1、 ERP 实验教程实验教程 重要补遗重要补遗 赵赵 仑仑 1 前 言 自拙作ERP 实验教程于 2004 年 9 月出版以来，已近一年。在这近一年的时间里，承蒙各院校或研究所的专家和同行的厚爱，对该书给予了较高的关注和评价。但由于成书时间较短，难免有一些未完全说明之处。现将较为重要的、容易忽略的几个问题做进一步的解释和说明，以补遗方式呈现给大家，作为ERP 实验教程的补充。赵赵 仑仑 2005 年 5 月 28 日 于 北京 21 EEG 离线分析需要线性校正（Linear Detrend）吗？ERP 实验教程第四章第一节“离线分析的基本过程”对从 EEG 原始数据得到 ERP 结果的基本过程
2、进行了说明，而认知事件相关脑电位教程（魏景汉、罗跃嘉主编，2002）书中对 EEG 离线分析的步骤也进行了描述，如下：认知事件相关脑电位教程 ERP 实验教程 1、合并任务数据 2、去除眼电伪迹 3、对脑电分段 4、滤波 5、基线校正 6、排除伪迹 7、删除坏电极通道 8、平均 9、总平均 1、合并行为数据和脑电预览 2、去除眼电、心电、肌电伪迹 3、数字滤波 4、脑电分段 5、基线校正 6、线性校正 7、基线校正 8、去除伪迹 9、叠加平均/总平均 总体而言，两本书中的步骤基本上是一致的，主要区别在于ERP 实验教程 增加了线性校正（Linear Detrend）。那么，是否一定需要进行线性
3、校正（Linear Detrend）呢？很多读者对此感到疑惑，在此，对该步骤作进一步的补充说明，希望读者能够深刻体会：线性校正（Linear Detrend）主要用来消除线性漂移带来的伪迹，可以剔除超出 epoch 范围内的电位偏移。当所用的 AC 放大器的时间常数较大（或 DC 放大器）时，记录的脑电数据通常会混有这种伪迹，而突然的刺激波动也会产生一个缓慢恢复的慢波，另外，HEOG 会引起前-颞区的记录部位出现慢电位的漂移。为了消除上述伪迹，线性校正先计算现有波形的“line of best fit”，然后再将其剔除。我们在进行线性校正时，一个非常重要的问题即是，要判断出现的慢电位偏移是否是
4、伪迹，只有在确定其为伪迹时，才能进行该步骤。那么，怎样判断慢电位的偏移是否是伪迹呢？这需要研究者具有一定的伪迹判别能力以及 ERP 研 3究的经验。例 1 图 1 是实验中视觉刺激产生的诱发电位。视觉刺激为不同排列组合的小圆圈，刺激呈现时间 50ms，2 次/秒。采样率 1000Hz，带宽 0.0540Hz。要求被试只注意看，不进行任何作业任务，即进行视觉诱发电位的记录。该实验数据如果不进行 Linear Detrend，叠加平均得到的 VEP 如图 1（左）。很明显，CP3、CP4、Pz 电极记录的 VEP 产生了很明显的正电位偏移。考虑到作业任务只是进行诱发电位的记录，这种慢电位的偏移很可
5、能是伪迹，因此，可以进行 Linear Detrend（可采用书中第四章第一节的步骤），其结果如图 1 右，可以清楚地看到，诱发电位被拉回基线，而偏移不明显的 Fz，其 VEP 基本未发生明显变化。图 1 线性校正前后 VEP 的比较 左：未进行线性校正；右：进行线性校正 例 2 图 2 是两组被试进行加法心算活动 CPz 点的 ERP 比较。很显然，经过线性校正后，尽管早期成分 N1、P2 未出现明显的变化，但两组被试正慢电位的区别消失了。那么，是否应该进行线性校正呢？笔者认为，可以不对该电极进行线性校正，主要有以下原因：两组被试 ERP 中，与心算相关的正慢电位，未出现显著的偏离基线的伪迹
6、；两组 ERP 的比较结果很清楚，正慢电位有显著的区别，与预期一致，能够得到合理的解释；线性校正后，该记录位置的正慢电位的降支出现了尾部超出基线的现象，且组间差异消失。因此，在进行慢电位的分析时，一定要对结果的可靠性进行分析，确定慢电位的区别是否是来自于直流漂移或伪迹。4 图 2 线性校正前后心算正慢电位的比较 外，在应用 Scan 软件进行线性校正时，既可以对所有电极进行操作，也可以DC 放大器），可以用线性性，下面分别列出几种 EEG 离线分析得到 ERP 波形的本步骤左：未进行线性校正；右：进行线性校正 另只对某个或几个电极操作。再者，强烈建议对 EEG 或 AVG 文件进行备份，即将线
