失匹配負(fù)波半自動(dòng)加工性質(zhì)的研究

劉 蓉 林少非 王永軒 孫玉彤

1(大連理工大學(xué)電子信息與電氣工程學(xué)部，遼寧 大連 116024)2(大連大學(xué)附屬中山醫(yī)院，遼寧 大連 116001)

失匹配負(fù)波半自動(dòng)加工性質(zhì)的研究

劉 蓉1*林少非1王永軒2孫玉彤1

1(大連理工大學(xué)電子信息與電氣工程學(xué)部，遼寧 大連 116024)2(大連大學(xué)附屬中山醫(yī)院，遼寧 大連 116001)

失匹配負(fù)波(MMN)是否受注意力的調(diào)控，一直是MMN研究領(lǐng)域的爭(zhēng)論問(wèn)題。目前鮮有實(shí)驗(yàn)范式能夠很好地控制受試者注意力在注意通路與非注意通路之間的分配，并缺乏一個(gè)量化尺度來(lái)反映受試者注意力資源分配的變化。擴(kuò)散模型是一種認(rèn)知過(guò)程模型，主要通過(guò)研究完成任務(wù)過(guò)程中的反應(yīng)時(shí)間和準(zhǔn)確率等行為數(shù)據(jù)來(lái)揭示其潛在的神經(jīng)加工機(jī)理。因此，建立一種新的跨通路延遲反應(yīng)實(shí)驗(yàn)范式，以更好地描述受試者注意力的分配；然后結(jié)合擴(kuò)散模型參數(shù)擬合方法，量化受試者注意力資源分配情況，并明確MMN的潛伏期和峰值與注意力之間的關(guān)系。采集18名受試者在3組不同圖像對(duì)比度實(shí)驗(yàn)條件下的腦電信號(hào)，研究對(duì)比9個(gè)導(dǎo)聯(lián)的標(biāo)準(zhǔn)刺激與偏差刺激ERP波形。實(shí)驗(yàn)結(jié)果表明，擴(kuò)散模型擬合參數(shù)可以解釋實(shí)驗(yàn)中不同設(shè)定條件對(duì)受試者注意力分配的影響，從而定量地確定受試者的注意力。同時(shí)表明，MMN的峰潛伏期隨實(shí)驗(yàn)條件變化顯著，與對(duì)應(yīng)的擴(kuò)散模型參數(shù)有顯著的相關(guān)性：MMN峰潛伏期與擴(kuò)散模型擬合參數(shù)邊界間隔、漂移率和非決策時(shí)間之間的相關(guān)系數(shù)分別為0.63、0.58和0.63。結(jié)果證實(shí)，擴(kuò)散模型參數(shù)可以作為MMN測(cè)試中受試者的注意力資源分配的指標(biāo)，且MMN的峰潛伏期與受試者注意力呈正相關(guān)，因此可以認(rèn)為MMN具有半自動(dòng)加工的性質(zhì)。

失匹配負(fù)波；擴(kuò)散模型；參數(shù)擬合；半自動(dòng)加工

引言

失匹配負(fù)波(mismatch negativity，MMN)是內(nèi)源性事件相關(guān)電位(event related potential, ERP)的一種成分，是由小概率偏差刺激產(chǎn)生的ERP減去大概率標(biāo)準(zhǔn)刺激產(chǎn)生的ERP得到的差異波，通常為刺激后100～250 ms后出現(xiàn)的負(fù)峰[1]。MMN可以在非注意的條件下出現(xiàn)，其發(fā)現(xiàn)使得腦自動(dòng)加工、內(nèi)隱認(rèn)知和意識(shí)形成等問(wèn)題的研究進(jìn)入了新的階段，也為研究聽(tīng)覺(jué)記憶的原理、音樂(lè)認(rèn)知能力檢測(cè)[2]、嬰兒和兒童疾病診斷的臨床應(yīng)用提供了一種無(wú)創(chuàng)工具[3-5]。

在N??t?nen首次提出MMN后，相關(guān)研究表明MMN反映的是自動(dòng)加工過(guò)程，不受注意影響，該觀點(diǎn)當(dāng)時(shí)得到了眾多研究者的支持[6]。然而，Woldorff認(rèn)為N??t?nen的實(shí)驗(yàn)中刺激呈現(xiàn)過(guò)慢，受試者有可能在刺激間隙將注意力轉(zhuǎn)換到非注意通路，通過(guò)提高刺激呈現(xiàn)速度的實(shí)驗(yàn)，證實(shí)了在高度注意時(shí)的MMN會(huì)大于非注意時(shí)的MMN[7]。另外，在對(duì)注意力受損及閱讀障礙患者和健康受試者對(duì)比的一些研究中發(fā)現(xiàn)，注意力受損患者也可以產(chǎn)生MMN，其波幅與健康受試之間并無(wú)顯著的差異，但潛伏期較健康受試者顯著縮短[8]；但也有研究發(fā)現(xiàn)，注意力缺陷多動(dòng)障礙患兒額區(qū)ERP與正常兒童相比，潛伏期無(wú)顯著差異，而N2成分幅值顯著降低[9]。這均表明MMN波幅和潛伏期的加工性質(zhì)不同，因此MMN是否僅反映自動(dòng)加工，即是否受注意力的影響，已經(jīng)成為解釋MMN成因的中心問(wèn)題，也是多年來(lái)各方爭(zhēng)論的焦點(diǎn)[10]。

