基本情緒的電生理活動：來自ERP的證據*

梁 飛 李 紅 王福順

(四川師范大學腦與心理科學研究院，成都 610066)

情緒是一種內部狀態，是對機體內部需要和外界可利用物質比較而引起的一種心理活動狀態，包括一定的生理、行為和認知反應(Sroufe，1996；王福順，張艷萍，成敬，姜長青，2018；Gu et al.，2019a)。情緒對人類行為的許多方面都至關重要(Bevilacqua & David，2011)，是人類生命活動的基礎(Kvajo，2016；Gu et al.，2019a)。

情緒具有短暫性和易變性的特點，而腦電圖(electroencephalogram，EEG)具有高時間分辨率、無創性等優異性能，能為研究情緒提供較為精確的時間信息，適合用于探索和研究情緒的電生理基礎和中樞神經活動。基于此，在近幾十年中，研究者們通過腦電獲得了許多基本情緒的電生理活動證據，取得了許多重要成果。因此，本文歸納了基本情緒的相關研究成果，對基本情緒誘發方法的情緒狀態誘發效果進行對比分析，討論了事件相關電位(Event-related Potentials，ERP)對于基本情緒研究的應用價值，對基本情緒相關的幾種ERP成分及其特征進行系統地歸納。最后，對未來基本情緒的ERP實驗研究提供了展望，提出用腦電結合最新的人工智能技術——機器視覺技術來為基本情緒理論研究提供新的研究思路。

1 基本情緒

基本情緒理論(Basic Emotion Theory，BET)是過去幾十年來情緒研究的最新理論，該理論認為人類的情緒是由有限的幾種基本情緒組成的，如恐懼、憤怒、喜悅、悲傷等；它們之所以“基本”，是因為它們各自有著獨特的生理表現和神經結構(Saarimaki et al.，2016；Celeghin et al.，2017；Williams，2017；Hutto et al.，2018；Song & Hakoda，2018；Vetter et al.，2018；Wang et al.，2018；Gu et al.，2019a)。基本情緒理論開辟了研究的新領域：在心理學上是對面部表情的識別，在神經影像學上是對基本情緒神經相關的研究、進化心理學等(Hutto et al.，2018)。基本情緒是由神經調節物質調節的內部狀態，這些內在狀態在外部則表現為某些典型的行為(如本能)，被認為是遠古的生存機制(Gu et al.，2019a)。基本情緒是由基本的身體變化所引起的內在狀態，它反過來又能引起基因上“固有的”本能行為，在整個進化過程中高度地保留下來，并在廣泛的系統發育范圍內表現出某些功能和適應特性，例如，恐懼和憤怒等情緒被認為是在應對基本的生活挑戰和威脅時進化而來的(Gu et al.，2019b)。Izard(1977)認為，基本情緒得以保留，是因為它們的生物和社會功能在進化和適應中至關重要(Shpigler et al.，2017；Gu et al.，2019b)。可見，基本情緒的研究對整個人類具有普遍意義。

基本情緒的研究最早起源于達爾文，他是第一個使用面部表情研究情緒的科學家，比如恐懼、憤怒、喜悅或悲傷(Gu et al.，2019b)。過去幾十年，研究者們進行了大量研究，探討了多種基本情緒分類，取得了富有成效的成果。早在上個世紀七十年代，Ekman等(1971)就以新幾內亞幾乎與世隔絕的南弗爾族人為被試，以西方面孔表情作為刺激材料之一，驗證了特定面部肌肉模式和基本情緒之間的聯系的普遍性。他對基本情緒進行了分類，提出了6種基本情緒：高興(happiness)、悲傷(sadness)、憤怒(anger)、厭惡(disgust)、恐懼(fear)、驚訝(surprise)等(Ekman & Friesen，1971)。可是對于人有幾種基本情緒目前仍然存在爭議。Izard認為人有10種基本情緒：憤怒(anger)、蔑視(contempt)、厭惡(disgust)、痛苦(distress)、恐懼(fear)、愉悅(joy)、內疚(guilt)、興趣(interest)、驚奇(surprise)、羞愧(shame)。Plutchik則提出8種基本情緒：恐懼(fear)、憤怒(anger)、愉悅(joy)、悲傷(sadness)、期待(anticipation)、厭惡(disgust)、驚奇(surprise)、接納(acceptance)。國內王福順等人提出了情緒三原色學說，指出單胺類神經遞質是基本情緒的神經基礎：多巴胺-愉悅、5-羥色胺-不愉快和去甲腎上腺素-喚醒(Lovheim，2012；Gu et al.，2016；Wang & Pereira，2016；Gu et al.，2018)，這三種神經遞質就像三原色一樣介導四種基本情緒：恐懼、憤怒、快樂、悲傷，如圖1(Gu et al.，2018)。

