EEG基础

本文总结了脑电图（EEG）的基本原理及其在神经科学中的应用。EEG是一种低成本、非侵入性和高时间分辨率的测量工具，广泛用于研究大脑功能及异常状态。文中详细介绍了δ波（高达4Hz）、θ波（4-8Hz）、α波（8-13Hz）、β波（13-25Hz）和γ波（25Hz以上）的特点及其与大脑功能的关系，并探讨了脑电实验的设计重要性及伦理问题。此外，文章还讨论了样本量计算的方法，并强调了在进行神经科学研究时需要考虑的因素以确保研究的有效性和可靠性。

01

简介

改写说明

在神经信号处理领域中，电弱电图（EEG）常被用作一种非侵入性的脑成像技术，在诊断脑部疾病方面具有重要价值；而正常情况下使用的EEG信号则主要用于研究大脑的功能。该技术不仅帮助研究人员深入了解记忆活动、视觉感知以及认知过程等基本功能的运作机制，并且能够深入探索智能信息处理的内在机制。此外，在实际应用中还能够辅助检测诸如癫痫发作、中风后恢复情况、痴呆症征兆、睡眠障碍以及抑郁症等潜在的问题。通过分析 EEG 信号中的神经元电活动模式，可以提取出反映大脑状态的重要信息。本文旨在系统总结 EEG 的基本原理与实验方法，并探讨其伦理规范与实际应用中的关键考量因素包括样本量计算、实验设计原则以及相关设备的应用等核心内容。

02脑电波基础

自 EEG 诞生以来, 对不同脑振荡及其与不同脑功能关系的研究就一直受到研究人员的高度关注. Hans Berger证实了在人类 EEG 中观察到了 α 波和 β 波的存在. 基于频率范围的不同, 大脑振荡被系统地分类, 并与其对应的神经状态及功能特征相联系. 本文随后将详细阐述 EEG 各种频段的特性. 具体实例可见图 1 中的数据展示.

图1.脑电信号及相应频段。

①δ（高达4Hz）

delta brain waves exhibit significant amplitudes and are closely linked to the deep sleep stage. Additionally, these waves hold relevance beyond merely sleep states, as they connect to diverse cognitive processes. For instance, high-frequency temporal lobe delta waves observed in awake participants have been shown to correlate with heightened neuroplasticity.

在认知机制的研究中, δ波在涉及事件处理的领域中扮演着关键角色。EEG中的低频分量中具有显著影响力的主要是δ频段的活动,在ERP中的P300峰值形成过程中占据主导地位。作为一个广泛探讨和高度关注的认知加工指标,P300的研究不仅深化了我们对大脑工作原理的理解,也为神经科学领域提供了重要的研究方向。

②θ波（4-8Hz）

当处于极度疲倦的状态时，在儿童中更容易观察到θ波的活动模式。而在清醒状态下的人群中，在未进行任何注意/认知活动的情况下，则认为高θ波被认为是异常现象，并与多种脑部疾病相关。如高等叶θ波则与抑郁症患者对抗抑郁治疗的效果不佳有关。

然而，在注意加工与工作记忆过程中，高θ波活动扮演着关键角色。研究表明，在涉及成人抑郁症及儿童阅读障碍等神经科学领域的研究中，θ波活动的变化具有显著意义。

研究表明，在治疗反应较好的重度抑郁症患者中（MDD），与BA 24/32区域相关的θ活动表现出显著升高；而针对阅读障碍儿童的研究则揭示了其θ波活动水平呈现降低趋势。

③α波（8-13Hz）

在清醒与放松状态下的正常成年人中发现α波的现象尤其显著，在无意识的状态下更容易被识别出来；当人处于闭目状态时，在大脑顶部区域容易观察到α波；需要注意的是，在进行加工或认知任务时可能会使α波幅度减小。

α波可分为低频和高频两类，在工作记忆中发现alpha波活动会受到记忆负荷变化的影响。此外，个人的alpha峰频率通常被视为一般智力水平(g因素)的一个指标。

④β波（13-25Hz）

β波的振幅不如α波、δ波和θ波等其他主要脑电波型显著。在传统研究中，β波被划分为低频β和高频β两类。研究表明，在面对活跃的思维活动、焦虑情绪、问题解决以及深度专注时，在大脑额叶及中央灰质区域会观察到增强的β波活动。

