基本情緒的電生理活動(dòng)：來自ERP的證據(jù)*

梁 飛 李 紅 王福順

(四川師范大學(xué)腦與心理科學(xué)研究院，成都 610066)

情緒是一種內(nèi)部狀態(tài)，是對機(jī)體內(nèi)部需要和外界可利用物質(zhì)比較而引起的一種心理活動(dòng)狀態(tài)，包括一定的生理、行為和認(rèn)知反應(yīng)(Sroufe，1996；王福順，張艷萍，成敬，姜長青，2018；Gu et al.，2019a)。情緒對人類行為的許多方面都至關(guān)重要(Bevilacqua & David，2011)，是人類生命活動(dòng)的基礎(chǔ)(Kvajo，2016；Gu et al.，2019a)。

情緒具有短暫性和易變性的特點(diǎn)，而腦電圖(electroencephalogram，EEG)具有高時(shí)間分辨率、無創(chuàng)性等優(yōu)異性能，能為研究情緒提供較為精確的時(shí)間信息，適合用于探索和研究情緒的電生理基礎(chǔ)和中樞神經(jīng)活動(dòng)?；诖耍诮鼛资曛?，研究者們通過腦電獲得了許多基本情緒的電生理活動(dòng)證據(jù)，取得了許多重要成果。因此，本文歸納了基本情緒的相關(guān)研究成果，對基本情緒誘發(fā)方法的情緒狀態(tài)誘發(fā)效果進(jìn)行對比分析，討論了事件相關(guān)電位(Event-related Potentials，ERP)對于基本情緒研究的應(yīng)用價(jià)值，對基本情緒相關(guān)的幾種ERP成分及其特征進(jìn)行系統(tǒng)地歸納。最后，對未來基本情緒的ERP實(shí)驗(yàn)研究提供了展望，提出用腦電結(jié)合最新的人工智能技術(shù)——機(jī)器視覺技術(shù)來為基本情緒理論研究提供新的研究思路。

1 基本情緒

基本情緒理論(Basic Emotion Theory，BET)是過去幾十年來情緒研究的最新理論，該理論認(rèn)為人類的情緒是由有限的幾種基本情緒組成的，如恐懼、憤怒、喜悅、悲傷等；它們之所以“基本”，是因?yàn)樗鼈兏髯杂兄?dú)特的生理表現(xiàn)和神經(jīng)結(jié)構(gòu)(Saarimaki et al.，2016；Celeghin et al.，2017；Williams，2017；Hutto et al.，2018；Song & Hakoda，2018；Vetter et al.，2018；Wang et al.，2018；Gu et al.，2019a)?；厩榫w理論開辟了研究的新領(lǐng)域：在心理學(xué)上是對面部表情的識別，在神經(jīng)影像學(xué)上是對基本情緒神經(jīng)相關(guān)的研究、進(jìn)化心理學(xué)等(Hutto et al.，2018)?；厩榫w是由神經(jīng)調(diào)節(jié)物質(zhì)調(diào)節(jié)的內(nèi)部狀態(tài)，這些內(nèi)在狀態(tài)在外部則表現(xiàn)為某些典型的行為(如本能)，被認(rèn)為是遠(yuǎn)古的生存機(jī)制(Gu et al.，2019a)?；厩榫w是由基本的身體變化所引起的內(nèi)在狀態(tài)，它反過來又能引起基因上“固有的”本能行為，在整個(gè)進(jìn)化過程中高度地保留下來，并在廣泛的系統(tǒng)發(fā)育范圍內(nèi)表現(xiàn)出某些功能和適應(yīng)特性，例如，恐懼和憤怒等情緒被認(rèn)為是在應(yīng)對基本的生活挑戰(zhàn)和威脅時(shí)進(jìn)化而來的(Gu et al.，2019b)。Izard(1977)認(rèn)為，基本情緒得以保留，是因?yàn)樗鼈兊纳锖蜕鐣?huì)功能在進(jìn)化和適應(yīng)中至關(guān)重要(Shpigler et al.，2017；Gu et al.，2019b)。可見，基本情緒的研究對整個(gè)人類具有普遍意義。