7、性校正后的 EEG 或 AVG 数据存为另一个文件。综上所述，当所用的放大器时间常数比较大（尤其是校正“Linear Detrend”消除直流漂移，但是，需要注意的原则是，必须首先确定所得到的 ERP 波形中的慢电位偏移是伪迹必须首先确定所得到的 ERP 波形中的慢电位偏移是伪迹，如果不能确定这一点，则建议不进行线性校正如果不能确定这一点，则建议不进行线性校正。考虑到 Neuroscan 的 Scan 软件中的线性校正可以对 EEG 和AVG 文件进行操作，因此，可以先得到 AVG 文件（即 ERP），根据 ERP 波形判断是否存在需要进行线性校正的伪迹，若有，则进行线性校正和再次的基线校正，
8、否则，则不进行线性校正。考虑到 ERP 研究的特殊步骤，其中，“基本步骤”可以用于大多数研究，而“步骤 14”可以说是基本步骤的补充，其使用需要研究者有一定的基础和经验，要根据具体情况具体分析，对每一步的操作和注意事项可参照ERP 实验教程、认知事件相关脑电位教程（魏景汉、罗跃嘉，2002）以及 Neuroscan 的 Scan 软件指导手册：基 1 合并行为数据和脑电预览 .2.去除眼电、心电、肌电伪迹3.脑电分段 54.基线校正 5.去除伪迹 6.叠加平均 7.平滑化处理（Smooth data，根据具体情况具体分析）/数字滤波（根据骤 1具体情况有选择地进行）8.总平均 步 1 合并行为
9、数据和脑电预览 具体情况有选择的进行）（Smooth data，根据具体情况具体分析）骤 2.2.去除眼电、心电、肌电伪迹3.对 CNT 文件数字滤波（根据4.脑电分段 5.基线校正 6.去除伪迹 7.叠加平均 9.平滑化处理8.对 AVG 文件进行线性校正（根据具体情况有选择地进行9.基线校正 10.总平均 步（同本书第四章第一节）1 合并行为数据和脑电预览 根据具体情况有选择地进行）件进行线性校正（根据具体情况有选择地进行）（Smooth data，根据具体情况具体分析）.2.去除眼电、心电、肌电伪迹3.对 CNT 文件进行数字滤波（4.脑电分段 5.基线校正 6.对 EEG 文7.基线校
10、正 8.去除伪迹 9.叠加平均 10.平滑化处理11.总平均 6 步骤 3 1 合并行为数据和脑电预览 件进行数字滤波（根据具体情况有选择的进行）（Smooth data，根据具体情况具体分析）行）骤 4.2.去除眼电、心电、肌电伪迹3.脑电分段 4.对 EEG 文5.基线校正 6.去除伪迹 7.叠加平均 8.平滑化处理9.对 AVG 文件进行线性校正（根据具体情况有选择地进10.基线校正 11.总平均 步 1 合并行为数据和脑电预览 （Smooth data，根据具体情况具体分析）行）之，进行线性校正是剔除慢电位偏移伪迹的一种重要方法，它的有效利用，.2.去除眼电、心电、肌电伪迹3.脑电分段
11、 4.基线校正 5.去除伪迹 6.叠加平均 7.平滑化处理8.对 AVG 文件进行数字滤波（根据具体情况有选择的进9.对 AVG 文件进行线性校正（根据具体情况有选择地进行）10.基线校正 11.总平均 总可以在很大程度上使结果更趋于完善，但是，需要非常强调的是，是否需要进行线性校正（Linear Detrend），需要研究者对数据有很强的伪迹识别能力和相当的经验，因此，希望读者能够深刻理解这一点，如果没有把握，可以只按照上述“基本步骤”进行离线分析，以得到所需的 ERP 波形。72 关于“撤反应”所谓“撤反应”，指的是刺激消失产生的诱发电位。这种诱发电位比刺激出现时所引起的诱发电位要小得多（
