component) 與ERP波形(waveform) 聚焦于特定的成分運(yùn)用已成熟的實(shí)驗(yàn)操作聚焦于大的成分用差別波來(lái)分別成分運(yùn)用成分獨(dú)立的實(shí)驗(yàn)設(shè)計(jì)實(shí)驗(yàn)設(shè)計(jì) 減少ERP成分和ERP波形之間的關(guān)系不確定性可數(shù)名

6、詞, 語(yǔ)義相關(guān) (plate.cup)可數(shù)名詞, 語(yǔ)義不相關(guān)(sock.cup)不可數(shù)名詞, 語(yǔ)義相關(guān) (rain.water)不可數(shù)名詞, 語(yǔ)義不相關(guān)(garbage.water) (Vogel, Luck, Shapiro, 1998)有動(dòng)物的照片無(wú)動(dòng)物的照片150 ms(Thorpe, 1996).ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(三) ERP實(shí)驗(yàn)設(shè)計(jì)中的無(wú)關(guān)變量及應(yīng)對(duì)戰(zhàn)略例子, 實(shí)驗(yàn)?zāi)康模捍碳た杀嫘?discriminability)對(duì)P3的影響 資料：字母表10% “Q; 90% 隨即選擇的非“Q ; “Q 從不延續(xù)出現(xiàn) 義務(wù)：字母“Q時(shí)按鍵 條件: 容易區(qū)分(亮條件) vs. 難于區(qū)分

7、(暗條件)無(wú)關(guān)變量： 刺激的物理屬性： “Q與非“Q的外形不同; 與非“Q相比, “Q出現(xiàn)的頻率高 被試的反響方式： 對(duì)靶“Q反響，而對(duì)非靶不反響 (受與運(yùn)動(dòng)有關(guān)的ERP的污染) 刺激的呈現(xiàn)方式： “Q 從不延續(xù)出現(xiàn) (P3后效只影響非“Q) 刺激資料的數(shù)量： 10% “Q; 90% 非“Q (峰振幅) 刺激條件的操作： 亮條件 vs. 暗條件 - 二次反響(早期成分；加工難度差別) .ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(三) ERP實(shí)驗(yàn)設(shè)計(jì)中的無(wú)關(guān)變量及應(yīng)對(duì)戰(zhàn)略應(yīng)對(duì)戰(zhàn)略： 刺激的物理屬性： 運(yùn)用不同的靶字母，在全體被試間進(jìn)展平衡； 10個(gè)字母，1個(gè)為靶- 每個(gè)字母的出現(xiàn)概率都是10% 被試的反響方

8、式： 對(duì)靶“Q和非靶做不同的反響 刺激的呈現(xiàn)方式： 分析數(shù)據(jù)時(shí)，去除有靶領(lǐng)先的非靶刺激 刺激資料的數(shù)量： 平均波幅替代峰波幅；隨機(jī)選擇同等數(shù)量的非靶刺激 刺激條件的操作： 添加控制條件； 亮刺激與暗刺激在同一區(qū)組內(nèi)隨機(jī)呈現(xiàn)； 額外的數(shù)據(jù)分析(RTs 快 vs. RTs 慢) .ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(三) ERP實(shí)驗(yàn)設(shè)計(jì)中的無(wú)關(guān)變量及應(yīng)對(duì)戰(zhàn)略 1. 刺激的物理屬性： 不同實(shí)驗(yàn)條件下，盡量運(yùn)用物理屬性一樣的刺激資料； 添加控制實(shí)驗(yàn) 例子，重讀(適宜 vs. 不適宜) 韻律邊境(適宜 vs. 不適宜) 他撞倒誰(shuí)的車(chē)子之后逃跑了？ 撞倒/肖明的車(chē)子 AB 撞倒/肖明的車(chē)子 AB 撞倒肖明的/車(chē)

9、子 AB 撞倒肖明的/車(chē)子 AB 他撞倒誰(shuí)的車(chē)子之后逃跑了？ AB 他撞倒肖明的什么物品之后逃跑了？AB 警察把撞倒誰(shuí)的車(chē)子沒(méi)收了？ AB 警察把撞倒肖明的什么物品沒(méi)收了？AB 撞倒/肖明的車(chē)子 (Li et al., 2021)下劃線(xiàn): 表示鎖時(shí)的關(guān)鍵詞; 紅色表示重讀的位置; 左側(cè): 物理屬性不一樣; 右側(cè):物理屬性一樣 .Audiovisual situation Standard 隨后(紅色)的方形出現(xiàn)了 (75%) Deviant1 隨后(紅色)的方形出現(xiàn)了 (12.5%) Deviant2 隨后(紅色)的方形出現(xiàn)了 (12.5%) Auditory situation Standa

