ERP實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)分析.ppt

ERP的實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)處理,羅躍嘉北京師范大學(xué)認(rèn)知神經(jīng)科學(xué)與學(xué)習(xí)國(guó)家重點(diǎn)實(shí)驗(yàn)室,一、實(shí)驗(yàn)范式,經(jīng)典范式:Oddball,Go-Nogo注意:聽(tīng)覺(jué),視覺(jué)記憶:學(xué)習(xí)-再認(rèn)社會(huì)認(rèn)知,經(jīng)典范式1-Oddball,Oddball實(shí)驗(yàn)?zāi)Ｊ绞侵覆捎脙煞N或多種不同刺激持續(xù)交替呈現(xiàn)，它們出現(xiàn)的概率顯著不同組成標(biāo)準(zhǔn)刺激(standardstimuli)大概率偏差刺激(deviantstimuli)小概率令被試對(duì)偏差刺激進(jìn)行反應(yīng)，因此該偏差刺激稱為靶刺激（Target）或目標(biāo)刺激。誘發(fā)P300、MMN等與刺激概率有關(guān)的ERP成分時(shí)的經(jīng)典實(shí)驗(yàn)?zāi)Ｊ健?標(biāo)準(zhǔn)刺激靶刺激非靶刺激刺激缺失新奇刺激,ABCD,跨通路延遲反應(yīng)范式,Task1：AttendingPicture,IgnoringTonePictureToneToneRedCross,Discriminatewaitandcapturereacttheimperativesignal,Task2：AttendingTone,IgnoringPictureTonePictureClick,Discriminatewaitandcapturereacttheimperativesignal,(0-2trial),(0-2trial),經(jīng)典范式2-Go-Nogo,兩種刺激的概率相等Go刺激令被試反應(yīng)的刺激，即靶刺激Nogo刺激不需被試反應(yīng)的刺激特點(diǎn)：排除了刺激概率對(duì)ERP的影響；由于沒(méi)有大小概率之分，大大節(jié)省了實(shí)驗(yàn)時(shí)間，但也丟掉了因大、小概率差異而產(chǎn)生的ERP成分,注意的實(shí)驗(yàn)范式,雙耳分聽(tīng)空間注意:Cue-Target提示范圍的分級(jí),雞尾酒會(huì)效應(yīng)與雙耳分聽(tīng)(Chrry,1953),Hillyard,1975,Science,MangunWorldorff等,1997)、灰度地形圖（LuoTeder等,1993）,根據(jù)維度：二維地形圖三維地形圖,實(shí)際頭形地形圖：精確地、實(shí)時(shí)地?cái)?shù)字化描繪每個(gè)被試的電極位置和頭顱形狀，形象地顯示三維地形圖,面孔識(shí)別的P170成分分布,3源分析極性翻轉(zhuǎn),顱內(nèi)與頭皮電位的極性翻轉(zhuǎn)：在早期的生理學(xué)研究中，將電極直接插入海馬、海馬旁回和杏仁核，記錄到波幅較大的極性翻轉(zhuǎn)的電位，其潛伏期與頭皮記錄的頂部P300一致。俄國(guó)科學(xué)家用顱內(nèi)電極在Parkinson病人顳葉葉直接記錄到聽(tīng)覺(jué)MMN(Kropotov等,1995)。在動(dòng)物實(shí)驗(yàn)中也多次證實(shí)。Ntnen（1992）用鼻尖作為參考點(diǎn)，發(fā)現(xiàn)在頭顱外側(cè)裂以上的頭皮MMN與外側(cè)裂以下的乳突與之極性翻轉(zhuǎn)。極性翻轉(zhuǎn)的機(jī)制可用偶極子原理解釋。,3源分析電流密度圖(CurrentDensityReconstruction),3源分析偶極子定位,偶極子(Dipole)是一對(duì)數(shù)值相等、符號(hào)相反的電荷，彼此相隔一定距離時(shí)形成的體系。神經(jīng)傳導(dǎo)遞質(zhì)作用于突觸后神經(jīng)元受體的過(guò)程中所產(chǎn)生的突觸后電位導(dǎo)致了ERP的產(chǎn)生。源定位可根據(jù)偶極子的數(shù)目、偶極子的時(shí)間特征、偶極子的位置和偶極子量等因素進(jìn)行。偶極子模型單個(gè)偶極子模型與(singledipolemodels)多個(gè)偶極子模型(multipledipolemodels),patchofalignedpyramidalcellsingraymatterlayer,CorticalActivityandDipoles,AMultimodalApproach,DipoleConfidenceEllipsoids,HeadModel,SensorsModel,SourceModel-idealized-simplified,Data(estimated),InverseCalculatio