
如何設計事件相關電位(ERP)研究
克里斯蒂安·布爾戈斯
更新於
2026年11月16日

如何設計事件相關電位(ERP)研究
克里斯蒂安·布爾戈斯
更新於
2026年11月16日

如何設計事件相關電位(ERP)研究
克里斯蒂安·布爾戈斯
更新於
2026年11月16日
設計事件相關電位(ERP)研究遠不止於選擇腦電圖(EEG)系統或記錄大腦活動。在開始收集數據之前,研究人員必須確立明確的科學問題、確定想要探討的認知歷程、挑選合適的實驗典範,並設計一項能夠分離出目標神經歷程的研究。這些決策塑造了數據的品質以及能從研究中得出的結論。
本文探討了設計 ERP 實驗涉及的關鍵考量,從建構研究問題到收集可靠、可解讀的數據。
從研究問題出發
當人們初次接觸事件相關電位(ERP)時,往往會將焦點放在技術上。他們會聯想到 EEG 電極、色彩繽紛的腦波記錄,以及以毫秒級精度分析神經反應的專用軟體。
然而,經驗豐富的研究人員對 ERP 研究的看法則截然不同。
早在放置電極或收集數據之前,研究人員就已經做出了一系列決定實驗能否解答其科學問題的決策。他們確定想要研究的認知歷程、挑選合適的實驗任務、定義要測量的事件,並設定實驗條件,以便將特定的神經反應從同時發生的諸多歷程中分離出來 [1]、[2]。
換句話說,成功的 ERP 研究始於實驗設計,而非 EEG 技術。
理解這一區別是設計出有效 ERP 研究最重要的步驟之一。
確立研究問題
ERP 實驗應該始於科學問題,而不是特定的 ERP 成分。
例如,研究人員可能希望了解注意力在學習過程中如何變化、工作記憶如何更新、人們如何察覺錯誤,或者大腦如何對未預期的刺激做出反應。這些問題各自反映了不同的認知歷程,並且可能需要不同的實驗典範。
一旦確立了研究問題,研究人員就可以選擇最有可能深入了解該歷程的 ERP 成分。諸如 P300、N170、錯誤配對負波(MMN)或錯誤相關負波(ERN)等成分之所以極具價值,是因為數十年的研究已將它們與知覺、注意力、記憶或認知控制的特定面向聯繫起來 [2]。因此,ERP 成分成為研究認知的工具,而非研究本身的最終目標。
這一順序至關重要,因為實驗設計始終應當為研究問題服務。從認知假設出發,有助於確保從任務設計到統計分析的每一個後續決策,都能支持整體的科學目標。
設計能夠分離大腦活動的任務
事件相關電位最大的優勢之一在於其卓越的時間解析度,使研究人員能夠觀察隨毫秒展開的神經活動。然而,這種精確性也帶來了挑戰。
在任何特定時刻,大腦都在同時執行多項認知運作。視覺知覺、注意力、記憶、決策以及動作準備可能會在時間上重疊,並共同構成了在頭皮上記錄到的 EEG 訊號。
因此,研究人員面臨的挑戰在於設計出一種實驗,既能分離出他們想要研究的特定認知歷程,又能最大限度地減少無關神經活動的影響。
Kappenman 等人指出,在任何實驗中單純記錄 EEG 很少能產生可以明確解讀的數據。相反地,ERP 實驗的設計應使所研究的認知運作有所差異,同時讓無關因素盡可能保持一致。這使得將 ERP 波形的變化歸因於所研究的歷程變得更容易,而非歸因於其他同時發生的神經活動 [3]。
研究人員透過嚴格控制的實驗典範來實現這一點。古怪球任務(Oddball tasks)、Go/No-Go 典範、側翼任務(Flanker tasks)、史楚普任務(Stroop tasks)和其他認知典範已被廣泛使用,因為它們能可靠地激發特定的認知歷程,同時限制不必要的變異。因此,選擇合適的任務與選擇 ERP 成分本身同等重要。
典範 | 受試者的操作 | 認知歷程 | 常研究的成分 |
|---|---|---|---|
古怪球(Oddball) | 在頻繁出現的標準刺激中,對罕見的目標刺激做出反應 | 偵測未預期或與任務相關的刺激 | P300(約 250–500 毫秒) |
被動聽覺古怪球 | 在出現罕見音調時僅聆聽而不做出反應 | 自動偵測聽覺變化 | 錯誤配對負波(約 100–250 毫秒) |
Go/No-Go | 對「go」刺激做出反應,對「no-go」刺激予以抑制 | 反應抑制 | N2 與 P3 |
側翼任務(Flanker) | 辨識被干擾刺激包圍的中心目標 | 衝突與錯誤監控 | 錯誤相關負波(在出錯後約 100 毫秒內) |
史楚普任務(Stroop) | 說出字義一致或不一致文字的印刷顏色 | 干擾與認知控制 | N450 |
臉孔 vs 物體觀看 | 觀看臉孔與非臉孔圖像 | 臉孔知覺 | N170 |
事件比持續記錄更為重要
