事件相关电位技术实验操作及注意事项

疏德明

(苏州大学 教育学院, 江苏 苏州 215123)

事件相关电位技术实验操作及注意事项

疏德明

(苏州大学 教育学院, 江苏 苏州 215123)

事件相关电位(event-related potential,ERP)作为当前脑科学研究的重要技术,其相对较高的时间分辨率、安全性和低廉的成本,使其在医学、心理学、体育学、管理学等研究领域被广泛使用。为了让初学者能快捷、准确地掌握该实验技术,以BrainVision Analyzer 2.0软件为例,介绍了EEG(脑电)的记录、EEG数据离线分析基本步骤及注意事项,还介绍了ERP数据分析方法和注意事项。

事件相关电位； 实验技术； BrainVision Analyzer 2.0

大脑在活动时,大量神经元同步发生的突触后电位经总和后会在大脑皮层和头皮表面形成微弱的生物电位,经放大后可以被记录下来。以大脑皮质的自发电位为纵轴,时间为横轴,把它们之间的相互关系描记下来所形成的曲线称为脑电(electroencephalogram, EEG)。EEG电位一般处于几μV～75 μV之间,且成分复杂,而心理活动诱发的电位一般只有2～10 μV,因此,无法从EEG中直接观察到心理活动的诱发电位。20世纪60年代,Sutton等提出了事件相关电位(event-related potential,ERP)的概念[1],即通过叠加平均技术分析从头颅表面记录到的诱发电位来反映认知过程中大脑神经电生理改变。事件相关电位与认知过程有密切关系,故被认为是“窥视”心理活动的“窗口”。正确有效地记录和分析ERP,对初学者而言有一定难度,也容易出现错漏。本文以BrainVision Analyzer 2.0(Brain Products GmbH出品,以下简称Analyzer 2.0)分析软件为例,根据多年实际工作经验,介绍了ERP实验的主要操作方法及注意事项,帮助初学者尽快掌握相关技术,避免不必要的摸索和错漏。

1 事件相关电位(ERP)简介

事件相关电位(ERP)是一种特殊的脑诱发电位(evoked potentials,EPs),也称诱发反应(evoked response),是指给予神经系统(从感受器到大脑皮层)特定的刺激,或使大脑对刺激(正性或负性)的信息进行加工,在该系统和脑的相应部位产生的可以检出的、与刺激有相对固定时间间隔(锁时关系)和特定位相的生物电。事件诱发电位具有如下特征:

(1) 在特定的部位才能检测出来(出现位置相对恒定)；

(2) 有特定的波形和电位分布(波形相对恒定)；

(3) 潜伏期与刺激之间有较严格的锁时关系,在给予刺激时立即或在一定时间内出现(潜伏期相对恒定)。

与此相对,自发脑电变化较为随机。根据ERP的这些特征,可以将同一类型事件多次呈现,并记录脑电,再将脑电按事件进行分段,通过叠加平均法消噪,无规则的自发脑电(噪声)信号就减弱,而重复出现的与认知过程相关的诱发电位就明显起来,得出相应认知活动过程的ERP。由于ERP技术相对较高的时间分辨率、安全性及低廉的成本,使其在医学[2-4]、心理学[5-7]、体育学[8-10]、管理学[11-12]等领域内得到较为广泛的应用。

2 心理刺激的呈现及在EEG信号中的标记

根据ERP技术的原理,若在EEG中提取与认知事件相关的微弱电位,需要对重复发生的认知事件记录的EEG信号进行分段后叠加平均,才能逐渐消除无规则信号(噪声),获得ERP波形。因此,在呈现心理刺激时,同一类型的刺激要多次出现(一般需50次以上),次数越多叠加平均后去除无规则信号的效果越好,并且每次出现刺激,要实时在EEG信号中进行标记,以便后期离线分析处理。下面以E-prime 2.0刺激呈现软件(Psychology Software Tools, Inc.出品)为例,介绍在EEG中标记刺激和反应代码的方法,示例见图1。

