誘發(fā)腦電信號執(zhí)行控制力特征識別研究

張西良，靳露露，張夏蓉，毛翠云

(1.江蘇大學(xué)機械工程學(xué)院，江蘇鎮(zhèn)江212013;2.江蘇大學(xué)管理學(xué)院，江蘇鎮(zhèn)江212013)

所謂執(zhí)行控制力這一概念，D.Tranel等［1］將之概括為計劃、判斷、決策和自我覺知的能力.R.M.Patricia等［2］利用雙任務(wù)范式考察誘發(fā)遺忘效應(yīng)的執(zhí)行控制機制.研究中更常見的方法是采用Stroop試驗來區(qū)分不同被試的執(zhí)行控制能力，將Stroop效應(yīng)的強弱作為執(zhí)行控制力的指標［3-4］.Stroop干擾試驗是指在2個維度上相互干擾的認知刺激試驗.例如，刺激材料在顏色和意義上相矛盾，如用藍顏色寫成的“紅”字，被試在報告字的顏色時認知過程受到字義的干擾，稱為Stroop干擾效應(yīng)［5］.為了計算機操作快捷方便，便于精確計算反應(yīng)時間，也可以數(shù)字串作為刺激材料［6］.

隨著腦科學(xué)及認知神經(jīng)科學(xué)發(fā)展，腦成像技術(shù)逐漸應(yīng)用于認知能力的研究.腦成像包括正電子發(fā)射斷層掃描、腦磁圖、單光子發(fā)射斷層掃描、功能性磁共振成像(fMRI)、腦電圖(EEG)和事件相關(guān)電位(ERP)等，其中ERP方法應(yīng)用廣泛，是刺激事件(包括視聽覺、體感等物理刺激及非誘發(fā)的心理因素)在大腦中引起相應(yīng)腦區(qū)活動的真實客觀反映.近年來，各種心理學(xué)試驗范式逐漸作為腦電誘發(fā)刺激事件應(yīng)用于ERP研究中，如J.Kounios等［7］研究Oddball任務(wù)范式下腦電ERP對創(chuàng)造力的區(qū)分;陳瑩等［8］采用閾下啟動刺激范式做內(nèi)隱攻擊的ERP研究;陳小異等［9］采用事件相關(guān)電位對比研究了中英文Stroop干擾效應(yīng)的腦內(nèi)時程動態(tài)變化;程大志［10］在Stroop范式下進行了兩位數(shù)表征的ERP試驗;彭聃齡等［11］進行了兒童Stroop效應(yīng)加工階段特點的事件相關(guān)電位研究.

本研究以數(shù)字為刺激材料做Stroop效應(yīng)試驗，以樣本熵為特征值［12］，觀察數(shù)字Stroop干擾效應(yīng)時腦電信號復(fù)雜度動態(tài)變化規(guī)律，建立執(zhí)行控制力認知特征的識別新方法，提高識別客觀性與直觀性.

1 數(shù)字Stroop干擾試驗設(shè)計

1.1 數(shù)字Stroop干擾試驗方法

以不同位數(shù)的由數(shù)字1-7組成的數(shù)字串作為刺激材料，如‘222’，‘66666’等.試驗任務(wù)分為“命名”與“計數(shù)”2種.“命名”任務(wù)要求被試通過數(shù)字鍵盤輸入顯示數(shù)字的名稱，例如顯示‘33’，則輸入一個‘3’;“計數(shù)”任務(wù)要求被試輸入顯示數(shù)字串的位數(shù)，例如顯示‘33’，則輸入一個‘2’.試驗分為3步，前2步是練習，第3步為測試.第1步為“命名”任務(wù)練習，第2步為“計數(shù)”任務(wù)練習，第3步要求被試根據(jù)隨機顯示提示標簽內(nèi)容完成“命名”或“計數(shù)”2種任務(wù).

