阶段一 · 模块 1 · 第 1 课 / 共 28 课

脑电基本概念、原理与经典成分

在动手分析之前,先回答三个问题:脑电从哪里来?它有多"脏"?我们靠什么从中提取出有意义的信号? 这一课不写代码,但它决定了你后面每一步操作是否"心里有底"。

🕐 60 分钟 🎯 难度:入门 ✅ 前置:无

🎯 本节学习目标

  • 能用自己的话说清楚:头皮上几十微伏的电压是怎么产生的
  • 记住五种脑电节律的频段与典型状态,看静息态文献不再查表
  • 能识别眼电、肌电、心电、工频四类常见伪迹的波形特征
  • 理解 ERP 锁时平均的数学直觉:为什么平均 N 个试次信噪比提升 √N 倍
  • 掌握外源性 / 内源性 / 运动相关三类 ERP 成分的分类框架

一、脑电信号是怎么产生的

大脑皮层里有数百亿个神经元。当一大片锥体神经元同时发生突触后电位(神经元接收输入时产生的缓慢电位变化), 且它们的排列方向大致一致(皮层的沟回结构恰好提供了这种"整齐排列")时,这些微小的电流会在头皮表面叠加成一个可以测量的电压——这就是脑电(EEG)。

📖 概念:EEG(electroencephalogram)

通过头皮电极记录到的大脑自发电活动,幅度通常在 10–100 微伏(μV)之间。 作为对比:心脏的电活动(心电图)约为 1–5 毫伏,是脑电的 10–100 倍; 交流电源的工频干扰更可以达到毫伏级。这就是为什么脑电天生"脆弱"——你后面所有的预处理步骤,本质都是在和这些更强的干扰信号作斗争。

关于脑电,有三个直觉对后续分析非常重要:

  • 它反映的是"输入"而不是"输出":EEG 主要来自突触后电位(神经元接收信号的部分),而不是动作电位(神经元发出信号的部分)。所以脑电反映的是皮层神经元群体在"听什么",而不完全是"在做什么"。
  • 它是数万神经元的合唱,而不是独唱:单个神经元的电位在头皮上根本测不到。EEG 永远是群体活动的总和,这意味着它时间分辨率高(毫秒级),但空间定位能力弱——这正是后面模块 7 溯源分析要解决的问题。
  • 电极之间不是独立的:一个电极记录的信号混有周围大片皮层的活动(容积导体效应),模块 6 讲功能连接时会再次遇到它。

二、脑电节律:信号的"五线谱"

如果直接看一段静息态脑电的波形,你会看到杂乱的振荡。但把它做功率谱分析(模块 4 会学), 会发现能量集中在几个特定的频段上。这些频段就是脑电节律,它们与不同的认知状态关联:

节律频率范围典型状态常见研究场景
Delta (δ)0.5–4 Hz深睡眠、深度麻醉睡眠分期、意识障碍评估
Theta (θ)4–8 Hz困倦、记忆编码、冥想工作记忆、海马功能研究
Alpha (α)8–13 Hz清醒闭眼(枕区最明显)注意、唤醒水平;经典的"闭眼 α 波"是检查数据质量的第一步
Beta (β)13–30 Hz清醒警觉、主动运动(对侧)运动控制、运动想象 BCI
Gamma (γ)> 30 Hz高级认知加工、特征绑定注意绑定、振荡耦合(注意肌电污染,见下节)
💡 新手提示:先看 α 波

拿到一段闭眼静息态数据,第一步可以在枕区电极(Oz、O1、O2)看有没有明显的 8–13 Hz 大幅振荡。 有,说明采集系统和电极接触基本正常——这是最快的"数据体检"。

三、伪迹:为什么"干净的原始数据"不存在

伪迹(artifact)是混入脑电记录的非脑源信号。它们不是"采集失误",而是物理上无法完全避免的—— 眼睛会动、心脏会跳、肌肉会收缩、电网在供电。预处理(模块 2)的主要工作就是识别和去除它们。先认识四位"常客":

伪迹来源波形特征主要影响
眼电 (EOG) 眨眼、眼球运动(角膜-视网膜电位差) 大幅慢波,前额电极(Fp1/Fp2)最严重,眨眼约 300ms 宽 污染全脑慢波段(δ、θ)与 ERP 早期成分
肌电 (EMG) 头颈肌肉收缩(吞咽、咬牙、皱眉) 高频"毛刺",能量集中在 >20 Hz 污染 beta/gamma 频段——做 gamma 研究必须重点处理
心电 (ECG) 心脏电活动经颈部传导 规律出现的尖峰(R 波),约 1 次/秒 在颞叶、乳突附近电极可见规律小尖峰
工频 市电 50 Hz(中国)/ 60 Hz(欧美)干扰 固定频率的持续振荡 污染 50/60 Hz 及其谐波;靠陷波滤波解决
⚠️ 重要:不要"过度清洗"

新手常见的误区是把预处理做得太狠——删掉太多电极、剔除太多试次、ICA 剔除太多成分。 伪迹去除永远是"权衡":去得不够,结果被伪迹驱动;去得太狠,真实脑信号也被削掉。 一个实用标准:单个被试的插补电极不超过总电极数的 5–10%,剔除试次不超过 20–25%,超过就该检查采集环节本身了。

四、ERP:从噪声里"捞"信号的核心思想

大脑对一个事件的电反应(比如看到一张图片)只有几微伏,淹没在几十微伏的自发脑电里,单看一次试次的波形根本找不到。 但研究者发现了一个巧妙的办法——锁时平均

  1. 让被试重复同一实验任务很多次(比如看 100 张同类图片);
  2. 把每次刺激出现的时间点对齐,截取刺激前后一段时间(如 −200ms 到 800ms);
  3. 把这 100 段波形逐点平均。

与事件相关的反应每次锁时出现,方向一致,平均后保留;而自发脑电与刺激无锁时关系,正负随机,平均后趋向于零。 结果就是一条相对干净的波形——事件相关电位(ERP)

📖 概念:为什么平均能提升信噪比?

