事件相關電位技術實驗操作及注意事項

疏德明

(蘇州大學 教育學院, 江蘇 蘇州 215123)

事件相關電位技術實驗操作及注意事項

疏德明

(蘇州大學 教育學院, 江蘇 蘇州 215123)

事件相關電位(event-related potential,ERP)作為當前腦科學研究的重要技術,其相對較高的時間分辨率、安全性和低廉的成本,使其在醫學、心理學、體育學、管理學等研究領域被廣泛使用。為了讓初學者能快捷、準確地掌握該實驗技術,以BrainVision Analyzer 2.0軟件為例,介紹了EEG(腦電)的記錄、EEG數據離線分析基本步驟及注意事項,還介紹了ERP數據分析方法和注意事項。

事件相關電位； 實驗技術； BrainVision Analyzer 2.0

大腦在活動時,大量神經元同步發生的突觸后電位經總和后會在大腦皮層和頭皮表面形成微弱的生物電位,經放大后可以被記錄下來。以大腦皮質的自發電位為縱軸,時間為橫軸,把它們之間的相互關系描記下來所形成的曲線稱為腦電(electroencephalogram, EEG)。EEG電位一般處于幾μV～75 μV之間,且成分復雜,而心理活動誘發的電位一般只有2～10 μV,因此,無法從EEG中直接觀察到心理活動的誘發電位。20世紀60年代,Sutton等提出了事件相關電位(event-related potential,ERP)的概念[1],即通過疊加平均技術分析從頭顱表面記錄到的誘發電位來反映認知過程中大腦神經電生理改變。事件相關電位與認知過程有密切關系,故被認為是“窺視”心理活動的“窗口”。正確有效地記錄和分析ERP,對初學者而言有一定難度,也容易出現錯漏。本文以BrainVision Analyzer 2.0(Brain Products GmbH出品,以下簡稱Analyzer 2.0)分析軟件為例,根據多年實際工作經驗,介紹了ERP實驗的主要操作方法及注意事項,幫助初學者盡快掌握相關技術,避免不必要的摸索和錯漏。

1 事件相關電位(ERP)簡介

事件相關電位(ERP)是一種特殊的腦誘發電位(evoked potentials,EPs),也稱誘發反應(evoked response),是指給予神經系統(從感受器到大腦皮層)特定的刺激,或使大腦對刺激(正性或負性)的信息進行加工,在該系統和腦的相應部位產生的可以檢出的、與刺激有相對固定時間間隔(鎖時關系)和特定位相的生物電。事件誘發電位具有如下特征:

(1) 在特定的部位才能檢測出來(出現位置相對恒定)；

(2) 有特定的波形和電位分布(波形相對恒定)；

(3) 潛伏期與刺激之間有較嚴格的鎖時關系,在給予刺激時立即或在一定時間內出現(潛伏期相對恒定)。

與此相對,自發腦電變化較為隨機。根據ERP的這些特征,可以將同一類型事件多次呈現,并記錄腦電,再將腦電按事件進行分段,通過疊加平均法消噪,無規則的自發腦電(噪聲)信號就減弱,而重復出現的與認知過程相關的誘發電位就明顯起來,得出相應認知活動過程的ERP。由于ERP技術相對較高的時間分辨率、安全性及低廉的成本,使其在醫學[2-4]、心理學[5-7]、體育學[8-10]、管理學[11-12]等領域內得到較為廣泛的應用。

2 心理刺激的呈現及在EEG信號中的標記

根據ERP技術的原理,若在EEG中提取與認知事件相關的微弱電位,需要對重復發生的認知事件記錄的EEG信號進行分段后疊加平均,才能逐漸消除無規則信號(噪聲),獲得ERP波形。因此,在呈現心理刺激時,同一類型的刺激要多次出現(一般需50次以上),次數越多疊加平均后去除無規則信號的效果越好,并且每次出現刺激,要實時在EEG信號中進行標記,以便后期離線分析處理。下面以E-prime 2.0刺激呈現軟件(Psychology Software Tools, Inc.出品)為例,介紹在EEG中標記刺激和反應代碼的方法,示例見圖1。

