概率提示任务中早期与晚期预测误差相关ERP反应证据
《iScience》:Evidence for early and late prediction error-associated ERP responses during probabilistic cueing
【字体:
大
中
小
】
时间:2026年09月20日
来源:iScience 4.5
编辑推荐:
要点•我们在视觉提示设计中使用脑电图(EEG)测量,该设计改变了注意力对预测关系的关注•我们发现早期和晚期对意外刺激的反应均有增加•这些效应由意外增强驱动,而非预期抑制•注意力增强了晚期效应,但未增强早期效应摘要概率性关系在我们的感官环境中无处不在。根据某些预测编码模型,偏离
要点•我们在视觉提示设计中使用脑电图(EEG)测量,该设计改变了注意力对预测关系的关注•我们发现早期和晚期对意外刺激的反应均有增加•这些效应由意外增强驱动,而非预期抑制•注意力增强了晚期效应,但未增强早期效应摘要概率性关系在我们的感官环境中无处不在。根据某些预测编码模型,偏离预期的处理应伴随神经元反应的增强,反映预测误差,而预期的刺激则应导致大脑反应的抑制。然而,概率性提示设计关于预测误差和预期抑制尚未呈现出清晰的图景。在此,我们在参与者接受概率性提示程序时测量了事件相关电位(ERPs),该程序中低概率、高概率或等概率刺激的出现与概率关系对任务的关联性被改变。我们的数据表明,在早期(后部电极负振幅增加)和晚期(中央电极正振幅增加)时间窗口内,对罕见刺激的ERPs反应增强,这些反应由预测误差驱动,而非由预期抑制驱动。虽然早期视觉反应独立于预测信息的任务相关性,但当预测信息被明确关注时,后期及更高阶的效应会被增强。图1实验设置(A) 彩色圆形与矩形依次呈现的试次序列。在20%的试次中,矩形呈现后会跟随一个问题。在一个环节中,参与者需要关注线条方向,在另一个环节中关注形状。(B) 彩色圆形到矩形形状的一种可能映射。(C) 将观察到的概率性提示效应分解为预期抑制和意外增强。结果一名参与者因EEG数据中拒绝试次过多(≥40%)而被排除。对于其余39名参与者,平均有17.32%(SD = 7.02%)的试次因伪迹被排除分析,平均有0.77(SD = 0.93)个电极被插值。重复测量方差分析表明,在概率(F[2, 76] = 0.04, ??? = 0.81, p = 0.94)、任务(F[1, 38] = 0.54, p = 0.47)及交互作用(F[2, 76] = 1.23, p = 0.30)因素上,被排除试次的百分比无显著差异。我们对每个条件下的所有可用试次进行了平均(预测任务:Nrare = 52.97 [6.09], Nequal = 131.85 [13.18], Nfreq = 209.85 [19.15];方向任务:Nrare = 53.31 [6.19], Nequal = 133.67 [14.51], Nfreq = 214.56 [24.20])。在比较不同概率条件下簇平均值的早期和晚期时间窗口时,球形性均被违反(早期主效应:w = 0.73, p = 0.003;晚期主效应:w = 0.55, p < 0.001;晚期交互效应:w = 0.60, p < 0.001)。应用Greenhouse-Geisser球形性校正未改变效应的显著性。概率条件对任务表现的影响取决于任务相关性参与者能够轻松完成预测任务,这一点从呈现的矩形与按键之间的匹配百分比可以看出(图2A)。例如,如果在高频条件下呈现水平矩形(即由提示预测),参与者按水平按钮。相反,如果在罕见条件下呈现水平矩形(即未被提示预测),参与者按垂直按钮。因此,高频条件下的高匹配率、等概率条件下的约50%匹配率以及罕见条件下的低匹配率与提示引起的预期相符。预测任务的重复测量方差分析表明条件存在显著效应(F[2, 76] = 1530.45, ??? = 0.72, p < 0.001),见图2A。