失匹配负波半自动加工性质的研究

刘 蓉 林少非 王永轩 孙玉彤

1(大连理工大学电子信息与电气工程学部，辽宁 大连 116024)2(大连大学附属中山医院，辽宁 大连 116001)

失匹配负波半自动加工性质的研究

刘 蓉1*林少非1王永轩2孙玉彤1

1(大连理工大学电子信息与电气工程学部，辽宁 大连 116024)2(大连大学附属中山医院，辽宁 大连 116001)

失匹配负波(MMN)是否受注意力的调控，一直是MMN研究领域的争论问题。目前鲜有实验范式能够很好地控制受试者注意力在注意通路与非注意通路之间的分配，并缺乏一个量化尺度来反映受试者注意力资源分配的变化。扩散模型是一种认知过程模型，主要通过研究完成任务过程中的反应时间和准确率等行为数据来揭示其潜在的神经加工机理。因此，建立一种新的跨通路延迟反应实验范式，以更好地描述受试者注意力的分配；然后结合扩散模型参数拟合方法，量化受试者注意力资源分配情况，并明确MMN的潜伏期和峰值与注意力之间的关系。采集18名受试者在3组不同图像对比度实验条件下的脑电信号，研究对比9个导联的标准刺激与偏差刺激ERP波形。实验结果表明，扩散模型拟合参数可以解释实验中不同设定条件对受试者注意力分配的影响，从而定量地确定受试者的注意力。同时表明，MMN的峰潜伏期随实验条件变化显著，与对应的扩散模型参数有显著的相关性：MMN峰潜伏期与扩散模型拟合参数边界间隔、漂移率和非决策时间之间的相关系数分别为0.63、0.58和0.63。结果证实，扩散模型参数可以作为MMN测试中受试者的注意力资源分配的指标，且MMN的峰潜伏期与受试者注意力呈正相关，因此可以认为MMN具有半自动加工的性质。

失匹配负波；扩散模型；参数拟合；半自动加工

引言

失匹配负波(mismatch negativity，MMN)是内源性事件相关电位(event related potential, ERP)的一种成分，是由小概率偏差刺激产生的ERP减去大概率标准刺激产生的ERP得到的差异波，通常为刺激后100～250 ms后出现的负峰[1]。MMN可以在非注意的条件下出现，其发现使得脑自动加工、内隐认知和意识形成等问题的研究进入了新的阶段，也为研究听觉记忆的原理、音乐认知能力检测[2]、婴儿和儿童疾病诊断的临床应用提供了一种无创工具[3-5]。

在Näätänen首次提出MMN后，相关研究表明MMN反映的是自动加工过程，不受注意影响，该观点当时得到了众多研究者的支持[6]。然而，Woldorff认为Näätänen的实验中刺激呈现过慢，受试者有可能在刺激间隙将注意力转换到非注意通路，通过提高刺激呈现速度的实验，证实了在高度注意时的MMN会大于非注意时的MMN[7]。另外，在对注意力受损及阅读障碍患者和健康受试者对比的一些研究中发现，注意力受损患者也可以产生MMN，其波幅与健康受试之间并无显著的差异，但潜伏期较健康受试者显著缩短[8]；但也有研究发现，注意力缺陷多动障碍患儿额区ERP与正常儿童相比，潜伏期无显著差异，而N2成分幅值显著降低[9]。这均表明MMN波幅和潜伏期的加工性质不同，因此MMN是否仅反映自动加工，即是否受注意力的影响，已经成为解释MMN成因的中心问题，也是多年来各方争论的焦点[10]。

目前，对于MMN是否受注意力影响的问题，鲜有实验范式能够很好地控制受试者的注意力，明确在非注意通路中是否会引入受试者部分注意力资源。这部分注意力资源既无法测量亦不能描述，其原因在于没有一个量化尺度来反映受试者注意力资源的变化。本研究尝试通过扩散模型的拟合参数，反映受试者注意力资源分配情况。扩散模型[11]是认知过程模型之一，主要通过研究完成任务过程中的反应时间和准确率等行为数据来揭示其潜在的神经加工机理，已经成功运用于字母匹配、词汇决策、信号探测、视觉搜索和感知判定等众多领域的实验中，在神经生理学和行为数据之间搭起了桥梁。

