N-back任务诱导梯度脑力负荷状态对失匹配负波振幅的影响

黄杨森 ，邵帅，程耀萍，罗正学，常耀明

(1.空军军医大学航空航天医学系 航空航天医学教育部重点实验室,西安 710032；2.空军军医大学基础医学院学员一旅,西安 710032；3.空军军医大学科研学术处,西安 710032)

1 引言

脑力负荷是指作业人员为达到某种绩效标准而付出的脑力活动大小，涉及到完成该任务时的工作要求、时间压力、作业能力、努力程度、以及任务完成不顺利时的挫折感等[1]。当任务要求较高、接近超过作业人员能力从而造成较高脑力负荷时，脑力负荷可以定义为任务需求和个人能力之间的比值[2]。在人类多种工作环境中，尤其是车辆驾驶、飞机驾驶、航空管制、机械操作、航天飞行等事关安全的重要工作岗位中，对作业人员脑力负荷水平的准确监测有助于对其工作状态的判断。当前在人机工效学和工程心理学领域，对脑力负荷的评估方法有主观测量法和客观测量法，客观测量法又可以有主任务操作法、次任务操作法和生理测量法[3]。脑电图描记技术(Electroencephalograph， EEG)即是生理测量法的一种，它通过记录人的脑电活动，并对脑电信号进行分析处理而得到多种对认知和行为状态都较为敏感的分析参数，可以用来测量认知负荷，从而反映人的脑力负荷状态。

失匹配负波(Mismatch Negativity,MMN)是通过EEG信号分析、提取出来的一种事件相关电位(Event Related Potential,ERP)成分，它是在给予被试重复出现的视觉或听觉刺激时，被试大脑对随机出现的小概率差异刺激做出的电活动响应[4-5]。对MMN产生机制的解释，主要有“感觉记忆假说”和“预测编码假说”。感觉记忆假说认为[5-7]，MMN反映了大脑对差异刺激的“探测能力”：重复出现的听觉刺激会在大脑中形成神经水平的“记忆轨迹(Memory Trace)”，当被试受到新的听觉刺激时，大脑会将新刺激声学特征与之前形成的听觉记忆进行对比，当差异刺激出现、新刺激特征与感觉记忆特征不匹配时即可提取出MMN成分。预测编码假说认为[5,8-9]，大脑会提取和识别受到的听觉刺激序列的内在特征和规律，并对下一个即将出现的听觉刺激信号进行预测，当新呈现的刺激不符合大脑的预期规律时，MMN即可产生。两种假说均强调了对大脑对听觉刺激加工的“自动性”，即被试在没有主观注意听觉刺激的情况下也可提取到有效MMN成分。尽管其具体产生机制目前尚未完全阐明，MMN反映大脑皮层自动化加工过程这一特征正被广泛接受和应用[5,10]。由于MMN的上述特性，使之可以在不干扰主任务的情况下测得，无需被试完成任何附加测量任务，因此，MMN在评价特定任务中人的脑力负荷状态方面拥有广阔应用前景。然而，脑力负荷状态的高低对MMN振幅影响在不同文献报道中不尽一致。完颜笑如、庄达民等[1,11-12]在研究中使用不同难度的飞行模拟任务来建立不同脑力负荷状态模型，结果显示在高脑力负荷状态下MMN振幅较高；而另有研究结果显示[13-15]高脑力负荷状态下MMN振幅较低。

为进一步探究MMN与脑力负荷状态变化之间的关系，本研究采用数字N-back任务建立脑力负荷状态模型，以观察在不同脑力负荷水平下MMN的变化。在N-back 任务中[16-18]，被试需要将当前看到的刺激信息与n个之前呈现的刺激信息做比对并做出反应，是评价和测量工作记忆能力的有效工具。当n值增加，被试需要即时刷新记忆的元素数量增加，使被试的认知资源被更多被占用，从而使脑力负荷水平增加。本实验采用数字N-back任务模拟脑力负荷状态，记录不同难度N-back任务中的脑电数据并提取MMN、计算平均振幅，探讨MMN平均振幅随脑力负荷状态的变化特点。