Gola等人研究表明，在执行空间定位任务以及表现出高度视觉注意能力的参与者中，无论是年轻人还是老年人，在枕部区域都观察到了beta波能量的变化。Engel和Fries对其相关活动进行了深入分析，并提供了关于认知加工及运动系统参与机制的重要证据。

⑤γ波（25Hz以上）

γ射线表现出显著的高频特性，在人类主观意识活动时常被察觉。与常规的低频脑电信号相比较而言，γ射线具有微弱振幅值且易受运动肌肉伪信号干扰影响显著，在早期研究中常因检测难度而被忽视或误判为其他类型信号直至近年来才获得更多关注和深入研究

涉及时间位置的显著γ活动与记忆过程相关。研究表明，γ活动在注意力、工作记忆和长期记忆过程中发挥了重要作用。此外，在研究中发现这些高能量状态的神经元网络可能在调节复杂的认知功能中起着关键作用

03

实验设计的重要性

所有科学研究均始于一个问题的提出，并通过某种可能的解决方案来解决。在实验性研究领域中（特别是神经科学领域中的大脑研究），这类问题通常表现为诸如"哪些脑区与抑郁和压力状态有关？"或"α波在压力和焦虑中扮演什么角色？"这样的具体形式。

实验问题驱动研究人员提出一个研究假设,即对某项操作对某些测量的影响进行描述.既有较为笼统的假说也有具体明确的假说.

一个可能的假设是抑郁症患者前额叶皮层的脑电图α活动会出现降低水平。
在构建假设时,研究人员通常会将其细化描述为:相较于左前额叶,在右前额叶区域的EEG α波激活强度会显著升高。

从理论基础来看，科学假说是可以通过实验进行验证的。一个详细明确的具体假设往往容易被推翻，并且所包含的信息更为丰富。

在EEG研究领域中,获取充足资源是必要的前提,这主要包括硬件投入、所需时长以及人力投入(涵盖实验者、受试者与研究助理)等多个方面。 EEG装置配置通常会消耗一定时长；数据采集过程则因受试验次数以及特定条件的影响而存在显著差异。 受检验效应大小的影响,参与者的数量需相应调整,具体应基于每个参与者所需完成的试验次数来确定

此外，在处理原始EEG数据时，在清除信号中的伪迹方面，研究人员必须付出努力。
由此可见，在设计EEG实验时若未能充分考虑周到，则可能给研究者带来诸多困扰。
它可能会导致无法解答预期的问题，
或者可能导致结果难以解读从而无法得出明确结论。
从而造成大量的人力与物质资源的浪费。

研究人员必须精心规划整个实验流程，在被试招募这一阶段至最终结果的解读阶段需全面考虑各项细节。这些细节包括潜在的风险因素、限制条件、可能导致混淆的关键变量以及可用资源等信息。

04

脑电实验：伦理问题和指南

动物与人类实验作为科学及医学领域的研究传统具有悠久的历史意义。采用人体作为实验对象对于推动科学技术发展及提升医疗福利具有不可替代的作用。然而，在这一过程中所伴随的研究风险始终难以完全规避。

因此，在实验过程中采用人类被试者作为研究对象，在医疗保健领域将面临伦理道德、法律法规以及社会政治层面的多重挑战。尽管在现有文献资料中并未提及无创头皮EEG记录中的严重健康相关问题，在实际的人类被试EEG实验研究中仍需考虑诸多因素。

①伦理问题

核心问题是被试的知情权与同意自由问题, 即探讨被试是否拥有知情权与同意自由. 在涉及儿童. 患者或残疾的研究对象时, 这种情况需要尤其注意.

在撰写知情同意书时,应当考虑哪些要素？有时,在知情同意书中提供的信息可能不够全面或详尽.当受试者对实验缺乏了解时,可能会认为自己无法很好地完成任务.