目前，對(duì)于MMN是否受注意力影響的問(wèn)題，鮮有實(shí)驗(yàn)范式能夠很好地控制受試者的注意力，明確在非注意通路中是否會(huì)引入受試者部分注意力資源。這部分注意力資源既無(wú)法測(cè)量亦不能描述，其原因在于沒(méi)有一個(gè)量化尺度來(lái)反映受試者注意力資源的變化。本研究嘗試通過(guò)擴(kuò)散模型的擬合參數(shù)，反映受試者注意力資源分配情況。擴(kuò)散模型[11]是認(rèn)知過(guò)程模型之一，主要通過(guò)研究完成任務(wù)過(guò)程中的反應(yīng)時(shí)間和準(zhǔn)確率等行為數(shù)據(jù)來(lái)揭示其潛在的神經(jīng)加工機(jī)理，已經(jīng)成功運(yùn)用于字母匹配、詞匯決策、信號(hào)探測(cè)、視覺(jué)搜索和感知判定等眾多領(lǐng)域的實(shí)驗(yàn)中，在神經(jīng)生理學(xué)和行為數(shù)據(jù)之間搭起了橋梁。

因此，筆者提出一種新的跨通路延遲反應(yīng)實(shí)驗(yàn)范式[12]，使實(shí)驗(yàn)范式能夠更好地控制受試者的注意力資源。同時(shí)，結(jié)合擴(kuò)散模型對(duì)行為數(shù)據(jù)進(jìn)行參數(shù)擬合，利用擬合后得到的參數(shù)作為注意力資源分配的指標(biāo)。然后，分析MMN的峰潛伏期和峰振幅與擴(kuò)散模型擬合參數(shù)的相關(guān)性，從而明確MMN與注意力間的關(guān)系，確定MMN的加工機(jī)理。

1 數(shù)據(jù)與方法

1.1 實(shí)驗(yàn)對(duì)象

受試者為18名大學(xué)生，年齡在22～24歲之間，男女各半，身心健康，無(wú)精神疾病和心理障礙，聽(tīng)力正常，視力(或通過(guò)校正)達(dá)到正常水平。

圖1 實(shí)驗(yàn)范式時(shí)間進(jìn)程Fig.1 The time course of experiment diagram

1.2 跨通路延遲反應(yīng)實(shí)驗(yàn)范式

在跨通路延遲反應(yīng)實(shí)驗(yàn)范式中，對(duì)受試者同時(shí)給予視覺(jué)和聽(tīng)覺(jué)刺激，其中視覺(jué)通路為注意通路，實(shí)驗(yàn)要求受試者對(duì)視覺(jué)刺激給予反應(yīng)，由此造成聽(tīng)覺(jué)通路為非注意通路，從而產(chǎn)生MMN，實(shí)驗(yàn)范式如圖1所示。在每次實(shí)驗(yàn)中，利用E-prime 2.0軟件，在17英寸液晶顯示器(刷新率為60 Hz)上隨機(jī)呈現(xiàn)一幅標(biāo)準(zhǔn)圖片或經(jīng)過(guò)對(duì)比度下降處理后的參照?qǐng)D片。250 ms后圖片消失，顯示器轉(zhuǎn)為黑屏，同時(shí)在Panasonic耳機(jī)中隨機(jī)出現(xiàn)800 Hz的標(biāo)準(zhǔn)刺激或1 000 Hz的偏差刺激(聲強(qiáng)級(jí)為60 dB)，時(shí)長(zhǎng)為50 ms，然后設(shè)置一段空閑狀態(tài)?？紤]到MMN的峰值一般出現(xiàn)在刺激后的100～250 ms，所以將空閑狀態(tài)時(shí)長(zhǎng)設(shè)定為200 ms。經(jīng)過(guò)空閑狀態(tài)之后，屏幕中央出現(xiàn)快速閃過(guò)的紅色十字，呈現(xiàn)時(shí)間為50 ms，提示受試者盡快對(duì)之前出現(xiàn)的圖片進(jìn)行反應(yīng)，判斷是標(biāo)準(zhǔn)圖片或參照?qǐng)D片。當(dāng)受試者判斷呈現(xiàn)的圖片為標(biāo)準(zhǔn)圖片時(shí)左手按Z鍵，當(dāng)判斷為參照?qǐng)D片時(shí)右手按M鍵。然后有200 ms的休息時(shí)間，等待下一次實(shí)驗(yàn)的開(kāi)始。

