ERP实验设计和数据分析ppt课件

1、ERP实验设计和数据分析 李晓庆中国科学院心思研讨所2021-07-01. ERP实验设计中的假设干问题 如何从ERP数据中得出结论 ERP成分(component) 与ERP波形(waveform) ERP实验设计中的无关变量及应对战略 刺激资料数量和呈现战略 数据分析时的基线问题 ERP数据分析中的本卷须知 ERP叠加平均的原理、及伪迹 用ICA排除伪迹 ERP的PCA分析法及适用范围 F.C. Donders Centre for Cognitive Neuroimaging.ERP实验设计中的假设干问题好数据是无可替代的 好数据是无可替代的。置信伪迹提出可以将坏数据变成好数据是愚笨的。

2、伪迹排除只能偶尔去掉那些偶尔发生的含有伪迹的试次，使好数据变得更好。假设被试在对待特定事件进展反响时总是眨眼，或者有延续的高振幅活动，伪迹排除方法并不能给予补偿，也就是说，那些具有系统噪声和系统伪迹的数据，并不能经过伪迹排除的方法得到更大改善。(Hansen. J. C., 未发表的软件文档).ERP实验设计中的假设干问题(一) 如何从ERP数据中得出结论1. 不基于特定ERP成分的推论时间特点地形图头皮分部波幅时间认知加工过程的功能异同同一认知加工过程的参与程度(Li, Yang, Hagoort, 2021).ERP实验设计中的假设干问题例子，重读(适宜 vs. 不适宜) 腔调(适宜 vs

3、. 不适宜) 如今正是玫瑰怒放的季节。 明天小明去买什么把房间装饰一下？ a 明天小秦去买花装饰房间AB b 明天小秦去买花装饰房间 AB c 明天小秦去买画装饰房间 AB d 明天小秦去买画装饰房间 AB 3 -3abcdLi et al., 2021(d-a)=(c-a)+(b-a): 线性相加性阐明accent和tone的语义加工存在一定的对应之处.ERP实验设计中的假设干问题(一) 如何从ERP数据中得出结论2. 基于特定ERP成分的推论ERP成分(Component): a part of waveform with a circumscribed scalp distributio

4、n (alluding to the underlying neural configuration) and a circumscribed relationship to experimental variables (alluding to the cognitive function served by the activity of this configuration) (Donchin et al., 1978).N400 : central-parietal; semantic integration 信息构造如何影响语义加工的深度 (Wang et al., 2021) 焦点

5、 (焦点 vs. 非焦点) 语义适宜 (适宜 vs. 不适宜).ERP实验设计中的假设干问题(二) ERP成分(component) 与ERP波形(waveform) ERP波峰ERP成分不能从单一的ERP波形估计 ERP成分的时间过程和峰埋伏期不要把实验效应与波形的变化进展简单对应波峰振幅的差别成分大小的差别 波峰埋伏期的差别成分时程的变化.ERP实验设计中的假设干问题(二) ERP成分(component) 与ERP波形(waveform) 聚焦于特定的成分运用已成熟的实验操作聚焦于大的成分用差别波来分别成分运用成分独立的实验设计实验设计 减少ERP成分和ERP波形之间的关系不确定性可数名

6、词, 语义相关 (plate.cup)可数名词, 语义不相关(sock.cup)不可数名词, 语义相关 (rain.water)不可数名词, 语义不相关(garbage.water) (Vogel, Luck, Shapiro, 1998)有动物的照片无动物的照片150 ms(Thorpe, 1996).ERP实验设计中的假设干问题(三) ERP实验设计中的无关变量及应对战略例子, 实验目的：刺激可辨性(discriminability)对P3的影响 资料：字母表10% “Q; 90% 随即选择的非“Q ; “Q 从不延续出现 义务：字母“Q时按键 条件: 容易区分(亮条件) vs. 难于区分

7、(暗条件)无关变量： 刺激的物理属性： “Q与非“Q的外形不同; 与非“Q相比, “Q出现的频率高 被试的反响方式： 对靶“Q反响，而对非靶不反响 (受与运动有关的ERP的污染) 刺激的呈现方式： “Q 从不延续出现 (P3后效只影响非“Q) 刺激资料的数量： 10% “Q; 90% 非“Q (峰振幅) 刺激条件的操作： 亮条件 vs. 暗条件 - 二次反响(早期成分；加工难度差别) .ERP实验设计中的假设干问题(三) ERP实验设计中的无关变量及应对战略应对战略： 刺激的物理属性： 运用不同的靶字母，在全体被试间进展平衡； 10个字母，1个为靶- 每个字母的出现概率都是10% 被试的反响方

