ERP 组件

定义 ERP 成分的三个维度

每一个 ERP 成分都由三个核心属性所确定，每个属性都为产生该成分的神经事件提供了不同的线索。它们共同构成了一种坐标系统，用于将电活动与大脑功能相匹配。

1. 极性（Polarity）是指相对于事件前基线的偏转方向。按照惯例，向负向的偏转被标记为 N，向正向的偏转被标记为 P。这个简单的二元分类告诉我们，那一刻在头皮上，潜在的神经元群正在产生净负电场还是净正电场。

2. 潜伏期（Latency）指在事件发生后，成分达到峰值波幅的时间（以毫秒为单位）。在 100 毫秒左右达到峰值的负波是早期的感觉反应；在 300 毫秒达到峰值的正波则反映了较晚的认知过程。潜伏期不是一个固定的数字，而是处理速度的粗略指标，即特定神经计算展开所需的时间。

3. 头皮分布（Scalp distribution）或地形图，精确指出成分在头部哪个位置最强。在额区最大的成分，其产生原因可能与在顶区达到峰值的成分由于不同的大脑结构所致。当试图推断哪些大脑网络处于活动状态时，空间信息提供了重要的约束条件。

   例如，在 Kok 等人设计的停止信号任务中，成功停止试验中的 P3 成分与失败停止试验中的 P3 具有明显不同的地形图，并且偶极子分析估计它们源自不同的皮质发生源。同样，著名的“前部 Go/NoGo N2 效应”部分由其额-中央头皮分布定义，这使 NoGo 试验与 Go 试验区分开来。

综合这三个维度使研究人员能够将一种成分定义为离散的神经生理学事件。在电极 Cz 处顶叶皮层上在 350 ms 达到峰值的 P3 是一个与在额叶部位在 250 ms 达到峰值的 N2 不同的实体。这个维度框架是整个 ERP 分类学的核心。

ERP 成分是如何命名的

命名惯例直接源于定义维度：表示极性的字母加上近似的峰值潜伏期。例如，N100 是指在事件发生后约 100 毫秒达到峰值的负向偏转；P300 是指在约 300 毫秒达到峰值的正向偏转。这种“极性 + 潜伏期”系统简洁、直观且直接提供信息。

当不同条件、参与者或实验范式之间的确切潜伏期发生变化时，或者当某个成分属于可识别的序列时，研究人员通常会采用序数简称：N1、P2、N2、P3 等。序列中的顺序比精确的毫秒时间点更为重要。

例如，在视觉 Go/Nogo 任务中，N1、N2 和 P3 是相对彼此定义的，即使在一种条件下 N2 的峰值有时接近 240 ms，而在另一种条件下接近 260 ms。Kok 等人的停止信号研究同样提到了停止信号试验中的 N2 和 P3，承认了反应抑制所固有的可变时间。

早期感觉成分：P50、N100 和 P200

早期感觉成分在刺激呈现后相对较早地出现，通常作为输入信息的初步登记和评估的标记来进行研究。P50（在特定范式中内有时被称为 P1）可以反映早期感觉门控和注意力调制。N100 经常与听觉或视觉特征的检测和早期分析相关，而 P200 可能对刺激分类和注意力分配敏感。

这些成分的解释在很大程度上取决于感觉通路和任务。听觉 N100 和视觉 N100 并不是可以互换的测量指标，尽管它们共享一个标签。它们的波幅和潜伏期可能会随着刺激强度、预期、重复、注意力以及事件的物理属性而改变。

因此，早期成分提供了关于第一阶段加工的信息，但它们不能证明知觉是完全有意识的，或者发生了特定的心理过程。它们的价值来自于比较精心匹配的条件，并将波形差异与独立的行为或生理测量相联系。

认知成分：N200 和 P300

N200 是一系列负向反应，当人检测到冲突、评估意外特征或区分任务相关和无关刺激时可以观察到。它的含义因范式而异，根据刺激和反应的要求，该标签可以指代部分不同的神经过程。通过该成分出现的实验对比能最好地理解它。

另一方面，P300（或 P3）是一种较晚出现的正向反应，通常与注意力、刺激评估、背景更新以及事件对任务的重要性相关。它的潜伏期可以提供评估某些阶段所需时间的估计，而它的波幅可能会随着可能性、相关性、注意力和可用的认知资源而变化。它并不是智力的通用测量标准，也不是独立的诊断标志。

语言和记忆成分：N400

N400 是一种负向成分，经常在语义加工、语言理解和有意义信息的整合方面被研究。当在语境中处理单词、图片、声音和其他材料的意义时，都可以诱发它。通常可以观察到，当一个项目不那么符合预期或者不那么容易与前文语境整合时，N400 会更大，尽管确切的效果取决于设计。

