方法文章

阿斯伯格综合征中情绪面孔的意识与无意识表征

13.7K 次观看

⸱

DOI：

10.3791/53962

⸱

2016年7月31日

 ,  ,  ,  ,  , 
1Institute of Statistical Science, Academia Sinica, 2Max Planck Institute for Human Cognitive and Brain Sciences, 3Department of Psychology, Fo Guang University, 4Department of Electrical Engineering, Fu Jen Catholic University, 5State Research Institute of Physiology and Basic Medicine, 6Novosibirsk State University, 7Imaging Research Center, Taipei Medical University

通讯作者： Michelle Liou <mliou@stat.sinica.edu.tw>

本文内容

摘要

一项脑电图（EEG）实验方案旨在阐明阿斯伯格综合征患者对情绪面孔的意识与无意识表征之间的相互作用。该技术表明，阿斯伯格综合征患者在情绪面孔的无意识表征方面存在缺陷，但在意识表征方面的表现与健康对照组相当。

摘要

多项神经影像学研究表明，情绪面孔中的低空间频率信息主要激活杏仁核、丘脑枕和上丘，尤其是恐惧面孔1-3。这些脑区构成了情绪无意识感知的边缘系统结构，并通过直接或间接方式调节皮层活动2。相比之下，情绪的有意识表征则在前扣带皮层、前额叶皮层和躯体感觉皮层更为显著，这些区域参与将有意识的注意力导向面孔的细节3,4。阿斯伯格综合征（Asperger's syndrome, AS）5,6是一种非典型的神经发育障碍，影响个体的感觉、情感和交流能力，但不损害正常的语言技能和智力水平。多项研究发现，与面部情绪识别相关的关键神经环路功能缺陷，在一定程度上可解释AS患者的社会交流障碍7-9。为了阐明AS患者在情绪面孔的有意识与无意识表征之间的相互作用，本研究设计了一项脑电图（EEG）实验方案，包含两项任务，分别对照片和线描面孔进行情绪性评估。通过一项预实验筛选面部刺激材料，以尽量减少AS患者与智力/性别匹配的健康对照组在情绪评分和反应时间上的差异。预实验中AS患者提供的信息被用于建立情绪性评估所用的评分系统。关于不同空间频率内容的面部情绪和视觉刺激的研究，其结果存在不一致，可能取决于受试者的群体特征和任务要求2。本实验方案旨在通过控制与面部情绪识别无关的因素（如任务难度、智力水平和性别），明确AS患者在处理情绪面孔时相对于健康对照组存在的缺陷。

引言

面部情绪识别是参与社交沟通的最重要大脑过程之一。多种精神障碍与面部情绪的显性识别问题相关4-6。一张面部照片包含一系列空间信息，这些信息可被过滤为高空间频率（HSF）或低空间频率（LSF）成分。HSF与图像中高度细节化的部分相关，例如面部的边缘；而LSF则与较粗糙或定义较模糊的部分相关，例如具有LSF成分的整体面部轮廓7。任何面部识别任务都会同时引发意识和无意识过程8-12，其中无意识过程的参与通常发生在刺激呈现后150-250毫秒内，甚至更早13。在健康对照个体中，无意识过程通常快于意识过程14,15。多项神经影像学研究提示，面部刺激（或具有动机显著性的刺激）中的LSF主要激活杏仁核、丘脑枕核和上丘，尤其是面对恐惧表情时更为显著3,16。这些脑区构成了情绪无意识感知的边缘系统结构，并可直接或间接调节皮层活动1。相比之下，情绪的意识表征在前扣带回、前额叶皮层和躯体感觉皮层中更为显著，这些区域负责将有意识的注意力导向面部的细节9,17,18。