圖1 在EEG中標記刺激和反應代碼的方法示例

圖1中“Inline1”和“Inline3”的作用是清空端口,“Inline2”為打開控件“Stimulus”端口,信號輸出端口代碼為“H378”(有些設備為“D050”),并且向EEG發送控件“Stimulus”的刺激信號代碼,這個刺激信號代碼從“List”中的“Code”中獲取。“Inline4”語句表示:如果反應正確,在 “H378”端口輸出代碼20,有反應但不正確輸出代碼30,其他情況輸出代碼40,如果反應為“f”鍵,則輸出代碼50。為避免信號干擾,“Blank”是刺激呈現后短暫空屏(1 ms),用于清空端口。

注意事項:在刺激呈現程序中,必須將不同類型的刺激分別進行標記,否則離線分析中難以對不同類型刺激進行區分。由于Analyzer2.0軟件本身不能將行為數據與腦電數據融合,如果離線分析時需要結合行為反應分析ERP,必須在編程時標注相應反應代碼。

3 EEG數據采集

3.1 采集前準備

采集前被試需用中性洗發膏洗頭,以便去除灰塵、油脂和死皮,提高導電性。選擇好參考電極,可以雙側乳突的平均、兩側耳垂或者鼻尖作參考(也可以其他電極作參考,在離線分析時進行參考電極轉化)。要確保參考電極接觸良好,否則會影響其他通道腦電采集。確定眼電(electrooculogram,EOG)記錄位置,雙極導聯為左右眼眥1 cm處安置電極(與眼球在同一直線)記錄水平眼電,眉毛之上和眼眶下邊緣安置電極記錄垂直眼電；單極導聯方式為同側眼眥1 cm處和眉毛上方，分別記錄水平和垂直眼電[13]。注意事項:

(1) 選擇與被試頭部大小合適的電極帽,以免被試不舒適或電極與頭皮接觸不良；

(2) 確保Cz點在正中央(從鼻根到枕外隆凸的矢狀線和兩耳后外側乳突的冠狀線的交叉點),若佩戴隨意,會導致實際電極點與標準電極點的位置不一致；

(3) 接地電極和參考電極應先涂導電膏,確保接觸良好后,再涂其他電極；

(4) 測試前要求被試洗頭,對鼻尖、乳突、眼睛周圍的電極點位置,要先用磨砂膏去除角質,增強導電性；

(5) 對于頭發較長、較密的被試，在填涂導電膏時，可撥開對應電極點的頭發再涂導電膏。

3.2 采集EEG信號

在采集之前需選擇好采集參數,如采樣率(一般為1 000 Hz)、導聯數、電極分布等,然后給被試帶上電極帽,在BrainVision Recorder軟件(Brain Products GmbH出品)中,點擊“”,檢測電極與頭皮的阻抗值,一般來說,電極阻抗值在5 kΩ以下較為理想。準備就緒后,點擊“”圖標,開始記錄和保存EEG數據。注意事項:

(1) 為便于后期數據處理,EEG 文件名應進行相應編號,記錄好文件名對應的被試姓名、性別、年齡、實驗組別等信息,以備分析和撰寫研究報告時使用；

(2) 當更換電極帽或者使用新電極帽時,需要重新選擇參數和匹配放大器,否則會導致記錄錯誤或無法記錄；

(3) 在記錄過程中,被試頭部動作、出汗、電極松脫等都會導致出現較大劣跡,要及時關注和處理；

(4) 留意相應的刺激代碼是否正確地標記在EEG中。

4 離線數據分析基本步驟

從EEG信號中提取事件相關電位(ERP)，需要在去除各種偽跡后按刺激類型進行分段和疊加平均。

4.1 變更參考電極

如果電極帽默認參考電極與研究報告中的參考電極不一致,則需要進行參考電極轉換,分析步驟:“Transformations”→“Channel Preprocessing”→“New Reference”→選擇要作為新參考的電極點→需要轉換的電極點→完成參考電極的轉換。

4.2 眼電糾正

腦電信號采集過程中極易受到眼電、肌電、心電等多種噪聲干擾,而眼電信號由于幅值較大,嚴重影響腦電信號的分析和應用,如何有效去除腦電信號中的眼電偽跡尤為重要[14]。Analyzer2.0中去眼電的分析步驟:“Transformations” →“Ocular Correction ica”(獨立成分分析法)或“Ocular Correction”(默認為Gratton & Coles法)去除眼電干擾。注意事項:

(1) 如果采用ICA法,需先進行濾波,以減少噪聲干擾。ICA法雖對眼電的剔除效率很高,但是它也可能會對非眼電的成分做糾正,而Gratton & Coles法雖去眼電效果不如ICA,但不會影響非眼電成分；