基本情緒的研究最早起源于達(dá)爾文，他是第一個(gè)使用面部表情研究情緒的科學(xué)家，比如恐懼、憤怒、喜悅或悲傷(Gu et al.，2019b)。過去幾十年，研究者們進(jìn)行了大量研究，探討了多種基本情緒分類，取得了富有成效的成果。早在上個(gè)世紀(jì)七十年代，Ekman等(1971)就以新幾內(nèi)亞幾乎與世隔絕的南弗爾族人為被試，以西方面孔表情作為刺激材料之一，驗(yàn)證了特定面部肌肉模式和基本情緒之間的聯(lián)系的普遍性。他對基本情緒進(jìn)行了分類，提出了6種基本情緒：高興(happiness)、悲傷(sadness)、憤怒(anger)、厭惡(disgust)、恐懼(fear)、驚訝(surprise)等(Ekman & Friesen，1971)?？墒菍τ谌擞袔追N基本情緒目前仍然存在爭議。Izard認(rèn)為人有10種基本情緒：憤怒(anger)、蔑視(contempt)、厭惡(disgust)、痛苦(distress)、恐懼(fear)、愉悅(joy)、內(nèi)疚(guilt)、興趣(interest)、驚奇(surprise)、羞愧(shame)。Plutchik則提出8種基本情緒：恐懼(fear)、憤怒(anger)、愉悅(joy)、悲傷(sadness)、期待(anticipation)、厭惡(disgust)、驚奇(surprise)、接納(acceptance)。國內(nèi)王福順等人提出了情緒三原色學(xué)說，指出單胺類神經(jīng)遞質(zhì)是基本情緒的神經(jīng)基礎(chǔ)：多巴胺-愉悅、5-羥色胺-不愉快和去甲腎上腺素-喚醒(Lovheim，2012；Gu et al.，2016；Wang & Pereira，2016；Gu et al.，2018)，這三種神經(jīng)遞質(zhì)就像三原色一樣介導(dǎo)四種基本情緒：恐懼、憤怒、快樂、悲傷，如圖1(Gu et al.，2018)。

圖1 基本情緒的三原色模型The four basic emotions：fear-anger，joy，sad，or three core affects are subsided by the release of three monoamine neuromodulators(norepinephrine-stress，dopamine-reward，and serotonin-punishment),(Gu et al.，2018)

2 基本情緒的誘發(fā)方法

研究中廣泛使用的情緒誘發(fā)方法有電影片段誘發(fā)法(film clips)、個(gè)人回憶誘發(fā)法(personalized recall)、真實(shí)生活操作誘發(fā)法(real-life manipulations)、觀看圖片誘發(fā)法(picture viewing)和標(biāo)準(zhǔn)化想象情緒誘發(fā)法(standardized imagery)等(Kreibig，2010；McGinley & Friedman，2017)。其中，情緒圖片誘發(fā)法較為常用，目前國際上使用較多的有國際情緒圖片系統(tǒng)(International Affective Picture System，IAPS)，國內(nèi)則有中國情緒圖片系統(tǒng)(Chinese Affective Picture System，CAPS)。

Siedlecka和Denson(2018)大致將情緒誘發(fā)方法分為五種具體的方法：視覺刺激誘發(fā)法(visual stimuli)、音樂誘發(fā)法(music)、自傳體回憶誘發(fā)法(autobiographical recall)、情境化程序誘發(fā)法(situational procedures)和想象誘發(fā)法(imagery)；并通過評估自我報(bào)告和生理證據(jù)的結(jié)合來確定情緒誘發(fā)的有效性。Siedlecka和Denson(2018)在其綜述文章中總結(jié)了6種基本情緒最有效的誘發(fā)方法如表1：對六種基本情緒最有效的誘發(fā)方法是視覺刺激誘發(fā)法；音樂誘發(fā)法只適用于快樂、恐懼和悲傷；自傳體回憶誘發(fā)法對憤怒、快樂、恐懼、厭惡和悲傷有效，但對驚訝則無效；情境化程序誘發(fā)法也有效地誘發(fā)憤怒、驚訝、恐懼和快樂；想象誘發(fā)法能有效地誘發(fā)憤怒、快樂、厭惡、悲傷和恐懼，但對驚訝卻沒那么有效。

表1 六種基本情緒最有效的誘發(fā)方法總結(jié)

在實(shí)驗(yàn)室實(shí)驗(yàn)中，基本情緒的ERP研究通常是通過不同的刺激方法誘發(fā)基本情緒并記錄其ERP，基本情緒刺激材料誘發(fā)基本情緒的有效性將直接影響ERP成分的特征。本文將在第4部分對基本情緒相關(guān)的ERP研究進(jìn)行探討，歸納基本情緒的ERP相關(guān)成分及其特征。