因此，笔者提出一种新的跨通路延迟反应实验范式[12]，使实验范式能够更好地控制受试者的注意力资源。同时，结合扩散模型对行为数据进行参数拟合，利用拟合后得到的参数作为注意力资源分配的指标。然后，分析MMN的峰潜伏期和峰振幅与扩散模型拟合参数的相关性，从而明确MMN与注意力间的关系，确定MMN的加工机理。

1 数据与方法

1.1 实验对象

受试者为18名大学生，年龄在22～24岁之间，男女各半，身心健康，无精神疾病和心理障碍，听力正常，视力(或通过校正)达到正常水平。

图1 实验范式时间进程Fig.1 The time course of experiment diagram

1.2 跨通路延迟反应实验范式

在跨通路延迟反应实验范式中，对受试者同时给予视觉和听觉刺激，其中视觉通路为注意通路，实验要求受试者对视觉刺激给予反应，由此造成听觉通路为非注意通路，从而产生MMN，实验范式如图1所示。在每次实验中，利用E-prime 2.0软件，在17英寸液晶显示器(刷新率为60 Hz)上随机呈现一幅标准图片或经过对比度下降处理后的参照图片。250 ms后图片消失，显示器转为黑屏，同时在Panasonic耳机中随机出现800 Hz的标准刺激或1 000 Hz的偏差刺激(声强级为60 dB)，时长为50 ms，然后设置一段空闲状态。考虑到MMN的峰值一般出现在刺激后的100～250 ms，所以将空闲状态时长设定为200 ms。经过空闲状态之后，屏幕中央出现快速闪过的红色十字，呈现时间为50 ms，提示受试者尽快对之前出现的图片进行反应，判断是标准图片或参照图片。当受试者判断呈现的图片为标准图片时左手按Z键，当判断为参照图片时右手按M键。然后有200 ms的休息时间，等待下一次实验的开始。

由于实验范式中设定了两个通路刺激方式和一段空闲状态延迟，因此称该实验范式为跨通路延迟反应。实验开始前，受试者被告知要集中注意在视觉呈现内容上并做出反应，且在空闲状态时不存在视觉刺激带来的影响，所以ERP的主要成分是非注意通路(听觉)产生的MMN。

每个受试者在每组实验中各进行160次独立试验，其中标准图片随机出现120次，参照图片随机出现40次，即呈现概率为25%。每个受试者各进行3组实验，每组的差别在于使用不同程度对比度下降的参照图片，使注意通道的难度发生变化(将对应不同的扩散模型参数)。每次实验出现红色小十字到按键之间的反应时间以及判断准确率将使用在扩散模型参数拟合中。在每次实验中，听觉标准刺激随机出现120次，听觉偏差刺激随机出现40次，听觉偏差刺激的随机性与参照图片的随机性互相独立。

1.3 数据采集

实验中的脑电(electroencephalogram, EEG)数据通过美国Neuroscan Nuamps40脑电记录系统进行采集，以鼻尖处作为参考电极。EEG经过0.1～70 Hz的带通滤波，并使用50 Hz陷波器去除工频干扰，最后通过500 Hz的采样频率进行采样。原始EEG数据继续通过脑电分析软件EEGlab和ERPlab进行预处理，包括伪迹去除和数据分段等。以每次实验的声音刺激开始时刻作为零时刻，取之后的500 ms作为分析数据，这对于MMN的100～200 ms的潜伏期比较合适。另外，用于基线校正的时长通常为拟分析时长的1/10～1/5[13]，所以通过对每次刺激前100 ms的数据叠加平均得到校正基线。

因为MMN是偏差刺激产生的ERP减去标准刺激产生的ERP得到的差异波，所以在记录中分别保留这两条曲线而不是直接给出MMN波形。对于MMN的幅值和潜伏期测量，由于MMN均明显出现在大脑前额和中线的电极处，包括F3、FZ、F4、FC3、FCZ、FC4、C3、CZ和C4，这些导联诱发产生的差异波与基线相比非常显著，因此以这9个导联作为典型代表进行分析，并称其为实验内因素，而对3组不同实验条件(3种不同的图像对比度)称其为实验间因素。最后利用方差分析(analysis of variance, ANOVA)方法，进行多因素、多目标的差异性分析。

1.4 扩散模型参数拟合

扩散模型是由Ratcliff提出的心理学模型，能够表示决策过程对支持选择证据做出的适应性反应以及决策速度与准确性之间的权衡，已被广泛应用于字母辨识、知觉判断等认知心理学中[14]。该模型可以对二选择任务实验中得到的数据进行参数拟合，从而得到实验准确率以及反应时间在正确选择和错误选择两种条件下的分布情况。

图2 扩散模型及其参数[15]。以两种漂移率(v=v1和v=v2)进行表示，图中箭头线的斜率反映漂移率的大小。漂移率更大(小)的决策过程信息累积时间更短(长)，正确反应概率更高(低)。Fig.2 An illustration of the diffusion model and parameters[15]with two different drift rates v=v1 and v=v2 which are represented by arrows. The decision process with larger (smaller) drift rate has less (longer) information accumulative time and higher (lower) accuracy.

