《Sensors》：Exploratory EEG Feature Profiles During Viewing of Six Combined Indoor Spatial-Color Conditions
编辑推荐：
本研究开发了一种探索性的脑电图（electroencephalography，EEG）工作流程，用于描述受试者在观看六种非析因、组合式的室内空间-色彩条件时的神经特征剖面。二十名成年人完成了三次重复的平衡虚拟漫游范式实验，同时以500 Hz的频率记录了32通道
本研究开发了一种探索性的脑电图（electroencephalography，EEG）工作流程，用于描述受试者在观看六种非析因、组合式的室内空间-色彩条件时的神经特征剖面。二十名成年人完成了三次重复的平衡虚拟漫游范式实验，同时以500 Hz的频率记录了32通道EEG数据。研究人员使用了针对每位参与者的拉丁方序列来重建由F1–F12事件标记所代表的实际实验条件。处理档案包含720个计划的事件位置，去除重复后得到711个唯一的F标记，其中706个可进行分段（epochable），最终获得691个干净的事件锁定分段（clean event-locked epochs），占可分段事件的97.9%。特征指标包括：基于文献支持的事件相关电位（event-related-potential，ERP）窗口内的有符号平均幅值、持续的theta/alpha/beta相对功率、早期/中期/晚期的相对功率汇总值，以及带限希尔伯特（Hilbert）功率变化和相位一致性汇总值。各次运行分别进行处理，在组级描述之前先对每位参与者的特征进行汇总。本报告不提供推断性结果；条件水平的值、参与者分布和波形汇总仅作为探索性描述呈现。观察到的特征剖面在不同事件阶段、头皮区域、成分窗口和频段间有所变化，但这些并不能确定纯粹的色彩或房间效应、建立条件优越性、支持因果性的神经生理机制，或提供当前的室内设计指导。本研究的主要贡献在于提供了一个可追溯的工作流程，用于序列感知的事件映射、质量控制核算以及多域描述性EEG特征提取，这可为未来一项有前瞻性统计效力、析因设计的验证性研究提供参考。
论文解读文章
1. 研究背景与目的
室内视觉环境是一个多维度的复合体，它融合了房间功能、空间布局、材质和色彩等多个因素。以往的研究往往依赖于主观评价来评估这些因素对人的影响，但这种方法难以揭示其背后的神经生理学机制。虽然神经建筑学领域越来越多地使用脑电图（Electroencephalography，EEG）等客观测量手段，但现有研究通常将色彩、空间等要素视为独立变量，忽略了它们在真实场景中的联合作用。此外，一个关键的方法论问题是，实验中常用的事件代码（如F1-F12）仅代表序列中的顺序位置，而非固定的物理条件。如果不考虑每位参与者的特定实验序列，直接将相同事件代码的数据进行组平均，将会混淆不同条件的神经反应。因此，本研究旨在开发并实施一种序列感知的、探索性的EEG特征提取工作流，以描述受试者在观看六种非析因、组合式室内空间-色彩场景时的神经活动特征，为未来的假设驱动型研究提供基础数据和可追溯的分析框架。
2. 研究方法与技术
本研究采用了一项探索性、描述性的EEG特征剖析实验设计。关键技术方法如下：
- •
实验设计与刺激材料：研究使用了六种非析因的组合式室内空间-色彩场景视频，包括卧室-黄色、卧室-木色、卧室-绿色、客厅-红色、客厅-蓝色、客厅-灰色。实验采用拉丁方序列平衡了刺激呈现顺序，每位参与者被分配至六个序列之一。
- •
参与者与数据采集：最终分析样本包含20名健康右利手成年人（12女8男，年龄18.75±0.97岁）。每位参与者完成三次重复的EEG记录运行，每次运行间隔至少7天。使用32通道iRecorderW32无线系统（遵循国际10-20系统布局）以500 Hz采样率记录EEG数据。
- •
预处理与质量控制：原始数据导入MATLAB R2024a的EEGLAB 2024.2平台。创建两条滤波数据流：ERP流（0.1-30 Hz带通滤波）和独立成分分析（Independent Component Analysis，ICA）流（1-30 Hz带通滤波）。使用扩展runica算法进行ICA分解，并根据ICLabel分类结果自动剔除伪迹成分（肌肉、眼动、心电、线路噪声、通道噪声概率≥0.80且大脑概率<0.30的成分被移除）。事件锁定分段范围为-200至800 ms，并以-200至0 ms为基线校正。分段电压超过±150 μV的试次被自动剔除。
- •