事后t检验表明所有条件之间的匹配百分比存在显著差异(所有pholms < 0.001, 所有BFs >3)。预测任务中反应时中位数的重复测量方差分析表明条件存在显著效应(F[2, 76] = 10.97, p < 0.001),见图2A。事后t检验表明罕见条件的反应时高于高频条件(t[38] = ?2.38, pholm = 0.04, BF10 = 2.09),等概率条件的反应时高于罕见(t[38] = ?2.17, pholm = 0.04, BF10 = 1.40)和高频(t[38] = ?5.08, pholm < 0.001, BF10 = 1,958.40)条件。图2行为数据(A) 在预测任务中,罕见、高频和等概率条件下按键与呈现矩形匹配的试次百分比及反应时中位数。注意在高频条件下参与者正确按下了对应于呈现矩形的按钮,而在罕见条件下他们正确按下了与呈现矩形不匹配的按钮。(B) 方向任务中的命中率及反应时中位数。误差线对应于均值标准误。在方向任务中,条件对命中率无显著效应(F[2, 76] = 1.73, p = 0.18),见图2B。方向任务中反应时中位数的重复测量方差分析表明条件存在显著效应(F[2, 76] = 4.81, ??? = 0.83, p = 0.02),见图2D。事后t检验表明等概率条件的反应时慢于罕见和高频条件(等概率 vs. 罕见:t[38] = 2.88, pholm = 0.01, BF10 = 5.98;等概率 vs. 高频:t[38] = 3.21, pholm = 0.008, BF10 = 12.64),而在罕见与高频条件之间的比较中发现了不存在效应的证据(t[38] = 0.18, p = 0.86, BF01 = 5.701)。早期负性表明意外增强独立于任务相关性基于簇的置换揭示了概率的显著主效应(sum[F] = 522.50, p = 0.04),从173毫秒持续到220毫秒,时间峰值在196毫秒。事后t检验表明罕见刺激与高频和等概率条件相比,簇平均值显著更负(罕见 vs. 高频:t[38] = ?3.93, pholm = 0.001, BF10 = 78.72;罕见 vs. 等概率:t[38] = ?3.49, pholm = 0.004, BF10 = 25.11),而等概率与高频条件之间则获得了不存在效应的证据(t[38] = ?0.24, pholm = 0.81, BF01 = 5.63)。见图3A至3C左列以可视化结果。重要的是,这一模式在方向任务(罕见 vs. 高频:t[38] = ?2.96, pholm = 0.02, BF10 = 7.14;罕见 vs. 等概率:t[38] = ?2.48, pholm = 0.04, BF10 = 2.54;等概率 vs. 高频:t[38] = ?0.30, pholm = 0.77, BF01 = 5.55)和预测任务(罕见 vs. 高频:t[38] = ?2.85, pholm = 0.01, BF10 = 5.51;罕见 vs. 等概率:t[38] = ?3.04, pholm = 0.01, BF10 = 8.54;等概率 vs. 高频:t[38] = ?0.02, pholm = 0.98, BF01 = 5.79)中均可观察到,见图4。此外,我们发现了任务显著主效应的两个簇。第一个簇(sum[F] = 1,848.77, p = 0.02)从100毫秒延伸到165毫秒,时间峰值在134毫秒。第二个簇(sum[F] = 19,658.57, p < 0.001)从157毫秒延伸到300毫秒,时间峰值在243毫秒。事后t检验表明第一个簇的簇平均值在预测任务中比方向任务更正(t[38] = ?5.26, p < 0.001, BF10 = 3,329.97),而第二个簇则相反(t[38] = 8.01, p < 0.001, BF10 = 10.24×10?)。未找到显著交互作用(所有簇的未校正ps > 0.25)。图3刺激在早期和晚期时间窗口的主效应(A) 早期时间窗口中显著电极处的波形和差值波形。(B) 早期时间窗口中包含单主体数据的簇平均值。(C) 早期时间窗口中显著时间点的拓扑图。(D) 晚期时间窗口中显著电极处的波形和差值波形。(E) 晚期时间窗口中包含单主体数据的簇平均值。(F) 晚期时间窗口中显著时间点的拓扑图。阴影区域标记了包含在显著簇中的时间点;虚线指示包含在基于簇分析中的时间窗口。差值波形周围的阴影区域描绘了95%的自举置信区间。
