《Psychophysiology》:Changes in Frontal Band Power and Pupil Diameter Predict Performance During Motor Imagery Neurofeedback
编辑推荐:
神经反馈(NF)为认知增强和脑康复提供了潜力,然而相当大比例的研究对象未能获得对大脑活动的自我调节。任务投入(与注意聚焦和觉醒密切相关)是NF成功的关键决定因素。前额θ和α频带振荡,以及瞳孔直径和皮肤电导反应,已知能反映注意控制、认知负荷和觉醒,所有这些都影响
神经反馈(NF)为认知增强和脑康复提供了潜力,然而相当大比例的研究对象未能获得对大脑活动的自我调节。任务投入(与注意聚焦和觉醒密切相关)是NF成功的关键决定因素。前额θ和α频带振荡,以及瞳孔直径和皮肤电导反应,已知能反映注意控制、认知负荷和觉醒,所有这些都影响任务表现。本研究探讨了在运动想象NF训练过程中,前额θ和α功率、瞳孔直径和皮肤电导与表现之间的关系。通过检查这些多模态生理标记,研究人员旨在识别认知投入的可靠指标和NF表现的预测因子。研究结果表明,NF表现的波动与个体内部以及群体层面上的不同心理生理变化系统性地相关。前额θ同步化、α去同步化和瞳孔直径与NF表现密切相关。值得注意的是,α去同步化和瞳孔直径成为个体表现水平的显著预测因子,更强的前额α去同步化和增加的瞳孔直径预示着更高的表现。研究结果提示了θ同步化、α去同步化和瞳孔直径作为NF训练过程中投入和表现的动态标记的潜力。
## 论文解读:基于多模态生理指标预测运动想象神经反馈表现
### 研究背景与问题
神经反馈(Neurofeedback, NF)是一种通过实时反馈神经活动来帮助个体自我调节脑功能的技术,在认知增强和脑康复领域具有重要潜力,尤其适用于中风后运动康复。然而,约38%的参与者无法有效调节其脑活动,即NF无效性问题。动机和注意力被认为是NF成功的关键预测因素,低动机可能导致注意力下降,进而出现任务脱离,使个体被归类为“无反应者”。因此,监测参与者的认知投入水平对于优化NF训练效果至关重要。认知投入与注意聚焦和觉醒水平密切相关,过低的觉醒(如走神)或过高的觉醒(如分心)均不利于任务表现。脑电图(EEG)研究表明,前额中线θ频段(4-8 Hz)和α频段(8-12 Hz)振荡分别与注意控制和认知负荷相关,而瞳孔直径和皮肤电导则反映了觉醒和认知努力。然而,这些多模态生理指标在NF训练中与表现的具体关系尚不明确。本研究旨在探讨在基于EEG的运动想象NF训练中,瞳孔直径、皮肤电导、前额θ和α频带功率与NF表现之间的关系,以确定可靠的认知投入指标和表现预测因子。
### 研究方法与技术
研究人员招募了24名右利手健康志愿者(12名女性,年龄20-60岁,来自法国Inria伦理委员会批准的研究),进行单次10分钟的EEG-based运动想象NF训练。同时记录:EEG(Brain Products actiCAP 32通道,参考Cz)、眼动(Tobii Pro X2-120,120 Hz)、皮肤电导(BrainVision)。NF任务要求参与者进行双手同时的运动想象,视觉反馈(黄色球体在蓝色方块中移动)基于C3和C4电极的8-30 Hz事件相关去同步化(ERD)。离线处理:EEG经1-40 Hz带通滤波、ICA去噪后,计算Fz电极的θ和α功率(汉宁窗,FFT),并计算事件相关同步化(ERS)和去同步化(ERD);瞳孔直径(PD)和皮肤电导(ISCR)进行Z-score标准化。统计方法包括重复测量相关、方差分析、逻辑回归和线性回归。
### 研究结果
**3.1 离线验证NF数据**:通过配对t检验比较休息与任务块,发现Fz在θ频带(t(22)=-3.653, p=0.001)以及C3、C4、Cz等通道在α-β频带(8-30 Hz,p<0.001)存在显著差异,证实了运动想象相关的感觉运动去同步化和前额θ同步化。但单次训练中未观察到NF得分的显著学习效应。
**3.2 皮肤电导和瞳孔直径**:皮肤电导(ISCR)在训练过程中显著下降(主效应order,p<0.001),但休息与任务条件间无显著差异;瞳孔直径(PD)在任务条件下显著大于休息条件(p<0.001),且无顺序效应。
**3.3 NF得分与生理特征的关系**:重复测量相关显示,NF总分与前额θ同步化(ERSθ)呈显著负相关(r
rm=-0.21, p=0.009),与α去同步化(ERDα)呈显著正相关(r
rm=0.30, p<0.001),与PD呈边缘显著正相关(r
rm=0.22, p=0.017)。将NF表现分为低、中、高三组后,方差分析显示:低表现组具有更高的ERSθ、更低的ERDα和更小的PD,且ERDα在各组间差异显著(p<0.001),PD在低与高表现组间差异显著(p=0.011)。群体层面的分组验证了类似趋势。
**3.4 用生理特征预测表现**:逻辑回归(低 vs. 高表现)显著(X2=27.434, p<0.001),PD(z=-2.690, p=0.007)和ERDα(z=-2.944, p=0.003)为显著预测因子。线性回归(NF总分作为连续变量)同样显著(F(4,116)=7.057, p<0.001, R2=0.20),PD(t=2.026, p=0.045)和ERDα(t=3.629, p<0.001)为显著预测变量。
### 讨论与结论
讨论部分指出,前额θ同步化与低表现相关,可能反映补偿性努力或认知超负荷;而α去同步化与高表现相关,提示成功注意分配。瞳孔直径增大与高表现相关,反映了蓝斑-去甲肾上腺素系统的激活,促进最优注意状态。皮肤电导未与表现显著相关,可能反映一般性觉醒的适应。研究结论翻译如下:**在本研究中,研究人员在参与者执行运动想象神经反馈(NF)训练的同时提取了EEG(α去同步化和θ同步化)、瞳孔直径和皮肤电导反应,并探讨了这些生理标记与NF表现变化之间的关系。研究结果表明,特定的生理指标(即α去同步化、θ同步化和瞳孔直径)能够追踪个体内部以及群体整体上的NF表现波动。因此,这些生理标记可用于监测任务执行过程中的投入并预测表现。这些结果凸显了结合EEG和外围测量来评估并动态调整NF训练以适应个体投入概况的潜力,从而优化神经反馈训练中的注意投入。** 论文发表在《Psychophysiology》。