2 对象与方法

2.1 被试

试验从某军校本科学员中招募被试28名，其中4名被试数据因脑电信号质量不佳而剔除。最终纳入分析的研究对象共24名，年龄20.96±0.91岁。所有被试身体健康、智力正常，均为右利手，生活作息规律。所有被试均自愿参加实验，签署知情同意书，并被给予适量报酬。

2.2 方法

2.2.1 数字N-back任务

试验前采用E-prime1.1软件编写数字N-back任务，任务难度(N值)为0～4。在本任务中，电脑显示屏中央随机呈现1个介于0～9之间的数字，要求被试判断当前呈现的数字与n个之前呈现的数字是否相同(N=0时，即0-back任务中，被试需判断当前的数字是否等于“5”)，并使用键盘F键(代表“是”)和J键(代表“否”)作出反应。被试作出反应后，当前呈现数字即消失，并于1000 ms后呈现下一个数字。被试完成各难度水平N-back任务的顺序随机，每一难度水平的N-back任务时间约为10 min，任务间隙休息5 min。记录被试完成各难度等级N-back任务的正确率和反应时，见图1。

图1数字N-back任务示意图

注：a.在0-back任务中，以数字“5”为目标，当呈现数字为“5”时，被试应当按“F”键，若呈现其他数字，则被试应按“J”键。 b.在1-back任务中，当屏幕呈现数字与上一个呈现的数字相同时，被试应当按“F”键，若呈现其他数字，则被试应按“J”键。 c.在2-back任务中，当屏幕呈现数字与2个之前呈现的数字相同时，被试应当按“F”键，若呈现其他数字，则被试应按“J”键。 d.在3-back任务中，当屏幕呈现数字与3个之前呈现的数字相同时，被试应当按“F”键，若呈现其他数字，则被试应按“J”键。 e.在4-back任务中，当屏幕呈现数字与4个之前呈现的数字相同时，被试应当按“F”键，若呈现其他数字，则被试应按“J”键。

2.2.2 主观脑力负荷评价

NASA任务负荷指数(National Aeronautics and Space Administration-task load index，NASA-TLX)量表是由美国国家航空航天局((National Aeronautics and Space Administration,NASA)在1988年开发的主观脑力负荷评价量表，信、效度较高[3]。每名被试完成5个难度水平的N-back任务后，使用NASA-TLX量表对自己在已完成的5个难度水平N-back任务中的脑力负荷各维度进行评分，进而可以计算出每名被试在各难度任务中的主观脑力负荷水平。

2.2.3 脑电信号采集与分析

采用NeuroScan SynAmps 2放大器、国际标准10-20系统32导电极帽及其他配套设备和Scan 4.5软件记录脑电信号，前额接地，脑电数据采样率1000Hz；在线采集信号时以A1作为参考电极，离线分析ERP数据时做重参考，以双侧乳突平均电位作为参考。使用E-prime 1.1编写听觉Oddball范式声音刺激并向Scan 4.5软件发送听觉刺激标记。标准刺激声音频率为1000 Hz；偏差刺激声音频率为600 Hz。两类声音刺激以标准刺激80%、偏差刺激20%的概率比例随机呈现，二者呈现时间均为50 ms，刺激间隔时间(Interstimulus Interval,ISI)450 ms。使用简易声级计测试，声音刺激在被试人耳处附近声级约为60dB。采集得到脑电信号使用Matlab R2016a软件的EEGLAB 14.1.1工具包进行分析。 选取刺激呈现前100 ms、刺激呈现后400 ms的时间窗，分别提取标准刺激和偏差刺激的事件相关电位(ERP)，使用偏差刺激ERP减去标准刺激ERP提取各电极通道的失匹配负波(MMN)，针对失匹配负波较为显著的Fz电极，计算各被试在各任务中的MMN负向平均振幅。

2.2.4 统计分析

使用SPSS 13.0软件包进行有关统计分析。对被试在5个难度的N-back任务的正确率、反应时、NASA-TLX评分以及MMN平均振幅等指标采用重复测量方差分析(Repeated Measurement ANOVA,rmANOVA)检验任务间总差别，而后采用Bonferroni校正法分别检验各相邻难度任务间的差别。对各指标随任务难易程度的变化趋势，采用Spearman非参数等级相关检验。统计显著性检验水准α=0.05。