3 腦電(EEG)的應(yīng)用價(jià)值

腦電反映的是大腦細(xì)胞群的生物電活動(dòng)，是大量神經(jīng)元同步活動(dòng)的突觸后電位經(jīng)總和后形成的，它是腦神經(jīng)細(xì)胞的電生理活動(dòng)在大腦皮層或頭皮表面的總體表征(張楊松，卓彥，堯德中，2020)。我們統(tǒng)計(jì)了Web of Science 2001～2019年EEG (electroencephalogram，腦電圖)，fMRI(functional magnetic resonance imaging，功能性磁共振成像)，fNIRS(functional near-infrared spectroscopy，功能性近紅外光譜技術(shù))和MEG(Magnetoencephalography，腦磁圖)的期刊論文數(shù)量趨勢如圖2(檢索范圍僅限于類型為Article的論文，分別檢索關(guān)鍵詞EEG、fMRI、fNIRS和MEG，時(shí)間限定為2001-2019年，得到圖2數(shù)據(jù))。4種技術(shù)的論文數(shù)量總體呈現(xiàn)出增長趨勢，尤其是EEG和fMRI均隨著時(shí)間推進(jìn)而呈現(xiàn)出明顯的上升趨勢。2007-2016年的10年間，fMRI的論文數(shù)量超過了EEG；而EEG則在2017-2019年再次超越fMRI，且呈現(xiàn)出與包含fMRI在內(nèi)的其他3種技術(shù)的差距逐漸增大的趨勢，可以看出EEG具有廣泛的應(yīng)用前景和學(xué)術(shù)科研價(jià)值。EEG以毫秒級別的時(shí)間分辨率、無創(chuàng)性、低成本、可便攜等優(yōu)勢在心理學(xué)研究中有著舉足輕重的地位。

圖2 Web of Science 2001～2019年無創(chuàng)神經(jīng)影像技術(shù)的期刊論文數(shù)量趨勢EEG：腦電圖，MEG：腦磁圖，fNIRS：功能性近紅外光譜，fMRI：功能磁共振成像

理想的神經(jīng)影像技術(shù)能夠直接記錄可用于研究人腦的神經(jīng)元活動(dòng)，特別是使用非侵入性的技術(shù)(He et al.，2011)；各種非侵入性神經(jīng)成像技術(shù)和侵入性實(shí)驗(yàn)技術(shù)的空間和時(shí)間分辨率范圍的見圖3(He et al.，2008)。EEG能夠以毫秒級別的時(shí)間分辨率記錄大腦的電生理信號，在情緒心理學(xué)研究領(lǐng)域也被廣泛使用。情緒可以激活大腦的皮質(zhì)電生理活動(dòng)，用EEG收集、記錄皮質(zhì)電生理活動(dòng)，可探討EEG各頻段的頻譜能量與情緒的關(guān)系。如曹可欣(2019)利用腦電得到了快樂、悲傷、恐懼三種情緒的額葉中線功率譜特征；并認(rèn)為腦電中線功率譜特征可能是情感識別中潛在的有效特征。

圖3 各種非侵入性(藍(lán)色)成像技術(shù)和侵入性(紅色，MUA/LFP和SUA)實(shí)驗(yàn)技術(shù)的空間分辨率和時(shí)間分辨率范圍的示意圖.EEG：腦電圖，MEG：腦磁圖，NIRS：近紅外光譜，fMRI：功能磁共振，PET：正電子斷層成像，SPECT：單光子發(fā)射計(jì)算機(jī)斷層成像術(shù)，ESI：電磁源成像，MUA(multi-unit activity)：多單元激活，LFP(local field potential)：局部電位，SUA(single-unit activity)：單一單元激活(He & Liu，2008)

而本文則重點(diǎn)關(guān)注事件相關(guān)電位(Event-related Potentials，ERP)。ERP是EEG信號的一部分，反映的是正在處理的特殊事件的反應(yīng)(Hinojosa et al.，2015)。ERP可以用來分析由刺激材料所引起的情緒反應(yīng)與ERP反應(yīng)之間的關(guān)系，從中得到情緒的神經(jīng)機(jī)制相關(guān)證據(jù)。當(dāng)前，ERP作為研究情緒的有用技術(shù)手段而廣泛存在于情緒研究當(dāng)中，所取得的成果將在下文進(jìn)行探討。