圖1 基本情緒的三原色模型The four basic emotions：fear-anger，joy，sad，or three core affects are subsided by the release of three monoamine neuromodulators(norepinephrine-stress，dopamine-reward，and serotonin-punishment),(Gu et al.，2018)

2 基本情緒的誘發方法

研究中廣泛使用的情緒誘發方法有電影片段誘發法(film clips)、個人回憶誘發法(personalized recall)、真實生活操作誘發法(real-life manipulations)、觀看圖片誘發法(picture viewing)和標準化想象情緒誘發法(standardized imagery)等(Kreibig，2010；McGinley & Friedman，2017)。其中，情緒圖片誘發法較為常用，目前國際上使用較多的有國際情緒圖片系統(International Affective Picture System，IAPS)，國內則有中國情緒圖片系統(Chinese Affective Picture System，CAPS)。

Siedlecka和Denson(2018)大致將情緒誘發方法分為五種具體的方法：視覺刺激誘發法(visual stimuli)、音樂誘發法(music)、自傳體回憶誘發法(autobiographical recall)、情境化程序誘發法(situational procedures)和想象誘發法(imagery)；并通過評估自我報告和生理證據的結合來確定情緒誘發的有效性。Siedlecka和Denson(2018)在其綜述文章中總結了6種基本情緒最有效的誘發方法如表1：對六種基本情緒最有效的誘發方法是視覺刺激誘發法；音樂誘發法只適用于快樂、恐懼和悲傷；自傳體回憶誘發法對憤怒、快樂、恐懼、厭惡和悲傷有效，但對驚訝則無效；情境化程序誘發法也有效地誘發憤怒、驚訝、恐懼和快樂；想象誘發法能有效地誘發憤怒、快樂、厭惡、悲傷和恐懼，但對驚訝卻沒那么有效。

表1 六種基本情緒最有效的誘發方法總結

在實驗室實驗中，基本情緒的ERP研究通常是通過不同的刺激方法誘發基本情緒并記錄其ERP，基本情緒刺激材料誘發基本情緒的有效性將直接影響ERP成分的特征。本文將在第4部分對基本情緒相關的ERP研究進行探討，歸納基本情緒的ERP相關成分及其特征。

3 腦電(EEG)的應用價值

腦電反映的是大腦細胞群的生物電活動，是大量神經元同步活動的突觸后電位經總和后形成的，它是腦神經細胞的電生理活動在大腦皮層或頭皮表面的總體表征(張楊松，卓彥，堯德中，2020)。我們統計了Web of Science 2001～2019年EEG (electroencephalogram，腦電圖)，fMRI(functional magnetic resonance imaging，功能性磁共振成像)，fNIRS(functional near-infrared spectroscopy，功能性近紅外光譜技術)和MEG(Magnetoencephalography，腦磁圖)的期刊論文數量趨勢如圖2(檢索范圍僅限于類型為Article的論文，分別檢索關鍵詞EEG、fMRI、fNIRS和MEG，時間限定為2001-2019年，得到圖2數據)。4種技術的論文數量總體呈現出增長趨勢，尤其是EEG和fMRI均隨著時間推進而呈現出明顯的上升趨勢。2007-2016年的10年間，fMRI的論文數量超過了EEG；而EEG則在2017-2019年再次超越fMRI，且呈現出與包含fMRI在內的其他3種技術的差距逐漸增大的趨勢，可以看出EEG具有廣泛的應用前景和學術科研價值。EEG以毫秒級別的時間分辨率、無創性、低成本、可便攜等優勢在心理學研究中有著舉足輕重的地位。

