《ERP实验教程》的补充

1、 ERP实验教程H拙作ERP实验教程于2004年9月出版以來，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、容易忽略的儿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。赵仑2005年5月28日于北京1EEG离线分析需要线性校正(LinearDetrend)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，

2、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1、合并行为数据和脑电预览2、去除眼电伪迹2、去除眼电、心电、肌电伪迹3、对脑电分段3、数字滤波4.滤波4、脑电分段5、基线校正5、基线校正6、排除伪迹6、线性校正7、删除坏电极通道7、基线校正8、平均8、去除伪迹9、总平均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，主要区別在于ERP实验教程增加线性校正(LinearDetrend)o那么，是否一定需耍进行线性校正(LinearDetrend)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(LinearDetrend)主要用来

3、消除线性漂移带來的伪迹，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会引起前颉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“lineofbestfit”，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？这需耍研究者具有一定的伪迹判别能力以及ERP研究的经验。彳列1图1是实验中视觉刺激产生的诱发电位。视觉刺

4、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LinearDetrend,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能是伪迹，因此，可以进行LinearDetrend（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。ni偏差扫描(deviationscans

5、)电流密度重构(currentdensityreconstructions)等来判定。13、电流密度重构(CDR,currentdensityreconstructions)：可以在偶极子溯源分析后，进行所考察时间范围内的CDR的计算，也可以只计算单个时间点(如MGFP峰)的电流密度。本例中，计算1555ms的电流密度，可以得到该时间范围内随时间变化的CDR动态变化结果(时间分辨率由原始数据的采样率决定)。进入SourceReconstruction”的VolumeConductor”，选择前述己经创建的BEM模型(如：BEM10/9/7mm)；打开uSourceLocations,选用所创建

6、的“Cortex3mm”(注:根据研究需求可有不同的选择);进入CurrentDensityn,可以有多种CDRType：MNLS(MinimumNormLeastSquares)、sLORETA(standardizedLowResolutionElectromagneticTomography)LINonn、LpNoim、LORETA(LowResolutionTomography)等，其中MNLS运算速度最快，LORETA最慢(注：选择何种CDR类型，没有必然的标准，需要研究者根据具体情况具体分析)。5503m?本例中，选择sLORETA进行皮层电流密度重构，如JL图所示。sLORETA是对MNLS的修正，得到的不是电流分布，而是一个统计量，它的计算速度与MNLS相近，但定位更精确。上述溯源分析的步骤并不完整，如噪声估计的选择、MRI数据的提取、电极排列位置和MRI的融合、MRI数据的定标、电流密度重构的具体耍求等等，均未进行说明，因此，考虑到各的具