阿斯伯格综合征（Asperger's syndrome, AS）19,20 是一种非典型的神经发育障碍，影响个体的感觉、情感及沟通能力，但并不损害正常的语言技能和智力水平。多项研究发现，与面部情绪识别相关的关键神经环路功能缺陷，在一定程度上可解释AS患者的社会交流障碍21-25。在AS儿童中观察到的行为障碍通常可在出生后前三年内被诊断出来26，而这一阶段儿童对自身行为的自主（或意识性）控制能力尚未完全发育成熟27。在成年AS患者中，这些行为障碍可通过注意力调节机制得到代偿28。在特定空间频率范围内处理细节信息的困难，可能提示不同信息加工阶段存在功能紊乱。迄今为止，尚无研究直接探讨AS患者在识别具有特定空间频率特征的面部情绪刺激时所诱发的脑电位及振荡活动。因此，有必要在控制任务需求以及性别、智商等人口统计学因素影响的前提下，比较AS患者与健康对照者在处理不同空间频率成分的面部刺激时的功能性神经反应轨迹。

为了阐明情绪面孔的意识与无意识表征之间的相互作用，设计了一项脑电图（EEG）实验方案，用于比较阿斯伯格综合征（AS）患者与智力/性别匹配的健康对照者在脑诱发电位和振荡活动上的差异。在正式开展EEG实验之前，招募了一组小规模的预实验参与者，以协助选择实验刺激材料并建立评分系统，从而便于对AS患者的任务表现进行评估。该实验方案包含两项任务，分别要求对照片或线条绘制的面孔进行情绪性评价。通过计算事件相关电位（ERPs）和事件相关谱扰动（ERSPs），可以评估两组之间的差异。下文将详细阐述实验方案的具体内容，包括预实验研究以及EEG数据处理与分析方法，并随后呈现主要分析结果。最后，讨论了该方案中的关键步骤及其相对于现有方法的意义，同时指出了该方案的局限性以及未来将其拓展应用于其他情绪障碍患者的可能性。

方案

伦理声明：涉及人类参与者的实验程序已获得中国台湾中央研究院人类参与者研究伦理委员会/机构审查委员会的批准。

1. 刺激材料与实验程序准备

  1. 准备一组包含60张以上的情绪面孔照片29，并将照片按三种面部表情分类（愤怒、高兴和中性）。使用图像处理软件将照片中的头发和耳朵部分用黑色背景遮盖，如图1A所示，以便参与者能集中注意力于照片中的面部特征。
    1. 在图像处理软件中打开一张照片。使用选择工具绘制一个椭圆形区域，并调整区域大小，使耳朵和大部分头发不在椭圆范围内。
    2. 反选所选区域。点击“删除”以移除照片中不需要的部分，并用黑色背景色替代。

面部情绪分析图，比较照片与素描；表情：中性、高兴、愤怒。
图1. 情绪性面部刺激示例。（A）照片中的面部，其头发和耳朵已被黑色背景遮蔽；（B）线条绘制的面部，由图形软件对（A）进行编辑而成。从上至下各列分别显示中性、高兴和愤怒的情绪。请点击此处查看此图的放大版本。