與可能檢視持續神經活動的傳統 EEG 分析不同,ERP 研究聚焦於大腦對特定事件的反應。
事件可以是呈現一張圖片、出現一個單詞、一段聽覺音調、受試者按下按鈕,或是指示反應是否正確的反饋。這些時間精確的事件使研究人員能夠在重複試驗中對齊 EEG 記錄,並計算出揭示事件相關活動的平均神經反應 [1]。
由於 ERP 分析依賴準確的時間點,因此事件標記成為研究設計中最關鍵的要素之一。即使刺激呈現與事件標記之間只有微小的不一致,也可能影響潛伏期的測量,尤其是在研究人員探討僅在數百毫秒內展開的快速認知歷程時更是如此。
近期的驗證研究也證明了精確的事件標記對於使用穿戴式 EEG 系統進行可靠的 ERP 測量極為重要 [4]。
選擇適當的試驗次數
與許多行為實驗不同,ERP 研究不依賴單一觀察值。相反地,研究人員會多次呈現相同類型的事件,並將產生的 EEG 反應進行平均。這個過程減少了持續的背景活動,同時保留了在每個事件發生後持續出現的神經反應 [1]、[2]。
所需的試驗次數取決於多項因素,包括:
所測量的 ERP 成分
預期的反應變異性
記錄數據的整體品質。
振幅較小或變異性較大的成分通常需要額外的試驗才能產生可接受的訊噪比。與此同時,研究人員必須考慮數據收集的實際限制。實驗時間過長會增加受試者的疲勞感、動作以及注意力分散,所有這些都可能在記錄中引入額外的偽影 [1]。
因此,設計一項有效的 ERP 研究涉及在統計可靠性與受試者體驗之間取得平衡。研究人員的目標不是收集盡可能多的試驗,而是獲得足夠的高品質觀察值來解答科學問題,同時在整個實驗過程中保持受試者的專注度。
因素 | 對所需試驗次數的影響 | 設計應對策略 |
|---|---|---|
小振幅成分 | 需要更多試驗以達到可接受的訊噪比 | 在試驗配額中優先考慮該成分 |
高反應變異性 | 需要更多試驗以穩定平均值 | 在正式研究前進行預試驗以評估變異性 |
預處理中的預期數據損失 | 可用試驗次數少於記錄次數 | 記錄額外的試驗以吸收被剔除的資料段(epochs) |
受試者疲勞 | 較長的實驗時長會增加動作與眨眼 | 增設休息時間;保持時長切合實際 |
平衡實驗控制
每個 ERP 實驗都包含研究人員想要探討的變數,以及想要控制的變數。
假設研究人員想利用古怪球典範檢驗大腦如何對未預期的事件做出反應。理想情況下,實驗條件之間的主要差異是目標刺激的機率,而不是刺激亮度、反應對應或任務難度的變化。當多個變數同時改變時,就很難確定是哪個因素導致了觀察到的 ERP 差異。
出於這個原因,研究人員會精心設計實驗,使不相關的因素在各條件之間盡可能保持一致。Kappenman 等人強調,深思熟慮的實驗設計對於分離出所研究的認知歷程至關重要,而不是同時測量多個重疊的神經歷程 [3]。
一種常見的策略是使用差異波(difference waves),用來比較精心匹配的實驗條件之間的 ERP 反應。透過減去兩種條件共有的活動,研究人員可以更清楚地檢視與實驗操弄相關的神經反應。雖然差異波並不能消除所有的研究方法挑戰,但它們體現了 ERP 研究的一項重要原則:有意義的解讀取決於在統計分析開始前早已完成的嚴謹實驗設計 [3]。
規劃高品質數據
影響 ERP 數據品質的許多因素在第一位受試者完成實驗之前就已經決定了。
實驗時長、受試者舒適度、任務難度和記錄流程都會影響 EEG 訊號的品質。冗長或費力的實驗可能會增加疲勞、動作和眨眼,而不明確的指導語可能會給受試者的反應帶來不必要的變異。這些實際考量不僅影響受試者的體驗,也影響所得數據的可靠性。
偽影管理也是在研究規劃期間就開始進行,而非在數據收集之後。儘管現代預處理技術可以減少某些偽影的影響,但它們無法彌補糟糕的實驗設計或持續充滿雜訊的記錄。
Pütz 等人建議在整個規劃過程中充分考量數據品質,包括設計切合實際的記錄時長、提供清晰的受試者指導語,以及收集足夠的試驗次數以因應預處理期間的數據損失 [1]。
從一開始就針對數據品質進行設計,有助於減少分析過程中可避免的問題,並提高對最終結果的信心。
解讀始於分析之前
ERP 方法論中最重要的課題之一是,解讀早在研究人員檢視數據之前就已經開始。
ERP 波形不會自動揭示認知歷程的意涵。相反地,研究人員解讀個別 ERP 成分的依據,是建立在數十年來將這些成分與特定實驗條件下的特定神經功能連結起來的實驗證據之上 [2]。因此,從 ERP 研究中得出的結論不僅取決於記錄到的數據,還取決於實驗設計的嚴密性以及現有的科學文獻體系。
