脑电可以做很多事,但并非无所不能。
这篇书评可能有关键情节透露
这本书专门针对脑电研究的实验,从实验设计、数据采集、信号处理、画图、测量、统计分析6个步骤介绍了作者在从事脑电研究积累的经验和基础理论,一本很实用的书,而且内容也比较容易理解。脑电研究目前依然是一个热点,《事件相关电位基础》提供了脑电研究领域的基础知识,干货很多,不过偏实践知识。
什么是事件相关电位(ECG)?在《事件相关电位基础》中的定义是:诱发电位,指与特异性感觉、认知以及运动事件相关的神经反应。大众认知中的脑电应该和事件相关电位指的是同一件事情。
虽然脑电研究已经有很多年了,而且相关著作也有不少,但潜意识中我还是认为脑电是一门玄学,讲不清缘由。书中也提出事件相关电位基础很大的一个问题在于功能意义不明确。人的大脑就像一个黑箱子,研究事件相关电位,我们能通过外在脑电信息,知道发生了什么,却没有办法知道为什么发生。更进一步,实验中采集到的脑电信号也不是真正发生在头骨以下的生物电信号。脑内电信号经过头骨、头皮之后,在头皮外如何分布受到曲率、导电性等因素的影响。可见,就算能够准确采集到电信号,我们也很难判断脑内的情况。这个算理论上固有的问题。
整本书看下来,我认为事件相关电位研究的另两个难点在于排除干扰和统计分析。
作者在第二篇、第三章、第五章花了很大篇幅来说明实验设计中需要注意的问题来排除干扰。从实验设置角度看,将脑电信号放大10000-50000倍时,用滤波器或者法拉利笼来降低电源电压波动产生的电噪声、降低连接头皮阻抗,使用高阻抗放大器,减少皮层电位干扰。可见,进行脑电实验时,周围环境中的电噪声和被试内部的电噪声都会影响测试结果,杜绝电噪声几乎是不可能的。采集到的信号还要经过模拟信号到数字信号的转变,因为分辨率、采样率、增益、高低频滤波器截止频率等参数的不同,或多或少也会有失真。针对这些问题,书中都有提出可能的解决方法,但是真正实践起来,恐怕还是会困难重重。
世界上没有两根完全相同的头发,每次采集到的数字信号都各不相同,在统计分析时是保留差异性还是选择平均值都需要仔细斟酌。书中的实验在考虑波形时,经常提到两个参数:峰值、潜伏期,计算机输出的图像与医院的脑电图类似,研究人员也和医生一样,观察波峰、波谷和时间轴。
这本书中提到,每次得到的数据都是多种信号叠加之后的效果,从曲线中分析出几个独立成分似乎是事件相关电位研究最困难的地方——因为无法找到正解或者不知道怎么判断对错。为什么?如果把不同被试的结果求平均,结果会失真;如果采用PCA、ICA方法分析成分,又很容易把多个同步的成分合在一起当做一个单独成分识别;如果用定位电极信号差异判断,检测到的电信号不是真实内部信号。不过,虽然成分分析比较困难,结果差异还是显而易见的,至少也能得出一些实验结论。
作者在书中将事件相关电位当做一种帮助判断的辅助工具,似乎也在提醒我,脑电并没有想象中那么无所不能。它的优点在于反应很快,而且设备成本低,适合用于研究哪些处理阶段受到特定实验操作的影响,(因为脑电信号能够被实时检测到);用于需要内隐监测实时信息,没有明显行为反应的情况。这些利用事件相关电位设计实验很多需要建立在前人研究的基础上,幸好这方面的研究有几十年的历史,积累了大量的研究成果。
个人感觉,作者从一个科研工作者的角度来看到EEG,相当冷静和客观。书中给出了他自己的实验室在研究事件相关电位时的实验设计(例如使用32个电极检测电信号),也给出了其他选择的优缺点,这种没有绝对对错的态度反而可以给人更有用的参考建议。不过,在成分分析等部分,作者在很多章节中都有提到,感觉略累赘。