由于實(shí)驗(yàn)范式中設(shè)定了兩個(gè)通路刺激方式和一段空閑狀態(tài)延遲，因此稱該實(shí)驗(yàn)范式為跨通路延遲反應(yīng)。實(shí)驗(yàn)開(kāi)始前，受試者被告知要集中注意在視覺(jué)呈現(xiàn)內(nèi)容上并做出反應(yīng)，且在空閑狀態(tài)時(shí)不存在視覺(jué)刺激帶來(lái)的影響，所以ERP的主要成分是非注意通路(聽(tīng)覺(jué))產(chǎn)生的MMN。

每個(gè)受試者在每組實(shí)驗(yàn)中各進(jìn)行160次獨(dú)立試驗(yàn)，其中標(biāo)準(zhǔn)圖片隨機(jī)出現(xiàn)120次，參照?qǐng)D片隨機(jī)出現(xiàn)40次，即呈現(xiàn)概率為25%。每個(gè)受試者各進(jìn)行3組實(shí)驗(yàn)，每組的差別在于使用不同程度對(duì)比度下降的參照?qǐng)D片，使注意通道的難度發(fā)生變化(將對(duì)應(yīng)不同的擴(kuò)散模型參數(shù))。每次實(shí)驗(yàn)出現(xiàn)紅色小十字到按鍵之間的反應(yīng)時(shí)間以及判斷準(zhǔn)確率將使用在擴(kuò)散模型參數(shù)擬合中。在每次實(shí)驗(yàn)中，聽(tīng)覺(jué)標(biāo)準(zhǔn)刺激隨機(jī)出現(xiàn)120次，聽(tīng)覺(jué)偏差刺激隨機(jī)出現(xiàn)40次，聽(tīng)覺(jué)偏差刺激的隨機(jī)性與參照?qǐng)D片的隨機(jī)性互相獨(dú)立。

1.3 數(shù)據(jù)采集

實(shí)驗(yàn)中的腦電(electroencephalogram, EEG)數(shù)據(jù)通過(guò)美國(guó)Neuroscan Nuamps40腦電記錄系統(tǒng)進(jìn)行采集，以鼻尖處作為參考電極。EEG經(jīng)過(guò)0.1～70 Hz的帶通濾波，并使用50 Hz陷波器去除工頻干擾，最后通過(guò)500 Hz的采樣頻率進(jìn)行采樣。原始EEG數(shù)據(jù)繼續(xù)通過(guò)腦電分析軟件EEGlab和ERPlab進(jìn)行預(yù)處理，包括偽跡去除和數(shù)據(jù)分段等。以每次實(shí)驗(yàn)的聲音刺激開(kāi)始時(shí)刻作為零時(shí)刻，取之后的500 ms作為分析數(shù)據(jù)，這對(duì)于MMN的100～200 ms的潛伏期比較合適。另外，用于基線校正的時(shí)長(zhǎng)通常為擬分析時(shí)長(zhǎng)的1/10～1/5[13]，所以通過(guò)對(duì)每次刺激前100 ms的數(shù)據(jù)疊加平均得到校正基線。

因?yàn)镸MN是偏差刺激產(chǎn)生的ERP減去標(biāo)準(zhǔn)刺激產(chǎn)生的ERP得到的差異波，所以在記錄中分別保留這兩條曲線而不是直接給出MMN波形。對(duì)于MMN的幅值和潛伏期測(cè)量，由于MMN均明顯出現(xiàn)在大腦前額和中線的電極處，包括F3、FZ、F4、FC3、FCZ、FC4、C3、CZ和C4，這些導(dǎo)聯(lián)誘發(fā)產(chǎn)生的差異波與基線相比非常顯著，因此以這9個(gè)導(dǎo)聯(lián)作為典型代表進(jìn)行分析，并稱其為實(shí)驗(yàn)內(nèi)因素，而對(duì)3組不同實(shí)驗(yàn)條件(3種不同的圖像對(duì)比度)稱其為實(shí)驗(yàn)間因素。最后利用方差分析(analysis of variance, ANOVA)方法，進(jìn)行多因素、多目標(biāo)的差異性分析。

1.4 擴(kuò)散模型參數(shù)擬合

擴(kuò)散模型是由Ratcliff提出的心理學(xué)模型，能夠表示決策過(guò)程對(duì)支持選擇證據(jù)做出的適應(yīng)性反應(yīng)以及決策速度與準(zhǔn)確性之間的權(quán)衡，已被廣泛應(yīng)用于字母辨識(shí)、知覺(jué)判斷等認(rèn)知心理學(xué)中[14]。該模型可以對(duì)二選擇任務(wù)實(shí)驗(yàn)中得到的數(shù)據(jù)進(jìn)行參數(shù)擬合，從而得到實(shí)驗(yàn)準(zhǔn)確率以及反應(yīng)時(shí)間在正確選擇和錯(cuò)誤選擇兩種條件下的分布情況。

圖2 擴(kuò)散模型及其參數(shù)[15]。以兩種漂移率(v=v1和v=v2)進(jìn)行表示，圖中箭頭線的斜率反映漂移率的大小。漂移率更大(小)的決策過(guò)程信息累積時(shí)間更短(長(zhǎng))，正確反應(yīng)概率更高(低)。Fig.2 An illustration of the diffusion model and parameters[15]with two different drift rates v=v1 and v=v2 which are represented by arrows. The decision process with larger (smaller) drift rate has less (longer) information accumulative time and higher (lower) accuracy.