②伦理审批指南

以下是EEG研究中伦理批准要考虑的一般准则。

A.一般原则

伦理委员会的主要职责是负责监督实验研究以满足伦理规范。其任务包括保障受试者的权利、尊严以及心理福利；同时防止研究人员遭受不公评价。此外，伦理委员会还负责确认研究对社会产生积极影响。

因此，在任何涉及人类参与者的情况下开展脑电图（EEG）实验时，在实验启动之前均需经正规授权的伦理委员会进行审慎评估与批准。若欲在超出本地范围开展EEG实验，则该研究团队应积极争取并取得当地的伦理委员会批准。

研究人员精心策划的实验必须具有社会效益，并在整个实验运行期间严格遵守各项规范和规定。作为主要负责人，在提议开展的各项实验工作中负有责任保证不会存在利益冲突问题，包括发表成果、数据的所有权归属、后续应用情况以及资金支持等环节。

B.参与者的权利

每位研究参与者均享有选择退出实验的权利，在执行相关研究时，研究人员必须充分尊重每位参与者享有的自主权。大学教职工、学生以及其他与之存在密切关联者应避免因任何退出决定而对其学术发展或职业前景产生不利影响。

为确保在实验过程中所有参与者能够得到充分的保障和防护，在整个研究阶段需采取一系列措施以避免精神、心理、身体以及社会与法律层面的风险对个体造成负面影响。同时，在开展相关研究活动前，请研究人员与参与者共同深刻认识到潜在危害和不适体验的可能性，并采取适当的安全防护措施以规避可能的风险因素。

每位研究者均可主动终止该实验项目，不受任何制约。他们须严格保证个人隐私与身份信息的安全。

C.知情同意书

知情同意书旨在确保实验过程完全透明且公开，并避免欺诈行为的发生。因此，在向参与者详细说明研究内容和目的的同时，请尽量确保他们了解相关信息。参与者及其家长（如果是儿童被试）需要明确决定是否参与这项研究。

在数据采集过程中涉及脑电图的应用需明确载入知情同意书中，并需充分告知受试者相关的健康与安全注意事项。所有参与研究的人员均需全面了解实验的具体方案及可能存在的风险。该协议书应当采用书面形式完成，并附有独立的参与者详细信息表格。在实验开始前必须由受试者亲自动手签署知情同意书。

当研究对象既不能提供知情同意又未满法定年龄时，则需由其父母或监护人进行书面确认。伦理委员会应当有针对儿童及残疾人参与者的书面 consent 策略。

同意书需明确说明研究数据共享、结果发表以及后续如何重复利用这些数据。参与者需充分了解数据管理的隐私与保密规定细节，涵盖参与者的访问、存储及使用流程。研究人员需确保相关参与者获得一份经其签字确认的同意书副本。

D.参与者招募和报酬

该过程应当纳入伦理审批程序，并需经伦理委员会批准以确保研究合规性

研究人员负责在实验开始前详细告知参与者可能产生的所有经济利益。包括时间补偿、费用和工资损失等物质和精神上的补偿。但必须用金钱给予参与者报酬的前提是获得伦理委员会的批准。

E.相关外部机构的伦理原则

研究人员需恪守校内道德规范，并服从校外监管机构的管理权限。例如可参考教育部及卫生与医疗委员会等。

当实验地点位于合作伙伴或合作机构时，则要求研究人员需遵守合作伙伴或合作机构的相关伦理规范与监管规定。

05

样本量的计算

样本量计算涉及神经科学、行为学和临床医学等学科的核心内容。事实上，并无研究能够囊括整个人口群体的研究对象。一个普遍关注的问题是：研究中应包含多少参与者？因此，在总体人群中选取少量个体作为样本进行研究时，在数量虽小但统计学上有充分的代表性保障。

基于经验而言, 研究的主要目标在于通过从样本中获得的数据来推断总体特征. 通常情况下, 具体数量因研究而异. 然而, 在实践层面, 样本量应受数据收集成本的影响, 并需确保达到足够的统计效力.

本文阐述了样本量计算的一般原则，并旨在通过提供关键条件和准确估算方法来协助相关学科的研究者完成样本量的确定工作。

①研究目的与假设

在研究开始阶段进行样本量计算之前，在研究开始阶段明确研究目的和假设具有重要意义。研究人员关注的核心是什么？明确的目标将使研究人员能够获取相关数据（如\mu_1 - \mu_2、\sigma^2、\sigma和d），从而用于样本量的计算。

②目标人群

目标人群是研究者希望总结实验结果的整体群体、生物或实体等。具体而言，则包括例如全部患有重度抑郁症的女性、10岁以下存在学习障碍的孩子以及65岁以上的男性中存在痴呆症的人等。

当目标人群的空间分布较为分散且难以获取时,收集大量数据将导致高昂的成本.