  1. 设计一项预实验。招募预实验参与者，以从照片库中筛选合适的刺激材料。
    注意：预实验参与者不应参与后续的脑电图（EEG）实验。
    1. 配置刺激呈现程序，首先显示任务说明的计算机界面，随后进行5次熟悉化试次。每个试次以注视十字开始，接着呈现面部刺激，然后进行情绪性评估任务。示例程序参见补充代码文件。
      注意：正式的预实验试次紧随熟悉化试次之后，从照片库中随机选择面部照片进行呈现。
      1. 创建实验程序，包括指导语界面和中央注视点界面。按照图2所示设置面部刺激界面，将照片尺寸配置为18.3 × 24.4 cm2（宽×高），背景为黑色，计算机屏幕尺寸为41 × 25.6 cm2，分辨率为1,680 × 1,050。示例程序参见补充代码文件。
      2. 按照图3所示，在程序中建立情绪性评分系统。在屏幕中央设置一条从-100到+100的连续水平线，除中点和两端外不设置任何刻度标记。程序应允许参与者通过将评分光标向左拖动至“非常愤怒”（-100）或向右拖动至“非常高兴”（+100）来自由评估照片面孔的情绪性，并点击“GO”按钮确认。
        注意：评分线不设刻度标记，是因为AS患者在情绪性评估过程中容易因光标需置于刻度之间而卡住。因此，对患者而言更推荐使用连续量表。
      3. 确保程序记录参与者的行为主数据（例如反应时间和情绪性评分），这些数据将作为从照片库中选择照片的标准（见步骤1.3.1）。
    2. 招募预实验参与者（5名对照组和5名AS患者）。根据Gillberg30和DSM-IV诊断标准26对临床患者进行诊断，并施测韦氏成人智力量表（WAIS-III）31的临床简化版本。在性别以及言语/操作智商得分方面，尽可能使对照组与AS患者相匹配。
    3. 对每位预实验参与者单独实施实验流程。在完成情绪面孔识别任务后，对每位AS预实验参与者进行访谈，了解其对中央注视期和刺激呈现期时长的合理性反馈、任务难度、评分系统的易用性，以及能够保持注意力集中的最大试次数量。根据这些反馈对程序进行调整，用于后续的EEG实验（见步骤1.3.2）。

我不知道这个人是谁。面部表情愤怒，深色背景，黑白图像。
图 2. 程序中一个面部刺激图像的截图。 面部大小已设置为适配屏幕高度，空白区域以黑色填充。请点击此处查看该图的放大版本。

情绪感知滑块，用户界面；从愤怒到快乐进行调节，量表范围为-100至100，实验用。
图3. 情绪性评估评分系统的截图。 评分条设计为无刻度标记。受试者需拖动鼠标为面孔选择相应分数，并点击“GO”按钮以完成任务。请点击此处查看该图的放大版本。

  1. 任务1程序：照片识别实验。
    1. 从照片库中选取30张照片，包括高兴、愤怒和中性面部表情各10张（每种表情包含5张男性和5张女性面孔），这些照片在5名AS患者和5名对照组预实验参与者中应产生最接近的平均反应时间和平均情绪评分。
    2. 根据预实验受试者的反馈，更新实验程序设置，包括最佳中央眼动注视时间（i.e.，1,000 msec）、刺激呈现时间（i.e.，1,000 msec）、刺激间间隔（i.e.，随机设定为4至7秒之间）以及评分系统量表（i.e.，-100至100）。在30次正式实验试次前增加5次熟悉化试次。
      1. 通过修改与实验程序关联的外部配置文本文件，调整刺激数量和时间间隔。
        注意：该文本文件可由研究人员自行修改以适应不同实验条件，无需软件工程师介入。
      2. 熟悉化试次所用的5张照片不计入所选的30张照片之内。数据分析时不得使用熟悉化试次期间记录的脑电（EEG）数据和行为数据。
  2. 任务2程序：线描图实验。
    1. 对任务1中使用的35张照片（5张用于熟悉化试次，30张用于正式实验试次）进行线描图绘制，通过描摹每张面部图像的边缘轮廓生成线描图。使用图形软件将灰度照片转换为黑白线描图，如图1B所示。
      注意：以下图像编辑步骤仅为生成线描图的一种可行方法。
      1. 在图形软件中调整照片的亮度/对比度，使大多数像素的原始灰度值趋于纯黑或纯白。
      2. 在软件的“效果”或“滤镜”菜单中对灰度照片应用“素描效果”，仅保留高空间频率部分的轮廓，并应用“破损效果”以加粗轮廓线条。
      3. 使用任意画笔工具增强轮廓，并使用橡皮擦工具清除不需要的部分。在编辑过程中需反复比对原始照片与其对应的线描图，确保关键面部特征得以保留。
    2. 复制步骤1.3中的任务1程序，创建任务2的实验程序，并将任务1中的35张照片替换为对应的线描图。

