如何设计事件相关电位(ERP)研究

克里斯蒂安·布尔戈斯

更新于

2026年11月16日

如何设计事件相关电位(ERP)研究

克里斯蒂安·布尔戈斯

更新于

2026年11月16日

如何设计事件相关电位(ERP)研究

克里斯蒂安·布尔戈斯

更新于

2026年11月16日

设计事件相关电位(ERP)研究远不止选择脑电图(EEG)系统或记录大脑活动那么简单。在开始数据采集之前,研究人员必须确立明确的科学问题,确定想要研究的认知过程,选择合适的实验范式,并设计出能够分离出目标神经过程的研究方案。这些决策决定了数据的质量以及能从研究中得出的结论。

本文探讨了设计 ERP 实验所涉及的关键考量因素,从构思研究问题到收集可靠且可解释的数据。

从研究问题开始

当人们第一次接触事件相关电位(ERP)时,往往会把注意力放在技术上。他们脑海中浮现的是脑电极、色彩斑斓的脑电波记录,以及以毫秒级精度分析神经反应的专用软件。

与此同时,经验丰富的研究人员对 ERP 研究的思考方式则截然不同。

早在佩戴电极或采集数据之前,研究人员就会做出一系列决定实验能否回答其科学问题的决策。他们确定要研究的认知过程,选择适当的实验任务,明确要测量的事件,并设计实验条件,以便将特定的神经反应从同时发生的众多过程中分离出来 [1]、[2]。

换言之,成功的 ERP 研究始于实验设计,而非 EEG 技术。

理解这一区别是设计有效 ERP 研究最重要的步骤之一。

明确研究问题

ERP 实验应始于科学问题,而非特定的 ERP 成分。

例如,研究人员可能希望了解注意力在学习过程中如何变化、工作记忆如何更新、人们如何检测错误,或者大脑如何对意外刺激做出反应。这些问题各自反映了不同的认知过程,可能需要不同的实验范式。

一旦确立了研究问题,研究人员就可以选择最有可能深入揭示该过程的 ERP 成分。诸如 P300、N170、失匹配负波(MMN)或错误相关负波(ERN)等成分之所以具有重要价值,是因为数十年的研究已将它们与知觉、注意、记忆或认知控制的特定方面联系起来 [2]。因此,ERP 成分成了研究认知的工具,而不是研究本身的目的。

这一顺序至关重要,因为实验设计应始终服务于研究问题。从认知假设出发,有助于确保从任务设计到统计分析的每一个后续决策都支持科学目标。

设计能够分离大脑活动特异性的任务

事件相关电位最大的优势之一是其卓越的时间分辨率,使研究人员能够观察到在毫秒级时间内展开的神经活动。然而,这种精确性也带来了挑战。

在任何特定时刻,大脑都在同时执行多项认知操作。视觉感知、注意、记忆、决策和动作准备可能会在时间上重叠,共同作用于头皮记录的 EEG 信号。

因此,研究人员面临的挑战在于设计一项实验,既能分离出他们想要研究的特定认知过程,同时又能最大限度地减少无关神经活动的影响。

Kappenman 等人解释称,在任意实验中单纯记录 EEG 很难产生能够被明确无歧义解释的数据。相反,ERP 实验的设计应使所研究的认知操作发生变化,同时使无关因素尽可能保持一致。这样更容易将 ERP 波形的变化归因于所研究的过程,而不是其他同时发生的神经活动 [3]。

研究人员通过精心控制的实验范式来实现这一目标。Oddball 任务、Go/No-Go 范式、Flanker 任务、Stroop 任务以及其他认知范式已得到广泛应用,因为它们能够在可靠激发特定认知过程的同时限制不必要的变异性。因此,选择合适的任务与选择 ERP 成分本身同样重要。

范式

被试的操作

认知过程

常研究的成分

Oddball

在频繁的标准刺激中对罕见的目标刺激做出反应

检测意外或与任务相关的刺激

P300(约 250–500 ms)

被动听觉 Oddball

在罕见音调出现时仅倾听而不做反应

自动检测听觉变化

失匹配负波(约 100–250 ms)

Go/No-Go

对“Go”刺激做出反应,对“No-Go”刺激抑制反应

反应抑制

N2 和 P3

Flanker

识别被干扰刺激包围的中心目标

冲突和错误监测

错误相关负波(发生错误后约 100 ms 内)