擴(kuò)散模型的決策過(guò)程如圖2所示，表明決策過(guò)程就是含噪信息從累積起始點(diǎn)開(kāi)始到達(dá)累積邊界的信息累積過(guò)程。累積邊界用b表示，反映正確選擇條件下的信息累積量，同時(shí)也表示邊界間隔，即錯(cuò)誤選擇條件下到達(dá)累積邊界時(shí)的信息累積量為0。當(dāng)信息累積達(dá)到某個(gè)邊界(b或0)時(shí)，則認(rèn)為決策完成。顯然，如果b比較小(大)，那么這個(gè)決策過(guò)程的結(jié)束時(shí)間將會(huì)較短(長(zhǎng))，同時(shí)由于含噪信息的隨機(jī)性而導(dǎo)致錯(cuò)誤結(jié)果的可能性將會(huì)增大(減小)。決策過(guò)程累積起始點(diǎn)用z表示，反映了信息的平均初始值，其分布接近于平均分布，個(gè)體間的差異性用sz表示。累積信息的平均速率稱為漂移率，用v來(lái)表示，由含噪信息本身的質(zhì)量決定，其分布接近于高斯分布。

圖2表示了兩種漂移率的決策過(guò)程，分別由實(shí)線和虛線表示，漂移率的大小為箭頭線的斜率，反應(yīng)時(shí)間的分布為累積邊界(b或0)上/下方的曲線。在圖2中，實(shí)線決策過(guò)程的漂移率更大，正確選擇和錯(cuò)誤選擇的概率分別為0.90和0.10；而虛線決策過(guò)程的漂移率要小一些，正確選擇和錯(cuò)誤選擇的概率分別為0.60和0.40。非決策時(shí)間用tER表示，反映的是感官接收信息向支持選擇證據(jù)轉(zhuǎn)換所需的時(shí)間，包括信息編碼、運(yùn)動(dòng)反應(yīng)、記憶搜尋等過(guò)程，其分布接近平均分布，對(duì)于個(gè)體之間的差異性用sER表示。非決策時(shí)間tER與信息累積時(shí)間tA共同組成總決策時(shí)間tT。利用DMATool[16]，對(duì)實(shí)驗(yàn)過(guò)程中得到的所有反應(yīng)時(shí)間以及判斷準(zhǔn)確率等數(shù)據(jù)進(jìn)行參數(shù)擬合，得到b、z、v和tER等參數(shù)值，然后利用ANOVA進(jìn)行顯著性分析。

2 實(shí)驗(yàn)結(jié)果

2.1 行為數(shù)據(jù)

實(shí)驗(yàn)在3組不同的對(duì)比度條件下進(jìn)行，分別稱為條件1、條件2和條件3，對(duì)應(yīng)的圖像相位相干值分別為50%、70%和90%。因?yàn)閷?shí)驗(yàn)難度很難直接度量，為了體現(xiàn)不同條件對(duì)受試者的影響程度，以受試者的行為數(shù)據(jù)(即擴(kuò)散模型擬合參數(shù))的差異作為衡量標(biāo)準(zhǔn)。擴(kuò)散模型各參數(shù)的平均值以及均方差如表1所示，其中邊界值b、漂移率v和非決策時(shí)間tER在不同實(shí)驗(yàn)條件下的差異是顯著的，而起始點(diǎn)z在不同實(shí)驗(yàn)條件下的差異并不顯著，這說(shuō)明與實(shí)驗(yàn)難度相關(guān)的參數(shù)主要是b、v和tER。

表1 擴(kuò)散模型擬合參數(shù)的均值與標(biāo)準(zhǔn)差

Tab.1 The mean and standard deviation of diffusion model fitting parameters

條件b*zv*/s-1tER*/s均值條件1條件2條件30.090.100.130.030.080.030.810.690.170.340.290.25標(biāo)準(zhǔn)差條件1條件2條件30.020.030.020.020.020.010.170.160.130.090.050.06

注：*p<0.05。

在實(shí)驗(yàn)中，最關(guān)注的與注意力資源相關(guān)的參數(shù)主要是：做決策時(shí)的邊界值b、與信息積累質(zhì)量相關(guān)的漂移率v和非決策時(shí)間tER。3組實(shí)驗(yàn)條件對(duì)平均漂移率、非決策時(shí)間和邊界間隔的影響如圖3所示。顯然，隨著實(shí)驗(yàn)度的增加，邊界值隨之提高，漂移率隨之降低，非決策時(shí)間也會(huì)增加，這些信息都反映了受試者的注意力分配情況發(fā)生了變化。

