分享

ERP成分简介--听觉感觉反应和视觉感觉反应

 脑机接口社区 2021-07-01

更多技术干货第一时间送达

[注意:ERP成分通常使用类似P1、N1这样的符号来表示波形的极性和所处时间位置。不能简单地将这些符号同基于脑内活动的特性相联系。因为,来自于不同感觉通道的成分,一般没有任何功能上的相关,但它们用同一套符号表示。它们只是在波形上具有相同的极性和相同的时间位置而已。比如听觉的P1与视觉的P1成分是无关的。]

视觉感觉反应


C1 :第一个重要的视觉ERP成分。该成分主要出现在头后部的中线电极位置。C1被认为是来自V1区(初级视觉皮层)。对于人类,它是在矩状裂周围。负责编码下视野信息的V1区位于矩状裂上缘,负责编码上视野信息的V1区位于矩状裂下缘。对于下视野刺激,在矩状裂上方的头部进行记录时,电位为正,而对于上视野刺激,电位则是负的。对于视野水平中线上的刺激,C1波则很小或者有点正向。因此,如果我们想要看到较为明显的C1波,则需要用上视野刺激产生负的C1波。C1波一般出现在刺激后40~60ms,在刺激后80~100ms达到峰值。

P1:P1波主要见于两侧枕区,一般开始于刺激后60m~90ms,刺激后100~130ms达到峰值。不过需要注意的是,由于与C1波有重叠,所以很难精确确定P1波的起始时间。一些研究通过数学模型并结合fMRI的结果来定位P1波。研究结果表明,P1波的早期部分起源于背侧外纹状皮层(枕中回),晚期部分的起源则主要在腹侧梭状回。[注:在视觉刺激后100ms内,至少有三十个不同的视区被激活,而这些区域很多被认为对C1和P1潜伏期范围内的电位记录有贡献。]

在中度和高度觉醒条件下,由中央凹视觉刺激诱发的ERPs(图片来源: Vogel & Luck,2000),

注意:觉醒水平影响了从P1开始的整个波形

上图为觉醒引起的效应图,在该实验(Vogel & Luck,2000)中,受试者只要感知到刺激,便做出按键反应。在中度觉醒水平下,受试者按照实验者的常规指令完成任务操作,即"尽量做出快速的反应"。在高觉醒条件下,则鼓励受试者做出更快的反应。中度觉醒条件下的平均反应时间为292ms,高度觉醒条件下则是223ms。

如上图,P1在高觉醒条件下的振幅要比较低觉醒条件下的振幅高一些。这种差异一直持续到300ms之后,影响到整个波形的振幅。因此,在ERP实验中要注意控制觉醒程度。

N1: N1波出现在P1波之后,视觉N1包含了许多子成分,也就是说多中不同的成分叠形成了N1波峰。最早的N1子成分的峰值在刺激后100~150ms出现,位于前部头皮电极位置。在后部电极位置,至少有2个N1成分的峰值在刺激后150~200ms出现,其中一个来自顶叶皮层,另一个来自外侧枕叶皮层。

视觉N1成分具有高度的不应性。在同一个位置上,如果短时间内连续出现两个刺激,则第二个刺激诱发的响应会减小很多,如下图,图中展示在两种不同情况下,由受注意刺激在颞--枕叶区电极位置诱发的ERP。在受注意刺激出现之前,一种情况是相同位置出现过一个需要注意的刺激,另一情况是另一位置出现过一个不需要注意的刺激。在这两种情况下,P1成分大致相同,但第一种情况下的N1波形的振幅大幅度降低。

P2: 跟随N1波形之后,有一个明显的P2波形。它位于头前部与中央头皮区。这个成分在刺激包含目标特征时,会比较大,而且在目标出现概率较低时,它的反应也会增强(Luck & Hillyard, 1994a)。下图展示了一个视觉Oddbal范式,在Cz电极上记录到的数据。其中奇异刺激(oddballs)会又发出比标准刺激更大的P2、N2和P3成分。[注:头皮后部区域的P2波形通常很难冲与其重叠的N1、N2以及P3波形中分离出来。因此,目前对头皮后侧的P2波形了解依旧较少。]