误差线对应均值的标准误。星号标记显著聚类中包含的电极,黑色圆圈标记基于聚类分析中包含的电极,灰色圆圈标记未包含在分析中的电极。图4 刺激在早期时间窗口中的主效应,分别展示预测任务和朝向任务。显示完整图注 图查看器 (A) 预测任务中显著电极的波形和差值波形(实线)。(B) 包含两个任务中单受试者数据的聚类平均值。(C) 朝向任务中显著电极的波形和差值波形(虚线)。阴影区域标记显著聚类中包含的时间点;虚线表示基于聚类分析中包含的时间窗口。差值波形周围的阴影区域描绘了95%的自助法置信区间。误差线对应均值的标准误。请注意,对应的拓扑图显示在图3中。为了调查早期刺激效应是否能由稀有刺激更显著的负性反应或峰值时程差异来解释,我们提取了P2峰值的峰值潜伏期。对潜伏期进行2×3重复测量方差分析表明,概率(F[2, 68] = 1.37, ε? = 0.74, p = 0.26)、任务(F[1, 34] = 0.15, p = 0.70)的主效应均不显著,交互作用也不显著(F[2, 68] = 0.30, ε? = 0.62, p = 0.63)。晚期正性波被任务相关性增强 基于聚类的置换检验揭示了一个显著的概率主效应(sum[F] = 10,953.86, p < 0.001),从300毫秒持续至600毫秒,时间峰值出现在458毫秒。事后t检验表明,稀有刺激相对于高频条件和相等条件的聚类平均值均显著更正值化(稀有 vs. 高频:t[38] = 6.12, p_holm < 0.001, BF?? = 41.42×103;稀有 vs. 相等:t[38] = 6.19, p_holm < 0.001, BF?? = 50.48×103),而相等条件与高频条件之间不存在效应的证据仍不确定(t[38] = ?1.23, p_holm = 0.23, BF?? = 2.89)。重要的是,这种模式在朝向任务(稀有 vs. 高频:t[38] = 3.17, p_holm = 0.006, BF?? = 11.77;稀有 vs. 相等:t[38] = 3.64, p_holm = 0.002, BF?? = 37.36;相等 vs. 高频:t[38] = ?0.50, p_holm = 0.62, BF?? = 5.16)以及预测任务(稀有 vs. 高频:t[38] = 5.46, p_holm < 0.001, BF?? = 5850.13;稀有 vs. 相等:t[38] = ?3.04, p_holm < 0.001, BF?? = 9,598.26;相等 vs. 高频:t[38] = ?1.14, p_holm = 0.26, BF?? = 3.26)中均可观察到。结果可视化见图3B。此外,发现了一个显著的任务主效应(sum[F] = 61,175.85, p < 0.001),从300毫秒持续至600毫秒,时间峰值出现在470毫秒。事后t检验表明,朝向任务的聚类平均值比预测任务更正值化(t[38] = ?11.33, p_holm < 0.001, BF?? = 78.77×10?)。此外,发现了一个显著的交互作用(sum[F] = 3,004.56, p < 0.001),从300毫秒持续至587毫秒,时间峰值出现在544毫秒。事后t检验表明,在此聚类中,稀有-高频和稀有-相等的差值在预测任务中大于朝向任务(预测任务 ? 朝向任务 稀有 ? 