特征提取：研究从四个维度提取EEG特征：1）事件相关电位（Event-Related Potential，ERP）特征：计算枕区、顶区和额中央区三个感兴趣区（Region of Interest，ROI）在P1（80-130 ms）、N1（130-200 ms）、P2（160-240 ms）、N2（250-350 ms）、P3（300-600 ms）和晚期正电位（Late Positive Potential，LPP，500-800 ms）窗口内的有符号平均幅值。2）持续性与阶段分辨频谱特征：对有效初始/结束事件对之间的信号进行Welch法功率谱密度估计，计算theta（4-8 Hz）、alpha（8-13 Hz）、beta（13-30 Hz）的相对功率，并将整个时段分为早、中、晚三等份分别计算。3）带限希尔伯特（Hilbert）特征：对事件锁定数据进行theta、alpha、beta带通滤波后进行希尔伯特变换，计算特定时间窗内相对于基线的平均功率变化和跨试次的相位一致性。
3. 研究结果
3.1. 事件核算与保留数据
- •
结论：研究计划包含720个事件位置，经过去重、边界排除和伪迹剔除后，最终获得691个干净的事件锁定分段（clean event-locked epochs），占可分段事件的97.9%。所有20名参与者均有数据贡献，但不同参与者、事件阶段和组合条件下的有效试次数不完全相等。
3.2. ERP波形与窗口汇总
- •
结论：初始视图的枕叶和顶叶平均波形在约200 ms后表现出广泛的负向偏移，而额中央区的初始视图平均波幅在后期潜伏期更为正向。最终视图的波形在条件和ROI间的形态和极性上变异性更大。在条件水平的描述性汇总中，枕叶P1平均幅值范围在-1.446至0.250 μV之间，顶叶P3平均幅值范围在-2.311至-0.981 μV之间，额中央区晚期窗口（500-800 ms）平均幅值范围在0.264至1.812 μV之间，这些范围相较于可见的个体间离散度较小。
3.3. 持续性相对功率特征
- •
结论：热力图显示了一个反复出现的描述性ROI-频段组织模式，但未建立任何条件排序或系统性条件效应。在条件水平汇总中，alpha相对功率均值范围为0.200-0.212，beta相对功率均值范围为0.195-0.207，范围狭窄。
3.4. 阶段分辨与希尔伯特（Hilbert）汇总
- •
结论：早期/中期/晚期的相对功率轨迹并非一致单调，例如某些条件的轨迹在中段上升而在末段回落。由于三个阶段是相对的分段，这些轨迹仅为描述性汇总。带限希尔伯特功率变化和相位一致性值仅作为补充技术文档保留，因为每名参与者的每个条件-事件单元格仅有1-3个试次，稳定性未被证实，且单试次单元格的相位一致性未定义。
4. 讨论与结论
讨论总结：
本研究的主要贡献在于方法和描述层面：重建了序数事件代码的真实条件身份，详细记录了事件丢失链，应用了一套可执行的预处理路径，并在参与者内聚合后总结了多个EEG特征域。这种序列感知的映射对于拉丁方设计至关重要，因为它防止了仅按事件标签平均而导致的条件混合。然而，研究者明确指出，这些数值汇总并未证明系统性条件效应，也未表明某种组合条件具有神经生理上的优越性。由于六种刺激是复合的非析因场景，无法隔离出颜色、房间功能或材质的因果贡献。
研究还讨论了ERP窗口和波形形态的局限性，指出相同的数值窗口并不保证每个总平均波形都具有典型的成分形态，尤其对于初始视图中约200 ms后的广泛负向漂移。对于持续性和阶段分辨的频谱描述，研究者强调现有的功能关联是任务和分析依赖的，而阶段标签是相对的，不应被视为已证实的神经调节阶段。对于希尔伯特功率和相位汇总，研究者明确指出其极易受到有限试次和不平等试次计数的影响，其绝对值不能作为有意义神经锁相的证据，也不适合进行条件比较。
结论翻译：
这项探索性研究提供了一个可追溯的工作流程，用于序列感知的事件映射、EEG质量控制核算以及在观看六种组合式室内空间-色彩场景时，提取参与者水平的ERP、持续频谱、阶段分辨频谱和带限希尔伯特特征。已验证的事件链为：720个计划位置、711个唯一标记、706个可分段事件和691个干净分段。本报告展示了描述性特征剖面，并未使用推断性结果来支持条件效应。鉴于研究对象仅为20名年轻成年人且使用了复合的非析因场景，本研究不支持任何纯粹的色彩或房间效应、条件优越性、因果机制、广泛的人群普适性或当前的室内设计指导。该工作流程和观察到的数值范围可为一项更大规模、前瞻性规划、析因设计并辅以更深层次预设统计分析的研究提供参考。