扩散模型的决策过程如图2所示，表明决策过程就是含噪信息从累积起始点开始到达累积边界的信息累积过程。累积边界用b表示，反映正确选择条件下的信息累积量，同时也表示边界间隔，即错误选择条件下到达累积边界时的信息累积量为0。当信息累积达到某个边界(b或0)时，则认为决策完成。显然，如果b比较小(大)，那么这个决策过程的结束时间将会较短(长)，同时由于含噪信息的随机性而导致错误结果的可能性将会增大(减小)。决策过程累积起始点用z表示，反映了信息的平均初始值，其分布接近于平均分布，个体间的差异性用sz表示。累积信息的平均速率称为漂移率，用v来表示，由含噪信息本身的质量决定，其分布接近于高斯分布。

图2表示了两种漂移率的决策过程，分别由实线和虚线表示，漂移率的大小为箭头线的斜率，反应时间的分布为累积边界(b或0)上/下方的曲线。在图2中，实线决策过程的漂移率更大，正确选择和错误选择的概率分别为0.90和0.10；而虚线决策过程的漂移率要小一些，正确选择和错误选择的概率分别为0.60和0.40。非决策时间用tER表示，反映的是感官接收信息向支持选择证据转换所需的时间，包括信息编码、运动反应、记忆搜寻等过程，其分布接近平均分布，对于个体之间的差异性用sER表示。非决策时间tER与信息累积时间tA共同组成总决策时间tT。利用DMATool[16]，对实验过程中得到的所有反应时间以及判断准确率等数据进行参数拟合，得到b、z、v和tER等参数值，然后利用ANOVA进行显著性分析。

2 实验结果

2.1 行为数据

实验在3组不同的对比度条件下进行，分别称为条件1、条件2和条件3，对应的图像相位相干值分别为50%、70%和90%。因为实验难度很难直接度量，为了体现不同条件对受试者的影响程度，以受试者的行为数据(即扩散模型拟合参数)的差异作为衡量标准。扩散模型各参数的平均值以及均方差如表1所示，其中边界值b、漂移率v和非决策时间tER在不同实验条件下的差异是显著的，而起始点z在不同实验条件下的差异并不显著，这说明与实验难度相关的参数主要是b、v和tER。

表1 扩散模型拟合参数的均值与标准差

Tab.1 The mean and standard deviation of diffusion model fitting parameters

条件b*zv*/s-1tER*/s均值条件1条件2条件30.090.100.130.030.080.030.810.690.170.340.290.25标准差条件1条件2条件30.020.030.020.020.020.010.170.160.130.090.050.06

注：*p<0.05。

在实验中，最关注的与注意力资源相关的参数主要是：做决策时的边界值b、与信息积累质量相关的漂移率v和非决策时间tER。3组实验条件对平均漂移率、非决策时间和边界间隔的影响如图3所示。显然，随着实验度的增加，边界值随之提高，漂移率随之降低，非决策时间也会增加，这些信息都反映了受试者的注意力分配情况发生了变化。

图3 在3组实验条件下拟合参数折线图。(a)边界间隔；(b)漂移率；(c)非决策时间Fig.3 The fitting parameters in different experimental conditions. (a) Boundary separation; (b) Drift rate; (c) Non-decision time

2.2 脑电数据

在18名受试者中，有13名受试者的ERP数据在典型导联处表现出了明显的MMN波形。图4为在3种实验条件下典型导联处13名受试者的总叠加平均(图中未给出差异波)。其中，实线与虚线分别代表了标准刺激ERP波形和偏差刺激ERP波形，它们的差值即为MMN，其主要成份为200 ms出现的负峰。

图4 3种实验条件下典型电极处的总叠加平均。(a) 实验条件1；(b)实验条件2；(c)实验条件3Fig.4 Grand average of ERP for all the subjects in typical electrodes under three conditions. (a) Condition 1; (b) Condition 2; (c) Condition 3