高频:t[38] = 5.14, p_holm < 0.001, BF?? = 2,388.61;预测任务 ? 朝向任务 稀有 ? 相等:t[38] = 5.65, p_holm < 0.001, BF?? = 494.76),而相等-高频在任务间不存在差异的证据(预测任务 ? 朝向任务 相等 ? 高频:t[38] = ?0.54, p_holm = 0.60, BF?? = 5.06)。结果可视化见图5。图5 刺激与任务在晚期时间窗口中的显著交互效应。显示完整图注 图查看器 (A) 显著电极的波形和差值波形。(B) 包含单受试者数据的聚类平均值。(C) 显著时间点的拓扑图。阴影区域标记显著聚类中包含的时间点;虚线表示基于聚类分析中包含的时间窗口。差值波形周围的阴影区域描绘了95%的自助法置信区间。误差线对应均值的标准误。星号标记显著聚类中包含的电极,黑色圆圈标记基于聚类分析中包含的电极,灰色圆圈标记未包含在分析中的电极。由于我们的分析特别关注早期负性波和晚期正性波,我们进行了额外的探索性基于聚类的置换检验,包括刺激开始后所有时间点。在后部电极的分析中,我们恢复了一个边缘显著的刺激因子聚类(sum[F] = 522.50, p = 0.095;从173毫秒持续至220毫秒,时间峰值出现在196毫秒),以及一个与显著的晚期中央效应及其对极点部分对应的显著聚类(sum[F] = 5,503.97, p < 0.001;从278毫秒持续至600毫秒,时间峰值出现在567毫秒)。任务效应在后部聚类中延伸超出先前测试的时间窗口,包含两个显著聚类(sum[F] = 4,625.70, p = 0.01;从1毫秒持续至165毫秒,时间峰值出现在134毫秒,以及sum[F] = 42,867.71, p < 0.001;从157毫秒持续至600毫秒,时间峰值出现在243毫秒)。恢复了一个显著的交互作用效应,对应于我们在中央电极晚期时间窗口分析中报告的交互聚类的一部分(sum[F] = 1,277.73, p = 0.005;从376毫秒持续至587毫秒,时间峰值出现在544毫秒)。效应可视化见图6A。在中央电极的分析中,我们发现刺激因子存在一个显著聚类(sum[F] = 12,022.85, p < 0.001;从224毫秒持续至600毫秒,时间峰值出现在458毫秒)。对于任务因子,我们发现了一个显著聚类(sum[F] = 95,211.83, p < 0.001;从1毫秒持续至600毫秒,时间峰值出现在470毫秒)。此外,对于交互作用,我们发现了一个显著聚类(sum[F] = 3,121.70, p = 0.001;从278毫秒持续至587毫秒,时间峰值出现在544毫秒)。效应可视化见图6B。此外,为了调查眼动的影响,我们对刺激效应的显著时间点上VEOG和HEOG通道的平均活动进行了以任务及概率为因子的重复测量方差分析。主效应和交互作用均未达到显著(所有p > 0.19)。图6 1至600毫秒时间窗口的探索性分析。显示完整图注 图查看器 (A) 后部电极的结果。(B) 中央电极的结果。拓扑图展示了刺激、任务和刺激与任务交互因子p < 0.1的聚类平均F值。星号标记显著聚类中包含的电极,粗体黑色圆圈标记边缘显著聚类中包含的电极,黑色圆圈标记基于聚类分析中包含的电极,灰色圆圈标记未包含在分析中的电极。讨论 在本研究中,我们调查了在注意分配至线索-刺激配对的条件关系或注意未分配至该配对时,概率线索对事件相关电位(ERP)的影响。在行为层面,参与者的表现表明他们轻松完成了两个任务。对预测性关系的注意分配影响了稀有和频繁刺激的反应时,而对无关线条朝向的注意则没有影响。重要的是,我们发现稀有刺激诱发了增强的早期负性波和晚期正性波,且所有概率线索效应均由对意外刺激反应的增强驱动,而非由预期抑制驱动。此外,我们发现早期增强独立于任务,而晚期效应则受任务相关性调节。因此,尽管概率线索效应的存在与功能性磁共振成像(fMRI)研究以及两项脑电图-脑磁图(EEG-MEG)研究一致,但与多项研究相矛盾。