N400 的研究有助于阐明语言加工是快速展开的，并且对词汇和概念之间的关系很敏感。此外，该成分并不局限于词汇知识。它还可能反映了将输入项与正在发展的意义、话语或事件语境表征整合在一起时所需的努力。

解释仍然依赖于比较条件。N400 波幅的差异可能反映了可预测性、语义关联、任务需求或刺激的其他属性。出于这个原因，研究通常将波形分析与理解测量以及严格控制的语言材料相结合。

将成分与心理操作联系起来

数十年的收敛证据支持以下观点：每个 ERP 成分都索引着一个独特的认知操作，例如感觉登记、注意选择、冲突监控或反应抑制。研究人员通过测量成分特征在不同任务需求下如何变化来探究这些操作，这使得上述三种类型的测量特别能提供信息：

1. 潜伏期

2. 波幅

3. 头皮分布

ERP 潜伏期告诉我们什么

成分峰值时间的潜伏期转移可以证明认知过程是较早完成还是较晚完成。在停止信号实验中，在成功停止试验中由停止信号诱发的 P3 峰值明显早于不成功试验。因此，作者提出，在成功试验中，对停止命令的内部神经反应（由 P3 反映）更早终止，这种时间差异直接与抑制控制相关。

同时，在视觉 Go/NoGo 任务中，与较高 EEG 空间复杂度相关的试验也显示出缩短的 N1 和 N2 潜伏期，这种模式可能表明更快的早期感知和认知加工。

ERP 波幅告诉我们什么

成分的大小反映了皮质锥体细胞大群体中突触后电位的强度或同步性。较大的波幅通常意味着该操作有更大的神经参与。

相反，较小的波幅可以表示更有效的加工。这可以转化为更少的神经元协同工作来实现相同的目标。

在 Go/No 任务中，较高的空间复杂度与 N1、N2 和 P3 成分的波幅降低相关，作者将这种关系解释为更小、更高效的同步突触后电位。由此产生的波幅降低模式与更快的反应时间相结合，支持了波幅可以索引加工效率而不仅仅是单纯努力的观点。

ERP 头皮分布告诉我们什么

当两个成分具有不同的地形图时，即使它们共享相似的极性和潜伏期，它们也可能起源于不同的神经产生源。在停止信号研究中，成功停止试验中的 P3 与失败停止试验中的 P3 具有不同的头皮分布和偶极子源配置。作者注意到了这种分歧，并指出成功的 P3 机制起到了停止信号的作用；此外，它指向了一个在不成功尝试期间表现出激活减少或延迟的抑制控制网络。

这些关系似乎本质上是相关性的。证据表明，成分特征随着行为和任务需求呈系统性变化，但任何单一成分与特定认知功能之间的联系都是推导出来的，而非直接证明。

Jia 等人明确指出，高空间复杂度“可能与”更快的认知加工相关，而 Kok 等人则认为成功停止试验中的 P3 “反映了抑制控制的效率”。这种谨慎的措辞在 ERP 科学中是标准做法。

超越平均峰值：单试探分解

传统的平均化方法虽然强大，但做出了一个关键假设，即大脑在每次试探（trial）中的反应都是完全相同的。在现实中，单试探 ERP 在波幅和潜伏期上都有很大的差异——这些差异在行为上可能很有意义，但在平均波形中却丢失了。最近的方法学进展为直接分析这种试探与试探之间的变异性打开了大门。

ICA 能否在单试探 EEG 中分离伪迹与神经信号？

独立成分分析是一种数据驱动的分解技术，它能够盲法将多通道 EEG 分离为时间上独立且空间上固定的成分。当应用于来自视觉选择性注意实验的单试探数据时，ICA 成功地将伪迹源（如眨眼和眼动）、刺激锁相和反应锁相的 ERP 成分以及持续的背景 EEG 分离为不同的成分——这是传统平均法无法实现的。

这种分解能够去除信号中的噪声，并使研究每个成分的潜伏期和波幅中的单试探波动成为可能，例如，通过根据反应时间或准确性对试探进行排序。ICA 也同样应用于听觉 ERP 数据以分离潜在的成分过程。

我们能否在没有传统平均化的情况下提取成分特征？

在单试探水平上分析 ERP 从根本上改变了分类学。不同于仅由静态平均峰值来定义，成分可以作为动态过程来检查，其试探到试探（trial-by-trial）的特征与瞬时的认知状态相关。

Jia 等人暗示了这种可能性，他们表明在单试探内估计的 EEG 空间复杂度与 ERP 波幅和潜伏期特征相关，从而提出了一条在没有传统平均化的情况下提取类似成分信息的途径。

计算模型如何将单试探 EEG 与认知联系起来？

除了分解之外，新兴的方法主张将单试探 EEG 特征直接与认知的计算模型（如漂移扩散模型或强化学习算法）联系起来。利用分层贝叶斯模型，以 Bridwell 等人为首的研究人员能够共同对 EEG 和行为进行建模，从而超越“峰值和成分”时代，进入一个通过正式认知过程的视角来解释神经信号的框架。