设信号强度为 S(每次相同),噪声为 N(每次随机独立)。平均 n 个试次后,信号仍约为 S, 噪声标准差降为 N/√n,即信噪比提升 √n 倍。平均 100 个试次,信噪比提升 10 倍; 想再提升 2 倍需要 400 个试次——试次收益边际递减,这就是实验设计中"试次数"的定价逻辑。 注意两个隐含前提:反应在试次间足够一致(锁时),且噪声相互独立。

五、经典 ERP 成分的分类框架

ERP 波形上的峰按极性与大致潜伏期命名:N 表示负向(Negative,波形向下),P 表示正向(Positive,向上), 数字代表潜伏期或序号。例如 P300 = 刺激后约 300ms 的正向波,N170 = 约 170ms 的负向波。 按心理含义,经典成分可分三大类:

类别含义代表成分经典研究范式
外源性成分 对刺激物理属性的早期反应,不受注意影响太多 N100(约100ms)、P200(约200ms) 声音/视觉刺激强度、频率的加工
内源性成分 反映心理加工过程,是认知研究的核心 P300(注意与工作记忆更新)、N200(冲突监测)、N170(面孔加工)、N400(语义加工)、ERN(错误监测) Oddball 范式(P300)、Go/No-go(N200)、Stroop(ERN)
运动相关成分 伴随运动的准备、执行与感觉反馈 准备电位 RP/CNV(运动前)、运动电位 MP(执行中)、重afferent电位(反馈) 自主运动、运动想象(BCI 的经典特征)
💡 怎么用这张表

读文献时先问自己:这个成分属于哪一类?外源性成分对刺激参数敏感(亮度、音量变了它就变); 内源性成分对任务操作敏感(注意、冲突变了它才变)。这个判断能帮你快速理解一篇 ERP 论文的逻辑主线。

六、脑电分析的全景路线图

最后,把整套课程的内容放进一张地图。之后每学一个模块,你都能在这张图上找到自己的位置:

原始数据 (.edf/.bdf/.set)
    │
    ▼
┌──────────────────────────────┐
│ ① 预处理(模块 2)           │  定位电极 → 重参考 → 滤波 → 坏道处理
│    EEGLAB / FieldTrip        │  → ICA 去伪迹 → 分段 & 基线校正
└──────────────┬───────────────┘
               │
       ┌───────┴────────┬─────────────┬──────────────┐
       ▼                ▼             ▼              ▼
┌────────────┐  ┌─────────────┐ ┌───────────┐ ┌───────────┐
│ ② ERP 时域 │  │ ③ 频域/时频 │ │ ④ 功能连接│ │ ⑤ 溯源    │
│ (模块 3)  │  │ (模块 4)   │ │ (模块 6) │ │ (模块 7) │
│ 平均叠加、  │  │ PSD、STFT、  │ │ 相干、PLV │ │ MNE、BF、  │
│ 指标测量    │  │ 小波        │ │ 网络分析  │ │ sLORETA   │
└─────┬──────┘  └──────┬──────┘ └─────┬─────┘ └─────┬─────┘
      │                │              │             │
      └────────────────┴──────┬───────┴─────────────┘
                             ▼
              ┌──────────────────────────────┐
              │ ⑥ 统计检验(模块 3/5)        │
              │    t 检验、ANOVA、置换检验     │
              └──────────────┬───────────────┘
                             ▼
              ┌──────────────────────────────┐
              │ ⑦ 报告与可视化(全课程贯穿)   │
              │    波形、地形图、时频图、表格   │
              └──────────────────────────────┘

模块 5(FieldTrip)是把②③重新用另一套工具实现,模块 8 的前沿专题(微状态、CFC、ITPC 等) 建立在②③④的基础之上。所以:模块 2 和模块 3 是全课程的地基,值得花最多的时间

📌 本节小结

  • EEG 来自皮层锥体神经元的同步突触后电位,是群体信号:时间分辨率高,空间定位弱
  • 五种节律:δ(0.5–4) / θ(4–8) / α(8–13) / β(13–30) / γ(>30) Hz,各有典型状态
  • 眼电、肌电、心电、工频四大伪迹无法避免,预处理是"权衡的艺术"
  • ERP = 锁时平均:信噪比随 √n 提升,前提是反应锁时且噪声独立
  • 成分命名 N/P + 潜伏期;外源性 / 内源性 / 运动相关三类各有研究用途

✏️ 课后练习

  1. 不看表格,写出五种脑电节律的频段范围和各自最典型的一种状态。
  2. 假设你的实验每个条件只有 25 个有效试次,平均后信噪比提升了多少倍?如果想再提升一倍,需要多少试次?(答案:5 倍;100 个)
  3. 找一篇你感兴趣的 ERP 论文(关键词如 P300 / N170 / ERN),判断它的核心成分属于哪一类,用一句话说明该成分在实验中"敏感于什么操纵"。