在脑电技术还没有全面成熟普及之前,我们就已经勾画好了脑电在人机交互、人工智能等领域的美好蓝图,对于背后的基本逻辑,我认为通过这本书能够有一定深度的了解。
什么是事件相关电位(ECG)?在《事件相关电位基础》中的定义是:诱发电位,指与特异性感觉、认知以及运动事件相关的神经反应。大众认知中的脑电应该和事件相关电位指的是同一件事情。
虽然脑电研究已经有很多年了,而且相关著作也有不少,但潜意识中我还是认为脑电是一门玄学,讲不清缘由。书中也提出事件相关电位基础很大的一个问题在于功能意义不明确。人的大脑就像一个黑箱子,研究事件相关电位,我们能通过外在脑电信息,知道发生了什么,却没有办法知道为什么发生。更进一步,实验中采集到的脑电信号也不是真正发生在头骨以下的生物电信号。脑内电信号经过头骨、头皮之后,在头皮外如何分布受到曲率、导电性等因素的影响。可见,就算能够准确采集到电信号,我们也很难判断脑内的情况。这个算理论上固有的问题。
整本书看下来,我认为事件相关电位研究的另两个难点在于排除干扰和统计分析。
作者在第二篇、第三章、第五章花了很大篇幅来说明实验设计中需要注意的问题来排除干扰。从实验设置角度看,将脑电信号放大10000-50000倍时,用滤波器或者法拉利笼来降低电源电压波动产生的电噪声、降低连接头皮阻抗,使用高阻抗放大器,减少皮层电位干扰。可见,进行脑电实验时,周围环境中的电噪声和被试内部的电噪声都会影响测试结果,杜绝电噪声几乎是不可能的。采集到的信号还要经过模拟信号到数字信号的转变,因为分辨率、采样率、增益、高低频滤波器截止频率等参数的不同,或多或少也会有失真。针对这些问题,书中都有提出可能的解决方法,但是真正实践起来,恐怕还是会困难重重。
世界上没有两根完全相同的头发,每次采集到的数字信号都各不相同,在统计分析时是保留差异性还是选择平均值都需要仔细斟酌。书中的实验在考虑波形时,经常提到两个参数:峰值、潜伏期,计算机输出的图像与医院的脑电图类似,研究人员也和医生一样,观察波峰、波谷和时间轴。
这本书中提到,每次得到的数据都是多种信号叠加之后的效果,从曲线中分析出几个独立成分似乎是事件相关电位研究最困难的地方——因为无法找到正解或者不知道怎么判断对错。为什么?如果把不同被试的结果求平均,结果会失真;如果采用PCA、ICA方法分析成分,又很容易把多个同步的成分合在一起当做一个单独成分识别;如果用定位电极信号差异判断,检测到的电信号不是真实内部信号。不过,虽然成分分析比较困难,结果差异还是显而易见的,至少也能得出一些实验结论。
作者在书中将事件相关电位当做一种帮助判断的辅助工具,似乎也在提醒我,脑电并没有想象中那么无所不能。它的优点在于反应很快,而且设备成本低,适合用于研究哪些处理阶段受到特定实验操作的影响,(因为脑电信号能够被实时检测到);用于需要内隐监测实时信息,没有明显行为反应的情况。这些利用事件相关电位设计实验很多需要建立在前人研究的基础上,幸好这方面的研究有几十年的历史,积累了大量的研究成果。
个人感觉,作者从一个科研工作者的角度来看到EEG,相当冷静和客观。书中给出了他自己的实验室在研究事件相关电位时的实验设计(例如使用32个电极检测电信号),也给出了其他选择的优缺点,这种没有绝对对错的态度反而可以给人更有用的参考建议。不过,在成分分析等部分,作者在很多章节中都有提到,感觉略累赘。
在脑电技术还没有全面成熟普及之前,我们就已经勾画好了脑电在人机交互、人工智能等领域的美好蓝图,对于背后的基本逻辑,我认为通过这本书能够有一定深度的了解。