Stroop

说出一对一致或不一致词语的印刷墨水颜色

干扰与认知控制

N450

面孔与物体观看

观看面孔和非面孔图像

面孔知觉

N170

事件比连续记录更重要

与可能考察持续神经活动的传统 EEG 分析不同,ERP 研究侧重于大脑对特定事件的反应。

事件可以是图像的呈现、单词的出现、听觉音调、被试的按键动作,或者是指示反应是否正确的反馈。这些精确计时的事件允许研究人员在多次重复试验中对齐 EEG 记录,并计算出揭示事件相关活动的平均神经反应 [1]。

由于 ERP 分析依赖于精确的时间把控,事件标记成为研究设计中最关键的要素之一。刺激呈现与事件标记之间哪怕微小的不一致,都会影响潜伏期的测量,尤其是在研究人员探讨仅在几百毫秒内展开的快速认知过程时。

近期的验证研究也证明了精确的事件标记对于使用可穿戴 EEG 系统进行可靠 ERP 测量的重要性 [4]。

Diagram of continuous EEG with event markers for stimulus, response and feedback, plus a comparison showing that accurate marker timing gives a clean response while late markers smear the measured delay.

选择合适的试次数

与许多行为实验不同,ERP 研究并不依赖单次观察。相反,研究人员会多次呈现相同类型的事件,并将由此产生的 EEG 反应进行叠加平均。这一过程减少了持续的背景活动,同时保留了在每次事件发生后稳定出现的神经反应 [1]、[2]。

Three EEG plots against time from stimulus onset: single trials look noisy, an average of 10 trials is smoother, and an average of 60 trials shows a clear, stable waveform.

所需的试次数取决于若干因素,包括:

  • 测量的 ERP 成分

  • 反应的预期变异性

  • 记录数据的整体质量。

振幅较小或变异性较大的成分通常需要额外的试次才能产生可接受的信噪比。与此同时,研究人员必须考虑数据采集的实际限制。过长的实验会增加被试的疲劳度、肢体动作和注意力分散,所有这些都可能给记录引入额外的伪迹 [1]。

因此,设计一项有效的 ERP 研究需要在统计可靠性与被试体验之间取得平衡。研究人员的目标不是收集尽可能多的试次,而是获取足够的高质量观察数据以回答科学问题,同时在整个实验过程中保持被试的投入度。

因素

对所需试次数的影响

设计应对措施

小振幅成分

需要更多试次以达到可接受的信噪比

在试次预算中优先考虑该成分

高反应变异性

需要更多试次以稳定平均值

在正式研究前进行预实验以评估变异性

预处理中的预期数据损失

可用试次少于记录试次

记录额外的试次以弥补被剔除的时期(epoch)

被试疲劳

过长的时间段会增加身体活动和眨眼

增加休息时间;保持实验时长切实合理

权衡实验控制

每个 ERP 实验都包含研究人员想要探究的变量以及想要控制的变量。

假设研究人员想利用 Oddball 范式检验大脑对意外事件的反应。理想情况下,实验条件之间的主要差异是目标刺激的出现概率,而不是刺激亮度的改变、反应映射或任务难度的变化。当多个变量同时发生变化时,就很难确定究竟是哪个因素导致了所观察到的 ERP 差异。

出于这个原因,研究人员精心设计实验,使无关因素在不同条件之间尽可能保持一致。Kappenman 等人强调,周密的实验设计对于分离所研究的认知过程至关重要,能避免同时测量到数个重叠的神经过程 [3]。

一种常见的策略是使用差异波,它对经过精心匹配的实验条件之间的 ERP 反应进行比较。通过减去两种条件所共有的活动,研究人员可以更清晰地检验与实验操纵相关的神经反应。尽管差异波并不能消除所有方法学上的挑战,但它们阐明了 ERP 研究的一个重要原则:在统计分析开始很久之前,有意义的解释就依赖于周密的实验设计 [3]。

Plot of EEG amplitude over time showing frequent standard and rare target responses and their difference wave, with the condition-specific response remaining after early activity shared by both conditions cancels out.

