《Psychophysiology》：Preserving Harmonic Structure in FPVS-Oddball: A Two-Dimensional Cluster-Based Permutation Approach
编辑推荐：
快速周期性视觉刺激oddball范式（FPVS-oddball）结合了多输入频率标记与oddball设计，是一种用于探究认知功能的有力脑电图（EEG）技术。传统上，FPVS-oddball分析将跨谐波的稳态响应折叠为复合指标，这提高了响应检测能力，但丢弃了关于
快速周期性视觉刺激oddball范式（FPVS-oddball）结合了多输入频率标记与oddball设计，是一种用于探究认知功能的有力脑电图（EEG）技术。传统上，FPVS-oddball分析将跨谐波的稳态响应折叠为复合指标，这提高了响应检测能力，但丢弃了关于响应谐波组成的宝贵信息。在此，研究人员应用了一种二维（传感器×谐波）置换检验，并纳入了一种新颖的自由谐波聚类程序，该程序允许跨传感器和跨谐波进行聚类，从而保留了谐波相关信息。利用物体识别（真实物体与伪物体）和线条方向辨别数据集，研究人员表明，二维方法能够检测到被一维（仅传感器）复合响应检验所遗漏的响应在空间和谐波分布上的条件特异性差异。对于物体识别，真实物体在较高谐波处诱发了更强的左侧和右侧偏侧化oddball响应，这与额外的语义处理一致。对于方向辨别，大偏差与小偏差诱发了不同的谐波特异性激活模式，反映了性质不同的处理过程。这些结果表明，基于二维簇的置换检验对FPVS-oddball响应的空间和谐波分布具有敏感性。
**研究背景与问题**
快速周期性视觉刺激oddball范式（FPVS-oddball, Fast Periodic Visual Stimulation oddball paradigm）将多输入频率标记与经典oddball设计相结合，是一种用于探究认知功能的有力脑电图（EEG, Electroencephalography）技术。在该范式中，标准刺激以基频呈现，oddball刺激以较低的子谐波频率呈现，大脑对两类刺激的区分会产生特异性的oddball响应。传统上，FPVS-oddball分析将稳态响应跨谐波折叠为复合指标（如平均信噪比或基线校正幅度），这虽提高了响应检测能力，但丢弃了关于响应谐波组成（即不同谐波上的功率分布）的宝贵信息。已有研究表明，谐波特异性效应在FPVS-oddball中具有重要价值，例如面孔识别中最强响应出现在第3和第4谐波，且谐波谱随年龄变化。然而，以往基于簇的置换检验在FPVS-oddball研究中仅用于分析复合响应沿单一维度（传感器位置）的空间分布，忽略了谐波维度。因此，本研究旨在开发一种二维（传感器×谐波）簇置换检验方法，通过引入自由谐波聚类（free harmonic clustering）保留谐波相关信息，从而更全面地捕捉FPVS-oddball响应的空间和谐波分布特征。
**研究内容与结论**
研究人员通过两个示例数据集验证了该方法：第一个数据集（19名参与者）比较了真实物体识别与伪物体感知（来自Bank of Standardized Stimuli和IMAGINE数据库），第二个数据集（30名参与者）来自已有的线条方向辨别任务（Hermann et al., 2025），比较大偏差（80°）与小偏差（平均5°、10°、30°）的oddball响应。结果显示，在物体识别任务中，一维（仅传感器）簇置换检验未检测到显著条件差异，而二维方法发现了两个显著的正向簇：右侧后部电极在第3和第4谐波（2 Hz和2.5 Hz）上真实物体诱发的响应更强，左侧后部电极在第2和第3谐波（1.5 Hz和2 Hz）上同样更强，表明真实物体触发了额外的语义处理。在方向辨别任务中，一维方法检测到显著的空间分布差异（80°在枕-顶区更强，小偏差在前-中央区更强），二维方法进一步揭示了谐波特异性：80°的枕-顶优势主要集中在低谐波，而小偏差的前-中央优势跨越多个较高谐波（包括第6和第7谐波），反映了模型更新与模型采纳两种不同的神经处理过程。这些结果表明，二维簇置换检验对FPVS-oddball响应的空间和谐波分布具有更高的敏感性，效应量也显著大于一维方法。该论文发表在《Psychophysiology》。