圖2 Web of Science 2001～2019年無創神經影像技術的期刊論文數量趨勢EEG：腦電圖，MEG：腦磁圖，fNIRS：功能性近紅外光譜，fMRI：功能磁共振成像

理想的神經影像技術能夠直接記錄可用于研究人腦的神經元活動，特別是使用非侵入性的技術(He et al.，2011)；各種非侵入性神經成像技術和侵入性實驗技術的空間和時間分辨率范圍的見圖3(He et al.，2008)。EEG能夠以毫秒級別的時間分辨率記錄大腦的電生理信號，在情緒心理學研究領域也被廣泛使用。情緒可以激活大腦的皮質電生理活動，用EEG收集、記錄皮質電生理活動，可探討EEG各頻段的頻譜能量與情緒的關系。如曹可欣(2019)利用腦電得到了快樂、悲傷、恐懼三種情緒的額葉中線功率譜特征；并認為腦電中線功率譜特征可能是情感識別中潛在的有效特征。

圖3 各種非侵入性(藍色)成像技術和侵入性(紅色，MUA/LFP和SUA)實驗技術的空間分辨率和時間分辨率范圍的示意圖.EEG：腦電圖，MEG：腦磁圖，NIRS：近紅外光譜，fMRI：功能磁共振，PET：正電子斷層成像，SPECT：單光子發射計算機斷層成像術，ESI：電磁源成像，MUA(multi-unit activity)：多單元激活，LFP(local field potential)：局部電位，SUA(single-unit activity)：單一單元激活(He & Liu，2008)

而本文則重點關注事件相關電位(Event-related Potentials，ERP)。ERP是EEG信號的一部分，反映的是正在處理的特殊事件的反應(Hinojosa et al.，2015)。ERP可以用來分析由刺激材料所引起的情緒反應與ERP反應之間的關系，從中得到情緒的神經機制相關證據。當前，ERP作為研究情緒的有用技術手段而廣泛存在于情緒研究當中，所取得的成果將在下文進行探討。

4 基本情緒的ERP相關成分及其特征

過去幾十年已有大量的實驗進行了基本情緒相關的ERP研究，雖然目前還未發現各種基本情緒所引起的相關特異性成分，但學界關注了可能與基本情緒相關的ERP成分，如P1成分(P1 component)、N170成分(N170 component)、早期后部負波(early posterior negativity，EPN)、晚期正電位(late positive potential，LPP)等。

4.1 P1成分

P1是ERP早期成分，P1成分對物理刺激敏感，并指示在外紋狀視覺皮層內的早期感覺加工(Olofsson et al.，2008)。P1成分是在呈現刺激后約100ms時的正成分(Hileman et al.，2011)，其時間窗大約在80～120ms(牧俠，李雪榴，葉春，李紅，2014)；P1的早期部分產生于背側紋外皮層，而晚期部分產生于腹側部分(Russo et al.，2002)。P1成分與注意的早期視覺加工有關，并反映編碼過程(Batty & Taylor，2003；Kalsi，2018)。Olofsson等在其綜述文章中指出，不愉快的情緒圖片比愉快情緒圖片在枕部誘發了更大的P1振幅(Olofsson et al.，2008)。近期Li等人(2019)的研究將EEG與提示動作任務相結合，探討消極情緒對運動速度的影響，發現相對于中性情緒圖片，負性情緒圖片能引起更大的P1振幅，證明加工負性情緒圖片比中性情緒圖片需要更多的認知資源。在6種基本情緒(快樂、驚訝、悲傷、憤怒、恐懼、厭惡)及中性情緒面孔作為刺激材料時，中性情緒面孔和驚訝情緒面孔誘發了最小的兩組P1振幅(二者差異不顯著)，而悲傷、恐懼、厭惡、快樂面孔誘發的P1振幅較大，憤怒振幅最大，具體如下：憤怒>恐懼=快樂>悲傷>厭惡>中性>驚訝(Batty & Taylor，2003)，詳見表2；但該研究中未完全給出基本情緒之間的P1振幅差異檢驗結果是否顯著的證據。Moradi等人(2017)發現，與其他情緒表情相比，恐懼表情誘發了更大的P1振幅，表明P1可能反映了對恐懼情緒的注意偏差。根據Fang等人(2019)的實驗數據，對左右半球相關成分的波幅相加后對比，發現四種基本情緒表情所誘發的P1成分波幅的關系如下：高興>恐懼>憤怒>厭惡。