1.2 數(shù)字Stroop干擾試驗軟件設(shè)計

數(shù)字Stroop干擾試驗由E-prime軟件編寫呈現(xiàn).試驗流程如圖1所示.試驗分4個步驟，每1步前面有操作說明文字提示，如果被試回答操作錯誤，則出現(xiàn)Error錯誤反饋提示.前3步為練習，讓被試熟悉試驗操作，第4步為正式測試，被試按照屏幕左邊出現(xiàn)的“命名”或“計數(shù)”的提示標簽，完成相應(yīng)的輸入操作.

圖1 Stroop干擾試驗流程圖

1.3 數(shù)字Stroop干擾試驗測評計算方法

測試完成后，E-prime軟件自動生成記錄反應(yīng)時間、正確率等信息的數(shù)據(jù)文件，取第4步測試的數(shù)據(jù)用于分析計算，以反應(yīng)時間作為依據(jù)計算測評分，反應(yīng)時間越長，測評分數(shù)越低.經(jīng)統(tǒng)計得到被試的平均反應(yīng)時間為1 654.3 ms，正確率96.2%.按照一般反應(yīng)執(zhí)行控制力的Stroop試驗的測評認為，反應(yīng)正確率大于80%的被試數(shù)據(jù)為有效數(shù)據(jù).首先對數(shù)據(jù)進行預(yù)處理，去除反應(yīng)錯誤點和反應(yīng)時間在平均值加減3倍標準差以外的點;然后求得各被試的平均反應(yīng)時間.經(jīng)歸一化處理后在0～100分以內(nèi)，作為被試的測評分數(shù)S，其計算公式為

式中t為每名被試的平均反應(yīng)時間.

2 Stroop干擾試驗下腦電信號采集

2.1 腦電信號采集系統(tǒng)與采集步驟

Stroop干擾試驗下腦電信號采集系統(tǒng)如圖2所示，被試帶電極帽在微機1上進行數(shù)字Stroop效應(yīng)測試，通過16路腦電采集放大器進行腦電信號采集，通過USB接口上傳到微機2中，保存采集得到的腦電信號數(shù)據(jù).

圖2 腦電信號采集系統(tǒng)結(jié)構(gòu)框圖

16路腦電電極分布位置如圖3所示，參考電極為左右耳垂A1，A2，右腿驅(qū)動置于頭頂Cz.前人研究顯示，負責執(zhí)行控制能力的大腦區(qū)域主要是前扣帶回與前額區(qū)［11］，因此對采集到的腦電信號只對Fp1電極輸出信號進行分析處理.

圖3 16導(dǎo)聯(lián)電極分布

腦電信號采集步驟:在被試知情和10 d內(nèi)未服任何藥物情況下，在測試間戴電極帽，采集數(shù)字Stroop干擾試驗下16路事件相關(guān)腦電信號ERP，微機1上安裝運行E-prime軟件呈現(xiàn)數(shù)字Stroop干擾試驗，并記錄被試的反應(yīng)時間和錯誤信息，計算數(shù)字Stroop干擾試驗下測評分數(shù).微機2用于記錄采集到的腦電信號.

2.2 腦電信號預(yù)處理

腦電信號是極其微弱的生物信號，常?；祀s一些干擾信號，主要有外界電磁干擾、儀器干擾、被試自身的眼電偽跡、心電肌電偽跡、出汗偽跡、精神因素產(chǎn)生的干擾等.因此對腦電信號去噪至關(guān)重要.

常用的去噪方法有疊加平均、主成分分析、獨立分量分析和小波變換等［13-14］.獨立分量分析法的基本思路是從多維觀測信號中提取統(tǒng)計獨立的成分，可以把不同電極采集的腦電信號看成是多個獨立源信號的線性疊加，其中不同的干擾信號對應(yīng)于多個源信號，通過獨立分量分析可以在獨立源空間將各種干擾信號分離出來，然后對去除干擾的多維信號進行重構(gòu)，映射回源信號空間，從而達到去除干擾的目的.