Kappenman 等人指出,對 ERP 成分的解讀取決於先前研究確立其與所研究認知歷程關係的程度。具有較高構念效度的成分能夠支持更具信心的結論,而其他成分則需要更加謹慎並考慮替代解釋 [3]。嚴謹的研究設計有助於確保觀察到的神經反應能有意義地與研究問題連結,而不是歸因於未受控制的實驗因素。
在規劃階段就思考解讀問題,能夠鼓勵研究人員設計出能夠解答有意義科學問題的實驗,而不僅僅是產生具有統計顯著性的結果。
ERP 研究的未來
數十年來,事件相關電位一直是認知神經科學的基石,然而該領域仍在持續演進。穿戴式 EEG 技術的進步、改良的實驗軟體,以及日益複雜的分析方法,正在拓展 ERP 研究可以進行的場所和方式。
與此同時,ERP 研究設計的基本原則仍然非常一致。一個精心設計的實驗始於明確的科學問題、挑選適當的認知典範、嚴格控制實驗變數,並在既有的神經科學背景下解讀發現。雖然新技術不斷改進數據收集與分析,但深思熟慮的實驗設計仍然是有意義 ERP 研究的基石 [1]、[2]。
隨著 ERP 研究走出傳統實驗室環境,進入教室、工作場所和其他真實世界環境,這些原則變得愈發重要。無論數據在哪裡收集,周密的規劃都有助於確保研究人員能夠充滿信心地將神經活動與他們試圖理解的認知歷程聯繫起來。
核心要點
有效的 ERP 研究始於明確定義的研究問題,而非特定的 ERP 成分。
實驗任務應在分離出目標認知歷程的同時,最大限度地減少無關的神經活動來源。
精確的事件時間點、充足的試驗次數以及周密的實驗控制,皆有助於獲得可靠的 ERP 測量結果。
在記錄開始前規劃受試者的舒適度與數據品質,可以同時提升受試者體驗和所得數據的可靠性。
有意義的解讀取決於嚴謹的實驗設計,以及數十年來將 ERP 成分與特定認知歷程連結的研究累積。
延伸閱讀
參考文獻
[1] C. Pütz, M. Span, and M. Lorist, "Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants," STAR Protocols, vol. 6, no. 2, Art. no. 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2nd ed. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., "Best Practices for Event-Related Potential Research in Clinical Populations," Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, no. 2, pp. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur, and N. A. Badcock, "It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research," PeerJ, vol. 9, e10700, 2021.
設計事件相關電位(ERP)研究遠不止於選擇腦電圖(EEG)系統或記錄大腦活動。在開始收集數據之前,研究人員必須確立明確的科學問題、確定想要探討的認知歷程、挑選合適的實驗典範,並設計一項能夠分離出目標神經歷程的研究。這些決策塑造了數據的品質以及能從研究中得出的結論。
本文探討了設計 ERP 實驗涉及的關鍵考量,從建構研究問題到收集可靠、可解讀的數據。
從研究問題出發
當人們初次接觸事件相關電位(ERP)時,往往會將焦點放在技術上。他們會聯想到 EEG 電極、色彩繽紛的腦波記錄,以及以毫秒級精度分析神經反應的專用軟體。
然而,經驗豐富的研究人員對 ERP 研究的看法則截然不同。
早在放置電極或收集數據之前,研究人員就已經做出了一系列決定實驗能否解答其科學問題的決策。他們確定想要研究的認知歷程、挑選合適的實驗任務、定義要測量的事件,並設定實驗條件,以便將特定的神經反應從同時發生的諸多歷程中分離出來 [1]、[2]。
換句話說,成功的 ERP 研究始於實驗設計,而非 EEG 技術。
理解這一區別是設計出有效 ERP 研究最重要的步驟之一。
確立研究問題
ERP 實驗應該始於科學問題,而不是特定的 ERP 成分。
例如,研究人員可能希望了解注意力在學習過程中如何變化、工作記憶如何更新、人們如何察覺錯誤,或者大腦如何對未預期的刺激做出反應。這些問題各自反映了不同的認知歷程,並且可能需要不同的實驗典範。
