Event-relaterad potential

Se även: Framkallad potential

En vågform som visar flera ERP-komponenter, inklusive N100 (märkt N1) och P300 (märkt P3). ERP:n plottas med negativa spänningar uppåt, en vanlig, men inte universell, praxis inom ERP-forskning

En händelserelaterad potential ( ERP ) är det uppmätta hjärnsvaret som är det direkta resultatet av en specifik sensorisk , kognitiv eller motorisk händelse. Mer formellt är det vilket stereotypt elektrofysiologiskt svar som helst på en stimulans. Studiet av hjärnan på detta sätt ger ett icke-invasivt sätt att utvärdera hjärnans funktion.

ERP mäts med hjälp av elektroencefalografi (EEG). Den magnetoencefalografiska (MEG) ekvivalenten till ERP är ERF, eller händelserelaterat fält. Framkallade potentialer och inducerade potentialer är undertyper av ERP:er.

Historia

I och med upptäckten av elektroencefalogrammet (EEG) 1924 avslöjade Hans Berger att man kunde mäta den elektriska aktiviteten i den mänskliga hjärnan genom att placera elektroder på hårbotten och förstärka signalen. Ändringar i spänningen kan sedan plottas över en tidsperiod. Han observerade att spänningarna kunde påverkas av yttre händelser som stimulerade sinnena. EEG visade sig vara en användbar källa för att registrera hjärnaktivitet under de följande decennierna. Det tenderade dock att vara mycket svårt att bedöma den mycket specifika neurala processen som är i fokus för kognitiv neurovetenskap eftersom användning av rena EEG-data gjorde det svårt att isolera individuella neurokognitiva processer. Event-related potentials (ERP) erbjöd en mer sofistikerad metod för att extrahera mer specifika sensoriska, kognitiva och motoriska händelser genom att använda enkla medelvärdestekniker. 1935–1936 spelade Pauline och Hallowell Davis in de första kända ERP:erna på vakna människor och deras fynd publicerades några år senare, 1939. På grund av andra världskriget utfördes inte mycket forskning på 1940-talet, men forskning med fokus på sensoriska frågor togs upp igen på 1950-talet. År 1964 inledde forskning av Gray Walter och kollegor den moderna eran av upptäckter av ERP-komponenter när de rapporterade den första kognitiva ERP-komponenten, kallad kontingent negativ variation (CNV). Sutton, Braren och Zubin (1965) gjorde ytterligare ett framsteg med upptäckten av P3-komponenten. Under de kommande femton åren blev forskning om ERP-komponenter allt mer populär. 1980-talet, med introduktionen av billiga datorer, öppnade en ny dörr för kognitiv neurovetenskaplig forskning. För närvarande är ERP en av de mest använda metoderna inom kognitiv neurovetenskaplig forskning för att studera de fysiologiska korrelaten mellan sensorisk , perceptuell och kognitiv aktivitet i samband med bearbetning av information.

Beräkning

ERP kan mätas tillförlitligt med elektroencefalografi (EEG), en procedur som mäter hjärnans elektriska aktivitet över tid med hjälp av elektroder placerade på hårbotten . EEG speglar tusentals samtidigt pågående hjärnprocesser . Detta innebär att hjärnans svar på en enda stimulans eller händelse av intresse vanligtvis inte är synlig i EEG-registreringen av en enda studie. För att se hjärnans svar på en stimulans måste försöksledaren utföra många försök och göra ett genomsnitt av resultaten tillsammans, vilket gör att slumpmässig hjärnaktivitet beräknas i medeltal och den relevanta vågformen förblir, kallad ERP.