引人注目的是,我们发现即使在线索-刺激条件关系不具有任务相关性的情况下,在右半球视觉区域早期时间窗口中仍存在概率线索效应的证据。虽然右侧化出人意料,但它与近期视觉MMN综述报告的结果一致,该综述发现78%报告侧化效应的研究中存在右侧化。有证据表明,根据正在处理的刺激类型(即视觉空间注意与语言)存在功能专门化,这反过来也可能影响概率线索效应。乍一看,这一早期效应的效应量相当小,且由于其出现在两个峰之间,可能代表延迟反应而非振幅差异。然而,早期和晚期效应的效应量约为0.5 μV(例如,见图3中的差值波形),且约?0.5 μV的振幅差异与其他概率线索研究结果一致。此外,额外分析显示条件间峰值时程不存在显著差异,表明存在真正的振幅差异。我们研究结果如此清晰的可能原因在于我们简单的设计,该设计使用仅两种刺激的明确映射,每种刺激由三个不同线索预测,允许在实验过程中明确条件关系。在其他研究中,使用了更复杂的概率关系,或操纵了其他类型的预期,如运动预期。这与强调预测独特性相对于简单条件概率重要性的研究相一致。此外,我们使用了与线索形状正交的线条朝向任务,避免了复杂或干扰性的注意任务。例如,在den Ouden等人的研究中,任务在序列中引入了第三种刺激,可能重复或交替出现,这可能混淆了稀有和频繁刺激呈现的感知。这些任务同样至少引导了一些注意至线索刺激,而线索与刺激的概率关系则无关。在另一项研究中,Hu等人即使概率关系与任务相关也未发现任何效应。相反,我们的数据以及另外两项研究表明,在任务无关条件下,对意外刺激的反应得到增强。尽管对无关特征的注意,概率线索效应的存在可能表明这些概率关系的处理至少在一定程度上是自动化的,类似于MMN。鉴于关于概率线索效应是否能在视觉模态中观察到的证据尚不确定,我们选择了一种尽可能简单的刺激设置。这样做也使我们的设计与MMN研究更为接近。在该领域中,刺激集和预测关系通常更为有限。因此,我们可以更轻松地将我们的研究结果与MMN文献联系起来。因此,似乎至少在相似的程序和有限的刺激集下,MMN和概率线索研究可能产生相似的结果。然而,目前结果的适用范围是否确实受到有限刺激集和简单设置的影响仍不清楚,我们的研究可以看作是一个起点,为进一步系统研究视觉ERP上的概率线索效应奠定基础。关于早期效应的潜在机制,与中性条件的比较揭示,这些效应由惊奇增强驱动,即预测误差(PE),同时发现了反对预期抑制效应的证据。这与先前研究以及关于早期时间窗口中由惊奇增强(即PE)驱动的真正MMN的证据一致。有假设认为注意可能特别增强对意外刺激的反应,从而改变线索学习潜在机制之间的平衡。然而,值得注意的是,这种在没有预期抑制(即对预测刺激激活减少)情况下的单一PE样信号,并不支持一些有影响力的预测编码理论,这些理论认为应同时观察到两种现象。此外,虽然有一些证据表明任务相关性影响奇球范式中的预测加工程度,但我们在概率线索任务中的结果模式与此假设不一致,表明该早期时间点的潜在机制不受注意操纵的影响。
因此,这种感知惊讶信号的本质还需要在未来研究中加以确定。在我们的研究中,我们不仅发现了早期概率提示效应的证据,还在后期时间窗中发现了效应,这与之前识别出期望效应的EEG研究一致。此外,在这里,我们观察到对罕见刺激的晚期正电位增强效应,在任务相关条件下的效应显著强于在无关条件下的效应。这与先前显示P3成分随刺激相关性增加而增强的研究结果一致。在奇球设计中,P3与预测误差处理以及模型更新有关。因此,与早期感知预测误差不同,从预测编码理论的角度来看,P3可以被视为处理层级中后期阶段的预测误差反应,它能够实现世界模型的更新及后续模型调整。此外,在预测处理框架中,预测任务中出现的增强惊讶信号可能代表注意力对预测关系带来的更高精度,因此在预测被违背时会产生更高的预测误差。然而,对于增强反应的替代解释也应予以考虑。例如,预测任务期间的反应时数据可能表明,罕见条件比频繁条件更为困难,因为其反应时显著更长。