一旦確立了研究問題,研究人員就可以選擇最有可能深入了解該歷程的 ERP 成分。諸如 P300、N170、錯誤配對負波(MMN)或錯誤相關負波(ERN)等成分之所以極具價值,是因為數十年的研究已將它們與知覺、注意力、記憶或認知控制的特定面向聯繫起來 [2]。因此,ERP 成分成為研究認知的工具,而非研究本身的最終目標。
這一順序至關重要,因為實驗設計始終應當為研究問題服務。從認知假設出發,有助於確保從任務設計到統計分析的每一個後續決策,都能支持整體的科學目標。
設計能夠分離大腦活動的任務
事件相關電位最大的優勢之一在於其卓越的時間解析度,使研究人員能夠觀察隨毫秒展開的神經活動。然而,這種精確性也帶來了挑戰。
在任何特定時刻,大腦都在同時執行多項認知運作。視覺知覺、注意力、記憶、決策以及動作準備可能會在時間上重疊,並共同構成了在頭皮上記錄到的 EEG 訊號。
因此,研究人員面臨的挑戰在於設計出一種實驗,既能分離出他們想要研究的特定認知歷程,又能最大限度地減少無關神經活動的影響。
Kappenman 等人指出,在任何實驗中單純記錄 EEG 很少能產生可以明確解讀的數據。相反地,ERP 實驗的設計應使所研究的認知運作有所差異,同時讓無關因素盡可能保持一致。這使得將 ERP 波形的變化歸因於所研究的歷程變得更容易,而非歸因於其他同時發生的神經活動 [3]。
研究人員透過嚴格控制的實驗典範來實現這一點。古怪球任務(Oddball tasks)、Go/No-Go 典範、側翼任務(Flanker tasks)、史楚普任務(Stroop tasks)和其他認知典範已被廣泛使用,因為它們能可靠地激發特定的認知歷程,同時限制不必要的變異。因此,選擇合適的任務與選擇 ERP 成分本身同等重要。
典範 | 受試者的操作 | 認知歷程 | 常研究的成分 |
|---|---|---|---|
古怪球(Oddball) | 在頻繁出現的標準刺激中,對罕見的目標刺激做出反應 | 偵測未預期或與任務相關的刺激 | P300(約 250–500 毫秒) |
被動聽覺古怪球 | 在出現罕見音調時僅聆聽而不做出反應 | 自動偵測聽覺變化 | 錯誤配對負波(約 100–250 毫秒) |
Go/No-Go | 對「go」刺激做出反應,對「no-go」刺激予以抑制 | 反應抑制 | N2 與 P3 |
側翼任務(Flanker) | 辨識被干擾刺激包圍的中心目標 | 衝突與錯誤監控 | 錯誤相關負波(在出錯後約 100 毫秒內) |
史楚普任務(Stroop) | 說出字義一致或不一致文字的印刷顏色 | 干擾與認知控制 | N450 |
臉孔 vs 物體觀看 | 觀看臉孔與非臉孔圖像 | 臉孔知覺 | N170 |
事件比持續記錄更為重要
與可能檢視持續神經活動的傳統 EEG 分析不同,ERP 研究聚焦於大腦對特定事件的反應。
事件可以是呈現一張圖片、出現一個單詞、一段聽覺音調、受試者按下按鈕,或是指示反應是否正確的反饋。這些時間精確的事件使研究人員能夠在重複試驗中對齊 EEG 記錄,並計算出揭示事件相關活動的平均神經反應 [1]。
由於 ERP 分析依賴準確的時間點,因此事件標記成為研究設計中最關鍵的要素之一。即使刺激呈現與事件標記之間只有微小的不一致,也可能影響潛伏期的測量,尤其是在研究人員探討僅在數百毫秒內展開的快速認知歷程時更是如此。
近期的驗證研究也證明了精確的事件標記對於使用穿戴式 EEG 系統進行可靠的 ERP 測量極為重要 [4]。
選擇適當的試驗次數
與許多行為實驗不同,ERP 研究不依賴單一觀察值。相反地,研究人員會多次呈現相同類型的事件,並將產生的 EEG 反應進行平均。這個過程減少了持續的背景活動,同時保留了在每個事件發生後持續出現的神經反應 [1]、[2]。
所需的試驗次數取決於多項因素,包括:
所測量的 ERP 成分
預期的反應變異性
記錄數據的整體品質。
振幅較小或變異性較大的成分通常需要額外的試驗才能產生可接受的訊噪比。與此同時,研究人員必須考慮數據收集的實際限制。實驗時間過長會增加受試者的疲勞感、動作以及注意力分散,所有這些都可能在記錄中引入額外的偽影 [1]。
因此,設計一項有效的 ERP 研究涉及在統計可靠性與受試者體驗之間取得平衡。研究人員的目標不是收集盡可能多的試驗,而是獲得足夠的高品質觀察值來解答科學問題,同時在整個實驗過程中保持受試者的專注度。
因素 | 對所需試驗次數的影響 | 設計應對策略 |
|---|---|---|
