Hello,
这里是行上行下,我是喵君姐姐~
行上行下读书会已经进行到第八期啦!本期读书会的主题是《事件相关电位基础》(第二版)第八章基线校正、迭加平均、与时频分析(上)。
本期主要是对基线校正与迭加平均的概述。
第一部分是一个总的概述。第二部分和第三部分分别介绍了基线较正,包括为什么要做基线较正、基线较正可能出现的问题以及如何选择基线。
第四部分到第七部分介绍了迭加平均,包括迭加平均的基础,迭加平均过程中存在的个体差异,振幅变异和潜伏期变异给迭加平均ERP波形带来的问题。
本期主要对认知、情感和临床神经科学研究中常遇到的一些ERP成分进行概述。
注:由于我们的精力有限,内容可能难免会有遗漏或错误,欢迎大家批评指正,提出建议,我们一起共同学习和进步~
PART 1
从EEG数据中心提取分段
在迭加平均之前,需要以感兴趣的事件编码为锁时点,从连续EEG信号中提取固定长度的分段。
每个分段都包含一个位于事件编码之前的基线时段(通常为100~200ms),以及一个位于事件编码之后的时段(依据要所要研究的成分,通常为500~1500ms)。

PART 2

基线校正

从EEG数据提取分段后,通常需要进行基线校正。
一般由于皮肤水合作用或静电等因素,EEG在垂直方向上会出现整体偏移,这种偏移是完全随机且与大脑活动无关。
随着时间经过基线期的中央,试次间的变异逐渐趋于增大每条虚线代表基线校正后的单试次波形。
基线校正使每个波形垂直移动,以便它们在基线期聚集在一起,随着时间离开基线期,信号越来越趋于偏离基线电压。
在理想情况下,使用较长的基线时间段使真实电压偏移量的估计更加准确(因为当在基线中使用更多的时间点计算均值时,小的噪声尖峰将会倾向于抵消掉)。

PART 3

迭加平均

信号平均是用来降低噪声,以便更容易观测到与大事件相关的大脑活动。
图注:显示了增加试次数目如何降低迭加平均ERP波形中的噪声。

S表示信号的大小;N表示一典型试次中噪声的大小;T表示试次数目。
补充:随着试次数目的增加,迭加平均中的噪声逐渐减少,导致信噪比逐渐提高,但这一提高不是线性的。
一般来说不需要担心信噪比的具体值,只需在合乎情理的前提下尽可能提高信噪比。

PART 4

迭加平均ERP波形中的个体差异

图注:右列显示的不同记录之间波形的稳定性,左列所示被试间波形的差异主要反映了被试间稳定的差异。右下角的波形显示了本实验中9名被试的总平均。
总平均的一个重要特点就是其峰值要小于大多数单被试波形中的峰值。
不同被试之间的波形出现稳定差异的原因:
1)大脑皮层特有的折叠模式
2)其他因素:诸如药物、年龄、精神疾病,性格

PART 5

振幅变异(不)引起的问题

迭加平均ERP波形中的成分波将反映各试次中波的平均振幅(集中趋势)。
均值并不总是一个很好的集中趋势的测量标准,如:
大多数情况下,你可以忽略振幅在不同试次中的变化。

PART 6

潜伏期变异带来的问题

虽然试次间振幅的变异通常不是问题,但潜伏期的变异(也称作潜伏期抖动)则是一个很大的问题。
(A)两个实验条件下的示例刺激。(B)Pz电极上与刺激锁时的平均波形。(C)Pz电极上与反应锁时的平均波形。

PART 7

如何处理潜伏期抖动

面积测量(单相ERP成分)

若干试次迭加平均波形的曲线下面积的均值,等于在单试次中计算曲线下面积然后在试次下平均。
平均或面积振幅不受潜伏期变异的影响。
与反应锁时的迭加平均
当ERP成分的潜伏期与反应时紧密耦合时,使用反应锁时来校正潜伏期变异。
Woody滤波器技术(Woody, 1967)
在单试次中估计出感兴趣部分的潜伏期,并使用这个潜伏期作为锁时点进行迭加平均。当目标成分较大且与EEG中的噪声不同时才有效。

PART 8

本章小结

本章集中讨论了基线校正和迭加平均。
在本章开始时论述EEG分段提取和基线校正的过程。这些过程通常运用在迭加平均之前。
之后讨论了ERP成分的振幅与潜伏期在试次间的变异,并集中讨论潜伏期变异如何导致错误的结论。
最后介绍时频分析,该内容在第十二章有更详细的探讨。
第八期参与人员名单
注:由于我们的精力有限,内容可能难免会有遗漏或错误,欢迎大家批评指正,提出宝贵建议,我们一起共同学习和进步~
参考文献:
[1] Steven J. Luck.(2009) 事件相关电位基础 (洪祥飞, 刘岳庐 译). 上海: 华东师范大学出版社.
[2] 赵仑.(2010). ERPs实验教程. 南京: 东南大学出版社.
排版:贺月
编辑:华华
校对:喵君姐姐
因为微信更改了推送规则,如果不想错过我们的精彩内容,请『在看』以及星标⭐️我们呦!
继续阅读
阅读原文