已有研究表明P3受任务难度和决策影响,这可能影响了当前发现。然而,如果P3反应仅反映通过反应时近似的任务难度,那么等概率条件下的P3反应也应该是增强的。但实际情况恰恰相反,等概率条件下的振幅尽管反应时更长,却与频繁条件相似。总的来说,我们研究的结果可能至少部分地被整合到层级预测处理框架中,显示了一个早期过程,该过程标志着预测误差反应,其依赖任务相关性的程度不如后期阶段,这可能表明更高层级的预测误差和更新过程。然而,鉴于我们发现了期望抑制缺失的证据,这些发现可能对理论构成挑战。因为期望抑制的程度和惊讶增强的程度尚未明确形式化,层级预测处理框架是否能解释期望抑制的缺失仍不清楚。总之,我们观察到显著的视觉概率提示效应,并发现早期预测误差相关反应无论任务如何都存在,而后期效应受任务相关性调节。无论时机和任务如何,概率提示效应都是由对意外刺激的反应增强驱动,而非由期望抑制驱动。因此,我们的结果与层级预测处理的提案一致,该理论提出意外事件伴随着预测误差,其处理水平与参与者的注意状态有关。
研究局限性
本研究存在某些局限性。虽然我们的结果清晰表明概率提示效应在两种相关条件下都会发生,但仍需未来研究调查当参与者被要求完成的其他任务分心时,或当刺激在无意识情况下呈现时,这是否仍然成立。此外,我们使用了较少的线索数量、固定的条件关系和特定的刺激配置。为了推广研究发现,或许采取逐步方法直接操纵刺激集大小和概率关系复杂度是有用的。此外,虽然我们没有检测到数据中的系统性眼球运动伪迹,但在未来研究中纳入眼动追踪可能仍是有价值的,以便更仔细地调查这一问题并排除眼球运动作为我们发现结果的替代解释。关于行为结果,我们仅在预测任务中观察到概率操纵对表现的影响,这可能表明仅在该任务中行为受到影响,但也可能是由于天花板效应掩盖了潜在效应。未来研究应校准任务以允许在所有条件下产生效应。最后,我们没有预先注册分析计划,例如统计检验的时间窗,这将增强我们的结果。在整个时间窗内的探索性分析与论文中报告的效应至少在趋势上是一致的,同时可能揭示了晚期刺激和交互效应稍早的起始时间。它们还显示了基于簇的方差分析方法的局限性,其中极性相反的效应可能被包含在同一个簇中(参见例如后部电极的晚期刺激效应,其中包含了效应的正负两极)。此外,我们主要分析中的时间窗和电极选择是由MMN研究的先前结果启发的。这使得我们能够在先前空结果的背景下增强基于簇的置换检验的检验力。然而,未来研究应使用预先注册来进一步调查概率提示效应的可靠性。
资源可用性
主要联系人
进一步信息请求和材料请求应联系主要联系人Insa Schlossmacher(insa.schlossmacher@uni-muenster.de),并将由其满足。
材料可用性
本研究未生成新的独特试剂。
数据和代码可用性
- 本研究报告的原始数据将由主要联系人在请求时共享。预处理数据已存入开放科学框架,自发表之日起公开可用,OSF地址为:https://doi.org/10.17605/OSF.IO/PUQE5。
- 所有原始代码已存入开放科学框架,自发表之日起公开可用,OSF地址为:https://doi.org/10.17605/OSF.IO/PUQE5。
- 重新分析本研究报告数据所需的任何附加信息均可从主要联系人在请求时获得。
致谢
我们要感谢所有参与者投入的时间和精力。
作者贡献
I.S.:概念构思、调查研究、形式化分析、方法学、软件、可视化以及原稿撰写;A.S.:形式化分析、调查研究以及原稿撰写;S.S.:概念构思、调查研究、形式化分析、方法学、可视化以及原稿撰写;R.M.:调查研究、软件以及审阅和编辑;T.S.:概念构思、方法学、监督以及审阅和编辑。
利益声明
作者声明没有竞争利益。
STAR★方法
关键资源表
试剂或资源 | 来源 | 标识符
存入数据 | 当前研究数据 | 研究队列 OSF: https://doi.org/10.17605/OSF.IO/PUQE5