规划获取高质量数据

影响 ERP 数据质量的许多因素在第一位被试完成实验之前就已经确定了。

实验时长、被试舒适度、任务难度和记录流程都会影响 EEG 信号的质量。冗长或要求苛刻的实验可能会增加疲劳感、肢体动作和眨眼,而不明确的指导语可能会给被试的反应带来不必要的变异性。这些实际考量不仅影响被试的体验,还影响最终数据的可靠性。

伪迹管理也是在研究规划阶段就开始的,而不是在数据采集之后。尽管现代预处理技术可以减轻某些伪迹的影响,但它们无法弥补糟糕的实验设计或持续嘈杂的记录。

Pütz 等人建议在整个规划过程中始终关注数据质量,包括设计切实合理的记录时长、提供明确的被试指导语,以及采集足够的试次以应对预处理过程中的数据损失 [1]。

从一开始就围绕数据质量进行设计,有助于减少分析阶段本可避免的问题,并提高对最终结果的信心。

解释始于分析之前

ERP 方法学中最重要的经验之一是:解释早在研究人员审查数据之前就已开始。

ERP 波形本身不会自动揭示认知过程的含义。相反,研究人员是在数十年来将特定实验条件下的各个成分与特定神经功能联系起来的实验证据基础上,对它们进行解释的 [2]。因此,从 ERP 研究中能够得出的结论不仅取决于记录的数据,还取决于实验设计的严密性以及现有的科学文献体系。

Kappenman 等人指出,对 ERP 成分的解释取决于以往研究在多大程度上确立了其与所探讨的认知过程之间的关系。具有更强构念效度的成分支持更具信心的结论,而其他成分则需要更加谨慎并考虑替代性解释 [3]。审慎的研究设计有助于确保观察到的神经反应能够与研究问题建立有意义的关联,而不是归因于未受控的实验因素。

在规划阶段就思考解释问题,有助于促使研究人员设计出能够回答具有实际意义的科学问题的实验,而不是仅仅为了获得统计上显著的结果。

ERP 研究的未来

数十年来,事件相关电位一直是认知神经科学的基石,而且该领域仍在不断演进。可穿戴 EEG 技术的进步、改良的实验软件以及日益复杂的分析方法,正在拓宽开展 ERP 研究的场所和方式。

与此同时,ERP 研究设计的基本原则依然保持着惊人的一致性。一个精心设计的实验始于明确的科学问题,选择合适的认知范式,严格控制实验变量,并在已有神经科学知识背景下解释研究发现。尽管新技术不断改进数据采集和分析手段,但周密的实验设计依然是有意义的 ERP 研究的基石 [1]、[2]。

随着 ERP 研究走出传统实验室,走进教室、工作场所和其他现实环境,这些原则变得愈发重要。无论数据在哪里采集,审慎的规划都有助于确保研究人员能够满怀信心地将神经活动与他们试图理解的认知过程联系起来。

核心要点

  • 有效的 ERP 研究始于明确定义的研究问题,而非特定的 ERP 成分。

  • 实验任务应能分离出所研究的认知过程,同时最大限度地减少无关神经活动来源。

  • 精确的事件计时、充足的试次数以及周密的实验控制均有助于实现可靠的 ERP 测量。

  • 在开始记录前规划好被试舒适度和数据质量,可以同时改善被试体验和所得数据的可靠性。

  • 有意义的解释既依赖于周密的实验设计,也依赖于数十年来将 ERP 成分与特定认知过程联系起来的丰硕研究成果。

推荐阅读

参考文献

[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.

设计事件相关电位(ERP)研究远不止选择脑电图(EEG)系统或记录大脑活动那么简单。在开始数据采集之前,研究人员必须确立明确的科学问题,确定想要研究的认知过程,选择合适的实验范式,并设计出能够分离出目标神经过程的研究方案。这些决策决定了数据的质量以及能从研究中得出的结论。

本文探讨了设计 ERP 实验所涉及的关键考量因素,从构思研究问题到收集可靠且可解释的数据。

从研究问题开始

当人们第一次接触事件相关电位(ERP)时,往往会把注意力放在技术上。他们脑海中浮现的是脑电极、色彩斑斓的脑电波记录,以及以毫秒级精度分析神经反应的专用软件。

与此同时,经验丰富的研究人员对 ERP 研究的思考方式则截然不同。

早在佩戴电极或采集数据之前,研究人员就会做出一系列决定实验能否回答其科学问题的决策。他们确定要研究的认知过程,选择适当的实验任务,明确要测量的事件,并设计实验条件,以便将特定的神经反应从同时发生的众多过程中分离出来 [1]、[2]。

换言之,成功的 ERP 研究始于实验设计,而非 EEG 技术。

理解这一区别是设计有效 ERP 研究最重要的步骤之一。

明确研究问题

ERP 实验应始于科学问题,而非特定的 ERP 成分。

例如,研究人员可能希望了解注意力在学习过程中如何变化、工作记忆如何更新、人们如何检测错误,或者大脑如何对意外刺激做出反应。这些问题各自反映了不同的认知过程,可能需要不同的实验范式。