綜上，P1成分對情緒刺激敏感，能夠反映對威脅信息的快速反應，與注意的早期視覺加工有關。

4.2 N170成分

N170是面部加工可靠的電生理指標(Hinojosa et al.，2015；Kalsi，2018)。N170成分是在呈現刺激后約170ms時的負成分(Eimer，2000；Hileman et al.，2011)，其負振幅在顳枕部位置約150-200毫秒處達到峰值(Rellecke，Sommer，& Schacht，2013)。大量研究表明，與其他視覺刺激材料相比，在面孔刺激材料呈現約170ms后產生更大的負振幅波形(Bentin et al.，1996；Tian et al.，2018)。面部表情的識別是一個相對自動的過程(Correia-Caeiro，Guo，& Mills，2020)，Ruohonen，Alhainen和Astikainen(2020)的研究表明，快樂面孔誘發的N170振幅大于悲傷面孔與中性面孔。但有與之矛盾的研究報道，與積極和中性的情緒面部表情相比，N170振幅在悲傷等消極情緒面部表情中更大(Batty & Taylor，2003；Arias，2020)。兩項研究結果出現矛盾可能是實驗刺激材料、實驗程序、ERP記錄(儀器、統計分析)等不一致所造成的。

Hammerschmidt等人(2018)的研究表明，快樂的面部表情能夠促進早期階段的加工，表現在N170和EPN波幅的增大。近期研究表明，單次試驗N170可作為區分積極情緒和消極情緒的分類特征(Tian et al.，2018)。恐懼情緒比厭惡情緒誘發更大(但僅微弱大于)的N170波幅(Stefanou et al.，2019)。在更早的研究中，Batty和Taylor(2003)便對幾種基本情緒與N170波幅的關系進行了探討；他們發現，積極情緒誘發的N170波幅出現的時間明顯早于消極情緒，而恐懼面孔所誘發的N170振幅大于中性或驚訝面孔；在6種基本情緒表情和中性表情作為刺激材料時，所誘發的N170波幅中，恐懼>厭惡>憤怒>快樂>悲傷>驚訝>中性(研究中的數據得出，未完整的進行差異檢驗)。然而，Rellecke，Sommer和Schacht(2013)認為，N170本身不受情緒面部表情的影響，對情緒敏感的早期后部負波的重疊活動導致了典型N170的振幅改變。盡管如此，目前更多的研究為面孔相較于其他刺激材料能誘發更大的N170波幅提供支持證據。

近年，除了招募健康被試使用面部表情進行研究外，以其他群體為被試的研究也受到關注。如Lin等人(2018)的研究發現，在恐懼面孔的腦電反應中，對照組表現出大腦左側顳區的N170潛伏期較右側短，而自閉癥譜系障礙(autism spectrum disorder，ASD)組對情緒面孔的N170反應未顯示出對照組的這種差異。Drapeau等(2019)招募輕微腦外傷及健康被試進行實驗，結果表明恐懼表情引起的N170波幅大于快樂表情及中性表情，且從數據來看，健康組被試在這三種基本情緒之間也有類似效應。

綜上，N170成分是一個面孔特定(face-specfic)的ERP成分(Bentin et al.，1996；Hileman et al.，2011)。關于基本情緒與N170的關系研究數量龐大(多數研究以基本情緒的面部表情作為刺激材料)，許多研究支持N170成分與表情編碼相關，并在不同基本情緒類別的面孔之間表現出一定差異。