4 基本情緒的ERP相關(guān)成分及其特征

過去幾十年已有大量的實(shí)驗(yàn)進(jìn)行了基本情緒相關(guān)的ERP研究，雖然目前還未發(fā)現(xiàn)各種基本情緒所引起的相關(guān)特異性成分，但學(xué)界關(guān)注了可能與基本情緒相關(guān)的ERP成分，如P1成分(P1 component)、N170成分(N170 component)、早期后部負(fù)波(early posterior negativity，EPN)、晚期正電位(late positive potential，LPP)等。

4.1 P1成分

P1是ERP早期成分，P1成分對物理刺激敏感，并指示在外紋狀視覺皮層內(nèi)的早期感覺加工(Olofsson et al.，2008)。P1成分是在呈現(xiàn)刺激后約100ms時(shí)的正成分(Hileman et al.，2011)，其時(shí)間窗大約在80～120ms(牧俠，李雪榴，葉春，李紅，2014)；P1的早期部分產(chǎn)生于背側(cè)紋外皮層，而晚期部分產(chǎn)生于腹側(cè)部分(Russo et al.，2002)。P1成分與注意的早期視覺加工有關(guān)，并反映編碼過程(Batty & Taylor，2003；Kalsi，2018)。Olofsson等在其綜述文章中指出，不愉快的情緒圖片比愉快情緒圖片在枕部誘發(fā)了更大的P1振幅(Olofsson et al.，2008)。近期Li等人(2019)的研究將EEG與提示動(dòng)作任務(wù)相結(jié)合，探討消極情緒對運(yùn)動(dòng)速度的影響，發(fā)現(xiàn)相對于中性情緒圖片，負(fù)性情緒圖片能引起更大的P1振幅，證明加工負(fù)性情緒圖片比中性情緒圖片需要更多的認(rèn)知資源。在6種基本情緒(快樂、驚訝、悲傷、憤怒、恐懼、厭惡)及中性情緒面孔作為刺激材料時(shí)，中性情緒面孔和驚訝情緒面孔誘發(fā)了最小的兩組P1振幅(二者差異不顯著)，而悲傷、恐懼、厭惡、快樂面孔誘發(fā)的P1振幅較大，憤怒振幅最大，具體如下：憤怒>恐懼=快樂>悲傷>厭惡>中性>驚訝(Batty & Taylor，2003)，詳見表2；但該研究中未完全給出基本情緒之間的P1振幅差異檢驗(yàn)結(jié)果是否顯著的證據(jù)。Moradi等人(2017)發(fā)現(xiàn)，與其他情緒表情相比，恐懼表情誘發(fā)了更大的P1振幅，表明P1可能反映了對恐懼情緒的注意偏差。根據(jù)Fang等人(2019)的實(shí)驗(yàn)數(shù)據(jù)，對左右半球相關(guān)成分的波幅相加后對比，發(fā)現(xiàn)四種基本情緒表情所誘發(fā)的P1成分波幅的關(guān)系如下：高興>恐懼>憤怒>厭惡。

綜上，P1成分對情緒刺激敏感，能夠反映對威脅信息的快速反應(yīng)，與注意的早期視覺加工有關(guān)。

4.2 N170成分

N170是面部加工可靠的電生理指標(biāo)(Hinojosa et al.，2015；Kalsi，2018)。N170成分是在呈現(xiàn)刺激后約170ms時(shí)的負(fù)成分(Eimer，2000；Hileman et al.，2011)，其負(fù)振幅在顳枕部位置約150-200毫秒處達(dá)到峰值(Rellecke，Sommer，& Schacht，2013)。大量研究表明，與其他視覺刺激材料相比，在面孔刺激材料呈現(xiàn)約170ms后產(chǎn)生更大的負(fù)振幅波形(Bentin et al.，1996；Tian et al.，2018)。面部表情的識別是一個(gè)相對自動(dòng)的過程(Correia-Caeiro，Guo，& Mills，2020)，Ruohonen，Alhainen和Astikainen(2020)的研究表明，快樂面孔誘發(fā)的N170振幅大于悲傷面孔與中性面孔。但有與之矛盾的研究報(bào)道，與積極和中性的情緒面部表情相比，N170振幅在悲傷等消極情緒面部表情中更大(Batty & Taylor，2003；Arias，2020)。兩項(xiàng)研究結(jié)果出現(xiàn)矛盾可能是實(shí)驗(yàn)刺激材料、實(shí)驗(yàn)程序、ERP記錄(儀器、統(tǒng)計(jì)分析)等不一致所造成的。

