事件相关脑电位技术杨波基本概念脑电图脑电图EEGWord下载.docx

1、放大倍数又称增益。电压放大倍数一般是指对异相信号的电压放大倍数,其数值常用分贝（dB）表示。4.时间常数:（1）时间常数（TC）是对频带宽度低端频率响应的描述方式。（2）时间常数的设定数值直接影响ERP波形是否失真。（3）各电生理信号常用的时间常数为:心电时间常数（ECG）1 -2 s,脑电（EEG）0.3s,肌电（EMG ）0.1s,神经动作电位0.05s 5.频带宽度:（1）任何放大器只能对一定频率范围内的信号进行正常放大,超过其频率范围的信号（即频率过高或频率过低的信号）经过放大器后放大倍数就会降低甚至失真。放大器的这个频率范围称为频带宽度,用以描述放大器频带宽度的曲线称为频率响应曲线。

2、（2）ERP使用的放大器的频带宽度是可以调节的。6.共模抑制比 （1）共模抑制比（CMRR）又称辨差比、辨别比,它定义为放大器对异相信号的放大倍数Ad和对共模信号的放大倍数Ac 之比。（2）共模抑制比是放大器对共模信号抑制能力的指标。第二节ERP 的基本技术 一、刺激材料与刺激程序 1.刺激物分类 （1）视觉刺激:分类:非图形刺激;图形刺激。参数:视角;亮度;照度;对比度 （2）听觉刺激:纯音;短声;白噪声;语音 频率;声压级 （3）体感刺激。指人体所能承受的微弱脉冲电流。2.刺激序列 （1）刺激呈现时间:（a）刺激呈现时间长度与任务难度成反比 （b）当呈现时间短到一定程度,人就不能主观感觉到

3、这个刺激,可利用此特性进行非意识的启动研究 （c）撤反应,即刺激物消失也能导致ERP波形的微小改变,避免撤反应的措施一是将刺激呈现时间适当延长或缩短,二是利用相减的办法。（2）刺激间隔:SOA:从起点到起点;ISI:从止点到起点。在确定刺激间隔应注意:（a）短间隔将导致ERP成分,特别是早期成分的重叠;（b）预留足够被试完成作业的反应时间;（c）间隔过长可能浪费硬盘空间,并延长不必要的实验时间;（d）刺激间隔与任务难度成反比。（3）重叠成分的消除:（a）高通滤波增加可以减弱ERP在较长潜伏期、较低频率的部分。（b）低通滤波采用不同间隔随机化,可以部分消除邻近的ERP重叠成分,又叫fitter

4、法。3.实验模式 （1）Oddball 模式:（a）Oddball实验模式是指采用两种或多种不同的声音或图像,不同的刺激持续交替呈现,出现的概率显著不同,让被试对偏差刺激进行操作反应。（b）Oddball 模式是产生P300,MMN 等与刺激概率有关的ERP 成分中,常用的经典实验模式。（c）Oddball 模式又分若干亚类:两种刺激物;同样两种刺激物;三种刺激物。（2）Go- Nogo 模式:（a）Go- Nogo 模式:标准刺激与偏差刺激之间概率相等,需要被试反应的刺激叫做Go 刺激,不需被试反应的刺激叫做Nogo 刺激。（b）该模式的特点是排除了刺激概率对ERP的影响,节省了实验时间,这

5、是它突出的优点;但也丢掉了因大、小概率差异而产生的ERP数据。（3）视觉空间注意的经典模式:（a）经典视觉注意的实验范式:闪光随机呈现于左右视野,让被试注意某一侧而忽视另一侧。（b）当被试注意视野左侧,而白色光标也出现左侧视野时,刺激物诱发的P1 与N1 成分比注意右侧视野的条件明显增大。（c）在以上实验条件下,发现在P1、N1 的前面还有一个小成分C1,C1在注意与忽视条件下其波幅无明显改变。（4）记忆的经典模式:（a）直接或外显再认实验:经典的再认实验范式:首先呈现一组项目,被试无需反应;其中一半在随后的一组中重复呈现,被试对重复出现的项目按键反应。连续再认实验:呈现的项目中,一半是上一组

6、曾经出现过的,另一半则是下一组将 要出现的,被试分别用左右手按键。连续再认实验范式与传统到记忆再认范式不同,学习与测验阶段混合以便再次呈现项目时为正负之间的转换,并且记忆负荷在量上是连续增加的。（b）间接或内隐再认实验:常见的一种实验范式为混合呈现词与非词,被试的任务是识别词与非词。另一种范式是对某种特定含义的词反应。实验中被试均不对重复出现的字词反应,因而这种记忆是间接的或内隐的。二、脑电数据的采集与记录 1.电极导联 （1）将头皮上的一个电极的电位设置为零,这个电极称为参考电极。（2）另外一个或多个电极与参考电极的电位差即是该电极的电位值,这些电极叫做记录电极。（3）采用一个公共参考电极与

7、多个记录电极的方法叫单极导联法,脑电记录常用此法。（4）记录两个点之间的相对电位差,称为双极导联法。2.记录电极安放 （1）国际脑电图学会在40 多年前制定了全球统一的10-20 国际脑电记录系统沿用至今。（2）矢状线:从鼻根至枕外隆凸的连线,又称中线。从前往后标出5个记录点:Fpz, Fz, （3）Cz,Pz 和Oz,Fpz 与Oz 各占中线全长的1006,其余3点各占20%。（4）冠状线:两外耳道之间的连线。从左至右也是5 个点:T3,C3,CZ,C4和Too 外侧的 （5）T3 与T4 占10%,其余 3 点各占20%。CZ 是矢状线与冠状线的交点,因而常作为基准点。（6）为美国脑电图学