小振幅成分 | 需要更多試驗以達到可接受的訊噪比 | 在試驗配額中優先考慮該成分 |
高反應變異性 | 需要更多試驗以穩定平均值 | 在正式研究前進行預試驗以評估變異性 |
預處理中的預期數據損失 | 可用試驗次數少於記錄次數 | 記錄額外的試驗以吸收被剔除的資料段(epochs) |
受試者疲勞 | 較長的實驗時長會增加動作與眨眼 | 增設休息時間;保持時長切合實際 |
平衡實驗控制
每個 ERP 實驗都包含研究人員想要探討的變數,以及想要控制的變數。
假設研究人員想利用古怪球典範檢驗大腦如何對未預期的事件做出反應。理想情況下,實驗條件之間的主要差異是目標刺激的機率,而不是刺激亮度、反應對應或任務難度的變化。當多個變數同時改變時,就很難確定是哪個因素導致了觀察到的 ERP 差異。
出於這個原因,研究人員會精心設計實驗,使不相關的因素在各條件之間盡可能保持一致。Kappenman 等人強調,深思熟慮的實驗設計對於分離出所研究的認知歷程至關重要,而不是同時測量多個重疊的神經歷程 [3]。
一種常見的策略是使用差異波(difference waves),用來比較精心匹配的實驗條件之間的 ERP 反應。透過減去兩種條件共有的活動,研究人員可以更清楚地檢視與實驗操弄相關的神經反應。雖然差異波並不能消除所有的研究方法挑戰,但它們體現了 ERP 研究的一項重要原則:有意義的解讀取決於在統計分析開始前早已完成的嚴謹實驗設計 [3]。
規劃高品質數據
影響 ERP 數據品質的許多因素在第一位受試者完成實驗之前就已經決定了。
實驗時長、受試者舒適度、任務難度和記錄流程都會影響 EEG 訊號的品質。冗長或費力的實驗可能會增加疲勞、動作和眨眼,而不明確的指導語可能會給受試者的反應帶來不必要的變異。這些實際考量不僅影響受試者的體驗,也影響所得數據的可靠性。
偽影管理也是在研究規劃期間就開始進行,而非在數據收集之後。儘管現代預處理技術可以減少某些偽影的影響,但它們無法彌補糟糕的實驗設計或持續充滿雜訊的記錄。
Pütz 等人建議在整個規劃過程中充分考量數據品質,包括設計切合實際的記錄時長、提供清晰的受試者指導語,以及收集足夠的試驗次數以因應預處理期間的數據損失 [1]。
從一開始就針對數據品質進行設計,有助於減少分析過程中可避免的問題,並提高對最終結果的信心。
解讀始於分析之前
ERP 方法論中最重要的課題之一是,解讀早在研究人員檢視數據之前就已經開始。
ERP 波形不會自動揭示認知歷程的意涵。相反地,研究人員解讀個別 ERP 成分的依據,是建立在數十年來將這些成分與特定實驗條件下的特定神經功能連結起來的實驗證據之上 [2]。因此,從 ERP 研究中得出的結論不僅取決於記錄到的數據,還取決於實驗設計的嚴密性以及現有的科學文獻體系。
Kappenman 等人指出,對 ERP 成分的解讀取決於先前研究確立其與所研究認知歷程關係的程度。具有較高構念效度的成分能夠支持更具信心的結論,而其他成分則需要更加謹慎並考慮替代解釋 [3]。嚴謹的研究設計有助於確保觀察到的神經反應能有意義地與研究問題連結,而不是歸因於未受控制的實驗因素。
在規劃階段就思考解讀問題,能夠鼓勵研究人員設計出能夠解答有意義科學問題的實驗,而不僅僅是產生具有統計顯著性的結果。
ERP 研究的未來
數十年來,事件相關電位一直是認知神經科學的基石,然而該領域仍在持續演進。穿戴式 EEG 技術的進步、改良的實驗軟體,以及日益複雜的分析方法,正在拓展 ERP 研究可以進行的場所和方式。
與此同時,ERP 研究設計的基本原則仍然非常一致。一個精心設計的實驗始於明確的科學問題、挑選適當的認知典範、嚴格控制實驗變數,並在既有的神經科學背景下解讀發現。雖然新技術不斷改進數據收集與分析,但深思熟慮的實驗設計仍然是有意義 ERP 研究的基石 [1]、[2]。
隨著 ERP 研究走出傳統實驗室環境,進入教室、工作場所和其他真實世界環境,這些原則變得愈發重要。無論數據在哪裡收集,周密的規劃都有助於確保研究人員能夠充滿信心地將神經活動與他們試圖理解的認知歷程聯繫起來。
核心要點
有效的 ERP 研究始於明確定義的研究問題,而非特定的 ERP 成分。
實驗任務應在分離出目標認知歷程的同時,最大限度地減少無關的神經活動來源。
精確的事件時間點、充足的試驗次數以及周密的實驗控制,皆有助於獲得可靠的 ERP 測量結果。
在記錄開始前規劃受試者的舒適度與數據品質,可以同時提升受試者體驗和所得數據的可靠性。