這里將采集到的腦電信號經(jīng)濾波處理，應(yīng)用獨立分量分析法對腦電信號中眼電、心電等偽跡干擾進行去除;而后用小波變換將腦電信號分層重構(gòu)，獲取所需要的頻段信號;然后根據(jù)行為數(shù)據(jù)對腦電信號分段疊加平均，最終得到有效ERP信號.所需要的腦電信號一般在1～30 Hz以內(nèi).用小波變換對腦電信號分解［15］，將信號重構(gòu)與原始信號對比如圖4所示.從圖中可看出，在0.4～0.6 s出現(xiàn)一明顯負波，即ERP成分.

圖4 ERP信號小波去噪后結(jié)果

3 腦電信號時間序列復(fù)雜度分析

以樣本熵(Se)為參數(shù)對ERP信號進行復(fù)雜度分析［16］.腦電采樣頻率為 1 000 Hz，ERP 持續(xù)時間為2～3 s，滑動時間窗窗值設(shè)為30，計算2 s的ERP信號需要計算樣本熵次數(shù)大約30次.

隨機選取35名大學(xué)生作為被試，取數(shù)字Stroop干擾試驗測評分數(shù)高、中、低3名被試的ERP信號，樣本熵變化規(guī)律如圖5所示，橫坐標是熵值計算的中心時間點，縱坐標是熵值.由圖可看出，開始時樣本熵值呈現(xiàn)先降低后升高的趨勢，而被試的測評分數(shù)越高，樣本熵的變化幅度越小.

圖5 不同被試樣本熵變化

其中測評分數(shù)在0到61分的被試12名，平均分為43.4，計算其平均樣本熵最大值為0.342 6，最小值為0.193 0;61到80分的被試15名，平均分為69.1，計算其平均樣本熵最大值為0.330 1，最小值為0.200 4;80到 100分的被試 8名，平均分為91.0，計算其平均樣本熵最大值為0.320 5，最小值為0.207 6.為對35名被試的腦電ERP成分樣本熵計算，通過SPSS軟件分析得到，樣本熵的減小幅度與Stroop干擾試驗的測評分值間相關(guān)系數(shù)為-0.699，呈顯著負相關(guān)，散點圖如圖6所示.其中S為測評分值，ΔSe為樣本熵變化量.因此，依據(jù)被試在數(shù)字Stroop干擾試驗下腦電復(fù)雜度動態(tài)變化情況，可實現(xiàn)對被試執(zhí)行控制力特征的識別，復(fù)雜度系數(shù)變化幅度越小，其執(zhí)行控制力越強.

圖6 樣本熵變化量與測評分數(shù)擬合圖

4 結(jié)論

通過進一步的驗證試驗表明:基于數(shù)字Stroop干擾試驗，采集前額區(qū)域腦電信號，以樣本熵為參數(shù)進行腦電復(fù)雜度計算，依據(jù)樣本熵減小幅度可識別其執(zhí)行控制力.將35名被試按照測評分數(shù)分為高、中、低3個分數(shù)段計算其平均樣本熵變化量分別為0.11，0.13，0.15.如樣本熵減小幅度小，則其執(zhí)行控制力強;反之，如樣本熵減小幅度大，則其執(zhí)行控制力弱.統(tǒng)計得樣本熵變化量與反映執(zhí)行控制力的Stroop測評分數(shù)之間呈顯著負相關(guān)，相關(guān)系數(shù)為-0.699.所提出的執(zhí)行控制力特征識別方法是可行的，下一步還需要進行大量試驗，確定該方法的信度和效度，并改進樣本熵計算方法，提高計算速度和特征識別快速性.

References)

［1］Tranel D，Anderson S W，Benton A.Development of the Concept of″Executive Function″and Its Relationship to the Frontal Lobes［M］.Amsterdam:Elsevier，1994.

［2］Patricia R M，Soriano F J，Carlos J，et a1.Retrieval-induced forgetting and executive control［J］.Psychological Science，2009，20(9):1053-1058.

［3］尚慶萍，朱 玄，郭秀艷，等.提取誘發(fā)遺忘的執(zhí)行控制機制［J］，寧波大學(xué)學(xué)報:理工版，2012，25(3):127-132.Shang Qingping，Zhu Xuan，Guo Xiuyan，et al.Executive control mechanism of retrieval-induced forgetting［J］.Journal of Ningbo University:Natural Science＆Engineering Edition，2012，25(3):127-132.(in Chinese)

［4］朱 麗.不同強度的鍛煉對認知Stroop效應(yīng)影響的試驗研究［D］.武漢:武漢體育學(xué)院，2008.