一旦确立了研究问题,研究人员就可以选择最有可能深入揭示该过程的 ERP 成分。诸如 P300、N170、失匹配负波(MMN)或错误相关负波(ERN)等成分之所以具有重要价值,是因为数十年的研究已将它们与知觉、注意、记忆或认知控制的特定方面联系起来 [2]。因此,ERP 成分成了研究认知的工具,而不是研究本身的目的。

这一顺序至关重要,因为实验设计应始终服务于研究问题。从认知假设出发,有助于确保从任务设计到统计分析的每一个后续决策都支持科学目标。

设计能够分离大脑活动特异性的任务

事件相关电位最大的优势之一是其卓越的时间分辨率,使研究人员能够观察到在毫秒级时间内展开的神经活动。然而,这种精确性也带来了挑战。

在任何特定时刻,大脑都在同时执行多项认知操作。视觉感知、注意、记忆、决策和动作准备可能会在时间上重叠,共同作用于头皮记录的 EEG 信号。

因此,研究人员面临的挑战在于设计一项实验,既能分离出他们想要研究的特定认知过程,同时又能最大限度地减少无关神经活动的影响。

Kappenman 等人解释称,在任意实验中单纯记录 EEG 很难产生能够被明确无歧义解释的数据。相反,ERP 实验的设计应使所研究的认知操作发生变化,同时使无关因素尽可能保持一致。这样更容易将 ERP 波形的变化归因于所研究的过程,而不是其他同时发生的神经活动 [3]。

研究人员通过精心控制的实验范式来实现这一目标。Oddball 任务、Go/No-Go 范式、Flanker 任务、Stroop 任务以及其他认知范式已得到广泛应用,因为它们能够在可靠激发特定认知过程的同时限制不必要的变异性。因此,选择合适的任务与选择 ERP 成分本身同样重要。

范式

被试的操作

认知过程

常研究的成分

Oddball

在频繁的标准刺激中对罕见的目标刺激做出反应

检测意外或与任务相关的刺激

P300(约 250–500 ms)

被动听觉 Oddball

在罕见音调出现时仅倾听而不做反应

自动检测听觉变化

失匹配负波(约 100–250 ms)

Go/No-Go

对“Go”刺激做出反应,对“No-Go”刺激抑制反应

反应抑制

N2 和 P3

Flanker

识别被干扰刺激包围的中心目标

冲突和错误监测

错误相关负波(发生错误后约 100 ms 内)

Stroop

说出一对一致或不一致词语的印刷墨水颜色

干扰与认知控制

N450

面孔与物体观看

观看面孔和非面孔图像

面孔知觉

N170

事件比连续记录更重要

与可能考察持续神经活动的传统 EEG 分析不同,ERP 研究侧重于大脑对特定事件的反应。

事件可以是图像的呈现、单词的出现、听觉音调、被试的按键动作,或者是指示反应是否正确的反馈。这些精确计时的事件允许研究人员在多次重复试验中对齐 EEG 记录,并计算出揭示事件相关活动的平均神经反应 [1]。

由于 ERP 分析依赖于精确的时间把控,事件标记成为研究设计中最关键的要素之一。刺激呈现与事件标记之间哪怕微小的不一致,都会影响潜伏期的测量,尤其是在研究人员探讨仅在几百毫秒内展开的快速认知过程时。

近期的验证研究也证明了精确的事件标记对于使用可穿戴 EEG 系统进行可靠 ERP 测量的重要性 [4]。

Diagram of continuous EEG with event markers for stimulus, response and feedback, plus a comparison showing that accurate marker timing gives a clean response while late markers smear the measured delay.

选择合适的试次数

与许多行为实验不同,ERP 研究并不依赖单次观察。相反,研究人员会多次呈现相同类型的事件,并将由此产生的 EEG 反应进行叠加平均。这一过程减少了持续的背景活动,同时保留了在每次事件发生后稳定出现的神经反应 [1]、[2]。

Three EEG plots against time from stimulus onset: single trials look noisy, an average of 10 trials is smoother, and an average of 60 trials shows a clear, stable waveform.