2. 脑电图记录步骤

  1. 准备工作
    1. 根据当地人类受试者研究伦理委员会/机构审查委员会的指南，招募10名健康对照个体和10名AS患者进行脑电图（EEG）实验。
    2. 在实验前， individually 对AS患者施用WAIS-III的简式版本31，并寻找在性别以及言语/操作智商得分上尽可能与患者匹配的对照个体。
  2. 脑电图记录
    1. 让受试者坐在隔音（光线昏暗）房间内的舒适椅子上，调整椅子位置，使计算机屏幕位于受试者前方60 cm处。在对实验流程进行培训后，让受试者填写知情同意书以及有关其利手情况的几个问题。
    2. 使用带有132个Ag/AgCl电极的脑电帽（包括122个10-10系统EEG电极，以及双极VEOG、HEOG、EKG、EMG电极，外加六个面部肌肉通道）记录脑电图。将脑电帽连接至两个64通道放大器，使用0.1-100 Hz模拟带通滤波器，以1,000 Hz采样率对原始脑电信号进行数字化。
    3. 为每位受试者佩戴标准的128通道脑电帽。根据国际脑电图10/10系统，调整脑电帽位置，使标记为“参考”的电极置于“Cz”位置，该位置相对于前后中线标志点（i.e. 鼻根至枕外隆突距离的中点）以及左右标志点（i.e. 左右耳屏中点）确定。
    4. 轻柔地使用钝针将导电凝胶注入所有电极中。用针在电极内部缓慢搅动，以确保头皮与电极之间有良好的凝胶接触（i.e. 保持阻抗低于5 kΩ）。持续检查脑电帽上标记为“参考”和“接地”电极的凝胶接触状况，以确保阻抗测量准确。
      1. 通过脑电记录软件（e.g. 本研究中使用的SCAN 4.5）提供的电极阻抗界面观察电极阻抗。界面上电极以不同颜色显示，不同颜色代表不同的阻抗水平。
    5. 将一个HEOG电极置于一只眼睛的外眦（正极），另一个电极置于另一只眼睛的外眦（负极）；一个VEOG电极置于左眼上方，另一个置于左眼下方；双极EKG电极置于左右手背；双极EMG电极置于右手拇指与食指之间区域；六个面部电极置于眉部和脸颊周围区域。
    6. 在笔记本中记录阻抗高于5 kΩ的坏通道，或直接保存显示所有电极阻抗的屏幕图像，以便在脑电数据处理阶段作为参考，剔除坏通道。
    7. 指导受试者闭眼12分钟，记录静息态脑电图。在此期间，双重检查脑电记录软件界面上显示的实时脑电波形质量。
      注意：与睁眼状态相比，闭眼状态下枕区通道应出现清晰的α波。如果α波噪声过大（忽略已知坏通道）或波形畸变，返回步骤2.2.4，调整凝胶接触。
    8. 在不同受试者中以交叉平衡顺序开始两项实验任务。通过点击脑电记录软件界面上的记录图标开始记录脑电图。
      1. 受试者阅读屏幕上显示的任务说明后，先完成5次熟悉性试次，随后进行30次正式任务试次。照片任务和线绘任务均采用相同流程。在任务说明中，鼓励受试者尽快对人脸刺激的情绪性进行评分。
      2. 重要提示：检查在步骤1.3.2和1.4.2中准备的程序，确保在情绪性评估过程中，中央眼动固定起始、人脸刺激呈现以及按下“GO”按钮等事件能正确地时间锁定发送至记录软件。这些起始时间以数字编码形式表示，可在记录软件界面上查看。
        注意：受试者可在两项任务之间休息。休息期间不进行脑电记录。
    9. 使用三维定位仪（e.g. 本研究中使用的Polhemus FASTRAK 3D定位仪）记录电极的三维位置，并将其保存为文件（e.g. .3dd或.dat文件），用于在数据分析中对不同受试者的脑电帽进行共配准。
    10. 脑电实验结束后，让受试者填写一份包含35个问题的问卷，内容涉及其在实验过程中的行为与感受（e.g. 是否产生负面情绪、是否几乎入睡），并向其支付参与实验的报酬。
    11. 引导受试者前往洗手间清洗并吹干头发。
    12. 根据临床操作说明清洁并消毒脑电帽。