［5］劉 軍，彭美春，劉衛(wèi)文，等.Stroop測試與干擾控制效應(yīng)［J］.岳陽職業(yè)技術(shù)學(xué)院學(xué)報，2008，23(6):82-84.Liu Jun，Peng Meichun，Liu Weiwen，et al.Stroop testing and control of interference effects［J］.Journal of Yueyang Vocational Technical College，2008，23(6):82-84.(in Chinese)

［6］劉亨榮.認知風格對數(shù)字Stroop效應(yīng)的影響［J］.長春教育學(xué)院學(xué)報，2012，28(3):70-71.Liu Hengrong.Effect of cognitive style on digital stroop［J］.Journal of Changchun Education Institute，2012，28(3):70-71.(in Chinese)

［7］Kounios J，F(xiàn)rymiare J L，Bowden E M，et al.The prepared mind:neural activity prior to problem presentation predicts subsequent solution by sudden insight［J］.Psychol Sci，2006，17:882-890.

［8］陳 瑩，馮建國，王興華，等.內(nèi)隱攻擊的ERP研究［J］.心理科學(xué)，2010，33(2):419-421.Chen Ying，F(xiàn)eng Jianguo，Wang Xinghua，et al.An ERP study on implicit attack［J］.Psychological Science，2010，33(2):419-421.(in Chinese)

［9］陳小異，邱 江，袁 宏，等.中英文Stroop干擾效應(yīng)的腦機制［J］.心理科學(xué)，2007，30(3):529-534.Chen Xiaoyi，Qiu Jiang，Yuan Hong，et al.The brain mechanism of the stroop interference effect in Chinese and English［J］.Psychological Science，2007，30(3):529-534.(in Chinese)

［10］程大志.Stroop范式下兩位數(shù)表征的ERP研究［D］.杭州:浙江師范大學(xué)心理學(xué)系，2010.

［11］彭聃齡，郭桃梅，魏景漢，等.兒童Stroop效應(yīng)加工階段特點的事件相關(guān)電位研究［J］.科學(xué)技術(shù)與工程，2004，4(2):84-88.Peng Danling，Guo Taomei，Wei Jinghan，et al.An ERP study on processing stages of children stroop effect［J］.Science Technology and Engineering，2004，4(2):84-88.(in Chinese)

［12］Richman J S，Moorman J R.Physiological time-series analysis using approximate entropy and sample entropy［J］.American Journal of Physiology-Heart and Circulatory Physiology，2000，278(6):H2039-H2049.

［13］Polat K，Günes S.Artificial immune recognition system with fuzzy resource allocation mechanism classifier，principal component analysis and FFT method based new hybrid automated identification system for classification of EEG signals ［J］.Expert System with Applications，2008，35(3):2039-2048.

［14］Rafiee J，Rafiee M A，Prause N，et al.Wavelet basis functions in biomedical signal processing［J］.Expert Systems with Applications，2011，38(5):6190-6201.

［15］張 毅，羅明偉，羅 元，等.腦電信號的小波變換和樣本熵特征提?。跩］.智能系統(tǒng)學(xué)報，2012，7(4):1-6.Zhang Yi，Luo Mingwei，Luo Yuan，et al.EEG feature extraction method based on wavelet transform and sample entropy［J］.CAAI Transactions on Intelligent Systems，2012，7(4):1-6.(in Chinese)

［16］和衛(wèi)星，陳曉平，邵珺婷.基于樣本熵的睡眠腦電分期［J］.江蘇大學(xué)學(xué)報:自然科學(xué)版，2009，30(5):501-504.He Weixing，Chen Xiaoping，Shao Junting.Sleep EEG staging based on sample entropy［J］.Journal of Jiangsu University:Natural Science Edition，2009，30(5):501-504.(in Chinese)