所需的试次数取决于若干因素,包括:

  • 测量的 ERP 成分

  • 反应的预期变异性

  • 记录数据的整体质量。

振幅较小或变异性较大的成分通常需要额外的试次才能产生可接受的信噪比。与此同时,研究人员必须考虑数据采集的实际限制。过长的实验会增加被试的疲劳度、肢体动作和注意力分散,所有这些都可能给记录引入额外的伪迹 [1]。

因此,设计一项有效的 ERP 研究需要在统计可靠性与被试体验之间取得平衡。研究人员的目标不是收集尽可能多的试次,而是获取足够的高质量观察数据以回答科学问题,同时在整个实验过程中保持被试的投入度。

因素

对所需试次数的影响

设计应对措施

小振幅成分

需要更多试次以达到可接受的信噪比

在试次预算中优先考虑该成分

高反应变异性

需要更多试次以稳定平均值

在正式研究前进行预实验以评估变异性

预处理中的预期数据损失

可用试次少于记录试次

记录额外的试次以弥补被剔除的时期(epoch)

被试疲劳

过长的时间段会增加身体活动和眨眼

增加休息时间;保持实验时长切实合理

权衡实验控制

每个 ERP 实验都包含研究人员想要探究的变量以及想要控制的变量。

假设研究人员想利用 Oddball 范式检验大脑对意外事件的反应。理想情况下,实验条件之间的主要差异是目标刺激的出现概率,而不是刺激亮度的改变、反应映射或任务难度的变化。当多个变量同时发生变化时,就很难确定究竟是哪个因素导致了所观察到的 ERP 差异。

出于这个原因,研究人员精心设计实验,使无关因素在不同条件之间尽可能保持一致。Kappenman 等人强调,周密的实验设计对于分离所研究的认知过程至关重要,能避免同时测量到数个重叠的神经过程 [3]。

一种常见的策略是使用差异波,它对经过精心匹配的实验条件之间的 ERP 反应进行比较。通过减去两种条件所共有的活动,研究人员可以更清晰地检验与实验操纵相关的神经反应。尽管差异波并不能消除所有方法学上的挑战,但它们阐明了 ERP 研究的一个重要原则:在统计分析开始很久之前,有意义的解释就依赖于周密的实验设计 [3]。

Plot of EEG amplitude over time showing frequent standard and rare target responses and their difference wave, with the condition-specific response remaining after early activity shared by both conditions cancels out.

规划获取高质量数据

影响 ERP 数据质量的许多因素在第一位被试完成实验之前就已经确定了。

实验时长、被试舒适度、任务难度和记录流程都会影响 EEG 信号的质量。冗长或要求苛刻的实验可能会增加疲劳感、肢体动作和眨眼,而不明确的指导语可能会给被试的反应带来不必要的变异性。这些实际考量不仅影响被试的体验,还影响最终数据的可靠性。

伪迹管理也是在研究规划阶段就开始的,而不是在数据采集之后。尽管现代预处理技术可以减轻某些伪迹的影响,但它们无法弥补糟糕的实验设计或持续嘈杂的记录。

Pütz 等人建议在整个规划过程中始终关注数据质量,包括设计切实合理的记录时长、提供明确的被试指导语,以及采集足够的试次以应对预处理过程中的数据损失 [1]。

从一开始就围绕数据质量进行设计,有助于减少分析阶段本可避免的问题,并提高对最终结果的信心。

解释始于分析之前

ERP 方法学中最重要的经验之一是:解释早在研究人员审查数据之前就已开始。

ERP 波形本身不会自动揭示认知过程的含义。相反,研究人员是在数十年来将特定实验条件下的各个成分与特定神经功能联系起来的实验证据基础上,对它们进行解释的 [2]。因此,从 ERP 研究中能够得出的结论不仅取决于记录的数据,还取决于实验设计的严密性以及现有的科学文献体系。

Kappenman 等人指出,对 ERP 成分的解释取决于以往研究在多大程度上确立了其与所探讨的认知过程之间的关系。具有更强构念效度的成分支持更具信心的结论,而其他成分则需要更加谨慎并考虑替代性解释 [3]。审慎的研究设计有助于确保观察到的神经反应能够与研究问题建立有意义的关联,而不是归因于未受控的实验因素。

在规划阶段就思考解释问题,有助于促使研究人员设计出能够回答具有实际意义的科学问题的实验,而不是仅仅为了获得统计上显著的结果。

ERP 研究的未来

数十年来,事件相关电位一直是认知神经科学的基石,而且该领域仍在不断演进。可穿戴 EEG 技术的进步、改良的实验软件以及日益复杂的分析方法,正在拓宽开展 ERP 研究的场所和方式。