3. 脑电图数据处理

注意：本节提供的软件命令专用于 EEGLAB。

  1. 使用 pop_eegfilt.m 函数，通过 1 Hz 高通滤波器和 50 Hz 低通滤波器对 EEG 信号进行滤波32.
    注意：对于电网频率为 50 Hz 的一些国家，使用 40 Hz 的低通滤波器
  2. 丢弃在步骤2.2.6中记录的电极阻抗高于5 kΩ的不良通道。通过目视检查功率谱特征，将功率谱与邻近通道差异显著的不良通道予以剔除（例如，每个通道中的最大值、曲率等。
    1. 调用 pop_spectopo.m 函数计算并绘制 EEG 信号的功率谱32.
  3. 调用 pop_reref.m 函数，使用不含坏通道的脑电通道均值对 EEG 信号进行重参考。
  4. 将脑电图（EEG）数据按刺激锁定的时间段分割为若干片段，每一片段涵盖刺激开始前 -2.0 秒至刺激开始后 1.5 秒的时间范围。通过从每个片段中减去基线期（刺激开始前 -2.0 至 -1.2 秒）的平均值，对基线进行校正。
    1. 分别调用 pop_epoch.m 和 pop_rmbase.m 函数。选择中央眼注视期之前及面部刺激呈现之前的基线时间段。
  5. 标记出明显含有伪迹的不良片段。丢弃这些不良片段，但保留受眨眼干扰的片段。含有伪迹的片段通常看起来噪声较大，或具有极高的峰值例如 高于 100 µV与典型的时段相比。
    1. 调用 pop_rejmenu.m 函数以启动半自动处理程序。将弹出一个交互窗口，供用户通过视觉检查重新确认由系统自动选出的不良时段。尽管大多数时段受到眼 blink 污染，但这些时段可暂时保留，以便后续通过独立成分分析（ICA）进行剔除33 在步骤3.8中
  6. 丢弃不良通道和不良片段后，使用 pop_runica.m 函数对修剪后的 EEG 数据进行独立成分分析（ICA）。
  7. 在估计的独立成分（ICs）中，识别由眼动/眨眼、肌肉活动、心跳和电源线噪声引起的伪迹32.
    注意：存在显著的高度相关性（R2 >0.9）表明该成分主要由伪迹贡献。可通过多元回归分析清除伪迹所解释的估计IC分数。
  8. 移除伪迹独立成分（ICs），并通过ICA混合矩阵与去除伪迹后的独立成分得分矩阵相乘，估算得到干净的脑电图（EEGs）。保存干净的EEGs以供进一步分析。
    1. 保留预测伪迹独立成分的残差（R2 >从IC评分矩阵中的参考VEOG、HEOG、EKG和面部通道中移除0.9的伪迹独立成分（ICs），并使用pop_subcomp.m函数移除其他伪迹IC。该函数返回去除伪迹后的EEG数据。

4. 统计学分析

  1. 将脑电图通道划分为十一个同质区域，以减少事件相关电位（ERP）和事件相关同步/去同步（ERSP）分析中的统计比较次数，即左前额区（10个通道）、中线前额区（14个通道）和右前额区（10个通道）；左颞区（13个通道）和右颞区（13个通道）；左中央区（9个通道）、中线中央区（14个通道）和右中央区（9个通道）；左顶枕区（9个通道）、中线顶枕区（12个通道）和右顶枕区（9个通道），如图4所示。这些区域的划分依据是大脑皮层的功能解剖结构34。这些区域内脑电信号的功能同质性已在不同实验中得到验证13,35,36。