圖3 在3組實(shí)驗(yàn)條件下擬合參數(shù)折線圖。(a)邊界間隔；(b)漂移率；(c)非決策時(shí)間Fig.3 The fitting parameters in different experimental conditions. (a) Boundary separation; (b) Drift rate; (c) Non-decision time

2.2 腦電數(shù)據(jù)

在18名受試者中，有13名受試者的ERP數(shù)據(jù)在典型導(dǎo)聯(lián)處表現(xiàn)出了明顯的MMN波形。圖4為在3種實(shí)驗(yàn)條件下典型導(dǎo)聯(lián)處13名受試者的總疊加平均(圖中未給出差異波)。其中，實(shí)線與虛線分別代表了標(biāo)準(zhǔn)刺激ERP波形和偏差刺激ERP波形，它們的差值即為MMN，其主要成份為200 ms出現(xiàn)的負(fù)峰。

圖4 3種實(shí)驗(yàn)條件下典型電極處的總疊加平均。(a) 實(shí)驗(yàn)條件1；(b)實(shí)驗(yàn)條件2；(c)實(shí)驗(yàn)條件3Fig.4 Grand average of ERP for all the subjects in typical electrodes under three conditions. (a) Condition 1; (b) Condition 2; (c) Condition 3

實(shí)驗(yàn)獲取的腦電數(shù)據(jù)包括在3種實(shí)驗(yàn)條件(實(shí)驗(yàn)間因素)下和9個(gè)典型導(dǎo)聯(lián)(實(shí)驗(yàn)內(nèi)因素)上得到的13個(gè)受試者的平均MMN振幅和潛伏期，分別對(duì)其進(jìn)行多因素方差分析。分析結(jié)果表明，對(duì)于MMN振幅，不同實(shí)驗(yàn)條件的影響是不顯著的(F=2.19，P=0.11>0.05)，不同導(dǎo)聯(lián)的影響也是不顯著的(F=0.65，P=0.73>0.05)，同時(shí)實(shí)驗(yàn)條件與導(dǎo)聯(lián)的交互作用仍不顯著的(F=0.55，P=0.92>0.05)。對(duì)于MMN潛伏期，不同實(shí)驗(yàn)條件的影響是顯著的(F=67.55，P=0.00<0.05)，不同導(dǎo)聯(lián)的影響是不顯著的(F=0.761，P=0.637>0.05)，同時(shí)兩者的交互作用也是不顯著的(F=0.49，P=0.95>0.05)。在本研究設(shè)定的3種實(shí)驗(yàn)條件下，條件2的潛伏期顯著大于條件1(I-J=8.21，P=0.00<0.05)的潛伏期，而條件3的潛伏期顯著大于條件1(I-J=17.27,P=0.00<0.05)和條件2(I-J=9.07，P=0.00<0.05)的潛伏期。圖5給出了3種實(shí)驗(yàn)條件下9個(gè)典型導(dǎo)聯(lián)MMN平均潛伏期的均值與方差，可以看出，在不同實(shí)驗(yàn)條件下，潛伏期有著顯著的差別。

圖5 潛伏期隨實(shí)驗(yàn)間因素變化的統(tǒng)計(jì)。顯著性差異由**表示(**P<0.01)Fig.5 The histogram of latency variation across conditions.Statistically significant differences denoted by double asterisks (**P<0.01).

圖6 在實(shí)驗(yàn)條件1下總疊加平均腦地形圖。(a)150 ms處；(b)200 ms處Fig.6 The EEG topography of grand average under experimental conditions 1. (a) At 150 ms; (b) At 200 ms

將所有受試者的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行疊加平均，從而得到MMN總平均，這樣可以從宏觀上觀察實(shí)驗(yàn)結(jié)果。圖6為在實(shí)驗(yàn)條件1下的150、200 ms時(shí)間處所有受試者總平均腦地形圖，旨在展示出現(xiàn)MMN的電極區(qū)域，也是證明150～250 ms時(shí)間范圍內(nèi)出現(xiàn)的負(fù)波是MMN?？梢钥闯觯?50 ms時(shí)腦地形圖呈不對(duì)稱的層狀分布，但到達(dá)200 ms時(shí)腦地圖呈放射性分布，且中心電極處出現(xiàn)了明顯的負(fù)成分。

圖7 潛伏期與擴(kuò)散模型參數(shù)的相關(guān)性。(a)邊界間隔；(b)漂移率；(c)非決策時(shí)間Fig.7 The correlation between latency and boundary separation under different conditions.(a) Boundary separation; (b) Drift rate; (c) Non-decision time