与此同时,ERP 研究设计的基本原则依然保持着惊人的一致性。一个精心设计的实验始于明确的科学问题,选择合适的认知范式,严格控制实验变量,并在已有神经科学知识背景下解释研究发现。尽管新技术不断改进数据采集和分析手段,但周密的实验设计依然是有意义的 ERP 研究的基石 [1]、[2]。

随着 ERP 研究走出传统实验室,走进教室、工作场所和其他现实环境,这些原则变得愈发重要。无论数据在哪里采集,审慎的规划都有助于确保研究人员能够满怀信心地将神经活动与他们试图理解的认知过程联系起来。

核心要点

  • 有效的 ERP 研究始于明确定义的研究问题,而非特定的 ERP 成分。

  • 实验任务应能分离出所研究的认知过程,同时最大限度地减少无关神经活动来源。

  • 精确的事件计时、充足的试次数以及周密的实验控制均有助于实现可靠的 ERP 测量。

  • 在开始记录前规划好被试舒适度和数据质量,可以同时改善被试体验和所得数据的可靠性。

  • 有意义的解释既依赖于周密的实验设计,也依赖于数十年来将 ERP 成分与特定认知过程联系起来的丰硕研究成果。

推荐阅读

参考文献

[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.

设计事件相关电位(ERP)研究远不止选择脑电图(EEG)系统或记录大脑活动那么简单。在开始数据采集之前,研究人员必须确立明确的科学问题,确定想要研究的认知过程,选择合适的实验范式,并设计出能够分离出目标神经过程的研究方案。这些决策决定了数据的质量以及能从研究中得出的结论。

本文探讨了设计 ERP 实验所涉及的关键考量因素,从构思研究问题到收集可靠且可解释的数据。

从研究问题开始

当人们第一次接触事件相关电位(ERP)时,往往会把注意力放在技术上。他们脑海中浮现的是脑电极、色彩斑斓的脑电波记录,以及以毫秒级精度分析神经反应的专用软件。

与此同时,经验丰富的研究人员对 ERP 研究的思考方式则截然不同。

早在佩戴电极或采集数据之前,研究人员就会做出一系列决定实验能否回答其科学问题的决策。他们确定要研究的认知过程,选择适当的实验任务,明确要测量的事件,并设计实验条件,以便将特定的神经反应从同时发生的众多过程中分离出来 [1]、[2]。

换言之,成功的 ERP 研究始于实验设计,而非 EEG 技术。

理解这一区别是设计有效 ERP 研究最重要的步骤之一。

明确研究问题

ERP 实验应始于科学问题,而非特定的 ERP 成分。

例如,研究人员可能希望了解注意力在学习过程中如何变化、工作记忆如何更新、人们如何检测错误,或者大脑如何对意外刺激做出反应。这些问题各自反映了不同的认知过程,可能需要不同的实验范式。

一旦确立了研究问题,研究人员就可以选择最有可能深入揭示该过程的 ERP 成分。诸如 P300、N170、失匹配负波(MMN)或错误相关负波(ERN)等成分之所以具有重要价值,是因为数十年的研究已将它们与知觉、注意、记忆或认知控制的特定方面联系起来 [2]。因此,ERP 成分成了研究认知的工具,而不是研究本身的目的。

这一顺序至关重要,因为实验设计应始终服务于研究问题。从认知假设出发,有助于确保从任务设计到统计分析的每一个后续决策都支持科学目标。

设计能够分离大脑活动特异性的任务

事件相关电位最大的优势之一是其卓越的时间分辨率,使研究人员能够观察到在毫秒级时间内展开的神经活动。然而,这种精确性也带来了挑战。

在任何特定时刻,大脑都在同时执行多项认知操作。视觉感知、注意、记忆、决策和动作准备可能会在时间上重叠,共同作用于头皮记录的 EEG 信号。

因此,研究人员面临的挑战在于设计一项实验,既能分离出他们想要研究的特定认知过程,同时又能最大限度地减少无关神经活动的影响。

Kappenman 等人解释称,在任意实验中单纯记录 EEG 很难产生能够被明确无歧义解释的数据。相反,ERP 实验的设计应使所研究的认知操作发生变化,同时使无关因素尽可能保持一致。这样更容易将 ERP 波形的变化归因于所研究的过程,而不是其他同时发生的神经活动 [3]。