听觉感觉反应


下图展示了一个由听觉刺激诱发的ERP成分,如果刺激时突然开始的(比如滴答声-a click),就会在首个10ms之内出现一系列独特的波峰,这反应了来自耳蜗的信息经过脑干传递到丘脑的过程。通常使用罗马数字对这些听觉脑干响应(Auditory Brainstem Responses, ABRs)进行标记。

图片来源于[1]

图1中为一个滴答声诱发的波形,对于不同时间范围的波形采用不同滤波器设置,分别突出听觉脑干响应(最上方)、中潜伏期响应(中间处)和长潜伏期响应(最下方)

上图展示了ERP波形的一个较为常见的特征,也就是在波形早期,波峰较窄,而在波形后期,波峰则逐渐变宽。例如,ABR的波峰只持续1-2ms,MLR的波峰可以持续10-20ms,而对于某些"认知"波峰可能会持续数百毫秒。这并不是巧合。在几乎所有物理兄系统内,与起点相比,时间精度都会随着时间的推移而逐渐下降。这其实是时间误差的累计。对于晚期ERP成分来说,不同试次之间的起始时刻误差更大,将单个试次放在一起进行平均时,这样试次之间的误差会使得成分在时间上变得"模糊"。

中潜伏期响应(Midlatency responses, MLRs)是刺激突然开始时,在10-50ms中间的反应。该响应可能至少部分来自于内侧膝状体和初级听觉皮层,如下图所示。

MLRs之后就是长潜伏期响应(long-latency responses),通常的顺序是P50(又叫P1)、N100(又称N1)以及P160(又称P2),如下图所示。

与视觉N1波形类似,当相邻刺激的间隔减小时,中潜伏期和长潜伏期听觉响应也会变小,而且不应期可能超过1000ms。[在评价ERP研究时,检查组间或条件间的差异是否收到了刺激间隔差异所带来的的干扰非常重要。]

与视觉N1波形类似,听觉N1波形也包含许多子成分,具体包括:

  • 一个可能产生于背侧颞叶听觉皮层,峰值大约在75ms的额叶中央区成分;

  • 一个源位置未知,峰值大约在100ms且头顶处幅值最大的电位;

  • 一个可能产生于额上回,峰值大约在150ms且更加侧向分布的成分。

当然对听觉N1波形进行更细致的划分也是可能的,N1波形对注意力敏感,虽然某些在N1潜伏期范围内的注意效应体现了内源性成分的叠加,但N1波形自身(也有可能是其中的一些子成分)可能受到注意的影响。

Rose小哥参考并翻译于:

事件相关电位基础第二版

An Introduction to the Event-Related Potential Technique,second edition

上述分享其目的在于促进信息分享交流,不做商业用途。若有侵权,请及时通知后台,管理人员删侵。

更多阅读

深度神经网络对脑电信号运动想象动作的在线解码

应用深度学习EEGNet来处理脑电信号

Cell刊:脑机接口让脊髓损伤患者重新获得手部触觉

Nature子刊:视网膜计算使眼睛先于大脑产生视觉信息

ICA处理后,如何判断眼电、心电等成分?

全球工程前沿2019-类脑、脑科学与脑机

一种基于脑电图情感识别的新型深度学习模型

脑机音乐接口,高效检测用户的情绪状态

将深度学习技术应用于基于情境感知的情绪识别

正好在家学习 1!EEG数据处理课程1-3

正好在家学习 2!EEG数据处理课程4-5

EEG信号特征提取算法

EEGNet: 神经网络应用于脑电信号

信号处理之倒频谱原理与python实现

信号处理之功率谱原理与python实现

脑电信号滤波-代码实现

运动想象系统中的特征提取算法和分类算法

特征提取算法 | 共空间模式 Common Spatial Pattern(CSP)

功率谱估计-直接法原理与案例

MNE中文教程(16)-脑电数据的Epoching处理

DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据

PsychoPy安装与测试案例

PsychoPy文字刺激、图片刺激和光栅刺激

Python机器学习算法随机森林判断睡眠类型

    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多