(2) ICA法去眼電時需選擇恰當的分析窗口,一般選擇正式實驗時不少于2 min的腦電。

4.3 原始數據檢查

對EEG數據進行預覽檢查,可以觀察到明顯存在偽跡的區域,在檢查時即可標記去除。分析步驟:“Transformations” →“Raw Data Inspection” →選擇相應參數。注意事項:

(1) 在對原始數據檢查時,由于此時還沒有進行基線校正,檢查標準中一般選擇“Max-Min”標準而不做“Amplitude”標準；

(2) 若選擇的是半自動模式,在系統檢測完之后,若認為自動選擇的某些“偽跡”并非偽跡,可按Shift+鼠標單擊去除這段被標記的“偽跡”；若有些偽跡沒有被自動識別的話,可以點擊并拖動鼠標選擇相應區域標記為偽跡。

4.4 分段

對EEG文件按刺激標記進行分段,是ERP技術的基本步驟。Analyzer2.0中的分析步驟為:“Transformations”→“Segment Analysis Functions” →“Segmentation”,可供選擇的分段模式有“按標記位置”“數據等分”“手動分段”,ERP分析時,一般選擇按標記進行分段,然后輸入分段的起訖時間,如200 ms～1 000 ms。注意事項:

(1) 如果在疊加平均(average)時選擇獨立通道模式(Enable Individual Channel Mode),則不要勾選“Skip Bad Intervals”的復選框,如勾選,只要有一個電極點出現偽跡,則其他電極點同時間段也被視為偽跡；

(2) 分段時,如需結合行為反應情況進行分段,需在“Edvanced Boolean Expression”(高級布爾表達式) 中輸入反應類型代碼和反應時間,如“S11(200,1 000)”,其中S11為正確反應的代碼,(200,1 000)指反應時間為200～1 000 ms內的反應(不是刺激呈現的時間)。

4.5 濾波

人腦正常的EEG頻率變動范圍在0～30 Hz,通過數字濾波,可以在一定程度去除偽跡,分析步驟:“Transformations” →“Data Filters” →“IIR Filters” →選擇相應的濾波參數,示例見圖2。注意事項:

圖2 濾波參數選擇示例

(1) EEG如有明顯的固定頻率干擾(如50 Hz市電干擾),可勾選陷波(Notch)復選框,若無此干擾,則不用勾選；

(2) 如果所有電極濾波參數一致,不要勾選“Enable Individual Channel Filters”。

4.6 基線校正

ERP分析中的基線校正一般以刺激出現前的一段時間的平均波幅作為基準點,計算刺激出現后的波形,分析步驟: “Transformations” →“Segment Analysis Functions” →“Baseline Correction”。 注意事項:

(1) 如果對分段后的波形沒有進行基線校正,由于刺激后ERP波形的基準點不一樣,將無法同其他條件下的ERP進行比較；

(2) 在去偽跡(artifact rejection) 前應先做基線校正。

4.7 去偽跡

EEG的主要噪音源可分為記錄系統噪聲(如電極故障偽跡、金屬偽跡、靜電偽跡等)和無關電生理信號噪聲(如眼電偽跡、舌電偽跡、肌電偽跡、脈搏偽跡、出汗偽跡等)[15]。眼電偽跡的去除已在本文4.2中介紹,原始數據檢查(見4.3)也可以去除部分偽跡。基線校正后,還可以進一步通過檢查波幅大小去偽跡,分析步驟為:“Transformations”→“Raw Data Inspection”→“Criteria”→ “Amplitude”選擇波幅變化范圍(如±50 μV),其余信息可不再填寫。

4.8 疊加平均

對按刺激進行分段的EEG數據進行疊加平均,是獲得EPR的基本原理,分析步驟:“Transformations” →“Segment Analysis Functions” →“Average”實現對分段數據進行疊加平均,得出ERP波形圖。注意事項:

(1) 在“原始數據檢查”和“去偽跡”步驟中若選擇了“獨立通道模式”,則在疊加平均時也需選擇“獨立通道模式”；

(2) 疊加平均完成后,可右擊生成的ERP波形文件,在“Operation infos”選項中可查看各個電極點疊加平均的段數,如果數量相對較少,應及時查找原因。

5 ERP波形的分析與處理

通過以上對EEG數據的離線分析,得出了基本的ERP波形,但還需要進一步分析才能報告相關研究結果。

5.1 導出峰值與峰潛伏期

ERP研究中,常常需要比較某些ERP成分在不同條件下的峰值和峰潛伏期差異,這就需要導出相關成分的峰值和峰潛伏期。在導出之前,需要對ERP成分的波峰進行探測,分析步驟:“Transformations”→“Result Evaluation”→“Peak Detection”,如探測N2和P3成分的波峰,需填寫成分名稱、波峰可能所在的區間、極性,示例見圖3。波峰探測完成后,按如下步驟導出: “Export”→ “Peak Information Export”→輸入波峰名稱→輸入要導出的ERP文件名→選擇要導出的被試數據→勾選“Export Individual Latencies for Each Channel”(導出每個電極點的峰潛伏期)→填寫導出的txt文件名稱,即可導出每個電極的ERP成分的峰值和峰潛伏期。

圖3 波峰探測示例

注意事項:在進行波峰探測時,需選擇恰當的時間窗口,時間窗口的確定需綜合考慮,如相關ERP成分的峰潛伏期范圍、所有被試總平均波形圖、單個被試的ERP波形特點、研究范式和實驗設計等,Analyzer2.0中可以設置自動探測或半自動探測波峰。

5.2 導出平均波幅

導出平均波幅的步驟: “Export” →“Area Information Export”→選擇導出的時間窗口(Time Domain)或者頻率窗口(Frequency Domain)。導出時間窗口的平均波幅需填寫時間范圍,導出頻率窗口的平均波幅,需填寫頻率范圍。注意事項:

(1) 如需導出頻率窗口的平均波幅,需先進行FFT(Fast Fourier Transformation,快速傅立葉轉換)轉換, 分析步驟為:“Transformations” →“FFT Analysis” ,如需輸出波幅,在“Output”下勾選“Voltage[μV]”；

(2) 如需導出時間窗口的平均波幅,在“Rectification”中選擇“Use Voltage(Signed Values”,導出類型(Export Type)中選擇“Mean Activity[uV] ” 。

5.3 將數據導入SPSS中進行統計分析

Analyzer 2.0中導出的波幅和潛伏期數據均為txt格式文本數據,如需導入到SPSS中進行統計分析,可先用Excel讀取txt文中的數據(最好用Excel2007以上版本,因為Excel97-2003格式中允許最大列為256)。導入到Excel中的步驟為:新建Excel2007工作簿→打開文件→文件類型中選擇所有文件→選擇生成的.txt文件→分隔符號中選擇空格→完成,再將所需要的數據復制到SPSS軟件中。

5.4 替換壞電極

如個別電極偽跡過多,在離線分析階段需要進行替換,Analyzer2.0軟件可以通過計算得出相應電極的波形,分析步驟:“Transformations” →“Others” →“Topographic Interpolation” →輸入要替換的電極名稱。

5.5 電極點之間波形運算

如需對電極點之間的波形進行運算,可以通過Analyzer2.0中Transformations的“公式編輯器”(Formula Evaluator)進行操作,如需計算額區電極的平均ERP 波形圖,可按圖4示例進行操作。

圖4 電極點間波形運算示例

5.6 不同條件的ERP差異波形的獲得

不同條件的ERP差異波形的獲得步驟:“Transformations” →“Data comparison” → “Comparison Methods” →選擇比較方法(差異、求和、比率、百分比、交叉相關比較)→選擇進行電極比較(Compare Channels)或數據集比較(Compare Datasets)。若對2種條件的ERP進行比較就選擇Compare Datasets,比如需要比較A波形與B波形的差異,先打開A 波形,再打開Compare Datasets選擇B波形,即可生成差異波。

注意事項:由于Analyzer2.0軟件中差異波默認顯示為2條原始波形和減得的差異波,在此之后可再做一步“Baseline Correction”得到只有差異波的波形圖,或者在生成差異波形右擊生成的對話框中將 “Display Static Overlays”勾去掉,得出單獨的差異波,進一步將差異波與其他類別的波形進行比較。

5.7 總平均

當對每個被試的各個條件都完成了疊加平均之后,可分別對不同類型或實驗條件下的ERP進行總平均。分析步驟:“Transformations”→“Segment Analysis Functions”→“Result Evaluation”→“Grand Average” → 輸入波形名稱和總平均后名稱(示例見圖5)→選擇要進行總平均的被試數據。

圖5 波形總平均示例

5.8 創建分析模版與批處理

Analyzer2.0可以非常方便、快捷地對需要進行同樣分析處理的EEG數據進行批處理,在“History Template”中,如果之前沒有歷史模板,就“New”一個新模板將“Raw Data”下面的分析過程直接拖到“Root”下面,創建一個含有分析過程的模板,可以點擊“Save as” 進行保存,點“Apply to history File(s)”,即可對處理過程相同的EEG數據進行批量處理,示例見圖6。