8、式： 对靶“Q和非靶做不同的反响 刺激的呈现方式： 分析数据时，去除有靶领先的非靶刺激 刺激资料的数量： 平均波幅替代峰波幅；随机选择同等数量的非靶刺激 刺激条件的操作： 添加控制条件； 亮刺激与暗刺激在同一区组内随机呈现； 额外的数据分析(RTs 快 vs. RTs 慢) .ERP实验设计中的假设干问题(三) ERP实验设计中的无关变量及应对战略 1. 刺激的物理属性： 不同实验条件下，尽量运用物理属性一样的刺激资料； 添加控制实验 例子，重读(适宜 vs. 不适宜) 韵律边境(适宜 vs. 不适宜) 他撞倒谁的车子之后逃跑了？ 撞倒/肖明的车子 AB 撞倒/肖明的车子 AB 撞倒肖明的/车

9、子 AB 撞倒肖明的/车子 AB 他撞倒谁的车子之后逃跑了？ AB 他撞倒肖明的什么物品之后逃跑了？AB 警察把撞倒谁的车子没收了？ AB 警察把撞倒肖明的什么物品没收了？AB 撞倒/肖明的车子 (Li et al., 2021)下划线: 表示锁时的关键词; 红色表示重读的位置; 左侧: 物理属性不一样; 右侧:物理属性一样 .Audiovisual situation Standard 随后(红色)的方形出现了 (75%) Deviant1 随后(红色)的方形出现了 (12.5%) Deviant2 随后(红色)的方形出现了 (12.5%) Auditory situation Standa

10、rd 随后红色的方形出现了 Deviant 随后红色的方形出现了 (Li et al., 2021)(三) ERP实验设计中的无关变量及应对战略 1. 刺激的物理属性： 不同实验条件下，尽量运用物理属性一样的刺激资料； 添加控制实验 例子，重读语义与视觉背景整合的时间特点 下划线: 表示锁时的关键词; 红色表示重读的位置; 上: 正式实验; 下: 控制实验重读与视觉背景一致重读与视觉背景不一致重读与视觉背景不一致.ERP实验设计中的假设干问题(三) ERP实验设计中的无关变量及应对战略 2. 刺激资料的反复 3. 不同实验条件下，刺激资料的数量不同 4. 不同实验条件下，被试反响的有无不同；反

11、响的难度不同 5. 尽量在同一区组内变化实验条件； 而不是在不同区组间变化实验条件 .ERP实验设计中的假设干问题(四) 刺激资料数量和呈现战略 1.刺激资料的数量 效应的大小(ERP成分; 实验条件支配)； 数据的噪声程度 30-60 - large component (P3, N400) 150-200 - medium-sized component (N2) 400-800 - small component (P1) (Luck, 2004) 2.刺激资料的数量和信噪比 .ERP实验设计中的假设干问题(四) 刺激资料数量和呈现战略3.刺激资料-ERP成分重叠4. 应对ERP成分重叠

12、的战略 a 运用ISI jitter(抖动) jitter的范围尽量宽； b 不呈现刺激的小概率事件 (Picton et al., 1974) c 估计已采集数据的重叠 从平均波形中减去估计的重叠 ADJAR (adjacent response) (Woldorff, 1993).ERP实验设计中的假设干问题(五) 数据分析时的基线问题 - 实验设计 1. 尽量使锁时点之前的刺激资料在不同实验条件中一样 (Li, Chen, and Yang., 2021) 2. 选择恰当的时间段作为基线，并在实验设计时使其在 不同实验条件中一样 (Nan, Knsche, Friederici, 202

13、1) 3.利用差别波把效应进展比较 (Li et al., minor revision) .ERP实验设计中的假设干问题例子，重读(适宜 vs. 不适宜) 韵律边境(适宜 vs. 不适宜) 他撞倒谁的车子之后逃跑了？ 撞倒/肖明的车子 AB 撞倒/肖明的车子 AB 撞倒肖明的/车子 AB 撞倒肖明的/车子 AB 他撞倒谁的车子之后逃跑了？ AB 他撞倒肖明的什么物品之后逃跑了？AB 警察把撞倒谁的车子没收了？ AB 警察把撞倒肖明的什么物品没收了？AB 撞倒/肖明的车子(Li, Chen, and Yang, 2021)下划线: 表示锁时的关键词; 红色表示重读的位置; 左侧: 基线不一样;

14、 右侧:基线一样 .ERP实验设计中的假设干问题例，非音乐家对音乐小结边境的感知，及文化差别对其的影响 Baseline: -200 0 ms -800 - -300 ms (Nan, Knsche, Friederici, 2021).Research designActive sentences (low working memory load) high semantic related low semantic related萌萌把“新娘淡色的婚纱弄脏后感到很负疚。 萌萌把“队长淡色的婚纱弄脏后感到很负疚。萌萌把“新娘淡色的婚纱弄脏后感到很负疚。 萌萌把“队长淡色的婚纱弄脏后感到很负疚

15、。Passive sentences (high working memory load) high semantic related low semantic related萌萌说“新娘被弄脏淡色的婚纱后叹了口气 。萌萌说“队长被弄脏淡色的婚纱后叹了口气 。萌萌说“新娘被弄脏淡色的婚纱后叹了口气 。 萌萌说“队长被弄脏淡色的婚纱后叹了口气 。 Memory Load (high vs. low) Accentuation (accented vs. de-accented) Semantic Relatedness (high vs. low)(Li et al., minor revisi