图1 在EEG中标记刺激和反应代码的方法示例

图1中“Inline1”和“Inline3”的作用是清空端口,“Inline2”为打开控件“Stimulus”端口,信号输出端口代码为“H378”(有些设备为“D050”),并且向EEG发送控件“Stimulus”的刺激信号代码,这个刺激信号代码从“List”中的“Code”中获取。“Inline4”语句表示:如果反应正确,在 “H378”端口输出代码20,有反应但不正确输出代码30,其他情况输出代码40,如果反应为“f”键,则输出代码50。为避免信号干扰,“Blank”是刺激呈现后短暂空屏(1 ms),用于清空端口。

注意事项:在刺激呈现程序中,必须将不同类型的刺激分别进行标记,否则离线分析中难以对不同类型刺激进行区分。由于Analyzer2.0软件本身不能将行为数据与脑电数据融合,如果离线分析时需要结合行为反应分析ERP,必须在编程时标注相应反应代码。

3 EEG数据采集

3.1 采集前准备

采集前被试需用中性洗发膏洗头,以便去除灰尘、油脂和死皮,提高导电性。选择好参考电极,可以双侧乳突的平均、两侧耳垂或者鼻尖作参考(也可以其他电极作参考,在离线分析时进行参考电极转化)。要确保参考电极接触良好,否则会影响其他通道脑电采集。确定眼电(electrooculogram,EOG)记录位置,双极导联为左右眼眦1 cm处安置电极(与眼球在同一直线)记录水平眼电,眉毛之上和眼眶下边缘安置电极记录垂直眼电；单极导联方式为同侧眼眦1 cm处和眉毛上方，分别记录水平和垂直眼电[13]。注意事项:

(1) 选择与被试头部大小合适的电极帽,以免被试不舒适或电极与头皮接触不良；

(2) 确保Cz点在正中央(从鼻根到枕外隆凸的矢状线和两耳后外侧乳突的冠状线的交叉点),若佩戴随意,会导致实际电极点与标准电极点的位置不一致；

(3) 接地电极和参考电极应先涂导电膏,确保接触良好后,再涂其他电极；

(4) 测试前要求被试洗头,对鼻尖、乳突、眼睛周围的电极点位置,要先用磨砂膏去除角质,增强导电性；

(5) 对于头发较长、较密的被试，在填涂导电膏时，可拨开对应电极点的头发再涂导电膏。

3.2 采集EEG信号

在采集之前需选择好采集参数,如采样率(一般为1 000 Hz)、导联数、电极分布等,然后给被试带上电极帽,在BrainVision Recorder软件(Brain Products GmbH出品)中,点击“”,检测电极与头皮的阻抗值,一般来说,电极阻抗值在5 kΩ以下较为理想。准备就绪后,点击“”图标,开始记录和保存EEG数据。注意事项:

(1) 为便于后期数据处理,EEG 文件名应进行相应编号,记录好文件名对应的被试姓名、性别、年龄、实验组别等信息,以备分析和撰写研究报告时使用；

(2) 当更换电极帽或者使用新电极帽时,需要重新选择参数和匹配放大器,否则会导致记录错误或无法记录；

(3) 在记录过程中,被试头部动作、出汗、电极松脱等都会导致出现较大劣迹,要及时关注和处理；

(4) 留意相应的刺激代码是否正确地标记在EEG中。

4 离线数据分析基本步骤

从EEG信号中提取事件相关电位(ERP)，需要在去除各种伪迹后按刺激类型进行分段和叠加平均。

4.1 变更参考电极

如果电极帽默认参考电极与研究报告中的参考电极不一致,则需要进行参考电极转换,分析步骤:“Transformations”→“Channel Preprocessing”→“New Reference”→选择要作为新参考的电极点→需要转换的电极点→完成参考电极的转换。

4.2 眼电纠正

脑电信号采集过程中极易受到眼电、肌电、心电等多种噪声干扰,而眼电信号由于幅值较大,严重影响脑电信号的分析和应用,如何有效去除脑电信号中的眼电伪迹尤为重要[14]。Analyzer2.0中去眼电的分析步骤:“Transformations” →“Ocular Correction ica”(独立成分分析法)或“Ocular Correction”(默认为Gratton & Coles法)去除眼电干扰。注意事项:

(1) 如果采用ICA法,需先进行滤波,以减少噪声干扰。ICA法虽对眼电的剔除效率很高,但是它也可能会对非眼电的成分做纠正,而Gratton & Coles法虽去眼电效果不如ICA,但不会影响非眼电成分；

(2) ICA法去眼电时需选择恰当的分析窗口,一般选择正式实验时不少于2 min的脑电。

4.3 原始数据检查

对EEG数据进行预览检查,可以观察到明显存在伪迹的区域,在检查时即可标记去除。分析步骤:“Transformations” →“Raw Data Inspection” →选择相应参数。注意事项:

(1) 在对原始数据检查时,由于此时还没有进行基线校正,检查标准中一般选择“Max-Min”标准而不做“Amplitude”标准；

(2) 若选择的是半自动模式,在系统检测完之后,若认为自动选择的某些“伪迹”并非伪迹,可按Shift+鼠标单击去除这段被标记的“伪迹”；若有些伪迹没有被自动识别的话,可以点击并拖动鼠标选择相应区域标记为伪迹。

4.4 分段

对EEG文件按刺激标记进行分段,是ERP技术的基本步骤。Analyzer2.0中的分析步骤为:“Transformations”→“Segment Analysis Functions” →“Segmentation”,可供选择的分段模式有“按标记位置”“数据等分”“手动分段”,ERP分析时,一般选择按标记进行分段,然后输入分段的起讫时间,如200 ms～1 000 ms。注意事项:

(1) 如果在叠加平均(average)时选择独立通道模式(Enable Individual Channel Mode),则不要勾选“Skip Bad Intervals”的复选框,如勾选,只要有一个电极点出现伪迹,则其他电极点同时间段也被视为伪迹；

(2) 分段时,如需结合行为反应情况进行分段,需在“Edvanced Boolean Expression”(高级布尔表达式) 中输入反应类型代码和反应时间,如“S11(200,1 000)”,其中S11为正确反应的代码,(200,1 000)指反应时间为200～1 000 ms内的反应(不是刺激呈现的时间)。

4.5 滤波

人脑正常的EEG频率变动范围在0～30 Hz,通过数字滤波,可以在一定程度去除伪迹,分析步骤:“Transformations” →“Data Filters” →“IIR Filters” →选择相应的滤波参数,示例见图2。注意事项:

图2 滤波参数选择示例

(1) EEG如有明显的固定频率干扰(如50 Hz市电干扰),可勾选陷波(Notch)复选框,若无此干扰,则不用勾选；

(2) 如果所有电极滤波参数一致,不要勾选“Enable Individual Channel Filters”。

4.6 基线校正

ERP分析中的基线校正一般以刺激出现前的一段时间的平均波幅作为基准点,计算刺激出现后的波形,分析步骤: “Transformations” →“Segment Analysis Functions” →“Baseline Correction”。 注意事项:

(1) 如果对分段后的波形没有进行基线校正,由于刺激后ERP波形的基准点不一样,将无法同其他条件下的ERP进行比较；

(2) 在去伪迹(artifact rejection) 前应先做基线校正。

4.7 去伪迹

EEG的主要噪音源可分为记录系统噪声(如电极故障伪迹、金属伪迹、静电伪迹等)和无关电生理信号噪声(如眼电伪迹、舌电伪迹、肌电伪迹、脉搏伪迹、出汗伪迹等)[15]。眼电伪迹的去除已在本文4.2中介绍,原始数据检查(见4.3)也可以去除部分伪迹。基线校正后,还可以进一步通过检查波幅大小去伪迹,分析步骤为:“Transformations”→“Raw Data Inspection”→“Criteria”→ “Amplitude”选择波幅变化范围(如±50 μV),其余信息可不再填写。

4.8 叠加平均

对按刺激进行分段的EEG数据进行叠加平均,是获得EPR的基本原理,分析步骤:“Transformations” →“Segment Analysis Functions” →“Average”实现对分段数据进行叠加平均,得出ERP波形图。注意事项:

(1) 在“原始数据检查”和“去伪迹”步骤中若选择了“独立通道模式”,则在叠加平均时也需选择“独立通道模式”；

(2) 叠加平均完成后,可右击生成的ERP波形文件,在“Operation infos”选项中可查看各个电极点叠加平均的段数,如果数量相对较少,应及时查找原因。

5 ERP波形的分析与处理

通过以上对EEG数据的离线分析,得出了基本的ERP波形,但还需要进一步分析才能报告相关研究结果。

5.1 导出峰值与峰潜伏期

ERP研究中,常常需要比较某些ERP成分在不同条件下的峰值和峰潜伏期差异,这就需要导出相关成分的峰值和峰潜伏期。在导出之前,需要对ERP成分的波峰进行探测,分析步骤:“Transformations”→“Result Evaluation”→“Peak Detection”,如探测N2和P3成分的波峰,需填写成分名称、波峰可能所在的区间、极性,示例见图3。波峰探测完成后,按如下步骤导出: “Export”→ “Peak Information Export”→输入波峰名称→输入要导出的ERP文件名→选择要导出的被试数据→勾选“Export Individual Latencies for Each Channel”(导出每个电极点的峰潜伏期)→填写导出的txt文件名称,即可导出每个电极的ERP成分的峰值和峰潜伏期。

图3 波峰探测示例

注意事项:在进行波峰探测时,需选择恰当的时间窗口,时间窗口的确定需综合考虑,如相关ERP成分的峰潜伏期范围、所有被试总平均波形图、单个被试的ERP波形特点、研究范式和实验设计等,Analyzer2.0中可以设置自动探测或半自动探测波峰。

5.2 导出平均波幅

导出平均波幅的步骤: “Export” →“Area Information Export”→选择导出的时间窗口(Time Domain)或者频率窗口(Frequency Domain)。导出时间窗口的平均波幅需填写时间范围,导出频率窗口的平均波幅,需填写频率范围。注意事项:

(1) 如需导出频率窗口的平均波幅,需先进行FFT(Fast Fourier Transformation,快速傅立叶转换)转换, 分析步骤为:“Transformations” →“FFT Analysis” ,如需输出波幅,在“Output”下勾选“Voltage[μV]”；

(2) 如需导出时间窗口的平均波幅,在“Rectification”中选择“Use Voltage(Signed Values”,导出类型(Export Type)中选择“Mean Activity[uV] ” 。

5.3 将数据导入SPSS中进行统计分析

Analyzer 2.0中导出的波幅和潜伏期数据均为txt格式文本数据,如需导入到SPSS中进行统计分析,可先用Excel读取txt文中的数据(最好用Excel2007以上版本,因为Excel97-2003格式中允许最大列为256)。导入到Excel中的步骤为:新建Excel2007工作簿→打开文件→文件类型中选择所有文件→选择生成的.txt文件→分隔符号中选择空格→完成,再将所需要的数据复制到SPSS软件中。

5.4 替换坏电极

如个别电极伪迹过多,在离线分析阶段需要进行替换,Analyzer2.0软件可以通过计算得出相应电极的波形,分析步骤:“Transformations” →“Others” →“Topographic Interpolation” →输入要替换的电极名称。

5.5 电极点之间波形运算

如需对电极点之间的波形进行运算,可以通过Analyzer2.0中Transformations的“公式编辑器”(Formula Evaluator)进行操作,如需计算额区电极的平均ERP 波形图,可按图4示例进行操作。

图4 电极点间波形运算示例

5.6 不同条件的ERP差异波形的获得

不同条件的ERP差异波形的获得步骤:“Transformations” →“Data comparison” → “Comparison Methods” →选择比较方法(差异、求和、比率、百分比、交叉相关比较)→选择进行电极比较(Compare Channels)或数据集比较(Compare Datasets)。若对2种条件的ERP进行比较就选择Compare Datasets,比如需要比较A波形与B波形的差异,先打开A 波形,再打开Compare Datasets选择B波形,即可生成差异波。

注意事项:由于Analyzer2.0软件中差异波默认显示为2条原始波形和减得的差异波,在此之后可再做一步“Baseline Correction”得到只有差异波的波形图,或者在生成差异波形右击生成的对话框中将 “Display Static Overlays”勾去掉,得出单独的差异波,进一步将差异波与其他类别的波形进行比较。