3 结果

3.1 行为学绩效数据

24名被试完成5个难度等级的正确率(见表1)之间总差异有统计学意义(F=5.929,P<0.05)。对比正确率随任务难度的变化，各相邻难度N-back任务的正确率之间差异无统计学意义(t=- 0.558 ～ 1.564,P>0.05)，但其随任务难度的增加所呈现的下降趋势有统计学意义(ρ= -0.459，P<0.05)。被试在5个难度等级N-back任务中的反应时(见表1)总差异有统计学意义(F=33.651,P<0.05)。比较反应时随任务难度的变化，0-back任务和1-back任务、1-back任务和2-back任务、2-back任务和3-back任务之间的差异均有统计学意义(t=- 6.720 ～ - 3.988，P<0.05)，3-back任务和4-back任务之间差异无统计学意义(t=- 2.148，P>0.05)。平均反应时与任务难度等级之间呈正相关，有统计学意义(ρ=0.777，P<0.05)。

3.2 主观脑力负荷NASA-TLX量表

被试在5个难度等级时的主观脑力负荷状态使用NASA-TLX量表评价，各任务主观脑力负荷(见表1)之间总差异有统计学意义(F=49.021,P<0.05)。比较NASA-TLX量表评分随任务难度的变化，各相邻难度任务之间差异均有统计学意义(t=- 4.458 ～ - 3.335，P<0.05)。NASA-TLX量表评分与任务难度等级之间呈正相关，有统计学意义(ρ=0.694，P<0.05)。

3.3 MMN时域特征分析

使用EEGLAB工具包计算所以被试在各个难度任务上的总平均ERP及MMN波形，可知MMN发生时间窗为100～240 ms，MMN峰值潜伏期在165 ms左右(图2)， 在此时间窗内计算每名被试在每个难度N-back任务上的MMN负向平均振幅(表1)。各任务MMN平均振幅间总差异有统计学意义(F=2.906,P<0.05)。比较MMN平均振幅随任务难度的变化，各相邻难度的任务之间差异无统计学意义(t=-1.774 ～ 0.363，P>0.05)。MMN平均振幅有随任务难度升高而降低的趋势，但尚未达到有统计学意义的显著性水平(ρ= - 0.157，P<0.087)。但单独观察1-back、2-back、3-back、4-back任务，MMN负向平均振幅随任务难度升高而下降的趋势显著，振幅与任务难度等级之间负相关有统计学意义(ρ= -0.266，P<0.05)。绘制各难度N-back任务平均MMN，并逐点进行重复测量方差分析，可见在100～240 ms的MMN时间窗内，有部分时间段的MMN振幅任务间差异显著。选取MMN峰值潜伏期前后(160 ～ 170 ms)绘制各难度任务的MMN脑地形图，可见MMN峰值随任务难度增加而降低(见图3)。

表1 24名被试完成5种难度数字N-back任务各项测量指标的重复测量方差分析及非参数等级相关检验

注：1、与0-back任务中的数据比较，at=- 6.720 ～ - 4.458,Bonferroni校正后P<0.05；与1-back任务中的数据比较，bt=- 5.511 ～ -4.079,Bonferroni校正后P<0.05；与2-back任务中的数据比较，ct=-3.988 ～ - 3.335,Bonferroni校正后P<0.05；与3-back任务中的数据比较，dt=-3.795,Bonferroni校正后P<0.05； 2、括号中数据为仅对1-back、2-back、3-back、4-back任务进行统计分析结果。

图2 Fz电极失匹配负波(MMN)时间窗的确定

注： a.所有N-back任务在Fz电极处的平均ERP电位。图中实线表示标准刺激引起的ERP波形，虚线表示偏差刺激引起的ERP波形。b.由标准刺激和偏差刺激引出的ERP波形中提取失匹配负波(MMN)， 其测量时间窗为100 ms 至240 ms，平均峰振幅3.183μV，峰潜伏期165 ms。

图3 组平均的Fz电极失匹配负波(MMN)振幅在不同N-back任务等级间的比较

注：a.被试在各难度等级N-back任务中Fz电极的平均ERP波形。图中实线表示标准刺激引起的ERP波形，虚线表示偏差刺激引起的ERP波形。b.被试在各难度等级N-back任务中的MMN波形，灰色区域表示表示逐个时间点进行各难度等级MMN波形间方差分析时，在MMN波形时间窗(100～240 ms)内差异有统计学意义的时间段。 c.曲线表示逐个时间点进行方差分析的P值。 d.各难度任务中MMN峰值时的MMN脑地形，负向振幅随任务难度增大而降低。