10、rd 隨后紅色的方形出現(xiàn)了 Deviant 隨后紅色的方形出現(xiàn)了 (Li et al., 2021)(三) ERP實(shí)驗(yàn)設(shè)計(jì)中的無(wú)關(guān)變量及應(yīng)對(duì)戰(zhàn)略 1. 刺激的物理屬性： 不同實(shí)驗(yàn)條件下，盡量運(yùn)用物理屬性一樣的刺激資料； 添加控制實(shí)驗(yàn) 例子，重讀語(yǔ)義與視覺(jué)背景整合的時(shí)間特點(diǎn) 下劃線(xiàn): 表示鎖時(shí)的關(guān)鍵詞; 紅色表示重讀的位置; 上: 正式實(shí)驗(yàn); 下: 控制實(shí)驗(yàn)重讀與視覺(jué)背景一致重讀與視覺(jué)背景不一致重讀與視覺(jué)背景不一致.ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(三) ERP實(shí)驗(yàn)設(shè)計(jì)中的無(wú)關(guān)變量及應(yīng)對(duì)戰(zhàn)略 2. 刺激資料的反復(fù) 3. 不同實(shí)驗(yàn)條件下，刺激資料的數(shù)量不同 4. 不同實(shí)驗(yàn)條件下，被試反響的有無(wú)不同；反

11、響的難度不同 5. 盡量在同一區(qū)組內(nèi)變化實(shí)驗(yàn)條件； 而不是在不同區(qū)組間變化實(shí)驗(yàn)條件 .ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(四) 刺激資料數(shù)量和呈現(xiàn)戰(zhàn)略 1.刺激資料的數(shù)量 效應(yīng)的大小(ERP成分; 實(shí)驗(yàn)條件支配)； 數(shù)據(jù)的噪聲程度 30-60 - large component (P3, N400) 150-200 - medium-sized component (N2) 400-800 - small component (P1) (Luck, 2004) 2.刺激資料的數(shù)量和信噪比 .ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(四) 刺激資料數(shù)量和呈現(xiàn)戰(zhàn)略3.刺激資料-ERP成分重疊4. 應(yīng)對(duì)ERP成分重疊

12、的戰(zhàn)略 a 運(yùn)用ISI jitter(抖動(dòng)) jitter的范圍盡量寬； b 不呈現(xiàn)刺激的小概率事件 (Picton et al., 1974) c 估計(jì)已采集數(shù)據(jù)的重疊 從平均波形中減去估計(jì)的重疊 ADJAR (adjacent response) (Woldorff, 1993).ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題(五) 數(shù)據(jù)分析時(shí)的基線(xiàn)問(wèn)題 - 實(shí)驗(yàn)設(shè)計(jì) 1. 盡量使鎖時(shí)點(diǎn)之前的刺激資料在不同實(shí)驗(yàn)條件中一樣 (Li, Chen, and Yang., 2021) 2. 選擇恰當(dāng)?shù)臅r(shí)間段作為基線(xiàn)，并在實(shí)驗(yàn)設(shè)計(jì)時(shí)使其在 不同實(shí)驗(yàn)條件中一樣 (Nan, Knsche, Friederici, 202

13、1) 3.利用差別波把效應(yīng)進(jìn)展比較 (Li et al., minor revision) .ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題例子，重讀(適宜 vs. 不適宜) 韻律邊境(適宜 vs. 不適宜) 他撞倒誰(shuí)的車(chē)子之后逃跑了？ 撞倒/肖明的車(chē)子 AB 撞倒/肖明的車(chē)子 AB 撞倒肖明的/車(chē)子 AB 撞倒肖明的/車(chē)子 AB 他撞倒誰(shuí)的車(chē)子之后逃跑了？ AB 他撞倒肖明的什么物品之后逃跑了？AB 警察把撞倒誰(shuí)的車(chē)子沒(méi)收了？ AB 警察把撞倒肖明的什么物品沒(méi)收了？AB 撞倒/肖明的車(chē)子(Li, Chen, and Yang, 2021)下劃線(xiàn): 表示鎖時(shí)的關(guān)鍵詞; 紅色表示重讀的位置; 左側(cè): 基線(xiàn)不一樣;