实验获取的脑电数据包括在3种实验条件(实验间因素)下和9个典型导联(实验内因素)上得到的13个受试者的平均MMN振幅和潜伏期，分别对其进行多因素方差分析。分析结果表明，对于MMN振幅，不同实验条件的影响是不显著的(F=2.19，P=0.11>0.05)，不同导联的影响也是不显著的(F=0.65，P=0.73>0.05)，同时实验条件与导联的交互作用仍不显著的(F=0.55，P=0.92>0.05)。对于MMN潜伏期，不同实验条件的影响是显著的(F=67.55，P=0.00<0.05)，不同导联的影响是不显著的(F=0.761，P=0.637>0.05)，同时两者的交互作用也是不显著的(F=0.49，P=0.95>0.05)。在本研究设定的3种实验条件下，条件2的潜伏期显著大于条件1(I-J=8.21，P=0.00<0.05)的潜伏期，而条件3的潜伏期显著大于条件1(I-J=17.27,P=0.00<0.05)和条件2(I-J=9.07，P=0.00<0.05)的潜伏期。图5给出了3种实验条件下9个典型导联MMN平均潜伏期的均值与方差，可以看出，在不同实验条件下，潜伏期有着显著的差别。

图5 潜伏期随实验间因素变化的统计。显著性差异由**表示(**P<0.01)Fig.5 The histogram of latency variation across conditions.Statistically significant differences denoted by double asterisks (**P<0.01).

图6 在实验条件1下总叠加平均脑地形图。(a)150 ms处；(b)200 ms处Fig.6 The EEG topography of grand average under experimental conditions 1. (a) At 150 ms; (b) At 200 ms

将所有受试者的实验数据进行叠加平均，从而得到MMN总平均，这样可以从宏观上观察实验结果。图6为在实验条件1下的150、200 ms时间处所有受试者总平均脑地形图，旨在展示出现MMN的电极区域，也是证明150～250 ms时间范围内出现的负波是MMN。可以看出，在150 ms时脑地形图呈不对称的层状分布，但到达200 ms时脑地图呈放射性分布，且中心电极处出现了明显的负成分。

图7 潜伏期与扩散模型参数的相关性。(a)边界间隔；(b)漂移率；(c)非决策时间Fig.7 The correlation between latency and boundary separation under different conditions.(a) Boundary separation; (b) Drift rate; (c) Non-decision time

2.3 行为数据与脑电数据的相关性分析

在得到行为数据和实验条件之间的关系以及脑电数据和实验条件之间的关系后，再利用线性回归拟合，可对行为数据和脑电数据进行相关性分析。在图7所示的散点图中，“o”代表实验条件1，“*”代表实验条件2，“×”代表实验条件3。图7(a)显示了潜伏期与边界间隔b的相关性，其相关系数为0.63(显著性水平P=0.00<0.05)；图7(b)显示了潜伏期与漂移率v的相关性，其相关系数为0.58(显著性水平P=0.00<0.05)；图7(c)显示了潜伏期与非决策时间tER的相关性，其相关系数为0.63(显著性水平P=0.00<0.05)。

3 讨论

3.1 实验难度变化引起受试者注意力资源的变化

在本次研究中，标准与偏差图片的对比度减小导致实验难度增加，所以假设此种实验难度的增加会导致受试者注意力更加集中，而注意力资源的变化可以用扩散模型参数很好地解释，因此在实验中提取行为数据，利用扩散模型具体验证实验难度对受试者注意力的影响。其中，边界值b代表的是受试者在实验过程中的谨慎程度，随着注意力程度的增加，受试者在实验过程中会更加谨慎；漂移率v是信息质量的一个指标，随着实验难度的上升，信息质量必然会降低，因此不能够直接反映受试者注意力的变化；当实验难度上升时，必然会导致反应时间的增加，但这个时间是由两部分组成的，一部分是决策时间，另一部分为非决策时间tER，即信息编码、运动反应和记忆搜寻等时间，当注意力增加时人的运动反应时间会显著缩短。综上可知，在二选择任务中，人的注意力与其谨慎程度是正相关的关系，而与非决策反应时间是负相关的关系。在本次研究中，3种实验条件的困难度逐渐增加，随着实验困难度的增加、边界间隔的增加，受试者更加谨慎，非决策时间增长，由此证明受试者的注意力也随实验困难度的增加而更加集中，即在3种实验条件1、2、3下，受试者的图像注意力依次增加。

