图片识别类任务在脑电实验中被广泛运用，目前已有大量研究[1-3]运用时频分析的方法解析大脑接收图片刺激时的神经机制。频率波段方面，已有研究发现theta(3~9 Hz)波段的能量在图片识别任务中得到增强[1, 3]。关于大脑对图片信息加工的区域，已有研究证实不同类型的面孔图片刺激会在大脑枕颞区引发不同强度的theta震荡[3]，但非面孔图片刺激尚不明了。此外，ERP研究证实在枕颞区的局部对称区域(PO7/PO8)，相比PO7(左顶枕叶)，面孔刺激在PO8(右顶枕叶)能够引发波幅更大的面孔识别加工成分N170)[2]。由于ERP研究会忽略非锁相的脑电信息，PO8相较于PO7是否能够引发更强的theta震荡值得进一步研究。此外，尚不了解面孔图片相较于其他图片刺激(例如：汽车、建筑物)是否具有特异性theta震荡以及无法排除图片本身因素(颜色、方框、位置、大小)带来的影响。因此，本研究以不同类型的刺激图片(面孔、非面孔、模糊图片)为研究对象，采用类减少干扰分布(class reduced interference distributions, RID)和主成分分析(principal components analysis, PCA)结合的分析方法探讨同种类型的图片刺激在枕颞区对称存在的不同局部(PO7/PO8)间是否具有不同强度的theta神经震荡，同时观察不同图片刺激在同一大脑局部区域是否具有特异性theta神经震荡。
2.方法
2.1 数据获取
实验数据来自开放科学中心(OSF, Open Science Framework)数据库的开放存取部分[4]。(https://osf.io/thsqg/wiki/home/)。数据集包含40名健康受试者(男/女 = 25/15，年龄21.5±2.87)在图片识别任务中的脑电数据。试验程序在Rossion设计的基础上进行了改良[2]。实验期间，受试者会观察到清晰和模糊两类图片，清晰图片包含面片和车，模糊的图片使受试者不能分辨脸和车，但保留其他因素不受影响(颜色、位置、大小等)。在每个试次中，每张图片随机呈现200-400ms(平均300ms)，刺激图片出现后受试者需要判断图片是清晰还是模糊，并按键做出反应，刺激间间隔为1100ms-1300ms(平均1200ms)。四种图片每种随机呈现80次(每种类型图片有40张，每张随机重复两次)，整个实验过程约十分钟。
2.2 脑电记录和预处理
使用Biosemi ActiveTwo 系统记录 EEG 信号。以国际10~20系统电极帽记录了30个电极信息(FP1, F3, F7, FC3, C3, C5, P3, P7, P9, PO7, PO3, O1, Oz, Pz, CPz, FP2, Fz, F4, F8, FC4, FCz, Cz, C4, C6, P4, P8, P10, PO8, PO4, O2)。脑电信号记录活动电极与地电极间电势差，离线分析时使用全脑平均参考。同时记录双眼外侧水平眼电(HEOG)和右眼下垂直眼电(VEOG)。在线采集时使用半截止频率为204.8Hz、斜率为5 dB/oct的低通滤波，采样率为1024Hz/导。每个电极与头皮之间的阻抗均小于10kΩ。
数据预处理使用基于Matlab2021b的EEGLAB toolbox(version 13_4_4b) [5] 和ERPLAB toolbox (version 8.0) [6]。去除直流偏移，使用半截止频率为0.1Hz, 斜率为12 dB/oct的高通滤波。在进行伪迹矫正前，EEG信号中包含肌电伪迹、电压偏转、大于2秒无刺激呈现的时间段均由ERPLAB中半自动的算法进行识别并去除，而后再进行独立成分分析以去除眼电伪迹。选择图片刺激呈现前1000ms至刺激呈现后2000ms(-1000至2000ms)进行分段 [7]，得到四种不同图片刺激下的分段数据。以刺激前400ms至刺激前200ms(-400至-200ms)进行基线校正。分段后的数据使用ERPLAB中的算法针对每个被试进行波峰检测和滑动窗峰检测的伪迹去除方法，进一步算出伪迹去除的分段数占总分段数的比例，大于25%的被试将予以排除。
2.3 时频分析
所有被纳入的受试者需要有最少每种刺激条件下8个试次被保留[8](据此排除16号被试)，以保证提取每种图片刺激下神经震荡时数据的稳定性。预处理完成后，使用RID的方法将时域的脑电信号转换为时频域的信号[7]。计算每个被试、每种刺激条件在P07、PO8电极上的平均功率谱，得到时频表征。进一步使用PCA方法对数据进行特征分解和重组：将此时频表征重构为向量并进行特征分解，得到不同的主成分；选择合适的主成分，并进行旋转和重组；通过成分加权矩阵对时频表征进行加权。根据既往文献，本研究以theta波段(3~9 Hz)[1] 在100-150ms时间窗为感兴趣频段[3]，以枕颞区为感兴趣脑区，探讨theta频段枕颞区的神经震荡强度。将导出主成分时频表征加权后的数据进行统计分析，对不同类型的图片诱发的theta频段(3~9 Hz, 100-150ms)加权总能量(锁相+非锁相)进行4(图片刺激：面孔、汽车、模糊面孔、模糊汽车)×2(枕颞区：PO7/PO8)的重复测量方差分析，统计结果非球形性时采用 Greenhouse-Geisser 法校正 p 值，多重比较采用 Bonferroni 法校正p值。
3.Theta频带枕颞区(PO7/PO8)神经震荡结果
经主成分分解后有效地提高了信噪比，可以更直观地观察到由图片刺激引发的神经震荡。对 theta 频段加权总能量(3~9 Hz, 100~150 ms) 进行4(图片刺激：面孔、汽车、模糊面孔、模糊汽车)×2(枕颞区：PO7/PO8)的重复测量方差分析，结果发现枕颞区不同位置(PO7/PO8)主效应显著， F(1,38)= 9.811， p = 0.034。事后配对比较发现PO8电极4种图片刺激theta频段加权总能量均显著高于PO7电极。同时，四种不同图片刺激主效应显著，F(2.34,88.83)= 15.435， p = 0.024，但事后配对检验发现面孔图片与汽车图片间theta频段加权总能量差异不显著。另外，二者间的交互作用不显著。
4大脑右半球枕颞区局部 theta震荡与图片识别加工有关
在枕颞区对称电极位置(PO7/PO8)的神经震荡强度结果发现，面孔、汽车以及两种对应的模糊图片，PO8上均有更强的theta频带(3~9Hz,100-150ms)神经震荡。现有的ERP研究表明，面孔刺激相较于非面孔刺激在PO8电极上的N170(100-150ms)波幅更显著[4]。同时，fMRI研究已经证实位于大脑右侧半球枕颞区的梭状回相对于左侧对面孔识别作用更大[9, 10]。我们的研究发现这种右侧半球枕颞区的优势(PO8)不仅存在于大脑接收面孔图片刺激，还存在于非面孔图片间。至于具体参与图片识别加工的区域，在PO8处测得的神经震荡信号，反映的是大脑枕颞区在接收面孔和非面孔刺激时产生的成分与其它脑区成分的总和，即该处神经震荡包含的是来源于PO8及其周围脑区的脑电活动。故不能得出PO8处的脑区较PO7处特异性地参与了面孔和非面孔刺激相关的大脑认知活动。因此，我们仅仅可以得出大脑右半球枕颞区局部 theta震荡加强与图片识别加工有关这一结论，关于进行图片识别加工的具体脑区，未来可以采用更高分辨率的电极帽(比如128导)并结合fMRI研究来进一步探讨。