4.3 EPN成分

EPN是大多數情緒ERP研究所關注的一個成分，是出現在顳枕部位的一個負波，在視覺刺激呈現后250～350ms時達到峰值(Aldunate et al.，2018)。它是選擇性情緒知覺(與注意資源有關)加工過程最早期的一個標志，并且EPN的振幅與情緒喚醒度相關(Jungh?fer et al.，2001；Schupp，Jungh?fer，Weike，& Hamm，2004；Schupp & ?hman，et al.，2004；Aldunate et al.，2018)，也與圖片的情緒內容相關(Low，Lang，& Bradley，2005；Aldunate et al，2018)。刺激的高喚醒水平有助于誘發EPN，因為高喚醒的圖片(毀傷和色情)比低喚醒的圖片在令人不愉快和愉快的類別下都能引起更大的EPN振幅(Schupp et al.，2003a；Olofsson et al，2008)。而另有研究表明，愉快圖片誘發的EPN明顯大于不愉快圖片誘發的EPN(Weinberg & Hajcak，2010)。最近一項研究從IPAS中選取中性、愉悅、不愉悅三種類型圖片作為刺激材料，健康被試組的結果顯示，中性情緒圖片的EPN波幅顯著大于愉悅和不愉悅情緒圖片所誘發的波幅(Trotti et al.，2020)；且EPN情緒效應的產生并不受注意控制的影響(Schindler & Kissler，2016；王霞，盧家楣，陳武英，2019)。

有初步證據支持EPN對厭惡情緒敏感：厭惡情緒和恐懼情緒(使用威脅刺激材料，如蛇)引起了更大的EPN波幅，且厭惡大于恐懼(Wheaton et al.，2013)。Farkas等人(2020)呈現了兩種截然不同的令人非常愉快和興奮的場景內容(性伴侶和歡慶勝利的時刻)以及中立的人、威脅和毀損的場景，情緒喚醒的場景增大了EPN波幅，而性愛場景所引起的波幅最大，表明EPN可能對性愛場景中的明顯特征很敏感；進一步研究表明，EPN的調節可能部分反映了對裸露身體部位的辨別。另有證據表明EPN成分可能與恐懼情緒有關，如Strien等人(2014)的研究結果顯示，蛇圖片誘發的EPN振幅最大，其次是蜘蛛圖片，鳥類圖片誘發的EPN振幅最小。之后的研究也有類似的發現，如Langeslag和Strien(2018b)的研究指出，蛇和憤怒均是恐懼刺激，且都引起EPN，表明它們捕獲早期自動視覺注意；在150-225ms之間，蛇(恐懼)和憤怒面孔誘發的EPN大小相同的，但是225-300 ms，蛇(恐懼)誘發的EPN波幅比憤怒面孔誘發的EPN波幅要大，這表明蛇比憤怒面孔更容易捕捉到早期的自動注意力。這也為EPN與早期自動視覺注意相關提供了證據。此外，Sarraf-Razavi等(2018)利用EPN這一特性來區分了正常兒童與ADHD兒童，他們發現，憤怒和快樂的面孔顯著引起了健康兒童在枕顳部位EPN振幅的增加，而ADHD兒童卻沒有發現明顯增加；這表明ADHD兒童在情緒加工早期階段不同于健康兒童且存在一定缺陷。該研究中，正常兒童組的腦電數據表明，情緒誘發的EPN波幅的大小關系如下：憤怒>快樂>悲傷>中性。

情緒刺激能夠誘發與非情緒刺激不一樣的EPN波幅，而不少研究表明了EPN成分可能與恐懼情緒相關。但是基本情緒的該成分有何差異、關系如何，尚無完整的研究來闡明，各基本情緒與EPN是否有特異性關系同樣需進一步考察。