2.3 行為數(shù)據(jù)與腦電數(shù)據(jù)的相關(guān)性分析

在得到行為數(shù)據(jù)和實(shí)驗(yàn)條件之間的關(guān)系以及腦電數(shù)據(jù)和實(shí)驗(yàn)條件之間的關(guān)系后，再利用線性回歸擬合，可對(duì)行為數(shù)據(jù)和腦電數(shù)據(jù)進(jìn)行相關(guān)性分析。在圖7所示的散點(diǎn)圖中，“o”代表實(shí)驗(yàn)條件1，“*”代表實(shí)驗(yàn)條件2，“×”代表實(shí)驗(yàn)條件3。圖7(a)顯示了潛伏期與邊界間隔b的相關(guān)性，其相關(guān)系數(shù)為0.63(顯著性水平P=0.00<0.05)；圖7(b)顯示了潛伏期與漂移率v的相關(guān)性，其相關(guān)系數(shù)為0.58(顯著性水平P=0.00<0.05)；圖7(c)顯示了潛伏期與非決策時(shí)間tER的相關(guān)性，其相關(guān)系數(shù)為0.63(顯著性水平P=0.00<0.05)。

3 討論

3.1 實(shí)驗(yàn)難度變化引起受試者注意力資源的變化

在本次研究中，標(biāo)準(zhǔn)與偏差圖片的對(duì)比度減小導(dǎo)致實(shí)驗(yàn)難度增加，所以假設(shè)此種實(shí)驗(yàn)難度的增加會(huì)導(dǎo)致受試者注意力更加集中，而注意力資源的變化可以用擴(kuò)散模型參數(shù)很好地解釋，因此在實(shí)驗(yàn)中提取行為數(shù)據(jù)，利用擴(kuò)散模型具體驗(yàn)證實(shí)驗(yàn)難度對(duì)受試者注意力的影響。其中，邊界值b代表的是受試者在實(shí)驗(yàn)過(guò)程中的謹(jǐn)慎程度，隨著注意力程度的增加，受試者在實(shí)驗(yàn)過(guò)程中會(huì)更加謹(jǐn)慎；漂移率v是信息質(zhì)量的一個(gè)指標(biāo)，隨著實(shí)驗(yàn)難度的上升，信息質(zhì)量必然會(huì)降低，因此不能夠直接反映受試者注意力的變化；當(dāng)實(shí)驗(yàn)難度上升時(shí)，必然會(huì)導(dǎo)致反應(yīng)時(shí)間的增加，但這個(gè)時(shí)間是由兩部分組成的，一部分是決策時(shí)間，另一部分為非決策時(shí)間tER，即信息編碼、運(yùn)動(dòng)反應(yīng)和記憶搜尋等時(shí)間，當(dāng)注意力增加時(shí)人的運(yùn)動(dòng)反應(yīng)時(shí)間會(huì)顯著縮短。綜上可知，在二選擇任務(wù)中，人的注意力與其謹(jǐn)慎程度是正相關(guān)的關(guān)系，而與非決策反應(yīng)時(shí)間是負(fù)相關(guān)的關(guān)系。在本次研究中，3種實(shí)驗(yàn)條件的困難度逐漸增加，隨著實(shí)驗(yàn)困難度的增加、邊界間隔的增加，受試者更加謹(jǐn)慎，非決策時(shí)間增長(zhǎng)，由此證明受試者的注意力也隨實(shí)驗(yàn)困難度的增加而更加集中，即在3種實(shí)驗(yàn)條件1、2、3下，受試者的圖像注意力依次增加。

3.2 受試者失匹配負(fù)波振幅與潛伏期特征和側(cè)向異性

根據(jù)目前ERP與MEG(腦磁圖)的研究結(jié)果，聽(tīng)覺(jué)MMN的腦內(nèi)源有顳葉感覺(jué)皮質(zhì)和額葉兩處。失匹配負(fù)波在前額中部頭皮區(qū)域出現(xiàn)最大幅值，而MMN產(chǎn)生源的等效電流偶極子模型表明，兩側(cè)顳上皮質(zhì)的活動(dòng)總和致使MMN主要分布在前額中部頭皮[17]。在本次研究中，也發(fā)現(xiàn)在3種實(shí)驗(yàn)條件下，MMN均明顯出現(xiàn)在大腦前額和中線的電極處，包括F3、FZ、F4、FC3、FCZ、FC4、C3、CZ和C4，這些導(dǎo)聯(lián)誘發(fā)產(chǎn)生的差異波與基線相比非常顯著。同時(shí)實(shí)驗(yàn)發(fā)現(xiàn)，與其他導(dǎo)聯(lián)相比，導(dǎo)聯(lián)A1和A2的ERP波形極性發(fā)生了反轉(zhuǎn)，證明所出現(xiàn)的ERP負(fù)波為MMN而不是N2b。對(duì)比3種實(shí)驗(yàn)條件下的ERP波形圖，偏差刺激與標(biāo)準(zhǔn)刺激的潛伏期依次變短，并且出現(xiàn)了明顯的P300成分，這是因?yàn)樵诳缤穼?shí)驗(yàn)中，受試者所投入的心理資源量與P300的波幅有著正向關(guān)系，P300波幅的變化表明了受試者在實(shí)驗(yàn)過(guò)程中存在投入心理資源量的變化。