有意義的解讀取決於嚴謹的實驗設計,以及數十年來將 ERP 成分與特定認知歷程連結的研究累積。
延伸閱讀
參考文獻
[1] C. Pütz, M. Span, and M. Lorist, "Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants," STAR Protocols, vol. 6, no. 2, Art. no. 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2nd ed. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., "Best Practices for Event-Related Potential Research in Clinical Populations," Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, no. 2, pp. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur, and N. A. Badcock, "It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research," PeerJ, vol. 9, e10700, 2021.
設計事件相關電位(ERP)研究遠不止於選擇腦電圖(EEG)系統或記錄大腦活動。在開始收集數據之前,研究人員必須確立明確的科學問題、確定想要探討的認知歷程、挑選合適的實驗典範,並設計一項能夠分離出目標神經歷程的研究。這些決策塑造了數據的品質以及能從研究中得出的結論。
本文探討了設計 ERP 實驗涉及的關鍵考量,從建構研究問題到收集可靠、可解讀的數據。
從研究問題出發
當人們初次接觸事件相關電位(ERP)時,往往會將焦點放在技術上。他們會聯想到 EEG 電極、色彩繽紛的腦波記錄,以及以毫秒級精度分析神經反應的專用軟體。
然而,經驗豐富的研究人員對 ERP 研究的看法則截然不同。
早在放置電極或收集數據之前,研究人員就已經做出了一系列決定實驗能否解答其科學問題的決策。他們確定想要研究的認知歷程、挑選合適的實驗任務、定義要測量的事件,並設定實驗條件,以便將特定的神經反應從同時發生的諸多歷程中分離出來 [1]、[2]。
換句話說,成功的 ERP 研究始於實驗設計,而非 EEG 技術。
理解這一區別是設計出有效 ERP 研究最重要的步驟之一。
確立研究問題
ERP 實驗應該始於科學問題,而不是特定的 ERP 成分。
例如,研究人員可能希望了解注意力在學習過程中如何變化、工作記憶如何更新、人們如何察覺錯誤,或者大腦如何對未預期的刺激做出反應。這些問題各自反映了不同的認知歷程,並且可能需要不同的實驗典範。
一旦確立了研究問題,研究人員就可以選擇最有可能深入了解該歷程的 ERP 成分。諸如 P300、N170、錯誤配對負波(MMN)或錯誤相關負波(ERN)等成分之所以極具價值,是因為數十年的研究已將它們與知覺、注意力、記憶或認知控制的特定面向聯繫起來 [2]。因此,ERP 成分成為研究認知的工具,而非研究本身的最終目標。
這一順序至關重要,因為實驗設計始終應當為研究問題服務。從認知假設出發,有助於確保從任務設計到統計分析的每一個後續決策,都能支持整體的科學目標。
設計能夠分離大腦活動的任務
事件相關電位最大的優勢之一在於其卓越的時間解析度,使研究人員能夠觀察隨毫秒展開的神經活動。然而,這種精確性也帶來了挑戰。
在任何特定時刻,大腦都在同時執行多項認知運作。視覺知覺、注意力、記憶、決策以及動作準備可能會在時間上重疊,並共同構成了在頭皮上記錄到的 EEG 訊號。
因此,研究人員面臨的挑戰在於設計出一種實驗,既能分離出他們想要研究的特定認知歷程,又能最大限度地減少無關神經活動的影響。
Kappenman 等人指出,在任何實驗中單純記錄 EEG 很少能產生可以明確解讀的數據。相反地,ERP 實驗的設計應使所研究的認知運作有所差異,同時讓無關因素盡可能保持一致。這使得將 ERP 波形的變化歸因於所研究的歷程變得更容易,而非歸因於其他同時發生的神經活動 [3]。
研究人員透過嚴格控制的實驗典範來實現這一點。古怪球任務(Oddball tasks)、Go/No-Go 典範、側翼任務(Flanker tasks)、史楚普任務(Stroop tasks)和其他認知典範已被廣泛使用,因為它們能可靠地激發特定的認知歷程,同時限制不必要的變異。因此,選擇合適的任務與選擇 ERP 成分本身同等重要。