Hammerschmidt等人(2018)的研究表明，快樂的面部表情能夠促進(jìn)早期階段的加工，表現(xiàn)在N170和EPN波幅的增大。近期研究表明，單次試驗(yàn)N170可作為區(qū)分積極情緒和消極情緒的分類特征(Tian et al.，2018)?？謶智榫w比厭惡情緒誘發(fā)更大(但僅微弱大于)的N170波幅(Stefanou et al.，2019)。在更早的研究中，Batty和Taylor(2003)便對幾種基本情緒與N170波幅的關(guān)系進(jìn)行了探討；他們發(fā)現(xiàn)，積極情緒誘發(fā)的N170波幅出現(xiàn)的時(shí)間明顯早于消極情緒，而恐懼面孔所誘發(fā)的N170振幅大于中性或驚訝面孔；在6種基本情緒表情和中性表情作為刺激材料時(shí)，所誘發(fā)的N170波幅中，恐懼>厭惡>憤怒>快樂>悲傷>驚訝>中性(研究中的數(shù)據(jù)得出，未完整的進(jìn)行差異檢驗(yàn))。然而，Rellecke，Sommer和Schacht(2013)認(rèn)為，N170本身不受情緒面部表情的影響，對情緒敏感的早期后部負(fù)波的重疊活動(dòng)導(dǎo)致了典型N170的振幅改變。盡管如此，目前更多的研究為面孔相較于其他刺激材料能誘發(fā)更大的N170波幅提供支持證據(jù)。

近年，除了招募健康被試使用面部表情進(jìn)行研究外，以其他群體為被試的研究也受到關(guān)注。如Lin等人(2018)的研究發(fā)現(xiàn)，在恐懼面孔的腦電反應(yīng)中，對照組表現(xiàn)出大腦左側(cè)顳區(qū)的N170潛伏期較右側(cè)短，而自閉癥譜系障礙(autism spectrum disorder，ASD)組對情緒面孔的N170反應(yīng)未顯示出對照組的這種差異。Drapeau等(2019)招募輕微腦外傷及健康被試進(jìn)行實(shí)驗(yàn)，結(jié)果表明恐懼表情引起的N170波幅大于快樂表情及中性表情，且從數(shù)據(jù)來看，健康組被試在這三種基本情緒之間也有類似效應(yīng)。

綜上，N170成分是一個(gè)面孔特定(face-specfic)的ERP成分(Bentin et al.，1996；Hileman et al.，2011)。關(guān)于基本情緒與N170的關(guān)系研究數(shù)量龐大(多數(shù)研究以基本情緒的面部表情作為刺激材料)，許多研究支持N170成分與表情編碼相關(guān)，并在不同基本情緒類別的面孔之間表現(xiàn)出一定差異。

4.3 EPN成分

EPN是大多數(shù)情緒ERP研究所關(guān)注的一個(gè)成分，是出現(xiàn)在顳枕部位的一個(gè)負(fù)波，在視覺刺激呈現(xiàn)后250～350ms時(shí)達(dá)到峰值(Aldunate et al.，2018)。它是選擇性情緒知覺(與注意資源有關(guān))加工過程最早期的一個(gè)標(biāo)志，并且EPN的振幅與情緒喚醒度相關(guān)(Jungh?fer et al.，2001；Schupp，Jungh?fer，Weike，& Hamm，2004；Schupp & ?hman，et al.，2004；Aldunate et al.，2018)，也與圖片的情緒內(nèi)容相關(guān)(Low，Lang，& Bradley，2005；Aldunate et al，2018)。刺激的高喚醒水平有助于誘發(fā)EPN，因?yàn)楦邌拘训膱D片(毀傷和色情)比低喚醒的圖片在令人不愉快和愉快的類別下都能引起更大的EPN振幅(Schupp et al.，2003a；Olofsson et al，2008)。而另有研究表明，愉快圖片誘發(fā)的EPN明顯大于不愉快圖片誘發(fā)的EPN(Weinberg & Hajcak，2010)。最近一項(xiàng)研究從IPAS中選取中性、愉悅、不愉悅?cè)N類型圖片作為刺激材料，健康被試組的結(jié)果顯示，中性情緒圖片的EPN波幅顯著大于愉悅和不愉悅情緒圖片所誘發(fā)的波幅(Trotti et al.，2020)；且EPN情緒效應(yīng)的產(chǎn)生并不受注意控制的影響(Schindler & Kissler，2016；王霞，盧家楣，陳武英，2019)。

