在离散和连续性能监测过程中，结果处理响应与反馈相关的脑电图（EEG）动态相结合

《Journal of Neuroscience Methods》：Outcome processing response coupled to feedback-related EEG dynamics during discrete and continuous performance monitoring

　　本研究提出中性条件作为基准，通过分析三种离散和连续反馈范式下的ERP耦合，发现额前和颞顶区的中性响应与正确和错误 outcome反应存在显著时间-振幅关联，并验证其在跨范式BCI应用中的预测有效性。

　　这篇研究聚焦于误差相关电位（Error-Related Potential, ErrP）在不同实验范式下的跨范式变化。ErrP是一种神经电活动，它反映了个体在接收到外部反馈时，内部期望与实际结果之间的不一致。尽管已有大量关于ErrP的研究，但这些研究大多未能对影响ErrP变化的因素进行量化分析，也未能揭示这些因素如何具体影响ErrP的特征。此外，现有的研究在预测新范式下的ErrP变化方面存在局限性。为了解决这些问题，研究者提出了一种新的方法，即通过引入一个中性条件，去除目标导向的结果期望，来反映跨范式下正确和错误结果响应的变化。

中性条件被设计为每个实验范式的对照条件，旨在提供一个基准。研究者构建了三种不同的实验范式，包括离散和连续反馈结果的范式，以探索不同情境下反馈结果的差异。通过比较中性条件响应与正确和错误结果响应在延迟和振幅上的关联，研究者试图建立一种定量的解释机制。此外，还通过单次试验的跨范式分类，评估了中性条件响应在预测新范式下的ErrP变化方面的有效性。

研究结果显示，正确和错误结果响应在中性条件响应的基础上表现出显著的延迟和振幅耦合，特别是在中额和双侧顶叶区域。这些结果得到了源重建、瞳孔数据以及工作量评分的进一步支持，表明中性条件响应是结果处理响应的基准。这种基准关系解释了跨范式ErrP的变化。进一步的分析表明，使用中性条件响应可以显著提高跨范式分类的准确性，这为ErrP在脑机接口（BCI）中的应用提供了新的思路。

研究者还对比了现有方法，发现传统的ErrP分析方法多依赖于定性描述，无法提供定量的解释。相比之下，通过引入中性条件，研究者能够更精确地量化影响ErrP变化的因素，并揭示其与结果处理机制之间的关系。这一方法的创新之处在于，它不仅提供了对ErrP变化的定量分析，还为跨范式的预测和分类提供了可靠的参考。这种方法的提出，使得ErrP在不同实验范式下的变化可以被更系统地理解和利用。

在实验设计方面，研究者采用了视觉反馈处理的情境，通过键盘输入来控制光标。为了确保实验的有效性，研究者排除了两名无法通过眼动仪校准的参与者，最终样本包括21名参与者，其中7名为女性，平均年龄为23.19岁。所有参与者均知情同意，并且实验流程得到了伦理审查委员会的批准。通过这种设计，研究者能够系统地记录不同条件下EEG的变化，并分析这些变化是否与目标导向期望的去除有关。

在数据采集和处理过程中，研究者记录了中性条件下的EEG响应，这些响应不涉及结果期望。同时，他们还记录了正确和错误结果处理下的EEG响应，以比较不同条件下的变化。通过分析这些数据，研究者发现中性条件响应与正确和错误结果响应之间存在显著的耦合关系，特别是在延迟和振幅方面。这种耦合关系表明，中性条件响应可以作为基准，用于对多范式下的结果处理进行重新对齐。

此外，研究者还结合了源重建、瞳孔数据以及主观量表（NASA TLX）的结果，进一步验证了中性条件响应在结果处理中的基础作用。他们发现，即使在没有明确期望的情况下，反馈仍然能够引发与反馈锁定相关的EEG响应。这表明，中性条件响应不仅能够反映结果处理的基本机制，还能在不同范式之间提供一致的参考。通过这种参考，研究者能够更有效地解释和预测ErrP的变化，从而为基于ErrP的BCI系统提供更可靠的模型。

研究者提出的这种方法具有重要的应用价值。首先，它为ErrP的跨范式变化提供了定量的解释，使得研究者能够更准确地理解不同实验条件下EEG的变化。其次，它为基于ErrP的BCI系统提供了新的思路，使得这些系统能够在不同范式下更有效地进行分类和解码。最后，这种方法还促进了转移学习的应用，使得ErrP的解码模型能够在不同任务和范式之间进行有效的迁移。

总的来说，这项研究通过引入中性条件，探索了ErrP在不同实验范式下的变化机制，并提出了新的方法来预测和解释这些变化。研究结果不仅为ErrP的生理机制提供了定量的解释，还为基于ErrP的BCI系统提供了新的参考。这种方法的提出，有助于提高ErrP在不同任务和范式下的适用性和可靠性，为未来的研究和应用提供了重要的理论支持。