典範 | 受試者的操作 | 認知歷程 | 常研究的成分 |
|---|---|---|---|
古怪球(Oddball) | 在頻繁出現的標準刺激中,對罕見的目標刺激做出反應 | 偵測未預期或與任務相關的刺激 | P300(約 250–500 毫秒) |
被動聽覺古怪球 | 在出現罕見音調時僅聆聽而不做出反應 | 自動偵測聽覺變化 | 錯誤配對負波(約 100–250 毫秒) |
Go/No-Go | 對「go」刺激做出反應,對「no-go」刺激予以抑制 | 反應抑制 | N2 與 P3 |
側翼任務(Flanker) | 辨識被干擾刺激包圍的中心目標 | 衝突與錯誤監控 | 錯誤相關負波(在出錯後約 100 毫秒內) |
史楚普任務(Stroop) | 說出字義一致或不一致文字的印刷顏色 | 干擾與認知控制 | N450 |
臉孔 vs 物體觀看 | 觀看臉孔與非臉孔圖像 | 臉孔知覺 | N170 |
事件比持續記錄更為重要
與可能檢視持續神經活動的傳統 EEG 分析不同,ERP 研究聚焦於大腦對特定事件的反應。
事件可以是呈現一張圖片、出現一個單詞、一段聽覺音調、受試者按下按鈕,或是指示反應是否正確的反饋。這些時間精確的事件使研究人員能夠在重複試驗中對齊 EEG 記錄,並計算出揭示事件相關活動的平均神經反應 [1]。
由於 ERP 分析依賴準確的時間點,因此事件標記成為研究設計中最關鍵的要素之一。即使刺激呈現與事件標記之間只有微小的不一致,也可能影響潛伏期的測量,尤其是在研究人員探討僅在數百毫秒內展開的快速認知歷程時更是如此。
近期的驗證研究也證明了精確的事件標記對於使用穿戴式 EEG 系統進行可靠的 ERP 測量極為重要 [4]。
選擇適當的試驗次數
與許多行為實驗不同,ERP 研究不依賴單一觀察值。相反地,研究人員會多次呈現相同類型的事件,並將產生的 EEG 反應進行平均。這個過程減少了持續的背景活動,同時保留了在每個事件發生後持續出現的神經反應 [1]、[2]。
所需的試驗次數取決於多項因素,包括:
所測量的 ERP 成分
預期的反應變異性
記錄數據的整體品質。
振幅較小或變異性較大的成分通常需要額外的試驗才能產生可接受的訊噪比。與此同時,研究人員必須考慮數據收集的實際限制。實驗時間過長會增加受試者的疲勞感、動作以及注意力分散,所有這些都可能在記錄中引入額外的偽影 [1]。
因此,設計一項有效的 ERP 研究涉及在統計可靠性與受試者體驗之間取得平衡。研究人員的目標不是收集盡可能多的試驗,而是獲得足夠的高品質觀察值來解答科學問題,同時在整個實驗過程中保持受試者的專注度。
因素 | 對所需試驗次數的影響 | 設計應對策略 |
|---|---|---|
小振幅成分 | 需要更多試驗以達到可接受的訊噪比 | 在試驗配額中優先考慮該成分 |
高反應變異性 | 需要更多試驗以穩定平均值 | 在正式研究前進行預試驗以評估變異性 |
預處理中的預期數據損失 | 可用試驗次數少於記錄次數 | 記錄額外的試驗以吸收被剔除的資料段(epochs) |
受試者疲勞 | 較長的實驗時長會增加動作與眨眼 | 增設休息時間;保持時長切合實際 |
平衡實驗控制
每個 ERP 實驗都包含研究人員想要探討的變數,以及想要控制的變數。
假設研究人員想利用古怪球典範檢驗大腦如何對未預期的事件做出反應。理想情況下,實驗條件之間的主要差異是目標刺激的機率,而不是刺激亮度、反應對應或任務難度的變化。當多個變數同時改變時,就很難確定是哪個因素導致了觀察到的 ERP 差異。
出於這個原因,研究人員會精心設計實驗,使不相關的因素在各條件之間盡可能保持一致。Kappenman 等人強調,深思熟慮的實驗設計對於分離出所研究的認知歷程至關重要,而不是同時測量多個重疊的神經歷程 [3]。
一種常見的策略是使用差異波(difference waves),用來比較精心匹配的實驗條件之間的 ERP 反應。透過減去兩種條件共有的活動,研究人員可以更清楚地檢視與實驗操弄相關的神經反應。雖然差異波並不能消除所有的研究方法挑戰,但它們體現了 ERP 研究的一項重要原則:有意義的解讀取決於在統計分析開始前早已完成的嚴謹實驗設計 [3]。
規劃高品質數據
影響 ERP 數據品質的許多因素在第一位受試者完成實驗之前就已經決定了。