Den slumpmässiga ( bakgrunds ) hjärnaktiviteten tillsammans med andra biosignaler (t.ex. EOG , EMG , EKG ) och elektromagnetisk interferens (t.ex. linjebrus , lysrör) utgör brusbidraget till den registrerade ERP. Detta brus skymmer signalen av intresse, vilket är sekvensen av underliggande ERP:er som studeras. Ur teknisk synvinkel är det möjligt att definiera signal-brusförhållandet (SNR) för de registrerade ERP:erna. Genomsnittsberäkning ökar SNR för de registrerade ERP:erna, vilket gör dem urskiljbara och tillåter tolkning av dem. Detta har en enkel matematisk förklaring förutsatt att några förenklade antaganden görs. Dessa antaganden är:

1. Signalen av intresse är gjord av en sekvens av händelselåsta ERP:er med oföränderlig latens och form
2. Bruset kan approximeras av en noll-medelvärde Gaussisk slumpmässig variansprocess $\sigma ^{2}$ som är okorrelerad mellan försök och inte tidslåst till händelsen (detta antagande kan lätt brytas, till exempel i fallet med en person som gör små tungrörelser medan han mentalt räknar målen i ett experiment).

Efter att ha definierat $k$ , försöksnumret och $t$ , tiden som förflutit efter ${\displaystyle k}:$ ^te händelsen, kan varje inspelad försök skrivas som $x(t,k)=s(t)+n(t,k)$ där $s(t)$ är signalen och $n(t,k)$ är bruset (Under antagandena ovan beror inte signalen på det specifika försöket medan bruset gör det).

Genomsnittet av $N$ försök är

${\bar {x}}(t )={\frac {1}{N}}\summa _{k=1}^{N}x(t,k)=s(t)+{\frac {1}{N}}\summa _{ k=1}^{N}n(t,k)$ .

Det förväntade värdet på ${\bar {x}}(t)$ är (som hoppats) själva signalen, $\ operatornamn {E} [{\bar {x}}(t)]=s(t)$ .

Dess varians är

$\operatorname {Var} [{\bar {x}}(t)]=\ operatörsnamn {E} \left[\left({\bar {x}}(t)-\operatörsnamn {E} [{\bar {x}}(t)]\right)^{2}\right]={ \frac {1}{N^{2}}}\operatörsnamn {E} \left[\left(\summa _{k=1}^{N}n(t,k)\höger)^{2}\ höger]={\frac {1}{N^{2}}}\summa _{k=1}^{N}\operatörsnamn {E} \left[n(t,k)^{2}\right] ={\frac {\sigma ^{2}}{N}}$ .

förväntas brusamplituden för medeltalet av ${\displaystyle N} försök att avvika från medelvärdet (som är$$s(t)$ ) med mindre eller lika med ${\ displaystyle \sigma /{\sqrt {N}}}$ i 68 % av fallen. I synnerhet är avvikelsen där 68 % av brusamplituderna ligger $1/{\sqrt {N}}$ gånger den för ett enda försök. En större avvikelse på $2\sigma /{\sqrt {N}}$ kan redan förväntas omfatta 95 % av alla brusamplituder.

Brus med bred amplitud (som ögonblinkningar eller rörelseartefakter ) är ofta flera storleksordningar större än de underliggande ERP:erna. Därför bör försök som innehåller sådana artefakter tas bort innan medelvärdesbestäms. Artefaktavstötning kan utföras manuellt genom visuell inspektion eller med hjälp av en automatiserad procedur baserad på fördefinierade fasta tröskelvärden (som begränsar den maximala EEG-amplituden eller lutningen) eller på tidsvarierande trösklar härledda från statistiken för försöksuppsättningen.

Nomenklatur

ERP-vågformer består av en serie positiva och negativa spänningsavböjningar, som är relaterade till en uppsättning underliggande komponenter . Även om vissa ERP-komponenter hänvisas till med akronymer (t.ex. kontingent negativ variation – CNV, felrelaterad negativitet – ERN), hänvisas till de flesta komponenter med en bokstav (N/P) som indikerar polaritet (negativ/positiv), följt av en nummer som anger antingen latensen i millisekunder eller komponentens ordningsposition i vågformen. Till exempel kallas en negativt gående topp som är den första väsentliga toppen i vågformen och ofta inträffar cirka 100 millisekunder efter att en stimulus presenteras ofta N100 (vilket indikerar att dess latens är 100 ms efter stimulansen och att den är negativ) eller N1 (indikerar att det är den första toppen och är negativ); den följs ofta av en positiv topp, vanligtvis kallad P200 eller P2. De angivna latenserna för ERP-komponenter är ofta ganska varierande, särskilt för de senare komponenterna som är relaterade till den kognitiva bearbetningen av stimulansen. Till exempel P300- komponenten uppvisa en topp var som helst mellan 250 ms – 700 ms.