3.4 相关分析与线性回归

计算MMN平均振幅绝对值与主观脑力负荷指数NASA-TLX量表得分的Pearson相关系数为R=- 0.314，线性回归决定系数R2=0.099，P<0.05(见图4)。

4 讨论

4.1 数字N-back任务建立脑力负荷状态模型

通过实验结果可以看出，随着N值增加，即N-back任务难度增加，被试完成任务的正确率有显著下降趋势，反应时有显著上升趋势，说明随着难度增加，被试的认知资源越来越多地被占用，需要更多的时间提取工作记忆资源，同时由于工作记忆容量的有限性，导致了较高难度任务的正确率下降。虽然各相邻难度N-back任务间的正确率差异无统计学意义，但平均反应时和主观脑力负荷水平NASA-TLX评分在各相邻难度N-back任务间差异显著，说明本实验采用的数字N-back任务在建立不同等级脑力负荷状态时拥有一定的区分度，可以较好地构建了一个多水平的脑力负荷状态模型。

图4 Fz电极MMN负向平均振幅与主观脑力负荷NASA-TLX量表评分相关分析

4.2 MMN平均振幅随脑力负荷水平的变化特点

在事件相关电位时域分析中，平均振幅较峰振幅更加稳定、能更好地避免高频噪声的影响[10]。此外，对于MMN，通常会在中央区、尤其是额叶中央区测得最大振幅[11]，这一点在本实验结果中也得以证实(见图3d)。因此，本实验选取Fz电极的MMN平均振幅作为观察指标。在对数字N-back任务的不同难度等级和MMN平均振幅之间相关性的检验中，MMN平均振幅与所有任务等级相关性未达到显著性水平，即使单独考察1-back ～ 4-back任务时其相关性有统计学意义(Spearman’sρ=-0.266，P<0.05)，但线性回归决定系数R2只有 0.071，其原因可能是本实验中不同难度任务对被试形成的脑力负荷的区分度尚不足以使MMN振幅在相邻难度任务间出现显著差异变化。此外，MMN平均振幅与主观脑力负荷NASA-TLX量表评分之间的负相关性较其与任务难度的等级相关性更为显著，Pearson相关系数R=- 0.314，但其回归决定系数R2仅为0.099，说明主观脑力负荷水平对MMN平均振幅的影响虽有统计学意义，但其效应较小(见图4)。综上，MMN的负向平均振幅随脑力负荷水平的增加而降低，但其受未知因素影响较大，测量值不够稳定。

4.3 MMN平均振幅测量脑力负荷可能的机制探讨

虽然如4.2中所讨论，本实验中所测不同水平的脑力负荷状态下MMN平均振幅存在不稳定性，导致MMN平均振幅难以成为一个评价脑力负荷水平的独立指标，但它仍可以与其他指标共同参与脑力负荷水平的测量与评估。此外，由于MMN直接反映大脑认知工作中的电活动，因此仍具有一定的应用前景和研究价值。目前一般认为，MMN代表人大脑自动加工、处理信息的过程，是大脑前注意活动的在脑电信号中的反映[5,19]。在本实验的任务状态下，随着N-back任务难度的增加，被试为了完成任务所需投入的工作记忆资源、努力程度以及情绪紧张程度均有上升，剩余能力相应下降。当人可用于自动分辨偏差声音刺激的剩余能力降低时，大脑所能自动加工和处理主任务以外的附加信息的可用资源和能力也必然下降，相应大脑功能区域对重复的标准声音刺激和随机小概率出现的偏差声音刺激的分辨能力下降，导致MMN平均振幅的下降。因此，MMN平均振幅可能通过反映大脑自动加工信息的剩余能力来测量脑力负荷状态。

5 结论

使用数字N-back任务成功建立梯度脑力负荷状态模型，在此模型中，脑力负荷水平越高，测得MMN负向振幅越低。但MMN振幅存在不稳定性，尚不足以成为平均脑力负荷水平的独立指标。