實驗時長、受試者舒適度、任務難度和記錄流程都會影響 EEG 訊號的品質。冗長或費力的實驗可能會增加疲勞、動作和眨眼,而不明確的指導語可能會給受試者的反應帶來不必要的變異。這些實際考量不僅影響受試者的體驗,也影響所得數據的可靠性。
偽影管理也是在研究規劃期間就開始進行,而非在數據收集之後。儘管現代預處理技術可以減少某些偽影的影響,但它們無法彌補糟糕的實驗設計或持續充滿雜訊的記錄。
Pütz 等人建議在整個規劃過程中充分考量數據品質,包括設計切合實際的記錄時長、提供清晰的受試者指導語,以及收集足夠的試驗次數以因應預處理期間的數據損失 [1]。
從一開始就針對數據品質進行設計,有助於減少分析過程中可避免的問題,並提高對最終結果的信心。
解讀始於分析之前
ERP 方法論中最重要的課題之一是,解讀早在研究人員檢視數據之前就已經開始。
ERP 波形不會自動揭示認知歷程的意涵。相反地,研究人員解讀個別 ERP 成分的依據,是建立在數十年來將這些成分與特定實驗條件下的特定神經功能連結起來的實驗證據之上 [2]。因此,從 ERP 研究中得出的結論不僅取決於記錄到的數據,還取決於實驗設計的嚴密性以及現有的科學文獻體系。
Kappenman 等人指出,對 ERP 成分的解讀取決於先前研究確立其與所研究認知歷程關係的程度。具有較高構念效度的成分能夠支持更具信心的結論,而其他成分則需要更加謹慎並考慮替代解釋 [3]。嚴謹的研究設計有助於確保觀察到的神經反應能有意義地與研究問題連結,而不是歸因於未受控制的實驗因素。
在規劃階段就思考解讀問題,能夠鼓勵研究人員設計出能夠解答有意義科學問題的實驗,而不僅僅是產生具有統計顯著性的結果。
ERP 研究的未來
數十年來,事件相關電位一直是認知神經科學的基石,然而該領域仍在持續演進。穿戴式 EEG 技術的進步、改良的實驗軟體,以及日益複雜的分析方法,正在拓展 ERP 研究可以進行的場所和方式。
與此同時,ERP 研究設計的基本原則仍然非常一致。一個精心設計的實驗始於明確的科學問題、挑選適當的認知典範、嚴格控制實驗變數,並在既有的神經科學背景下解讀發現。雖然新技術不斷改進數據收集與分析,但深思熟慮的實驗設計仍然是有意義 ERP 研究的基石 [1]、[2]。
隨著 ERP 研究走出傳統實驗室環境,進入教室、工作場所和其他真實世界環境,這些原則變得愈發重要。無論數據在哪裡收集,周密的規劃都有助於確保研究人員能夠充滿信心地將神經活動與他們試圖理解的認知歷程聯繫起來。
核心要點
有效的 ERP 研究始於明確定義的研究問題,而非特定的 ERP 成分。
實驗任務應在分離出目標認知歷程的同時,最大限度地減少無關的神經活動來源。
精確的事件時間點、充足的試驗次數以及周密的實驗控制,皆有助於獲得可靠的 ERP 測量結果。
在記錄開始前規劃受試者的舒適度與數據品質,可以同時提升受試者體驗和所得數據的可靠性。
有意義的解讀取決於嚴謹的實驗設計,以及數十年來將 ERP 成分與特定認知歷程連結的研究累積。
延伸閱讀
參考文獻
[1] C. Pütz, M. Span, and M. Lorist, "Protocol for Designing, Conducting, and Analyzing Event-Related Potentials in Human Participants," STAR Protocols, vol. 6, no. 2, Art. no. 103835, 2025, doi: 10.1016/j.xpro.2025.103835.
[2] S. J. Luck, An Introduction to the Event-Related Potential Technique, 2nd ed. Cambridge, MA: MIT Press, 2014.
[3] E. S. Kappenman et al., "Best Practices for Event-Related Potential Research in Clinical Populations," Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, vol. 1, no. 2, pp. 110-115, 2016.
[4] N. S. Williams, G. M. McArthur, and N. A. Badcock, "It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research," PeerJ, vol. 9, e10700, 2021.

繼續閱讀