Fördelar och nackdelar

I förhållande till beteendemått

Jämfört med beteendeförfaranden ger ERP:er ett kontinuerligt mått på bearbetningen mellan en stimulans och ett svar, vilket gör det möjligt att avgöra vilka stadier som påverkas av en specifik experimentell manipulation. En annan fördel jämfört med beteendemått är att de kan ge ett mått på bearbetning av stimuli även när det inte finns någon beteendeförändring. Men på grund av den avsevärt lilla storleken på ett ERP, krävs det vanligtvis ett stort antal försök för att mäta det korrekt.

I förhållande till andra neurofysiologiska åtgärder

Invasivitet

Till skillnad från mikroelektroder, som kräver att en elektrod sätts in i hjärnan, och PET -skanningar som utsätter människor för strålning, använder ERP:er EEG, en icke-invasiv procedur.

Rumslig och tidsmässig upplösning

ERP:er ger utmärkt temporal upplösning — eftersom hastigheten för ERP-inspelning endast begränsas av den samplingshastighet som inspelningsutrustningen praktiskt kan stödja, medan hemodynamiska åtgärder (som fMRI , PET och fNIRS ) i sig begränsas av den långsamma hastigheten på BOLD svar. Den rumsliga upplösningen för en ERP är dock mycket sämre än den för hemodynamiska metoder - i själva verket är placeringen av ERP-källor ett omvänt problem som inte kan lösas exakt, bara uppskattas. Således är ERP:er väl lämpade för forskningsfrågor om hastigheten på neural aktivitet, och är mindre väl lämpade för forskningsfrågor om platsen för sådan aktivitet.

Kosta

ERP-forskning är mycket billigare att göra än andra bildtekniker som fMRI , PET och MEG . Detta beror på att det är billigare att köpa och underhålla ett EEG-system än de andra systemen.

Klinisk

Läkare och neurologer kommer ibland att använda en blinkande visuell schackbrädestimulans för att testa för eventuella skador eller trauman i synsystemet. Hos en frisk person kommer denna stimulans att framkalla ett starkt svar över den primära visuella cortex som finns i nackloben , baktill i hjärnan.

ERP-komponentavvikelser i klinisk forskning har visats vid neurologiska tillstånd som:

• AD/HD
• Demens
• Parkinsons sjukdom
• Multipel skleros
• Huvud skador
• Stroke
• Tvångssyndrom
• Schizofreni
• Depression
• Autismspektrumstörning

Forskning

ERP:er används flitigt inom neurovetenskap , kognitiv psykologi , kognitiv vetenskap och psykofysiologisk forskning. Experimentella psykologer och neuroforskare har upptäckt många olika stimuli som framkallar tillförlitliga ERP från deltagarna. Tidpunkten för dessa svar tros ge ett mått på tidpunkten för hjärnans kommunikation eller tidpunkten för informationsbehandling. Till exempel, i schackbrädeparadigmet som beskrivs ovan, är friska deltagares första svar på den visuella cortex cirka 50–70 ms. Detta tycks indikera att detta är den tid det tar för den transducerade visuella stimulansen att nå cortex efter att ljus först har kommit in i ögat . Alternativt P300 -svaret vid cirka 300 ms i det udda paradigmet , till exempel, oavsett vilken typ av stimulans som presenteras: visuell , taktil , hörsel , lukt , smak , etc. På grund av denna allmänna invarians med avseende på stimulustyp, P300 komponent förstås reflektera ett högre kognitivt svar på oväntade och/eller kognitivt framträdande stimuli. P300-svaret har också studerats i samband med informations- och minnesdetektering. Dessutom finns studier om avvikelser av P300 vid depression. Deprimerade patienter tenderar att ha en reducerad P200- och P300-amplitud och en förlängd P300-latens.