5.7 总平均

当对每个被试的各个条件都完成了叠加平均之后,可分别对不同类型或实验条件下的ERP进行总平均。分析步骤:“Transformations”→“Segment Analysis Functions”→“Result Evaluation”→“Grand Average” → 输入波形名称和总平均后名称(示例见图5)→选择要进行总平均的被试数据。

图5 波形总平均示例

5.8 创建分析模版与批处理

Analyzer2.0可以非常方便、快捷地对需要进行同样分析处理的EEG数据进行批处理,在“History Template”中,如果之前没有历史模板,就“New”一个新模板将“Raw Data”下面的分析过程直接拖到“Root”下面,创建一个含有分析过程的模板,可以点击“Save as” 进行保存,点“Apply to history File(s)”,即可对处理过程相同的EEG数据进行批量处理,示例见图6。

图6 数据分析模板的创建与使用示例

6 结语

ERP实验研究是一项严谨的系统工程,研究者从最初的实验设计、实验材料准备、刺激程序编写、数据采集、数据分析到最后研究报告的撰写,都必须本着严肃认真、精益求精的态度,每一环节都不可马虎,否则很可能“千里之堤,溃于蚁穴”。初学者除了掌握以上的分析方法及注意事项外,还需要阅读相关软件的使用手册、学习ERP的相关理论、向有经验的教师和同行请教、自己多动手实践等,才能灵活地运用ERP技术开展脑科学研究。

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.精神分裂症患者注意状态对事件相关电位P300的影响 [J]. 中国现代医学杂志, 2015,28(5):54-57.

[3] 刘丽,傅师亭,俸曦,等.注意缺陷多动障碍患儿事件相关电位P3波分析 [J].实用儿科临床杂志, 2010,25(14):55-57.

[4] 杜好瑞,穆俊林,张宁,等.男性酒依赖患者执行功能与事件相关电位P300研究[J].中国神经精神疾病杂志,2015,41(2):42-45.

[5] 疏德明,刘电芝.练习促进内隐策略生成:其发生过程及应用特点[J].心理科学, 2014, 37(5):168-174.

[6] 胡哲,张钦,梁九清,等.不同情绪背景下来源记忆的ERPs研究[J].心理学报, 2013, 45(7):15-29.

[7] 贾磊,张常洁,张庆林.情绪性注意瞬脱的认知机制:来自行为与ERP的证据[J].心理学报, 2016,48(2):68-78.

[8] 刘婷怡,周成林,王碧野.重剑运动员判断时机的视觉搜索特点及其ERP研究[J].上海体育学院学报,2013,37(6):48-52.

[9] 王莹莹,周成林.急性有氧运动的强度与抑制能力的剂量关系:来自ERP的证据[J]. 体育科学,2014,34(11):44-51,68.

[10] 王丽岩,王洪彪,朴忠淑,等.乒乓球运动员发球动作识别的时间进程及半球效应:一项ERP研究[J].中国运动医学杂志,2014,33(8):54-62.

[11] 陈明亮,李敏乐.消费者在线购物从众为何如此普及:从冲突视角的一个神经学研究[J].管理工程学报,2013,27(3):186-192.

[12] 郑杰慧,汪蕾,陆强,等.信息过滤与不确定决策:基于认知加工视角[J].管理工程学报, 2016,30(1):210-216.

[13] 王兆云,吴小培.采集眼电图(EOG)的导联方式[J].计算机技术与发展, 2009,19(6):151-153,157.

[14] 李明爱,郭硕达,田晓霞,等.眼电伪迹自动识别与去除的新方法[J].电子学报, 2016,44(5):27-34.

[15] 魏琳,沈模卫,张光强,等. EEG波形伪迹的去除方法[J].应用心理学,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

国家社会科学基金教育学青年课题“大学生创业模式与成功路径分析”(CIA140179)

疏德明(1983—),男,安徽枞阳,博士,实验师,主要研究方向为实验心理学和认知心理学.

E-mail：8deming@163.com

B845

B

1002-4956(2017)1-0198-05