根據(jù)提取出的ERP數(shù)據(jù)進(jìn)行振幅與潛伏期的顯著性分析，通過(guò)實(shí)驗(yàn)間因素與實(shí)驗(yàn)內(nèi)因素對(duì)MMN振幅和潛伏期影響的顯著性分析發(fā)現(xiàn)，實(shí)驗(yàn)條件對(duì)MMN振幅影響不顯著，而對(duì)MMN潛伏期影響顯著，即實(shí)驗(yàn)困難度越大MMN的潛伏期越短，不同導(dǎo)聯(lián)對(duì)MMN潛伏期與振幅的影響均不顯著。

觀察不同時(shí)刻受試者腦地形圖的分布情況，以實(shí)驗(yàn)條件1下總疊加平均腦地形圖為例，150 ms時(shí)腦地形圖呈不對(duì)稱的層狀分布，200 ms時(shí)腦地圖呈放射性分布，且中心電極處出現(xiàn)了明顯的負(fù)成分，符合MMN出現(xiàn)在電極區(qū)域的情況。

綜合以上3點(diǎn)，可以證實(shí)在150～250 ms時(shí)間范圍內(nèi)出現(xiàn)的負(fù)波是MMN，且不同的實(shí)驗(yàn)困難度對(duì)MMN的潛伏期影響顯著。

3.3 行為數(shù)據(jù)與腦電數(shù)據(jù)的相關(guān)性

行為數(shù)據(jù)分析表明，3種實(shí)驗(yàn)條件下受試者注意力分配資源存在不同，而腦電數(shù)據(jù)特征分析也證實(shí)，150～250 ms時(shí)間范圍內(nèi)出現(xiàn)的負(fù)波為MMN，因此推斷3種實(shí)驗(yàn)條件下MMN潛伏期的不同與受試者的注意力資源分配有關(guān)。利用線性回歸擬合，可對(duì)行為數(shù)據(jù)和腦電數(shù)據(jù)進(jìn)行相關(guān)性分析，發(fā)現(xiàn)潛伏期與邊界間隔b、漂移率v和非決策時(shí)間tER的相關(guān)系數(shù)分別為0.63、0.58和0.63。在心理學(xué)領(lǐng)域中，這種結(jié)果表明潛伏期與擴(kuò)散模型的3個(gè)主要參數(shù)是顯著相關(guān)的，從而在數(shù)據(jù)上證實(shí)注意力資源與失匹配負(fù)波潛伏期顯著相關(guān)。

4 結(jié)論

本研究對(duì)跨通路延遲反應(yīng)實(shí)驗(yàn)范式進(jìn)行了改進(jìn)，使實(shí)驗(yàn)范式能夠更好地控制受試的注意力資源，并利用擴(kuò)散模型對(duì)行為數(shù)據(jù)進(jìn)行擬合。經(jīng)過(guò)實(shí)驗(yàn)與數(shù)據(jù)分析后發(fā)現(xiàn)，擴(kuò)散模型所擬合出的行為數(shù)據(jù)參數(shù)可以解釋實(shí)驗(yàn)設(shè)計(jì)中不同條件對(duì)受試者注意力資源變化的潛在心理影響，從而定量地描述受試者的注意力分配情況。再通過(guò)MMN的峰潛伏期、峰振幅與擬合參數(shù)的相關(guān)性分析，得出MMN的振幅與受試者的注意力資源無(wú)關(guān)但其潛伏期與注意力資源顯著相關(guān)的結(jié)論，從而明確了MMN與注意力之間的關(guān)系，確定了MMN具有半自動(dòng)加工的性質(zhì)。

[1]GarridoMI,KilnerJM,StephanKE,etal.Themismatchnegativity:areviewofunderlyingmechanisms[J].ClinicalNeurophysiology, 2009,120(3):453-463.

[2] 賴永秀, 田銀, 堯德中. 音樂(lè)速度變化感知的失匹配負(fù)波[J]. 中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào), 2010,29(2):277-282.

[3]SawadaM,NegoroH,IidaJ,etal.Pervasivedevelopmentaldisorderwithattentiondeficithyperactivitydisorder-likesymptomsandmismatchnegativity[J].PsychiatryandClinicalNeurosciences, 2008,62(4):479-81.

[4] 郭明麗, 楊偉炎, 王秋菊. 失匹配負(fù)波簡(jiǎn)介及其聽(tīng)力學(xué)應(yīng)用前景[J]. 聽(tīng)力學(xué)及言語(yǔ)疾病雜志, 2006,14(2):141-146.

[5]N??t?nenR.Mismatchnegativity:clinicalresearchandpossibleapplications[J].InternationalJournalofPsychophysiology, 2003,48(2):179-188.