圖6 數據分析模板的創建與使用示例

6 結語

ERP實驗研究是一項嚴謹的系統工程,研究者從最初的實驗設計、實驗材料準備、刺激程序編寫、數據采集、數據分析到最后研究報告的撰寫,都必須本著嚴肅認真、精益求精的態度,每一環節都不可馬虎,否則很可能“千里之堤,潰于蟻穴”。初學者除了掌握以上的分析方法及注意事項外,還需要閱讀相關軟件的使用手冊、學習ERP的相關理論、向有經驗的教師和同行請教、自己多動手實踐等,才能靈活地運用ERP技術開展腦科學研究。

References)

[1] Sutton S, Braren M, Zubin J, et al. Evoked-potential correlates of stimulus uncertainty[J]. Science, 1965, 150(3700):8-1187.

[2] 杜好瑞,穆俊林,李六一,等.精神分裂癥患者注意狀態對事件相關電位P300的影響 [J]. 中國現代醫學雜志, 2015,28(5):54-57.

[3] 劉麗,傅師亭,俸曦,等.注意缺陷多動障礙患兒事件相關電位P3波分析 [J].實用兒科臨床雜志, 2010,25(14):55-57.

[4] 杜好瑞,穆俊林,張寧,等.男性酒依賴患者執行功能與事件相關電位P300研究[J].中國神經精神疾病雜志,2015,41(2):42-45.

[5] 疏德明,劉電芝.練習促進內隱策略生成:其發生過程及應用特點[J].心理科學, 2014, 37(5):168-174.

[6] 胡哲,張欽,梁九清,等.不同情緒背景下來源記憶的ERPs研究[J].心理學報, 2013, 45(7):15-29.

[7] 賈磊,張常潔,張慶林.情緒性注意瞬脫的認知機制:來自行為與ERP的證據[J].心理學報, 2016,48(2):68-78.

[8] 劉婷怡,周成林,王碧野.重劍運動員判斷時機的視覺搜索特點及其ERP研究[J].上海體育學院學報,2013,37(6):48-52.

[9] 王瑩瑩,周成林.急性有氧運動的強度與抑制能力的劑量關系:來自ERP的證據[J]. 體育科學,2014,34(11):44-51,68.

[10] 王麗巖,王洪彪,樸忠淑,等.乒乓球運動員發球動作識別的時間進程及半球效應:一項ERP研究[J].中國運動醫學雜志,2014,33(8):54-62.

[11] 陳明亮,李敏樂.消費者在線購物從眾為何如此普及:從沖突視角的一個神經學研究[J].管理工程學報,2013,27(3):186-192.

[12] 鄭杰慧,汪蕾,陸強,等.信息過濾與不確定決策:基于認知加工視角[J].管理工程學報, 2016,30(1):210-216.

[13] 王兆云,吳小培.采集眼電圖(EOG)的導聯方式[J].計算機技術與發展, 2009,19(6):151-153,157.

[14] 李明愛,郭碩達,田曉霞,等.眼電偽跡自動識別與去除的新方法[J].電子學報, 2016,44(5):27-34.

[15] 魏琳,沈模衛,張光強,等. EEG波形偽跡的去除方法[J].應用心理學,2004,10(3):47-52.

Experimental operations and notes of event-related potentials technology

Shu Deming

(School of Education, Soochow University, Suzhou 215123, China)

The event-related potential (ERP) as an important experimental technology of brain research, with the advantages of high time resolution ratio, safety and low cost, has been widely used in the fields of medicine, psychology, physical education, management, etc. Taking the BrainVision Analyzer 2.0 software as an example, this article introduces the electroencephalogram (EEG) recording, offline analysis and matters needing attention during the ERP experiment. The analysis methods of ERP waveforms have also been introduced.

event-related potentials; experimental technology; BrainVision Analyzer 2.0

10.16791/j.cnki.sjg.2017.01.048

2016-08-07 修改日期：2016-10-09

國家社會科學基金教育學青年課題“大學生創業模式與成功路徑分析”(CIA140179)

疏德明(1983—),男,安徽樅陽,博士,實驗師,主要研究方向為實驗心理學和認知心理學.

E-mail：8deming@163.com

B845

B

1002-4956(2017)1-0198-05