ERP 的主要成分

本文详细介绍了视觉事件相关电位(ERP)的不同波形C1、P1、N1、N170/VPP、P2、N2、LPP、P300家族(P3b和P3a)、LPN/FSN、N400和P600,展示了大脑对视觉刺激的复杂响应过程及注意、情绪和认知的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

C1

C1是最早出现的视觉成分,刺激呈现后40—60ms出现,峰值潜伏期约为80-100ms,它主要出现在头后部的中线电极位置,C1产生于初级视皮层V1。C1对对视觉刺激的物理属性非常敏感,如:视差、对比度、亮度等,是典型的外源性成分,不受注意的影响。

P1

P1波在C1之后,P1主要位于两侧枕区,在偏侧枕区的幅度最大。一般开始于刺激后的60-90ms,峰值在100-130ms之间。P1的潜伏期会受到刺激对比度的影响。对刺激的物理参数(对比度、空间频率)敏感;也对空间注意的方向敏感。

N1

N1波出现在P1之后,包括集中视觉的子成分。前部N1:峰值100-150 ms 后部N1:峰值150-200 ms

N170/VPP

在颞枕区(尤其是右侧),面孔刺激比非面孔刺激诱发更大的负波,该波在刺激呈现后170ms左右达到峰值,被称之为N170,

当以双侧乳突、耳垂、平均参考时,面孔刺激可能会产生显著的正成分,它在150-200ms之间,位于中央区的中线部位,因此叫顶正电位(VPP)。由于VPP和N170具有相同性质,相同皮层发生源,因此VPP可能N170的极性反转。

P2

出现在N1之后分布于额中央部

靶刺激产生的P2较大,当靶刺激概率减小时,P2效应增强

受空间注意的影响,反映识别加工

N2

N2pc: 对侧,反映空间注意与目标位置

N270:冲突负波:数学加工的错误(Wang et al, 2000)

与实验情境,刺激物与脑内原有存储信息的冲突相关

无论刺激内容是否相关,只要存在冲突,成人都能诱发出N270;儿童在N270成分上表现出注意的控制作用

N270的出现与刺激物的物理属性(数字、图形、颜色)无关,也不受刺激概率变化的影响

LPP

事件相关晚期正电位(LPP)是中潜伏期视觉ERP成分,是情绪ERP研究的主要关注成分之一

LPP在刺激呈现后的300ms变得明显,并且相比于中性条件,正性和负性图片刺激均能诱发更明显的LPP。。

P300家族

P3b

在300ms左右出现的正波。幅值一般为5—20uV,P300诱发采用odball范式(或变型)诱发,比如对同一感觉通路呈现2种刺激,一种标准刺激(非靶刺激),概率大(如:85%);另一种偏差刺激(靶刺激),概率小(如:15%);随机呈现这两种刺激,这样偏差刺激对被试来说就是非常偶然出现的,令被试在发现偏差刺激后尽快按键反应。这时会在偏差刺激出现后约300ms左右观察到一个正波,这个通常是指P3b,最大波幅在顶叶。需要注意的是P3b与随意注意有关,在非注意条件下不能诱发,其波幅与所投入的心理资源呈正相关。

P3a

当在P3b的实验范式中加入一种小概率的新异刺激,这个新异刺激(突然出现的、未预料得、具有足够强度的刺激)可诱发出一个正成分,这就是P3a,一般潜伏期稍小于P3b,最大幅值出现在额叶。

LPN/FSN

在视觉呈现词汇后200-400ms出现,该成分与词频高度相关,词汇使用频率越高,FSN潜伏期越短。

N400

N400与语义理解难易度有关,。

P600

P600是典型的句法加工ERP成分。当被是阅读包含句法歧义的句子时,会产生不同于N400的晚期正波,这就是P600。

### 脑电图 ERP 技术背景 脑电图(Electroencephalography, EEG)是一种通过测量头皮上的电压波动来记录大脑活动的技术。事件相关电位(Event-Related Potentials, ERPs)是从EEG信号中提取的时间锁定于特定刺激或事件的大脑反应[^4]。ERPs提供了关于认知处理的时间进程的高度精确的信息,使其成为研究心智、大脑和行为科学的重要工具。 #### 定义与基本概念 ERP成分是指由特定神经事件引发的一系列可重复的波形特征。这些成分可以反映不同的心理过程,例如注意力分配、记忆检索和语义加工等。多个ERP成分叠加形成了观察到的整体ERP波形。然而,从复杂的波形中分离出单一成分是一项具有挑战性的任务,因为这涉及到多种因素的影响,包括个体差异、噪声干扰以及实验条件的变化[^1]。 #### 常见ERP成分及其功能 一些常见的ERP成分已经被深入研究并广泛应用于心理学和神经科学研究之中。例如: - **N400**:主要与语言理解和语义处理有关,当遇到不符合预期意义的词语时会产生更大的负向偏移。 - **P300 (P3)**:反映了对稀有或有意义刺激的关注程度,在决策制定和情境意识中有重要作用。 - **P1**:通常用来评估视觉注意机制的空间定位能力,特别是在早期阶段的感觉输入分析期间发挥作用[^2]。 #### 数据分析方法 为了提高单次试验分类性能,近年来发展了一些先进的统计学习算法用于ERP分量模式匹配。比如,《IEEE Transactions on Biomedical Engineering》上发表的一项研究表明,“判别典型模式匹配” 方法能够有效地增强对于复杂数据集下各独立试次间变异性的容忍度,并提升整体预测精度[^3]。 #### 应用实例 除了传统领域外,现代ERP技术还扩展到了更多实际应用场景当中。例如,在一项针对低质量视频目标检测的研究项目里,科学家们采用了基于脑电信号的方法来进行图像识别工作。他们特别关注那些在真实世界条件下容易出现问题的对象——如受到伪装、损坏或者部分遮蔽影响的情况下的表现效果如何变化等问题[^5]。 ```python import numpy as np from scipy import signal def preprocess_eeg(eeg_data): """预处理原始EEG数据""" filtered_signal = signal.butterworth_filter(eeg_data, lowcut=0.5, highcut=40, fs=256) return filtered_signal eeg_sample = np.random.normal(size=(100,)) processed_signal = preprocess_eeg(eeg_sample) print(processed_signal[:10]) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值