3.2 受试者失匹配负波振幅与潜伏期特征和侧向异性

根据目前ERP与MEG(脑磁图)的研究结果，听觉MMN的脑内源有颞叶感觉皮质和额叶两处。失匹配负波在前额中部头皮区域出现最大幅值，而MMN产生源的等效电流偶极子模型表明，两侧颞上皮质的活动总和致使MMN主要分布在前额中部头皮[17]。在本次研究中，也发现在3种实验条件下，MMN均明显出现在大脑前额和中线的电极处，包括F3、FZ、F4、FC3、FCZ、FC4、C3、CZ和C4，这些导联诱发产生的差异波与基线相比非常显著。同时实验发现，与其他导联相比，导联A1和A2的ERP波形极性发生了反转，证明所出现的ERP负波为MMN而不是N2b。对比3种实验条件下的ERP波形图，偏差刺激与标准刺激的潜伏期依次变短，并且出现了明显的P300成分，这是因为在跨通路实验中，受试者所投入的心理资源量与P300的波幅有着正向关系，P300波幅的变化表明了受试者在实验过程中存在投入心理资源量的变化。

根据提取出的ERP数据进行振幅与潜伏期的显著性分析，通过实验间因素与实验内因素对MMN振幅和潜伏期影响的显著性分析发现，实验条件对MMN振幅影响不显著，而对MMN潜伏期影响显著，即实验困难度越大MMN的潜伏期越短，不同导联对MMN潜伏期与振幅的影响均不显著。

观察不同时刻受试者脑地形图的分布情况，以实验条件1下总叠加平均脑地形图为例，150 ms时脑地形图呈不对称的层状分布，200 ms时脑地图呈放射性分布，且中心电极处出现了明显的负成分，符合MMN出现在电极区域的情况。

综合以上3点，可以证实在150～250 ms时间范围内出现的负波是MMN，且不同的实验困难度对MMN的潜伏期影响显著。

3.3 行为数据与脑电数据的相关性

行为数据分析表明，3种实验条件下受试者注意力分配资源存在不同，而脑电数据特征分析也证实，150～250 ms时间范围内出现的负波为MMN，因此推断3种实验条件下MMN潜伏期的不同与受试者的注意力资源分配有关。利用线性回归拟合，可对行为数据和脑电数据进行相关性分析，发现潜伏期与边界间隔b、漂移率v和非决策时间tER的相关系数分别为0.63、0.58和0.63。在心理学领域中，这种结果表明潜伏期与扩散模型的3个主要参数是显著相关的，从而在数据上证实注意力资源与失匹配负波潜伏期显著相关。

4 结论

本研究对跨通路延迟反应实验范式进行了改进，使实验范式能够更好地控制受试的注意力资源，并利用扩散模型对行为数据进行拟合。经过实验与数据分析后发现，扩散模型所拟合出的行为数据参数可以解释实验设计中不同条件对受试者注意力资源变化的潜在心理影响，从而定量地描述受试者的注意力分配情况。再通过MMN的峰潜伏期、峰振幅与拟合参数的相关性分析，得出MMN的振幅与受试者的注意力资源无关但其潜伏期与注意力资源显著相关的结论，从而明确了MMN与注意力之间的关系，确定了MMN具有半自动加工的性质。

[1]GarridoMI,KilnerJM,StephanKE,etal.Themismatchnegativity:areviewofunderlyingmechanisms[J].ClinicalNeurophysiology, 2009,120(3):453-463.

[2] 赖永秀, 田银, 尧德中. 音乐速度变化感知的失匹配负波[J]. 中国生物医学工程学报, 2010,29(2):277-282.

[3]SawadaM,NegoroH,IidaJ,etal.Pervasivedevelopmentaldisorderwithattentiondeficithyperactivitydisorder-likesymptomsandmismatchnegativity[J].PsychiatryandClinicalNeurosciences, 2008,62(4):479-81.

[4] 郭明丽, 杨伟炎, 王秋菊. 失匹配负波简介及其听力学应用前景[J]. 听力学及言语疾病杂志, 2006,14(2):141-146.

[5]NäätänenR.Mismatchnegativity:clinicalresearchandpossibleapplications[J].InternationalJournalofPsychophysiology, 2003,48(2):179-188.

[6]NäätänenR.Theroleofattentioninauditoryinformationprocessingasrevealedbyevent-relatedpotentialsandotherbrainmeasuresofcognitivefunction[J].BehavioralandBrainSciences, 1990,13(02):201-233.