软件和算法 | MATLAB 2021a | MathWorks RRID: SCR_001622
R版本4.4.2 | R基金会 RRID: SCR_001905
心理物理学工具箱3 | http://psychtoolbox.org/ RRID: SCR_002881
FieldTrip | https://www.fieldtriptoolbox.org/ RRID: SCR_004849
析因质量单变量工具箱 | https://github.com/ericcfields/FMUT/wiki/ RRID: SCR_028612
当前研究代码 | 研究 OSF: https://doi.org/10.17605/OSF.IO/PUQE5
实验模型和研究参与者详情
样本由40名参与者组成(29名女性),年龄从20岁到29岁(M = 23.50,SD = 2.08)。所有参与者视力正常或矫正至正常,其中一人为左利手。参与者自愿参加,每小时补偿12欧元。在开始前,参与者获得书面实验任务说明,有机会提出进一步问题,并提供书面知情同意。本研究经德国心理学会伦理委员会批准(Deutsche Gesellschaft für Psychologie, DGPs, 编号:SchlossmacherInsa2021-02-28VADM)。
方法细节
实验设备
实验使用MATLAB 2021a和心理物理学工具箱3.0.19运行。采用Dell P2419H显示器(Dell,美国德克萨斯州)以60 Hz刷新率显示刺激,分辨率为1920 × 1080像素。观看距离为60厘米。参与者通过按标准键盘的空格键和方向键进行反应。
刺激材料和实验程序
刺激包括半径为1.6度视角的圆形和尺寸为6.9° × 3.45°的矩形,呈现于深灰色背景(亮度值0.2)上。所有刺激的线宽为0.8°。圆形轮廓可以是绿色、橙色或蓝色(RGB值分别为[90,212,95]、[208,114,13]或[101,168,201]),而矩形轮廓始终为黑色。圆形内部为背景颜色,而矩形内部包含空间频率为1°、对比度为1的正弦波图案,向左或向右倾斜45°(图1A)。不同颜色的圆形用作垂直或水平矩形的线索,条件关系为水平对垂直80:20、垂直对水平80:20或垂直对水平50:50。例如,对于一名参与者,绿色圆圈代表80%概率,橙色圆圈代表20%概率,蓝色圆圈代表50%概率的水平矩形(图1B)。颜色与矩形的分配在参与者之间进行平衡。Gabor斑块方向为正交,使得向左或向右倾斜的Gabor斑块在罕见、频繁和等概率试验中各占一半。
每次试验总是以呈现1000毫秒的注视十字开始,随后呈现400毫秒的圆形,接着是平均500毫秒(±100毫秒)的刺激间间隔,然后是400毫秒的矩形呈现。在20%的试验中,在另一个平均500毫秒(±100毫秒)的刺激间间隔后,向参与者呈现当前任务问题(图1A)。
在实验前,参与者被告知圆形颜色与矩形形状之间的条件关系。两种实验条件的刺激呈现物理上是相同的,但任务不同。此外,他们在开始每项任务前完成16次练习试验。在预测任务中,参与者需要关注彩色圆形与矩形之间的条件关系。在20%的试验中,他们需要从屏幕上的垂直和水平矩形中选择一个来回答问题"橙色/蓝色/绿色圆圈之后你期望哪个矩形?"在方向任务中,参与者需要关注矩形内的倾斜Gabor斑块。在20%的试验中,他们需要从屏幕上向右和向左倾斜的方形Gabor斑块中选择一个来回答问题"线条向哪个方向倾斜?"参与者完成任务的顺序在参与者之间进行了平衡,即一半参与者先进行预测任务,另一半先进行方向任务。总共以随机顺序呈现480次试验,每个线索圆形的试验数量相等。在第160次和第320次试验后,有自我节奏的休息。一个条件的运行时间约为25分钟(不包括休息时间)。
EEG记录与预处理