这种基于模型的推断并没有丢弃经典的 ERP 分类学；相反，它在此基础上建立起电活动与行为之间更丰富、试探级别的桥梁。

为什么共享的大脑信号语言仍然至关重要

即使在方法不断发展的情况下，极性、时间和头皮位置这三部分系统仍为大脑研究人员提供了一种跨研究比较发现的实用方法。

平均化仍然是观察这些微小信号的基石，但新的单试探工具增加了一层平均峰值无法显示的细节。这并没有丢弃经典框架；而是在其基础上进行构建，将固定的标签转变为可以追踪瞬时精神状态的动态测量。

同时，任何成分与特定精神操作之间的联系最好被视为强有力的线索，而不是既定的事实。许多发现来自单一的研究，文献中使用的谨慎语言反映了这种不确定性。历久弥新的是共同的词汇本身，它让神经科学家能够提出更敏锐的问题，关于大脑在日常生活和临床环境中如何对事件做出反应。

参考文献

1. Kok, A., Ramautar, J. R., De Ruiter, M. B., Band, G. P., & Ridderinkhof, K. R. (2004). ERP components associated with successful and unsuccessful stopping in a stop‐signal task. Psychophysiology, 41(1), 9-20. https://doi.org/10.1046/j.1469-8986.2003.00127.x

2. Jia, H., Li, H., & Yu, D. (2017). The relationship between ERP components and EEG spatial complexity in a visual Go/Nogo task. Journal of neurophysiology, 117(1), 275-283. https://doi.org/10.1152/jn.00363.2016

3. Makeig, S., & Westerfield, M. Analysis and visualization of single-trial event-related potentials. Human Brain Mapping, 14, 166-185. https://doi.org/10.1002/hbm.1050

4. Bridwell, D. A., Cavanagh, J. F., Collins, A. G., Nunez, M. D., Srinivasan, R., Stober, S., & Calhoun, V. D. (2018). Moving beyond ERP components: a selective review of approaches to integrate EEG and behavior. Frontiers in human neuroscience, 12, 106. https://doi.org/10.3389/fnhum.2018.00106

常见问题解答

什么是事件相关电位（ERP）以及它是如何获得的？

ERP 是一种与特定事件（如声音或闪光）锁相的微小大脑反应。为了获得它，研究人员将许多相同试探中的 EEG 进行平均，从而消除随机的背景活动，展现出一致的、与事件相关的波形。

定义任何 ERP 成分的三个核心属性是什么？

三个定义属性是极性（负向或正向偏转）、潜伏期（事件发生后的毫秒时间）和头皮分布（成分在头部的哪个位置最强）。这些维度共同使研究人员能够将一个成分识别为独特的神经生理学事件。

研究人员通常如何命名不同的 ERP 成分？

成分使用表示极性的字母（N 代表负，P 代表正），后跟近似的峰值潜伏期或序数来命名（例如 N100、P300 或 N1、P2、N2、P3）。当确切的潜伏期发生变化时，会使用序数系统，并且序列中的顺序比精确的时间点更为重要。

ERP 成分的潜伏期能告诉研究人员什么？

潜伏期指示成分在事件后何时达到其峰值波幅，作为处理速度的粗略指标。潜伏期的变化可以揭示认知过程是较早完成还是较晚完成，例如在成功抑制试验中停止信号 P3 更早达到峰值。

在认知方面如何解释 ERP 成分的波幅？

波幅反映了皮质神经元大群体中突触后电位的强度或同步性，通常代表神经参与的程度。较大的波幅通常意味着更多的神经活动，而较小的波幅可以表示更高效的处理，正如伴随着反应时间变快，波幅会降低一样。

为什么头皮分布对于理解 ERP 成分非常重要？

头皮分布显示了成分在头部哪个位置最大，从而为哪些大脑网络处于活动状态提供了线索。如果两个成分具有不同的地形图，即使它们的极性和潜伏期相似，它们也可能源自不同的神经产生源。

传统平均化方法的一个关键局限性是什么？像 ICA 这样的现代方法是如何解决这一问题的？

传统平均化方法假设大脑在每次试探中的反应都是相同的，这隐藏了在波幅和潜伏期中有意义的试探到试探的变化。独立成分分析（ICA）将单试探 EEG 分离为不同的成分，使研究人员能够研究这些波动并更有效地消除噪声。

ERP 成分是否可以被视为特定认知操作的直接和决定性测量？

不能，ERP 成分与特定认知功能之间的联系是推导和相关的，并未得到直接证明。证据中经常使用“可能与”或“表明”等谨慎措辞，而且研究结果通常是特定于范式的，尚未得到广泛的复制。