有初步證據(jù)支持EPN對厭惡情緒敏感：厭惡情緒和恐懼情緒(使用威脅刺激材料，如蛇)引起了更大的EPN波幅，且厭惡大于恐懼(Wheaton et al.，2013)。Farkas等人(2020)呈現(xiàn)了兩種截然不同的令人非常愉快和興奮的場景內(nèi)容(性伴侶和歡慶勝利的時(shí)刻)以及中立的人、威脅和毀損的場景，情緒喚醒的場景增大了EPN波幅，而性愛場景所引起的波幅最大，表明EPN可能對性愛場景中的明顯特征很敏感；進(jìn)一步研究表明，EPN的調(diào)節(jié)可能部分反映了對裸露身體部位的辨別。另有證據(jù)表明EPN成分可能與恐懼情緒有關(guān)，如Strien等人(2014)的研究結(jié)果顯示，蛇圖片誘發(fā)的EPN振幅最大，其次是蜘蛛圖片，鳥類圖片誘發(fā)的EPN振幅最小。之后的研究也有類似的發(fā)現(xiàn)，如Langeslag和Strien(2018b)的研究指出，蛇和憤怒均是恐懼刺激，且都引起EPN，表明它們捕獲早期自動(dòng)視覺注意；在150-225ms之間，蛇(恐懼)和憤怒面孔誘發(fā)的EPN大小相同的，但是225-300 ms，蛇(恐懼)誘發(fā)的EPN波幅比憤怒面孔誘發(fā)的EPN波幅要大，這表明蛇比憤怒面孔更容易捕捉到早期的自動(dòng)注意力。這也為EPN與早期自動(dòng)視覺注意相關(guān)提供了證據(jù)。此外，Sarraf-Razavi等(2018)利用EPN這一特性來區(qū)分了正常兒童與ADHD兒童，他們發(fā)現(xiàn)，憤怒和快樂的面孔顯著引起了健康兒童在枕顳部位EPN振幅的增加，而ADHD兒童卻沒有發(fā)現(xiàn)明顯增加；這表明ADHD兒童在情緒加工早期階段不同于健康兒童且存在一定缺陷。該研究中，正常兒童組的腦電數(shù)據(jù)表明，情緒誘發(fā)的EPN波幅的大小關(guān)系如下：憤怒>快樂>悲傷>中性。

情緒刺激能夠誘發(fā)與非情緒刺激不一樣的EPN波幅，而不少研究表明了EPN成分可能與恐懼情緒相關(guān)。但是基本情緒的該成分有何差異、關(guān)系如何，尚無完整的研究來闡明，各基本情緒與EPN是否有特異性關(guān)系同樣需進(jìn)一步考察。

4.4 LPP成分

在基本情緒的ERP研究中，LPP也是研究者關(guān)注的主要成分之一，它是一個(gè)與P300有著相同的起始時(shí)間和頭皮分布的正成分。LPP有一個(gè)中心-頂葉頭皮分布，早在刺激開始后200ms就可以觀察到(Codispoti，Bradley，& Lang，2001；Cuthbert，Schupp，Bradley，Birbaumer，& Lang，2000；Foti，Hajcak，& Dien，2009；Schupp et al.，2000；Schupp et al.，2004；Weinberg & Hajcak，2010)，一直持續(xù)到刺激消失后1000ms(Hajcak & Olvet，2008)；LPP反映了對情緒信息晚期的持續(xù)精細(xì)加工過程(Citron，2012；王霞等，2019)。眾所周知，情緒調(diào)節(jié)會(huì)影響LPP，反映的是持續(xù)的激發(fā)注意(Langeslag & Strienb，2018)。