[7]WoldorffMG,HackleySA,HillyardSA.Theeffectsofchannel-selectiveattentiononthemismatchnegativitywaveelicitedbydevianttones[J].Psychophysiology, 1991,28(1):30-42.

[8]Huttunen-ScottT,KaartinenJ,TolvanenA,etal.Mismatchnegativity(MMN)elicitedbydurationdeviationsinchildrenwithreadingdisorder,attentiondeficitorboth[J].InternationalJournalofPsychophysiology, 2008,69(1):69-77.

[9] 万小姣, 王苏弘, 高小榕, 等. 基于改进的视觉CPT范式对注意缺陷多动障碍患儿额区ERPs的研究[J]. 中国生物医学工程学报, 2014,31(4):385-391.

[10] 沈汪兵, 刘昌, 陈晶晶. 失匹配负波研究的主要争论与动向[J]. 应用心理学, 2011,16(4):369-76.

[11]RatcliffR,TuerlinckxF.Estimatingparametersofthediffusionmodel:Approachestodealingwithcontaminantreactiontimesandparametervariability[J].PsychonomicBulletin&Review, 2002,9(3):438-481.

[12] 罗跃嘉魏. 跨通路注意的失匹配负波研究[J]. 中国科学C辑:生命科学, 1998, 28(2): 186-192.

[13] 赵仑.ERPs实验教程 [D].南京：东南大学出版社，2010.

[14]RatcliffR,LoveJ,ThompsonCA,etal.Childrenarenotlikeolderadults:adiffusionmodelanalysisofdevelopmentalchangesinspeededresponses[J].ChildDevelopment, 2012,83(1):367-381.

[15]VandekerckhoveJ,TuerlinckxF.FittingtheRatcliffdiffusionmodeltoexperimentaldata[J].PsychonomicBulletin&Review, 2007,14(6):1011-26.

[16]VandekerckhoveJ,TuerlinckxF.DiffusionmodelanalysiswithMATLAB:ADMATprimer[J].BehaviorResearchMethods, 2008,40(1):61-72.

[17]NäätänenR,PaavilainenP,RinneT,AlhoK.Themismatchnegativity(MMN)inbasicresearchofcentralauditoryprocessing:areview[J].ClinicalNeurophysiology, 2007,118(12):2544-2590.

On the Semi-Automatic Processing Characteristic of MMN

Liu Rong1*Lin Shaofei1Wang Yongxuan2Sun Yutong1

1(FacultyofElectronicInformationandElectricalEngineering,DalianUniversityofTechnology,Dalian116024,Liaoning,China)2(AffiliatedZhongshanHospitalofDalianUniversity,Dalian116001,Liaoning,China)

Whether MMN is regulated by attention has been a debate in the MMN research field. There are few experimental paradigms which could control the attention allocation between the attended and unattended channels. Moreover, there is no index to reflect the subtle fluctuation of attention resource of the subjects. The diffusion model is one kind of cognitive process models, to reveal the potential neural processing mechanism based on the behavior data such as reaction time and accuracy of the task. Therefore, this paper developed a new cross-modal and delayed response experimental paradigm to better control subjects′ attention resources. Then the parameters fitted by the diffusion model were used to establish the relationship between the MMN and the attention. Experimental results showed that the parameters fitted by the diffusion model using behavior data could explain the underlying decision processes under different conditions on the subjects′ attention. As a result, the method could quantitatively determine the subjects′ attention. Meanwhile, we also found that the variation of the MMN peak latency was affected by variations in task difficulty and had a significant correlation with attention-related parameters of diffusion model: the correlation coefficientrbetween the MMN peak latency andb,vandtERwere 0.63, 0.63 and 0.58 respectively. This proves that the parameters of the diffusion model can be used as an index of the subjects′ attention resource allocation, and MMN peak latency is positively correlated with intensity of attention. Therefore, we consider that the MMN reflects a semi-automatic process.

mismatch negativity (MMN); diffusion model; parameters fitting; semi-automatic processing

10.3969/j.issn.0258-8021. 2016. 01.004

2015-01-20， 录用日期:2015-11-24

国家自然科学基金(61573079)；中央高校基本科研业务费专项资金；“数字制造装备与技术”国家重点实验室(华中科技大学)开放课题(DMETKF2015007)

R318

A

0258-8021(2016) 01-0031-08

*通信作者(Corresponding author)， E-mail:rliu@dlut.edu.cn