研究人员通过精心控制的实验范式来实现这一目标。Oddball 任务、Go/No-Go 范式、Flanker 任务、Stroop 任务以及其他认知范式已得到广泛应用,因为它们能够在可靠激发特定认知过程的同时限制不必要的变异性。因此,选择合适的任务与选择 ERP 成分本身同样重要。

范式

被试的操作

认知过程

常研究的成分

Oddball

在频繁的标准刺激中对罕见的目标刺激做出反应

检测意外或与任务相关的刺激

P300(约 250–500 ms)

被动听觉 Oddball

在罕见音调出现时仅倾听而不做反应

自动检测听觉变化

失匹配负波(约 100–250 ms)

Go/No-Go

对“Go”刺激做出反应,对“No-Go”刺激抑制反应

反应抑制

N2 和 P3

Flanker

识别被干扰刺激包围的中心目标

冲突和错误监测

错误相关负波(发生错误后约 100 ms 内)

Stroop

说出一对一致或不一致词语的印刷墨水颜色

干扰与认知控制

N450

面孔与物体观看

观看面孔和非面孔图像

面孔知觉

N170

事件比连续记录更重要

与可能考察持续神经活动的传统 EEG 分析不同,ERP 研究侧重于大脑对特定事件的反应。

事件可以是图像的呈现、单词的出现、听觉音调、被试的按键动作,或者是指示反应是否正确的反馈。这些精确计时的事件允许研究人员在多次重复试验中对齐 EEG 记录,并计算出揭示事件相关活动的平均神经反应 [1]。

由于 ERP 分析依赖于精确的时间把控,事件标记成为研究设计中最关键的要素之一。刺激呈现与事件标记之间哪怕微小的不一致,都会影响潜伏期的测量,尤其是在研究人员探讨仅在几百毫秒内展开的快速认知过程时。

近期的验证研究也证明了精确的事件标记对于使用可穿戴 EEG 系统进行可靠 ERP 测量的重要性 [4]。

Diagram of continuous EEG with event markers for stimulus, response and feedback, plus a comparison showing that accurate marker timing gives a clean response while late markers smear the measured delay.

选择合适的试次数

与许多行为实验不同,ERP 研究并不依赖单次观察。相反,研究人员会多次呈现相同类型的事件,并将由此产生的 EEG 反应进行叠加平均。这一过程减少了持续的背景活动,同时保留了在每次事件发生后稳定出现的神经反应 [1]、[2]。

Three EEG plots against time from stimulus onset: single trials look noisy, an average of 10 trials is smoother, and an average of 60 trials shows a clear, stable waveform.

所需的试次数取决于若干因素,包括:

  • 测量的 ERP 成分

  • 反应的预期变异性

  • 记录数据的整体质量。

振幅较小或变异性较大的成分通常需要额外的试次才能产生可接受的信噪比。与此同时,研究人员必须考虑数据采集的实际限制。过长的实验会增加被试的疲劳度、肢体动作和注意力分散,所有这些都可能给记录引入额外的伪迹 [1]。

因此,设计一项有效的 ERP 研究需要在统计可靠性与被试体验之间取得平衡。研究人员的目标不是收集尽可能多的试次,而是获取足够的高质量观察数据以回答科学问题,同时在整个实验过程中保持被试的投入度。

因素

对所需试次数的影响

设计应对措施

小振幅成分

需要更多试次以达到可接受的信噪比

在试次预算中优先考虑该成分

高反应变异性

需要更多试次以稳定平均值

在正式研究前进行预实验以评估变异性

预处理中的预期数据损失

可用试次少于记录试次

记录额外的试次以弥补被剔除的时期(epoch)

被试疲劳

过长的时间段会增加身体活动和眨眼

增加休息时间;保持实验时长切实合理

权衡实验控制

每个 ERP 实验都包含研究人员想要探究的变量以及想要控制的变量。

假设研究人员想利用 Oddball 范式检验大脑对意外事件的反应。理想情况下,实验条件之间的主要差异是目标刺激的出现概率,而不是刺激亮度的改变、反应映射或任务难度的变化。当多个变量同时发生变化时,就很难确定究竟是哪个因素导致了所观察到的 ERP 差异。

出于这个原因,研究人员精心设计实验,使无关因素在不同条件之间尽可能保持一致。Kappenman 等人强调,周密的实验设计对于分离所研究的认知过程至关重要,能避免同时测量到数个重叠的神经过程 [3]。

一种常见的策略是使用差异波,它对经过精心匹配的实验条件之间的 ERP 反应进行比较。通过减去两种条件所共有的活动,研究人员可以更清晰地检验与实验操纵相关的神经反应。尽管差异波并不能消除所有方法学上的挑战,但它们阐明了 ERP 研究的一个重要原则:在统计分析开始很久之前,有意义的解释就依赖于周密的实验设计 [3]。

Plot of EEG amplitude over time showing frequent standard and rare target responses and their difference wave, with the condition-specific response remaining after early activity shared by both conditions cancels out.