4.4 LPP成分

在基本情緒的ERP研究中，LPP也是研究者關注的主要成分之一，它是一個與P300有著相同的起始時間和頭皮分布的正成分。LPP有一個中心-頂葉頭皮分布，早在刺激開始后200ms就可以觀察到(Codispoti，Bradley，& Lang，2001；Cuthbert，Schupp，Bradley，Birbaumer，& Lang，2000；Foti，Hajcak，& Dien，2009；Schupp et al.，2000；Schupp et al.，2004；Weinberg & Hajcak，2010)，一直持續到刺激消失后1000ms(Hajcak & Olvet，2008)；LPP反映了對情緒信息晚期的持續精細加工過程(Citron，2012；王霞等，2019)。眾所周知，情緒調節會影響LPP，反映的是持續的激發注意(Langeslag & Strienb，2018)。

LPP已被證明對視覺圖像的情緒內容敏感，因此，與中性情緒刺激相比，正性情緒和負性情緒刺激均能增大其波幅(Cuthbert et al.，2000；Hajcak，Dunning，&Foti，2009；Schupp et al.，2000；Schupp et al.，2004；Weinberg & Hajcak，2010)。另有研究表明厭惡及恐懼(威脅圖片誘發，如蛇)情緒所引起的LPP波幅均大于中性圖片，恐懼所引起的LPP波幅略微大于厭惡(Wheaton et al.，2013)。根據Aguado等人(2019)的研究報告，快樂情緒面孔比恐懼情緒面孔誘發更大的LPP波幅；同時，快樂情緒面孔也比憤怒面孔誘發了更大的LPP波幅。Moore等人(2019)研究表明，與目標及中性干擾物相比，負性干擾物對延遲時間窗內Pz的LPP平均波幅的影響更為顯著。Grunewald等人(2019)研究中呈現了健康被試由幾種情緒所誘發的LPP波幅關系如下：恐懼>平靜(中性)>悲傷>快樂，即在這幾種情緒中，恐懼所誘發的LPP波幅最大。Trotti等(2020)最新的研究有進一步的發現，情緒圖片比中性圖片誘發更大的LPP波幅，且不愉悅大于愉悅。

LPP可能與情緒的高級認知加工有關，但是不同的研究者以不同的角度對LPP進行了探討，尚無關于基本情緒與LPP關系的清晰定論。

除以上成分，存在其他可能與基本情緒相關的ERP成分，如P400(P400 Component，P400成分)、Nc成分(the Negative Central Component，負中心成分)、N290成分(N290 Component)等。如Boomen，Munsters和 Kemner(2019)報告了9-10月大的嬰兒對快樂面孔的Nc成分振幅與恐懼面孔、中性面孔都不同。Xie等人(2020)對嬰兒期的面部表情加工的神經相關進行了研究，發現在對恐懼和快樂的反應上比憤怒的面孔產生更大的N290波幅，而且只在右側枕葉區域對恐懼的反應比其他兩種情緒更大；對快樂面孔的P400和Nc波幅要大于對恐懼面孔。Safar和Moulson(2020)通過一項針對3個月大嬰兒的ERP任務發現，與面孔感知相關的枕顳區的神經反應存在差異，如N290，P400；3個月大的嬰兒對恐懼面孔表現出早期的知覺敏感性，這可能預示著嬰兒對恐懼面孔的注意偏差的出現。可見，與基本情緒相關的ERP成分可能存在著潛在的研究空間。

綜上所述，基本情緒所誘發的ERP成分可能具有不同的情緒加工意義，我們綜合研究者們的觀點總結如表2：P1成分反映對情緒刺激敏感，能夠反映對威脅信息的快速反應；N170成分是面孔特定的ERP成分，反映對表情結構信息的加工；EPN成分是與注意資源有關的選擇性情緒知覺加工過程最早期的一個標志，并且EPN的振幅與情緒喚醒相關；LPP成分反映了對情緒信息晚期的持續精細加工過程。