LPP已被證明對視覺圖像的情緒內(nèi)容敏感，因此，與中性情緒刺激相比，正性情緒和負(fù)性情緒刺激均能增大其波幅(Cuthbert et al.，2000；Hajcak，Dunning，&Foti，2009；Schupp et al.，2000；Schupp et al.，2004；Weinberg & Hajcak，2010)。另有研究表明厭惡及恐懼(威脅圖片誘發(fā)，如蛇)情緒所引起的LPP波幅均大于中性圖片，恐懼所引起的LPP波幅略微大于厭惡(Wheaton et al.，2013)。根據(jù)Aguado等人(2019)的研究報(bào)告，快樂情緒面孔比恐懼情緒面孔誘發(fā)更大的LPP波幅；同時(shí)，快樂情緒面孔也比憤怒面孔誘發(fā)了更大的LPP波幅。Moore等人(2019)研究表明，與目標(biāo)及中性干擾物相比，負(fù)性干擾物對延遲時(shí)間窗內(nèi)Pz的LPP平均波幅的影響更為顯著。Grunewald等人(2019)研究中呈現(xiàn)了健康被試由幾種情緒所誘發(fā)的LPP波幅關(guān)系如下：恐懼>平靜(中性)>悲傷>快樂，即在這幾種情緒中，恐懼所誘發(fā)的LPP波幅最大。Trotti等(2020)最新的研究有進(jìn)一步的發(fā)現(xiàn)，情緒圖片比中性圖片誘發(fā)更大的LPP波幅，且不愉悅大于愉悅。

LPP可能與情緒的高級認(rèn)知加工有關(guān)，但是不同的研究者以不同的角度對LPP進(jìn)行了探討，尚無關(guān)于基本情緒與LPP關(guān)系的清晰定論。

除以上成分，存在其他可能與基本情緒相關(guān)的ERP成分，如P400(P400 Component，P400成分)、Nc成分(the Negative Central Component，負(fù)中心成分)、N290成分(N290 Component)等。如Boomen，Munsters和 Kemner(2019)報(bào)告了9-10月大的嬰兒對快樂面孔的Nc成分振幅與恐懼面孔、中性面孔都不同。Xie等人(2020)對嬰兒期的面部表情加工的神經(jīng)相關(guān)進(jìn)行了研究，發(fā)現(xiàn)在對恐懼和快樂的反應(yīng)上比憤怒的面孔產(chǎn)生更大的N290波幅，而且只在右側(cè)枕葉區(qū)域?qū)謶值姆磻?yīng)比其他兩種情緒更大；對快樂面孔的P400和Nc波幅要大于對恐懼面孔。Safar和Moulson(2020)通過一項(xiàng)針對3個(gè)月大嬰兒的ERP任務(wù)發(fā)現(xiàn)，與面孔感知相關(guān)的枕顳區(qū)的神經(jīng)反應(yīng)存在差異，如N290，P400；3個(gè)月大的嬰兒對恐懼面孔表現(xiàn)出早期的知覺敏感性，這可能預(yù)示著嬰兒對恐懼面孔的注意偏差的出現(xiàn)?？梢姡c基本情緒相關(guān)的ERP成分可能存在著潛在的研究空間。

綜上所述，基本情緒所誘發(fā)的ERP成分可能具有不同的情緒加工意義，我們綜合研究者們的觀點(diǎn)總結(jié)如表2：P1成分反映對情緒刺激敏感，能夠反映對威脅信息的快速反應(yīng)；N170成分是面孔特定的ERP成分，反映對表情結(jié)構(gòu)信息的加工；EPN成分是與注意資源有關(guān)的選擇性情緒知覺加工過程最早期的一個(gè)標(biāo)志，并且EPN的振幅與情緒喚醒相關(guān)；LPP成分反映了對情緒信息晚期的持續(xù)精細(xì)加工過程。

表2 基本情緒相關(guān)的ERP成分

同時(shí)，將上文提到的基本情緒與ERP成分波幅的關(guān)系梳理如表3。在表3中，P1成分和N170成分有了較為完整的數(shù)據(jù)可進(jìn)行相互比較，憤怒誘發(fā)了最大的P1波幅，而驚訝誘發(fā)了最小的P1波幅；恐懼誘發(fā)了最大的N170波幅，中性情緒誘發(fā)了最小的N170波幅。而基本情緒的EPN和LPP數(shù)據(jù)相對較為零散，基本情緒與這兩個(gè)成分的關(guān)系在未來的研究中也可以多關(guān)注。

表3 基本情緒與ERP成分波幅的關(guān)系

雖然通過過去的研究可以對一些基本情緒相關(guān)的ERP成分及其特性有初步了解，但仍有許多問題有待解決。如當(dāng)前許多研究僅簡單地從效價(jià)維度開展，基本情緒的ERP成分相關(guān)研究尚缺乏系統(tǒng)性。如Hu等(2017)研究了十種積極情緒的EEG相關(guān)，但未包含數(shù)量更多的消極情緒。未來需要將幾種基本情緒類型的ERP波幅差異進(jìn)行系統(tǒng)分析，并探索是否有可能存在未被發(fā)現(xiàn)的基本情緒特異性成分，綜合多種腦電數(shù)據(jù)進(jìn)行分析，如結(jié)合EEG激活模式、單側(cè)化腦電波差異等，也可收集靜息態(tài)腦電信號來探討潛在的關(guān)系?；厩榫w與其誘發(fā)腦電潛伏期之間關(guān)系也是值得關(guān)注的研究方向。