12、大概 1/7）。但如果刺激持续时间适当，就会与刺激果如图 3。很显然，在枕部电极记录位置产生了明显的撤反应，而这种撤反应对P3 产 例 2 文字刺激呈现 60试进行默读。ERP 结果见右（见，00ms 后的刺激消失产生了明显的撤反应消失，或者延 出现时的诱发电位混合，使诱发电位失真。下面以视觉刺激的有关研究为例：例 1 面孔呈现时间为 300ms，要求被试进行面孔识别作业任务，ERP 结生了一定的影响（图 3 左）。如果用 PCA/ICA 方法去除撤反应，结果如图 3右，可见：P3 成分中的撤反应被消除。图 3 面孔识别的撤反应 左：撤反应；右：剔除撤反应 0ms，要求被即图 4），可6，且该
13、撤反应对 P600 成分产生了非常显著的影响，导致波形失真。因此，实验设计时，为不影响 ERP 晚成分的记录，刺激的持续时间最好短一些，在拟观察的成分出现以前使刺激长刺激持续时间，在拟观察的晚成分出现后，再使刺激消失。83 MMN 记录时的伪迹问题 究大脑信息自动加工的一个重要指标，目前已拓展到多个研究领域，如句法的自动加工等。进行 MMN 的研，多采用鼻尖做参考电极，因为 MMN 在双侧乳突可能会出现 MMN 的极性翻线分析剔除 EKG 对EEG 失匹配负波（MMN，mismatch negativity）是研究转。然而，当采用鼻尖参考时，除了ERP 实验教程中提到的伪迹之外，有的被试在各导
14、联往往会出现一种有一定规律的伪迹（图 5），主要原因可能是由于鼻子翕动（尽管比较轻微）、鼻尖距离心脏较近或鼻尖下血管波动所致。这种伪迹如果不剔除，必将对 MMN 的波形产生一定的影响。对这种伪迹，如果确定其来源是心电（EKG），可以增加 EKG 导联的记录（Neuroscan 有很好的 EKG 记录设置和电极配置），一般可以将两个电极分别放置于左右锁骨下，进行双极导联记录 EKG，可以在线或离的影响（具体可参看本书四章或 Neuroscan 指导手册）；如果难以确定伪迹来源，可以进行溯源分析，用 PCA/ICA 方法剔除该伪迹，这需要研究者要有足够的知识背景。图 5 鼻尖为参考记录 MMN 时
15、的伪迹 94 Montage Editor 的功能和使用 帽以及 Nuamps极导联记录的眼电变换成双极导联呢？任意电极之间是否可以进行相互运算并比较呢？Neuroscan 的 Montage Editor 为大家提供了非常简单有效的方法。楚看到，水平眼 在多导联记录脑电数据时，尤其是用 128 导或 256 导电极记录脑电时，通常采用的是单极导联记录，那么，是否可以将单Montage Editor 是 Neuroscan 的 Scan 软件中的一项重要功能，对 CNT 文件、EEG 文件和 AVG 文件均可以进行不同电极导联之间的转换或计算。下面以由单极导联记录的眼电转变成双极眼电来举例说明
16、：打开单极导联记录的原始脑电数据（CNT 文件）：从图 6 可以清电（HEOG）由 HEOL 和 HEOR 组成，垂直眼电（VEOG）由 VEOU 和 VEOL构成。四个电极记录的均为记录位置的脑电，只不过包含了眼电成分。图 6 单极导联记录的 EEG 数据 点击“Launch Montage Editor”，出现界面图 7：左侧是电极排列矩阵，右侧是电极排列位置。将两个单极导联（VEOU 和 VEO转换为一个双极导联（VEOG），即可以将 VEOU 乘以 1，而 VEO矩阵中电极对应的数原始数据的每个导联的个记录点的数据乘上该导联相对应的乘数，那么，即可得到该导联的新的数据。为了L）L 乘以-1，所得到的数据即为 VEOU 减去 VEOL 得到的字可作为乘数（multipliers），每结果（VEOG=VEOU1VEOL（-1）。下面详细介绍该步骤：10点击鼠标右键，“Insert Channel”增加新的导联 VEOG 和 HEOG，将 VEOG与 VEOU 和 VEOL 所对应的乘数设为 1 和-1、HEOG 与 HEOL 和 HEOR 对应的乘数也设为 1 和-1，其他导联的乘