[6]N??t?nenR.Theroleofattentioninauditoryinformationprocessingasrevealedbyevent-relatedpotentialsandotherbrainmeasuresofcognitivefunction[J].BehavioralandBrainSciences, 1990,13(02):201-233.

[7]WoldorffMG,HackleySA,HillyardSA.Theeffectsofchannel-selectiveattentiononthemismatchnegativitywaveelicitedbydevianttones[J].Psychophysiology, 1991,28(1):30-42.

[8]Huttunen-ScottT,KaartinenJ,TolvanenA,etal.Mismatchnegativity(MMN)elicitedbydurationdeviationsinchildrenwithreadingdisorder,attentiondeficitorboth[J].InternationalJournalofPsychophysiology, 2008,69(1):69-77.

[9] 萬(wàn)小姣, 王蘇弘, 高小榕, 等. 基于改進(jìn)的視覺(jué)CPT范式對(duì)注意缺陷多動(dòng)障礙患兒額區(qū)ERPs的研究[J]. 中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào), 2014,31(4):385-391.

[10] 沈汪兵, 劉昌, 陳晶晶. 失匹配負(fù)波研究的主要爭(zhēng)論與動(dòng)向[J]. 應(yīng)用心理學(xué), 2011,16(4):369-76.

[11]RatcliffR,TuerlinckxF.Estimatingparametersofthediffusionmodel:Approachestodealingwithcontaminantreactiontimesandparametervariability[J].PsychonomicBulletin&Review, 2002,9(3):438-481.

[12] 羅躍嘉魏. 跨通路注意的失匹配負(fù)波研究[J]. 中國(guó)科學(xué)C輯:生命科學(xué), 1998, 28(2): 186-192.

[13] 趙侖.ERPs實(shí)驗(yàn)教程 [D].南京：東南大學(xué)出版社，2010.

[14]RatcliffR,LoveJ,ThompsonCA,etal.Childrenarenotlikeolderadults:adiffusionmodelanalysisofdevelopmentalchangesinspeededresponses[J].ChildDevelopment, 2012,83(1):367-381.

[15]VandekerckhoveJ,TuerlinckxF.FittingtheRatcliffdiffusionmodeltoexperimentaldata[J].PsychonomicBulletin&Review, 2007,14(6):1011-26.

[16]VandekerckhoveJ,TuerlinckxF.DiffusionmodelanalysiswithMATLAB:ADMATprimer[J].BehaviorResearchMethods, 2008,40(1):61-72.

[17]N??t?nenR,PaavilainenP,RinneT,AlhoK.Themismatchnegativity(MMN)inbasicresearchofcentralauditoryprocessing:areview[J].ClinicalNeurophysiology, 2007,118(12):2544-2590.

On the Semi-Automatic Processing Characteristic of MMN

Liu Rong1*Lin Shaofei1Wang Yongxuan2Sun Yutong1

1(FacultyofElectronicInformationandElectricalEngineering,DalianUniversityofTechnology,Dalian116024,Liaoning,China)2(AffiliatedZhongshanHospitalofDalianUniversity,Dalian116001,Liaoning,China)

Whether MMN is regulated by attention has been a debate in the MMN research field. There are few experimental paradigms which could control the attention allocation between the attended and unattended channels. Moreover, there is no index to reflect the subtle fluctuation of attention resource of the subjects. The diffusion model is one kind of cognitive process models, to reveal the potential neural processing mechanism based on the behavior data such as reaction time and accuracy of the task. Therefore, this paper developed a new cross-modal and delayed response experimental paradigm to better control subjects′ attention resources. Then the parameters fitted by the diffusion model were used to establish the relationship between the MMN and the attention. Experimental results showed that the parameters fitted by the diffusion model using behavior data could explain the underlying decision processes under different conditions on the subjects′ attention. As a result, the method could quantitatively determine the subjects′ attention. Meanwhile, we also found that the variation of the MMN peak latency was affected by variations in task difficulty and had a significant correlation with attention-related parameters of diffusion model: the correlation coefficientrbetween the MMN peak latency andb,vandtERwere 0.63, 0.63 and 0.58 respectively. This proves that the parameters of the diffusion model can be used as an index of the subjects′ attention resource allocation, and MMN peak latency is positively correlated with intensity of attention. Therefore, we consider that the MMN reflects a semi-automatic process.

mismatch negativity (MMN); diffusion model; parameters fitting; semi-automatic processing

10.3969/j.issn.0258-8021. 2016. 01.004

2015-01-20， 錄用日期:2015-11-24

國(guó)家自然科學(xué)基金(61573079)；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金；“數(shù)字制造裝備與技術(shù)”國(guó)家重點(diǎn)實(shí)驗(yàn)室(華中科技大學(xué))開(kāi)放課題(DMETKF2015007)

R318

A

0258-8021(2016) 01-0031-08

*通信作者(Corresponding author)， E-mail:rliu@dlut.edu.cn