规划获取高质量数据

影响 ERP 数据质量的许多因素在第一位被试完成实验之前就已经确定了。

实验时长、被试舒适度、任务难度和记录流程都会影响 EEG 信号的质量。冗长或要求苛刻的实验可能会增加疲劳感、肢体动作和眨眼,而不明确的指导语可能会给被试的反应带来不必要的变异性。这些实际考量不仅影响被试的体验,还影响最终数据的可靠性。

伪迹管理也是在研究规划阶段就开始的,而不是在数据采集之后。尽管现代预处理技术可以减轻某些伪迹的影响,但它们无法弥补糟糕的实验设计或持续嘈杂的记录。

Pütz 等人建议在整个规划过程中始终关注数据质量,包括设计切实合理的记录时长、提供明确的被试指导语,以及采集足够的试次以应对预处理过程中的数据损失 [1]。

从一开始就围绕数据质量进行设计,有助于减少分析阶段本可避免的问题,并提高对最终结果的信心。

解释始于分析之前

ERP 方法学中最重要的经验之一是:解释早在研究人员审查数据之前就已开始。

ERP 波形本身不会自动揭示认知过程的含义。相反,研究人员是在数十年来将特定实验条件下的各个成分与特定神经功能联系起来的实验证据基础上,对它们进行解释的 [2]。因此,从 ERP 研究中能够得出的结论不仅取决于记录的数据,还取决于实验设计的严密性以及现有的科学文献体系。

Kappenman 等人指出,对 ERP 成分的解释取决于以往研究在多大程度上确立了其与所探讨的认知过程之间的关系。具有更强构念效度的成分支持更具信心的结论,而其他成分则需要更加谨慎并考虑替代性解释 [3]。审慎的研究设计有助于确保观察到的神经反应能够与研究问题建立有意义的关联,而不是归因于未受控的实验因素。

在规划阶段就思考解释问题,有助于促使研究人员设计出能够回答具有实际意义的科学问题的实验,而不是仅仅为了获得统计上显著的结果。

ERP 研究的未来

数十年来,事件相关电位一直是认知神经科学的基石,而且该领域仍在不断演进。可穿戴 EEG 技术的进步、改良的实验软件以及日益复杂的分析方法,正在拓宽开展 ERP 研究的场所和方式。

与此同时,ERP 研究设计的基本原则依然保持着惊人的一致性。一个精心设计的实验始于明确的科学问题,选择合适的认知范式,严格控制实验变量,并在已有神经科学知识背景下解释研究发现。尽管新技术不断改进数据采集和分析手段,但周密的实验设计依然是有意义的 ERP 研究的基石 [1]、[2]。

随着 ERP 研究走出传统实验室,走进教室、工作场所和其他现实环境,这些原则变得愈发重要。无论数据在哪里采集,审慎的规划都有助于确保研究人员能够满怀信心地将神经活动与他们试图理解的认知过程联系起来。

核心要点

  • 有效的 ERP 研究始于明确定义的研究问题,而非特定的 ERP 成分。

  • 实验任务应能分离出所研究的认知过程,同时最大限度地减少无关神经活动来源。

  • 精确的事件计时、充足的试次数以及周密的实验控制均有助于实现可靠的 ERP 测量。

  • 在开始记录前规划好被试舒适度和数据质量,可以同时改善被试体验和所得数据的可靠性。

  • 有意义的解释既依赖于周密的实验设计,也依赖于数十年来将 ERP 成分与特定认知过程联系起来的丰硕研究成果。

推荐阅读

参考文献

[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.

Emotiv 2026年黑色星期五促销横幅:11月9日至14日抢先体验,结账时使用代码 BFWEEK20 即可享受 headset 和新 EmotivPRO 许可证8折优惠(立省20%),黑色背景上展示四款 Emotiv 脑电图(EEG)headset。

继续阅读

Emotiv 2026年黑色星期五大促