14、 右側(cè):基線(xiàn)一樣 .ERP實(shí)驗(yàn)設(shè)計(jì)中的假設(shè)干問(wèn)題例，非音樂(lè)家對(duì)音樂(lè)小結(jié)邊境的感知，及文化差別對(duì)其的影響 Baseline: -200 0 ms -800 - -300 ms (Nan, Knsche, Friederici, 2021).Research designActive sentences (low working memory load) high semantic related low semantic related萌萌把“新娘淡色的婚紗弄臟后感到很負(fù)疚。 萌萌把“隊(duì)長(zhǎng)淡色的婚紗弄臟后感到很負(fù)疚。萌萌把“新娘淡色的婚紗弄臟后感到很負(fù)疚。 萌萌把“隊(duì)長(zhǎng)淡色的婚紗弄臟后感到很負(fù)疚

15、。Passive sentences (high working memory load) high semantic related low semantic related萌萌說(shuō)“新娘被弄臟淡色的婚紗后嘆了口氣 。萌萌說(shuō)“隊(duì)長(zhǎng)被弄臟淡色的婚紗后嘆了口氣 。萌萌說(shuō)“新娘被弄臟淡色的婚紗后嘆了口氣 。 萌萌說(shuō)“隊(duì)長(zhǎng)被弄臟淡色的婚紗后嘆了口氣 。 Memory Load (high vs. low) Accentuation (accented vs. de-accented) Semantic Relatedness (high vs. low)(Li et al., minor revisi

16、on)下劃線(xiàn): 表示鎖時(shí)的關(guān)鍵詞; 紅色表示重讀的位置; 右側(cè)減左側(cè)得到差別波.ERP數(shù)據(jù)分析中的本卷須知一ERP疊加的平均的原理、及偽跡1. ERP的平均的原理信號(hào)噪聲(background EEG)偽跡.ERP數(shù)據(jù)分析中的本卷須知一ERP疊加平均的原理、及偽跡2. EEG數(shù)據(jù)中的偽跡 眨眼 眼動(dòng) (閱讀, 視覺(jué)搜索) 波 肌電 jaw, neck, and face muscles squinting, eyebrow movements smiling, laughter 出聲閱讀 心電 (e.g., 參考位于血管上) 電極接觸不良 剔除含有偽跡的刺激 信噪比降低 矯正 較好的信噪比；

17、剔出不正確反而更歪曲數(shù)據(jù).ERP數(shù)據(jù)分析中的本卷須知一ERP疊加平均的原理、及偽跡2. EEG數(shù)據(jù)中的偽跡 - 波 10 Hz, 100 ms 一個(gè)周期，parietal-occipital 很難平均掉：波幅高 與刺激資料同步 影響數(shù)據(jù)的解釋?zhuān)惶貏e是始潛時(shí)的分析 控制戰(zhàn)略：ISI jitter， 100 ms ms-1001002003004005006007008009001000uV-6.06.0PZ.ERP數(shù)據(jù)分析中的本卷須知一ERP疊加平均的原理、及偽跡2. EEG數(shù)據(jù)中的偽跡 - 慢電位漂移 皮膚電位變化；電極接觸不良 剔除： 計(jì)算EEG在一切trials上的斜率， 并將那些斜率超出

18、一定 閾值 的trial排除 .ERP數(shù)據(jù)分析中的本卷須知一ERP疊加平均的原理、及偽跡3. EEG數(shù)據(jù)中的偽跡 - 眼動(dòng) 固定的電壓梯度(正極指向眼球正面)； 眼動(dòng)指向的方面，頭皮電壓變得更正 剔除眼動(dòng)污染的刺激 優(yōu)點(diǎn)：數(shù)據(jù)更干凈 缺陷：信噪比降低； 不可防止會(huì)產(chǎn)生眼動(dòng)； 有的眼動(dòng)難以偵查到； 剔除方法錯(cuò)誤 眼動(dòng)矯正 回歸分析； 偶極子定位； ICA .ERP數(shù)據(jù)分析中的本卷須知3. EEG數(shù)據(jù)中的偽跡 - 眼動(dòng).ERP數(shù)據(jù)分析中的本卷須知二用ICA排除偽跡 (Jung et al., 2000, 2001) 數(shù)據(jù)驅(qū)動(dòng) data-driving 利用數(shù)據(jù)的相關(guān)構(gòu)造，線(xiàn)形方法和非線(xiàn)性方法相結(jié)合