**主要技术方法**
研究人员采用脑电记录系统（Brain Products, actiChamp Plus, 1000 Hz采样，FCz参考）采集数据，离线重参考至平均参考，降采样至120 Hz，应用40 Hz低通滤波。通过快速傅里叶变换将时域数据转换至频域，计算每个频率bin的信噪比（SNR, Signal-to-Noise Ratio），并以z-score（阈值3.29）筛选oddball频率的显著谐波。为控制条件间大小差异，对数据进行了L2范数归一化。簇置换检验采用配对样本t检验，初始簇形成阈值α=0.01，最终簇评估α=0.025（双尾Bonferroni校正），10,000次随机置换。自由谐波聚类允许同一传感器上任一谐波之间形成谐波簇，同时允许相邻传感器上同一谐波之间形成空间簇，以及两者的组合簇。
**研究结果**
**4.1.1 频谱响应**
在物体识别任务中，两个条件均在基频（3 Hz）及其谐波和oddball频率（0.5 Hz）及其谐波上观察到清晰窄带峰，根据z-score阈值选入奇数ball频率的11个谐波（0.5 Hz至6.5 Hz）。
**4.1.2 一维（传感器）簇置换检验**
对复合oddball响应（跨谐波平均SNR）进行一维分析，未发现显著条件差异（p=0.031，未达校正阈值），最强差异出现在右侧额部两个电极（F6/F8），真实物体诱发的活动更强。
**4.1.3 二维（传感器×谐波）簇置换检验**
二维分析揭示两个显著的正向复合簇：右侧后部簇（第3-4谐波，2-2.5 Hz，覆盖顶枕颞电极，t=21.06，p=0.0128，Cohen's d=1.35）和左侧后部簇（第2-3谐波，1.5-2 Hz，覆盖顶颞额电极，t=19.26，p=0.0180，Cohen's d=1.61），均显示真实物体诱发更强响应。此外，两个不显著的负向空间簇（oddball基频0.5 Hz）提示伪物体在枕区诱发了更强响应。
**4.1.4 总结**
二维方法检测到一维方法遗漏的定性差异：真实物体主要在较高谐波（2-4阶）上诱发更强响应，而伪物体在基频和低谐波上更强，反映了额外语义处理。
**4.2.1 频谱响应**
在方向辨别任务中，两个条件（80° vs. 平均）均在基频（6 Hz）及其谐波和oddball频率（1 Hz）及其谐波上观察到窄带峰，选入16个谐波（1 Hz至19 Hz）。
**4.2.2 一维（传感器）簇置换检验**
一维分析发现显著差异：正向簇（80°强于平均，枕-顶电极，t=28.33，p<0.001，Cohen's d=1.20）和负向簇（平均强于80°，双侧前-中央及右中央-顶电极，t=87.01，p<0.001，Cohen's d=1.35）。
**4.2.3 二维（传感器×谐波）簇置换检验**
二维分析揭示更精细的谐波模式：正向簇（80°更强）主要出现在oddball基频和第2、3、4、9谐波（1, 3, 4, 5, 10 Hz），覆盖枕-顶电极，以及第3-4谐波时右侧额颞电极（t=189.66，p<0.001，Cohen's d=1.87）；负向簇（平均更强）几乎跨越所有谐波，主要在前-中央电极，但枕区在部分较高谐波（15, 17, 19 Hz）上平均更强（t=334.66，p<0.001，Cohen's d=3.12）。
**4.2.4 总结**
二维方法证明80°与小偏差的响应差异不仅体现在空间拓扑上，还体现在谐波分布上：80°在低谐波后部更强，小偏差在高谐波前部更强，提示定性不同的处理过程。
**讨论与结论**
研究人员总结了自由谐波聚类在FPVS-oddball数据中的应用，强调该方法保留了传统方法丢失的谐波信息，对认知神经科学和临床神经科学（如阿尔茨海默病检测）具有重要价值。讨论部分指出，更高谐波上的信号增加反映了更复杂的时域波形，对应更分布式的神经处理（如物体识别中的语义递归加工），而方向辨别中不同谐波模式可能对应模型更新（小偏差，高谐波复杂波形）与模型采纳（大偏差，低谐波简单波形）。此外，该方法可推广至其他稳态视觉诱发电位（SSVEP, Steady-State Visual Evoked Potential）范式，但需注意刺激频率影响响应形状。在多重比较方面，弱族错误率控制（FWER, Family-Wise Error Rate）适合当前聚类结构，而阈值自由簇增强（TFCE, Threshold-Free Cluster Enhancement）等替代方法需进一步调整。研究结论翻译如下：总之，研究人员引入了自由谐波聚类，这是一种新颖的聚类结构，能够对FPVS-oddball数据进行二维分析。该方法对传统方法所丢失的频域响应的空间和谐波分布提供了关键敏感性，应纳入认知和临床神经科学研究。
