序列效应与停止信号延迟(SSD)对视觉停止信号任务中N2和P3信号的影响

《Frontiers in Human Neuroscience》：Sequence effects and SSD are associated with N2 and P3 signals during stopping in a visual stop signal task

　　

结合停止信号任务（stop signal task, SST）与脑电图（electroencephalogram, EEG）的研究常常探究额中央区的N₂和P₃成分是否受失败与成功停止的影响。N₂和P₃的估计通常反映个体在所有实验试次上的平均值，从而可以评估平均水平的效应。对停止试验作出反应的概率受任务参数影响，如停止信号延迟（stop signal delay, SSD）以及Go与Stop试验的不对称呈现频率。已有研究表明，任务参数（如SSD）的逐试次变化会影响功能磁共振成像（functional magnetic resonance imaging, fMRI）数据中停止结果间的脑活动差异，但尚未在EEG数据中加以研究。改变Go和Stop试验的整体频率已被证明会影响行为表现以及N₂和P₃成分，但由逐试次产生的局部序列依赖的潜在影响却被忽略了。SSD以及由先前试次历史产生的局部序列依赖可能会系统性地影响停止过程中的N₂和P₃振幅或潜伏期。本研究采用混合效应模型来评估SSD、序列依赖与失败和成功停止期间N₂和P₃成分的单试次潜伏期和振幅估计之间的关联。研究人员指定了两个预测变量与两种停止结果之间的交互作用。结果显示N₂和P₃成分的潜伏期与SSD之间存在复杂的曲线关联。较长的SSD与较短的潜伏期相关，而仅N₂表现出与停止结果的显著交互作用。序列依赖与N₂和P₃振幅显著相关。较长的Go试验序列与更负的N₂振幅和更正的P₃振幅相关。在近期遭遇过Stop试验后，N₂振幅更大，而P₃振幅在失败和成功停止期间以相似速率增加。总之，这些结果表明，在N₂和P₃成分的事件相关电位（event-related potential, ERP）估计中考虑SSD和序列依赖的影响非常重要，特别是在比较临床与健康对照参与者的研究中。

论文解读：序列效应与停止信号延迟对停止信号任务中N2和P3信号的影响

反应抑制是认知控制的核心功能之一，指个体抑制不符合当前目标的行为或反应的能力。停止信号任务（stop signal task, SST）是研究反应抑制的经典范式，要求参与者在Go试验上快速反应，在Stop试验上抑制即将发生的反应。任务通过自适应调整停止信号延迟（stop signal delay, SSD）来控制停止难度，使得约50%的Stop试验被成功抑制。以往结合脑电图（electroencephalogram, EEG）的研究通常关注额中央区N₂和P₃事件相关电位（event-related potential, ERP）成分在成功与失败停止之间的平均差异，却较少考虑SSD本身和试次序列依赖性对单试次ERP振幅和潜伏期的潜在影响。已有行为学和功能磁共振成像（functional magnetic resonance imaging, fMRI）证据提示，SSD和局部试次历史可能调节停止相关脑活动，但在EEG领域尚缺乏系统评估。因此，本研究采用混合效应模型，旨在检验SSD和序列依赖与N₂/P₃单试次指标之间的关联。

研究人员招募43名健康参与者（年龄M=25.95，SD=3.04，男性15名，女性28名），采集其执行视觉SST时的EEG数据。研究关注两个预测变量：SSD（经中心化与重标定）和序列（即当前Stop试验之前连续出现的Go试验次数，最长回溯4个试次），并设定成功与失败停止作为分组因素。结果显示，N₂和P₃的潜伏期与SSD呈复杂的曲线关系，较长SSD对应较短潜伏期，且仅N₂潜伏期与停止结果存在显著交互作用；序列依赖则主要影响N₂和P₃的振幅，随着前置Go试验数量增加，N₂振幅变得更负、P₃振幅变得更正，其中N₂振幅的变化在成功停止时斜率更大，而P₃振幅的增加速率在两种停止结果间相似。这些发现表明，在基于SST的ERP研究中，控制SSD和序列依赖的影响对于准确估计停止相关神经活动具有重要意义，尤其是在比较临床与健康对照组时。

关键技术方法方面，研究人员使用EEGLAB进行数据预处理，包括重采样、滤波、独立成分分析（independent component analysis, ICA）去伪迹和坏通道插值；随后采用模板匹配法最小化试次间潜伏期变异，并通过峰值检测提取N₂和P₃在单个试次上的振幅与潜伏期。因变量来自Cz电极，统计模型为线性混合效应模型，并纳入自然立方样条以刻画非线性关联。模型构建采用似然比检验选择随机效应结构，并报告III型方差分析结果。

N2 latency（N2潜伏期）：混合效应模型显示，SSD和停止结果均显著影响N₂潜伏期，序列效应不显著。SSD与停止结果存在交互作用，在较长SSD时，失败停止与成功停止之间的N₂潜伏期差异更大；总体上失败停止比成功停止慢约25 ms。

N2 amplitude（N2振幅）：SSD、停止结果、序列以及序列与停止结果的交互作用均显著。N₂振幅与SSD呈曲线关系，在平均SSD附近振幅最负；序列越长，N₂振幅越负，且成功停止的下降斜率显著大于失败停止。

P3 latency（P3潜伏期）：SSD和停止结果显著影响P₃潜伏期，序列效应不显著。P₃潜伏期随着SSD增加而缩短，成功停止的潜伏期快于失败停止约21 ms。

P3 amplitude（P3振幅）：序列对P₃振幅有显著正向效应，每个额外的前置Go试验约使振幅增加1 μV；SSD与停止结果的交互作用显著，但两者的主效应均不显著。由于SSD关联可能呈非线性，该结果需谨慎解释。

讨论部分指出，失败停止时N₂和P₃潜伏期更慢，与既有文献一致；SSD与ERP的曲线关系说明SSD并非简单的线性混淆因素，其影响应结合近期停止历史和算法状态理解。序列效应在振幅上尤为突出，N₂振幅对序列的敏感性可能反映冲突适应过程，P₃振幅则可能与对意外事件的调整有关。研究人员强调，在比较不同群体时，SSD分布的系统性差异以及序列依赖的个体差异都可能使未校正的ERP组间对比产生偏倚。

结论（原文翻译）：本研究结果支持在对比成功与失败停止的EEG研究中考虑序列依赖和SSD的重要性。鉴于SSD的自适应阶梯设计及较大的个体间变异，在采用SST比较组间差异时尤其需要考虑这两个预测变量。未能控制这些变异可能会产生有偏的组间差异估计，尤其是当所比较组的SSD分布存在系统性差异时。此外，本分析所发现的非线性关系也支持对建模关系形状进行仔细检查。总之，通过证明N₂和P₃的振幅和潜伏期与SST任务参数之间存在复杂而独特的关系，本研究为理解停止过程中神经过程的逐试次变异提供了重要知识。