表2 基本情緒相關的ERP成分

同時，將上文提到的基本情緒與ERP成分波幅的關系梳理如表3。在表3中，P1成分和N170成分有了較為完整的數據可進行相互比較，憤怒誘發了最大的P1波幅，而驚訝誘發了最小的P1波幅；恐懼誘發了最大的N170波幅，中性情緒誘發了最小的N170波幅。而基本情緒的EPN和LPP數據相對較為零散，基本情緒與這兩個成分的關系在未來的研究中也可以多關注。

表3 基本情緒與ERP成分波幅的關系

雖然通過過去的研究可以對一些基本情緒相關的ERP成分及其特性有初步了解，但仍有許多問題有待解決。如當前許多研究僅簡單地從效價維度開展，基本情緒的ERP成分相關研究尚缺乏系統性。如Hu等(2017)研究了十種積極情緒的EEG相關，但未包含數量更多的消極情緒。未來需要將幾種基本情緒類型的ERP波幅差異進行系統分析，并探索是否有可能存在未被發現的基本情緒特異性成分，綜合多種腦電數據進行分析，如結合EEG激活模式、單側化腦電波差異等，也可收集靜息態腦電信號來探討潛在的關系。基本情緒與其誘發腦電潛伏期之間關系也是值得關注的研究方向。

5 總結與展望

綜上所述，基本情緒理論歷經幾十年的發展，取得了眾多研究成果，而Ekman提出的六種基本情緒(高興，憤怒，恐懼，驚奇，厭惡，悲傷)在過去研究中使用較多。國內也有研究者提出基本情緒只有四種的觀點：恐懼、憤怒、快樂、悲傷。但關于基本情緒的定義，甚至情緒的定義、分類等至今還沒有定論。基本情緒的ERP相關研究尤其關注P1、N170、EPN、LPP等成分，對于基本情緒與ERP成分的關系有了初步認識。基本情緒的EEG激活相關關注的波段有δ波、θ波、α波、β波及γ波等，甚至可通過其亞波段來更深入地揭示基本情緒與腦電波的關系；通過EEG來探究基本情緒與大腦皮層關系的研究也不在少數。EEG還可以用來研究基本情緒加工的大腦偏側化問題。利用建模或其他統計分析手段對腦電數據進行腦科學研究也成為熱點之一。

當前，基本情緒的ERP研究多是基于已有的基本情緒理論，在情緒分類的基礎上對獨立的幾種基本情緒的ERP特征進行探究，其具體貢獻詳見本文第4部分的探討及相關表格總結。但是迄今為止，暫未發現用腦電來為基本情緒理論提供證據的相關研究。最近，馬克斯·普朗克神經生物學研究所的Dolensek等人發表在Science上的文章使用了一種機器學習算法來解讀實驗鼠看似不可思議的面部表情(Dolensek et al.，2020；Abbott，2020)，這使得使用類似的技術來解碼人類表情成為可能。Dolensek使用了“方向梯度直方圖”(histogram of oriented gradients，HOG)描述符，以標準化的方式表示局部圖像特征的統計量，并為每個視頻幀提供一個數值向量(Dolensek et al.，2020)。Dolensek等(2020)在文章的補充材料中進一步提到，HOG特征提供粗略的分類和強調方向的優勢在于：在不同實驗之間發生位置、比例和照明變化時，HOG特征具有較大不變性；當比較動物的面部特征時，這種不變性至關重要；HOG特征已被發現優于人臉識別方法。由此，HOG特征也可應用于人臉面部特征的解碼，并且具有優于傳統人臉識別方法的特性。

為此，未來研究可嘗試通過腦電、人工智能技術——機器視覺技術(machine vision，用于記錄人類被試面部表情變化)、人類被試主觀評價三者相結合來探索基本情緒，可同時得到基本情緒的電生理數據、面部表情數據及人類被試對基本情緒的主觀評價數據，進行交叉驗證。構建幾種情緒的面部特征情緒原型；并嘗試構建腦電的情緒原型(至少可嘗試用于頭皮地形圖)，對比面部表情及其腦電特征與相應情緒原型的相似性，由此檢驗情緒原型的充分性。以上，可為基本情緒理論的研究提供新的思路。