16、on)下划线: 表示锁时的关键词; 红色表示重读的位置; 右侧减左侧得到差别波.ERP数据分析中的本卷须知一ERP叠加的平均的原理、及伪迹1. ERP的平均的原理信号噪声(background EEG)伪迹.ERP数据分析中的本卷须知一ERP叠加平均的原理、及伪迹2. EEG数据中的伪迹 眨眼 眼动 (阅读, 视觉搜索) 波 肌电 jaw, neck, and face muscles squinting, eyebrow movements smiling, laughter 出声阅读 心电 (e.g., 参考位于血管上) 电极接触不良 剔除含有伪迹的刺激 信噪比降低 矫正 较好的信噪比；

17、剔出不正确反而更歪曲数据.ERP数据分析中的本卷须知一ERP叠加平均的原理、及伪迹2. EEG数据中的伪迹 - 波 10 Hz, 100 ms 一个周期，parietal-occipital 很难平均掉：波幅高 与刺激资料同步 影响数据的解释；特别是始潜时的分析 控制战略：ISI jitter， 100 ms ms-1001002003004005006007008009001000uV-6.06.0PZ.ERP数据分析中的本卷须知一ERP叠加平均的原理、及伪迹2. EEG数据中的伪迹 - 慢电位漂移 皮肤电位变化；电极接触不良 剔除： 计算EEG在一切trials上的斜率， 并将那些斜率超出

18、一定 阈值 的trial排除 .ERP数据分析中的本卷须知一ERP叠加平均的原理、及伪迹3. EEG数据中的伪迹 - 眼动 固定的电压梯度(正极指向眼球正面)； 眼动指向的方面，头皮电压变得更正 剔除眼动污染的刺激 优点：数据更干净 缺陷：信噪比降低； 不可防止会产生眼动； 有的眼动难以侦查到； 剔除方法错误 眼动矫正 回归分析； 偶极子定位； ICA .ERP数据分析中的本卷须知3. EEG数据中的伪迹 - 眼动.ERP数据分析中的本卷须知二用ICA排除伪迹 (Jung et al., 2000, 2001) 数据驱动 data-driving 利用数据的相关构造，线形方法和非线性方法相结合

19、； N电极 - N个独立的成分 与特定伪迹有关的成分具有独特的特点 利用逆运算(inverse computation) - 减去有伪迹有关的成分.眼动肌电.波坏电极.ERP数据分析中的本卷须知二用ICA排除伪迹 - 详细程序 1 Neuroscan 数据预处置 Ocular artifact reduction、re-Reference、filter、epoch、baseline correction、 Artfact rejection-75 +75、Delete rejectred sweeps用matlab翻开eeglab file-set path(包含eeglab程序所在的途径、e

20、eg数据所在的途径) ； 直接在matlab中输入eeglab 把.eeg数据转换为eeglab的数据(.set) file-import-from Neuroscan .eegfile file-save current dataset as (保管为.set数据).ERP数据分析中的本卷须知二用ICA排除伪迹 - 详细程序2 Run ICA file-load existing dataset edit-channel location (一路点击ok) tools-run ICA file-save current dataset as (保管包含ica信息的数据) 用ICA去伪迹 to

21、ols-reject data using ICA-reject component by maps tools-romove compoments file-save current dataset as (保管包含去除伪迹后的数据). 把.set数据转换为Neuroscan能读取的.avg数据 1. files-export-Data and ICA activity to text files 对话窗的以下处划勾 Export ERP average instead of trials Transpose matrix (ele-rows) Export channel labes/co

22、mponent numbers Export time values 2. 把导出的数据转换为.xls数据-去除第一行电极点称号和第一列时间点称号； 把.xls数据转换为.dat数据 把.dat数据转换为.avg数据 .dat数据的翻开方式选择Neuroscan channel 62(电极数) acquisition rate 500(采样率) X Mimum -100epoch时的时间最小值 point 551采样点数二用ICA排除伪迹 - 详细程序3.ERP数据分析中的本卷须知三ERP的PCA分析法及适用范围 - 详细程序 数据驱动 data-driving 利用数据的相关构造 M个延续变量 - N个成分， NM 很难从ERP波形中确定每个ERP成分的代表性时间窗口(Li et al., 2021).例子，重读(适宜 vs. 不适宜) 韵律边境(适宜 vs. 不适宜) (Li et al., 2021) .ERP数据分析中的本卷须知三ERP的PCA分析法及适用范围 - 根本原理 .avg 数据的预处置 翻开.avg文件，然后另存为.dat文件； 把.dat文件的扩展名改为.xls文件，删除基线上的数据、及电极称号； 把.xls文件的扩展名改为.txt文件.ERP数据分析中的本卷须知三ERP的PCA分析法及适用范围