På grund av konsistensen hos P300-svaret på nya stimuli kan ett hjärn-dator-gränssnitt konstrueras som förlitar sig på det. Genom att ordna många signaler i ett rutnät, slumpmässigt blinka raderna i rutnätet som i föregående paradigm och observera P300-svaren från en person som stirrar på rutnätet, kan individen kommunicera vilken stimulans han tittar på, och därmed långsamt "skriva " ord.

Ett annat forskningsområde inom ERP-området ligger i efference-kopian . Denna prediktiva mekanism spelar en central roll i till exempel mänsklig verbalisering. Efferenskopior förekommer dock inte bara med talade ord, utan också med inre språk - dvs den tysta produktionen av ord - vilket också har bevisats av händelserelaterade potentialer.

, särskilt neurolingvistikforskning , inkluderar ELAN , N400 och P600/SPS . Analysen av ERP-data stöds också alltmer av maskininlärningsalgoritmer.

Antal försök

En vanlig fråga i ERP-studier är om de observerade data har ett tillräckligt antal försök för att stödja statistisk analys. Bakgrundsbruset i alla ERP för varje individ kan variera. Därför är det otillräckligt att helt enkelt karakterisera antalet ERP-prövningar som behövs för ett robust komponentsvar. Därför kan ERP-forskare använda mått som standardiserat mätfel (SME) för att motivera undersökningen av skillnader mellan tillstånd eller mellan grupper eller uppskattningar av intern överensstämmelse för att motivera undersökningen av individuella skillnader.

Se även

• Bereitschaftspotential
• Cl och P1
• Kontingent negativ variation
• Skillnad på grund av minne
• Tidig vänster främre negativitet
• Erich Schröger
• Felrelaterad negativitet
• Framkallad potential
• Inducerad aktivitet
• Lateraliserad beredskapspotential
• Missmatch negativitet
• Negativitet: N100 • Visual N1 • N170 • N200 • N2pc • N400
• Positivitet: P200 • P300 • P3a • P3b • Sen positiv komponent • P600
• Somatosensoriskt framkallad potential

Vidare läsning

•   Lycka SJ (2014). En introduktion till den händelserelaterade potentiella tekniken (andra upplagan). Cambridge, Massachusetts: MIT Press. ISBN 978-0-262-52585-5 .
•   Luck SJ, Kappenman ES, red. (2005). Oxford Handbook of Event-Related Potential Components . Cambridge, Mass.: MIT Press. ISBN 978-0-262-08333-1 .
•   Fabiani M, Gratton G, Federmeier KD (2007). "Händelserelaterade hjärnpotentialer: metoder, teori och tillämpningar" . I Cacioppo JT, Tassinary LG, Berntson GG (red.). Handbook of Psychophysiology (3:e upplagan). Cambridge: Cambridge University. s. 85–119. ISBN 978-0-521-84471-0 .
•   Polich J, Corey-Bloom J (december 2005). "Alzheimers sjukdom och P300: granskning och utvärdering av uppgift och modalitet". Aktuell Alzheimerforskning . 2 (5): 515–25. doi : 10.2174/156720505774932214 . PMID 16375655 .
•   Zani A, Proverbio AM (2003). Kognitiv elektrofysiologi av sinne och hjärna . Amsterdam: Academic Press. ISBN 978-0-12-775421-5 .
•   Kropotov J (2009). Kvantitativt EEG, Event-Related Potentials and Neurotherapy (1:a upplagan). Amsterdam: Elsevier/Academic. ISBN 978-0-12-374512-5 .

externa länkar

• [1] – ERP Summer School 2017 hölls i The School of Psychology, Bangor University 25–30 juni 2017
• EEGLAB Toolbox – En fritt tillgänglig Matlab-verktygslåda med öppen källkod för bearbetning och analys av EEG-data
• ERPLAB Toolbox – En fritt tillgänglig Matlab-verktygslåda med öppen källkod för bearbetning och analys av ERP-data
• ERP Boot Camp arkiverad 2016-11-28 på Wayback Machine – En serie utbildningsworkshops för ERP-forskare under ledning av Steve Luck och Emily Kappenman
• Virtual ERP Boot Camp – En blogg med information, tillkännagivanden och tips om ERP-metodik