19、； N電極 - N個(gè)獨(dú)立的成分 與特定偽跡有關(guān)的成分具有獨(dú)特的特點(diǎn) 利用逆運(yùn)算(inverse computation) - 減去有偽跡有關(guān)的成分.眼動(dòng)肌電.波壞電極.ERP數(shù)據(jù)分析中的本卷須知二用ICA排除偽跡 - 詳細(xì)程序 1 Neuroscan 數(shù)據(jù)預(yù)處置 Ocular artifact reduction、re-Reference、filter、epoch、baseline correction、 Artfact rejection-75 +75、Delete rejectred sweeps用matlab翻開(kāi)eeglab file-set path(包含eeglab程序所在的途徑、e

20、eg數(shù)據(jù)所在的途徑) ； 直接在matlab中輸入eeglab 把.eeg數(shù)據(jù)轉(zhuǎn)換為eeglab的數(shù)據(jù)(.set) file-import-from Neuroscan .eegfile file-save current dataset as (保管為.set數(shù)據(jù)).ERP數(shù)據(jù)分析中的本卷須知二用ICA排除偽跡 - 詳細(xì)程序2 Run ICA file-load existing dataset edit-channel location (一路點(diǎn)擊ok) tools-run ICA file-save current dataset as (保管包含ica信息的數(shù)據(jù)) 用ICA去偽跡 to

21、ols-reject data using ICA-reject component by maps tools-romove compoments file-save current dataset as (保管包含去除偽跡后的數(shù)據(jù)). 把.set數(shù)據(jù)轉(zhuǎn)換為Neuroscan能讀取的.avg數(shù)據(jù) 1. files-export-Data and ICA activity to text files 對(duì)話(huà)窗的以下處劃勾 Export ERP average instead of trials Transpose matrix (ele-rows) Export channel labes/co

22、mponent numbers Export time values 2. 把導(dǎo)出的數(shù)據(jù)轉(zhuǎn)換為.xls數(shù)據(jù)-去除第一行電極點(diǎn)稱(chēng)號(hào)和第一列時(shí)間點(diǎn)稱(chēng)號(hào)； 把.xls數(shù)據(jù)轉(zhuǎn)換為.dat數(shù)據(jù) 把.dat數(shù)據(jù)轉(zhuǎn)換為.avg數(shù)據(jù) .dat數(shù)據(jù)的翻開(kāi)方式選擇Neuroscan channel 62(電極數(shù)) acquisition rate 500(采樣率) X Mimum -100epoch時(shí)的時(shí)間最小值 point 551采樣點(diǎn)數(shù)二用ICA排除偽跡 - 詳細(xì)程序3.ERP數(shù)據(jù)分析中的本卷須知三ERP的PCA分析法及適用范圍 - 詳細(xì)程序 數(shù)據(jù)驅(qū)動(dòng) data-driving 利用數(shù)據(jù)的相關(guān)構(gòu)造 M個(gè)延續(xù)變量 - N個(gè)成分， NM 很難從ERP波形中確定每個(gè)ERP成分的代表性時(shí)間窗口(Li et al., 2021).例子，重讀(適宜 vs. 不適宜) 韻律邊境(適宜 vs. 不適宜) (Li et al., 2021) .ERP數(shù)據(jù)分析中的本卷須知三ERP的PCA分析法及適用范圍 - 根本原理 .avg 數(shù)據(jù)的預(yù)處置 翻開(kāi).avg文件，然后另存為.dat文件； 把.dat文件的擴(kuò)展名改為.xls文件，刪除基線(xiàn)上的數(shù)據(jù)、及電極稱(chēng)號(hào)； 把.xls文件的擴(kuò)展名改為.txt文件.ERP數(shù)據(jù)分析中的本卷須知三ERP的PCA分析法及適用范圍