采用64通道BioSemi主动电极系统(BioSemi B.V.,荷兰阿姆斯特丹)收集电生理数据。电极按照10/20系统使用BioSemi电极帽放置。BioSemi EEG系统使用CMS/DRL反馈回路代替接地和参考电极,并配有额外的两个电极(更多信息请见:https://www.biosemi.com/faq/cms&drl.htm)。以512 Hz的采样率记录电位,阻抗保持在20 kΩ以下。在数字化之前应用内置的104 Hz模拟抗混叠低通滤波器。
EEG数据的预处理使用MATLAB中的FieldTrip工具箱完成。连续数据的离线滤波使用巴特沃斯滤波器,半功率截止频率如未特别说明。数据在49–51 Hz进行带阻滤波(滚降:?24 dB/倍频程)以及在谐波频率(高达199–201 Hz)进行滤波,以最小化线噪声。0.1 Hz高通滤波器(滚降:?24 dB/倍频程)移除了慢漂移。然后,EEG信号被分割为从刺激开始前200毫秒到刺激开始后600毫秒的片段。使用独立成分分析(ICA)从数据中移除了水平和垂直眼球运动。包含肌肉伪迹和电极跳变的试验基于视觉检查手动排除,坏通道进行了插值。数据从CMS/DRL重新参考为共平均参考。所有试验均使用刺激前?200至0毫秒的平均基线进行调整。
每位参与者对矩形的ERP反应分别按罕见、频繁和等概率进行了平均。这导致每位参与者产生六条波形(预测和方向任务中的罕见/频繁/等概率)。最后,计算了平均数据的总平均波形。
量化与统计分析
统计分析采用析因、质量单变量方法与基于簇的置换检验相结合。我们纳入任务和概率两个因素,形成2 × 3设计。为了增强基于簇分析的检验力,我们根据先前研究选择了特定的时间间隔和电极位置。对于早期负电位分析,我们选择了从100毫秒到300毫秒的时间间隔在后部电极上,见图3A。
关于晚期正电位的分析,我们选择了中央-顶叶电极以及从300毫秒到600毫秒的时间区间,见图3B。在探索性分析中,我们额外纳入了所有时间点,以避免遗漏感兴趣时间窗之外的效应。当F值超过簇阈值(α = 0.05)时,由两个或更多相邻传感器(在时间和空间上)组成的簇被形成。簇质量 sum(F) 通过将簇内所有F值相加来计算。置换次数设为5000次,检验零假设的显著性水平设为 α = 0.05。在分析之前,ERP信号被降采样至256 Hz,并以25 Hz进行低通滤波(滚降率:-24 dB/倍频程),以进一步提高统计效能。在应用CBP方法后,计算了显著簇的簇平均值,并用于检验显著的主效应和交互效应。随后,我们使用双侧t检验并配合Bonferroni-Holm校正方法来比较簇平均值。尽管各条件间试次数量的差异不会影响我们基于簇的置换方法(因为该方法不假设各条件间方差相等),我们仍然通过对其提取的簇平均值进行Mauchly球形度检验来考察该差异对方差的影响。为了检验早期效应是否代表对罕见刺激的延迟反应,我们进行了峰值时间分析,在显著簇所指示的电极位置上,提取每位被试在各条件下150至300毫秒之间P2波峰的峰值潜伏期。MATLAB中实现的峰值检测算法(findpeaks)能够为我们的35名被试在所有条件下获得峰值潜伏期。提取后,我们对潜伏期进行了2 × 3重复测量方差分析。此外,我们计算了VEOG和HEOG信号,并根据任务和概率条件进行平均,在刺激效应的显著时间窗内对平均活动进行重复测量方差分析。对于预测任务,我们通过提取所展示矩形与相应按键之间的匹配百分比以及各概率条件(罕见、频繁、相等)下的中位反应时来分析行为表现。同样,对于定向任务,我们提取了各概率条件下的命中率和中位反应时。百分比和中位反应时使用重复测量方差分析和双侧t检验进行分析。每当球形度假设被违反时,应用Greenhouse-Geisser校正,并在下方报告校正后的p值以及ε?值。由于我们的部分结论依赖于零效应,我们还额外报告了贝叶斯因子(BF),其中BF01表示支持零假设的证据,BF10表示支持备择假设的证据。我们采用Jeffreys的约定来解释贝叶斯分析的结果。所有基于簇的置换检验均使用因素质量单变量工具箱(FMUT)完成。其他统计检验则依赖R统计软件。