③样本量的统计属性

在估算样本量时涉及几个关键的统计指标如统计功效显著性水平效应量和标准差这些数值是研究设计的重要组成部分其中统计功效与显著性水平通常被视为固定值而效应量与标准差则需要根据先前研究的结果来确定这些关键指标的详细说明将出现在下文部分中

A.统计功效

在实验研究中进行假设检验时所达到的最低标准或可靠性水平被称为统计功效（灵敏度）。具体而言，在真实存在的差异情况下该检验方法能够检测到这种差异的能力被称为统计功效（灵敏度）。换言之，在零假设实际上不成立的情况下研究者能够正确拒绝这一假设的概率即为统计功效。在实验研究中尽管存在真实的差异但研究人员未能检测到这种情况被称为假阴性（Type II Error）。这种假阴性率通常用希腊字母β表示并在统计学中被归类为II型错误。

在统计学领域中，在假设检验中效应量（effect size）被定义为1减去第二类错误的概率（β），即效应量=1-β。当实验设计的效力较低时，在这种情况下可能会导致难以识别出真实存在的差异。通常认为，在统计分析中将效力达到80%作为理想标准。值得注意的是，在实践中若效力超过80%，则通常暗示着研究设计较为合理。

B.显著性水平

显著性水平（α水平）是用来在零假设为真时实施的标准测试。α值通常设定为5%（即0.05）。例如，在偶然因素而非实验干预的情况下获得的结果概率达到5%，这是可以接受的标准。换句话说，在实际不存在差异的情况下（即假阳性或I型错误），允许检测到差异的比例仅为5/100。

C.效应量

效应量是指干预组与对照组在变量测量上的差异程度。Cohen所持观点认为，在统计学上显著的效果大小d分别为0.2、0.5和0.8时，则分别被认定为小、中等及大效果量（简称d）。这表明，在两组或条件间的平均差异达到或超过0.2个标准差之前（即当平均差小于这一阈值时），即使存在统计学意义上的显著性差异（p < 0.05），这种差异也可能具有微乎其微的实际意义。

该指标多依赖于先前研究的报道，并对其所涉及的数据特征进行了综合评估。
当各研究组间的效应强度较大时，则可用较小的样本数量进行差异检验。
若各研究组间的效应强度较低，则需较大的样本容量以实现差异检验。

D.标准差

标准差衡量了数据分布的情况。通常用希腊字母σ表示。σ值一般根据前人研究结果设定，并用于样本量计算。当数据呈正态分布时，在一个σ范围内一般包含约68%的数据点，在两个σ范围内包含约95%，而在三个σ范围内则包含约99.7%。

④因变量和自变量的类型和数量

研究人员应定义因变量(DV)和自变量(IV)及其类型。

IV是实验变量，在研究设计中由研究者有意操纵以探讨因变量DV之间的因果关系。在EEG/fMRI实验中, IV可以是一个特定的视觉信号(如3D图像)、一个认知任务(如oddBall检测)或者参与者特征(如年龄或性别).在临床研究中, 则可能涉及心理治疗对照组、新型抗抑郁药物、神经反馈疗法、SSRIs类药物或癫痫治疗药物.

DV是研究者所量化的可观察指标，在研究IV影响程度时被采用。特别是在 fMRI 实验中，DV的具体体现可表现为某脑区的动力学磁共振指标；而在 EEG 实验中，则可选取 θ 电位幅度、α 电位峰值及其频率作为 DV 的具体指标；至于 ERP 实验，则常用 P300 事件相关位势的幅值或潜伏期、N170 事件相关位势及 LPC 的正向或负向成分作为测量对象。

DV 的类别至关重要, 它包括定量和定性两种类型. 在 EEG 实验中, DV 类型通常情况下表现为定量特性.

⑤组、条件和统计检验

在研究设计过程中,各组或条件的具体规模取决于研究人员明确设定的需求。准确划分各组或条件对于选择合适的统计检验方法具有重要意义。

如果一个研究仅包含单一实验组，并比较该组在两个时间点上的表现（两个时间点：干预前作为基线阶段和干预后作为评估阶段），那么此研究属于被试内设计范畴，在数据分析时可采用配对样本t检验法进行统计分析。反之，则表示该研究采用了被试间设计（例如：健康组与对照组）。在这种情况下，则表明自变量（IV）属于独立样本组别，在分析时可采用独立样本t检验法。

在各个研究领域中，在涉及两个及以上的实验组或对照组时，则必须运用高阶统计检验方法的应用