8、会（1991）推荐的标准电极点。3.记录参数 （1）分析时间与基线:根据实验模式和研究目的设定分析时间,一般经典的ERP 分析多在1000 ms 之内。刺激发生前的基线常设为100-200ms. （2）频带宽度:使其仅够放大拟研究的ERP信号,落在频带外的噪声与干扰信号则不被放大,达到排除目的。频带宽度一般为0.01,0.05或0.1-40,60或100 Hz. （3）伪迹的排除与校正:眼电是最为常见的伪迹,目前多对其校正,以免丢失过多的脑电数据。（4）皮肤阻抗5 k2,参考点的皮肤阻抗尤为重要。（5）采样频率与时间分辨率成正比,例如250 Hz 的采样频率,时间分辨率为 4 ms. 三、ER

9、P数据处理与分析 1.波形平均与叠加步骤 （1）提取并打开连续脑电文件。（2）合并任务数据。须保证实验过程被完整保存。（3）眼电伪迹校正。（4）对脑电分段:按照预设的“分析时间”,以刺激物发生为起点,对连续记录的EEG 进行分段。（5）滤波:排除50 Hz干扰,以及其他伪迹。（6）基线校正:基线校正的目的是在当前波形文件中校正DC 偏差。（7）排除伪迹。（8）平均,为使ERP信号从噪声中分离出来,必须充分平均叠加。2.总平均 将同一条件下所有被试的ERP波形进行二次平均。目前文献报告的ERP结果基本上都是总平均图。3.相减技术 相减技术的运用,对于提取更为纯粹的、与心理机制相关的ERP成分具有

10、重要意义。4.波形、测量与统计 （1）从一系列波形中判断有关成分,是ERP研究的一个技术难关。（2）波幅与峰潜伏期测量:波幅测基线一波峰值或者波峰一波峰值,潜伏期常以刺激起始点至波峰顶点作为测量点。（3）一般认为,波幅反映大脑兴奋性高低,而潜伏期则是神经活动与加工过程的速度和评价时间。（4）相减后的波形有时为一个较为平缓的负漂移,例如MMN,其波峰常不明显,因此峰值的测量较为困难。（5）目前倾向于采用平均波幅作为指标。（6）平均波幅测量可用固定法/连续测量法、具体法或间断法。四、脑地形图 1.脑电地形图:是指将放大的脑电信号转换成一种既能定量、又能定性的脑波图形,可使大脑在某一时间的功能变化与

11、形态定位有机地结合。2.分类:（1）根据脑电信号:EEG 频率地形图,针对不同的频段,包括。波、p 波、。波,8 波和近年受到关注的40 Hz 脑电;ERP波幅地形图。（2）根据图形的色彩或形式:彩色地形图、灰度地形图、等高线地形图。这三种地形图所表达的内容和信息量基本一致,其差别只在于表现形式的不同。（3）根据维度:二维地形图;三维地形图。五、源定位分析 1.极性翻转:颅内与头皮电位的极性翻转,极性翻转的机制可用偶极子原理解释。2.偶极子定位:是基于电场理论和数学原理,运用计算机处理系统从头皮表面记录的电位推算颅内发生源位置的一种定位方法。3.分布式源定位模型一电流密度模型:电流密度模型属于

12、一种分布式源定位方法,具有 2 个基本特征:先以一个三维网格或表面假定源的位置。这样可以使空间矩阵L 在整个拟合过程中保持不变。数据项D（j）加上模型项M （j）与调整参数的乘积得到残差2。六、主成分分析法（PCA） 1.主成分分析模型:Donchin 等提出ERP 的成分是一个“可控制的源和可观察到的变量”,并认为ERP 可分解为多个成分的线形结合,其中的每一个都可以独立地受实验操作影响。主成分分析模型是一种线性解析多重数字变量矩阵的方法。当应用于一组ERP时,就会产生一组成分。2.为有效应用PCA,在被分析的一组ERP内必须有充分的系统变量。3.通常有两种不同类型的PCA,一种是时间PCA

13、,以时间为刻度用波形表示成分;另一种是空间PCA,按头皮分布绘成图。4.PCA的首要步骤是依据数据计算相关的矩阵,通常这一步骤要求很严格,必须详细说明相关矩阵计算的方法和类型。第二步是决定还剩余多少成分。有意义成分数目的确定由放置信号与噪声之间频响位置的多种变量来决定。5.PCA限定的数学是一组成分和一组系数的正交。6.根据所代表的实验变量,来描述一个成分的性质。7.进行方差分析（ANOV A）以证明ERP成分的性质而不是证明实验效果的显著性。8.PCA是一种基本的将使用变量解析为少量的独立成分的方法。七、独立成分分析 1.独立成分分析（ICA）是把信号分解成若干个相互独立的成分。2.最大熵ICA算法:根据随机梯度下降的学习算法来实现差熵的最大化,即最大熵ICA算法。3.ICA 的目的是对由未观测到的独立源产生、经未知线性混合而成的观测信号进行分析,从而复现出原来的独立源。它用统计学上的方法把观测的多导随机信号变换成为统计意义上尽可能独立的成分。4.在脑电信号的测量中,观察到的信号实际上是若干相对独立的源信号叠加而成的。因此,采用ICA方法分解出观察信号的独立成分将有助于我们把握真正有意义的大脑活动信息。