5 總結(jié)與展望

綜上所述，基本情緒理論歷經(jīng)幾十年的發(fā)展，取得了眾多研究成果，而Ekman提出的六種基本情緒(高興，憤怒，恐懼，驚奇，厭惡，悲傷)在過去研究中使用較多。國內(nèi)也有研究者提出基本情緒只有四種的觀點(diǎn)：恐懼、憤怒、快樂、悲傷。但關(guān)于基本情緒的定義，甚至情緒的定義、分類等至今還沒有定論?；厩榫w的ERP相關(guān)研究尤其關(guān)注P1、N170、EPN、LPP等成分，對于基本情緒與ERP成分的關(guān)系有了初步認(rèn)識。基本情緒的EEG激活相關(guān)關(guān)注的波段有δ波、θ波、α波、β波及γ波等，甚至可通過其亞波段來更深入地揭示基本情緒與腦電波的關(guān)系；通過EEG來探究基本情緒與大腦皮層關(guān)系的研究也不在少數(shù)。EEG還可以用來研究基本情緒加工的大腦偏側(cè)化問題。利用建?；蚱渌y(tǒng)計(jì)分析手段對腦電數(shù)據(jù)進(jìn)行腦科學(xué)研究也成為熱點(diǎn)之一。

當(dāng)前，基本情緒的ERP研究多是基于已有的基本情緒理論，在情緒分類的基礎(chǔ)上對獨(dú)立的幾種基本情緒的ERP特征進(jìn)行探究，其具體貢獻(xiàn)詳見本文第4部分的探討及相關(guān)表格總結(jié)。但是迄今為止，暫未發(fā)現(xiàn)用腦電來為基本情緒理論提供證據(jù)的相關(guān)研究。最近，馬克斯·普朗克神經(jīng)生物學(xué)研究所的Dolensek等人發(fā)表在Science上的文章使用了一種機(jī)器學(xué)習(xí)算法來解讀實(shí)驗(yàn)鼠看似不可思議的面部表情(Dolensek et al.，2020；Abbott，2020)，這使得使用類似的技術(shù)來解碼人類表情成為可能。Dolensek使用了“方向梯度直方圖”(histogram of oriented gradients，HOG)描述符，以標(biāo)準(zhǔn)化的方式表示局部圖像特征的統(tǒng)計(jì)量，并為每個(gè)視頻幀提供一個(gè)數(shù)值向量(Dolensek et al.，2020)。Dolensek等(2020)在文章的補(bǔ)充材料中進(jìn)一步提到，HOG特征提供粗略的分類和強(qiáng)調(diào)方向的優(yōu)勢在于：在不同實(shí)驗(yàn)之間發(fā)生位置、比例和照明變化時(shí)，HOG特征具有較大不變性；當(dāng)比較動(dòng)物的面部特征時(shí)，這種不變性至關(guān)重要；HOG特征已被發(fā)現(xiàn)優(yōu)于人臉識別方法。由此，HOG特征也可應(yīng)用于人臉面部特征的解碼，并且具有優(yōu)于傳統(tǒng)人臉識別方法的特性。

為此，未來研究可嘗試通過腦電、人工智能技術(shù)——機(jī)器視覺技術(shù)(machine vision，用于記錄人類被試面部表情變化)、人類被試主觀評價(jià)三者相結(jié)合來探索基本情緒，可同時(shí)得到基本情緒的電生理數(shù)據(jù)、面部表情數(shù)據(jù)及人類被試對基本情緒的主觀評價(jià)數(shù)據(jù)，進(jìn)行交叉驗(yàn)證。構(gòu)建幾種情緒的面部特征情緒原型；并嘗試構(gòu)建腦電的情緒原型(至少可嘗試用于頭皮地形圖)，對比面部表情及其腦電特征與相應(yīng)情緒原型的相似性，由此檢驗(yàn)情緒原型的充分性。以上，可為基本情緒理論的研究提供新的思路。