感觉脑区示意图，彩色编码图示体感映射。
图4. 通道分区。 通道被划分为11个区域：LF：左额区（10个通道），MF：中线额区（14个），RF：右额区（10个），LT：左颞区（13个），RT：右颞区（13个），LC：左中央区（9个），MC：中线中央区（14个），RC：右中央区（9个），LP：左顶枕区（9个），MP：中线顶枕区（12个），RP：右顶枕区（9个）。请点击此处查看该图的放大版本。

  1. 在步骤3.8中载入清洗后的EEG数据。通过在每个通道内对各时段信号进行平均计算通道ERP，并通过对同一区域内的ERP进行平均计算区域ERP。
    注意：当使用 EEGLAB 中的 pop_loadset.m 函数加载脑电图（EEG）数据时，信号将以通道-时间-片段的数组形式存储在结构体变量 "EEG.data" 中。
    1. 在 Matlab 命令窗口中，通过在每个通道的所有时间段上对 EEG.data 取平均值来计算通道 ERP（事件相关电位）例如，channelERP = mean(EEG.dat,3)）。根据4.1节中的分区，对每个区域内的通道ERP进行平均，以计算区域ERP（例如，区域ERP = mean(通道ERP(索引,:),1)，其中“索引”代表给定区域内的通道索引。
  2. 通过应用时频变换来计算通道ERPs例如 小波变换）对每个通道的信号进行分段处理，并通过平均同一区域内的通道ERSP来获得区域ERSP。
    1. 通过调用 pop_newtimef.m 函数执行时频变换。
      注意：本研究中，“小波周期”（wavelet cycles）参数设置为 [1, 0.5]，“基线”（baseline）设置为 [-2,000 至 -1,200] 毫秒。生成的通道事件相关谱功率（ERSP）将存储于一个按频率-时间-通道排列的数组中。
    2. 在 Matlab 命令窗口中，根据 4.1 节的分区，通过计算每个区域内各通道 ERSP 的平均值来获得区域 ERSP例如，区域ERSP = mean(channelERSP(:,:,index),3)，其中“channelERSP”为pop_newtimef.m函数的输出结果，“index”表示给定区域内的通道索引。
  3. 计算不同时间间隔内的平均值（例如 50-150、150-250、250-350、350-450 毫秒）用于区域事件相关电位（ERPs）。计算不同时间-频率区间内的平均值例如 50-150、150-250、250-350、350-450、450-800 毫秒（1-7 Hz）以及 200-800 毫秒（8-30 Hz）用于区域事件相关同步电位（ERSP）。
  4. 在统计软件中应用多变量方差分析（MANOVA）例如 使用 IBM SPSS 对区域事件相关电位（ERPs）和事件相关同步/去同步电位（ERSPs）的平均值进行方差分析，以评估任务（照片 vs. 线条画）、脑区（11 个头皮区域）和组别（AS 组 vs. 对照组）的主效应，以及任务、脑区和组别之间的交互效应。
    1. 在统计分析中，将性别（男性 vs. 女性）作为协变量，并在保持性别效应恒定的情况下估计主效应和交互效应。

结果

对照组和AS组的平均言语智商和操作智商分数列于表1中，同时列出的还有两组对面孔情绪性的平均反应时间和平均评分。表中显示，除线描任务中对中性面孔的评分外，其余各组间差异均未达到统计学显著性，而AS组在该任务中对中性面孔的平均评分接近零（p <0.001）13。有趣的是，即使在性别、智商和面孔刺激材料得到实验控制的情况下，AS组在回应愤怒和快乐面孔时的反应时间仍略长于对照组，而在回应中性面孔时反应时间较短。研究发现，阿斯伯格综合征患者在杏仁核及其相关的边缘系统结构上存在功能损害37-39，而这些脑区通常参与除中性情绪外其他情绪记忆的处理40,41。这些与无意识过程相关的边缘系统结构可能在解释AS患者的行为反应中起着重要作用。

韦氏成人智力量表、反应时间及对照组与阿斯伯格组的情绪性评分。
表 1. 韦氏成人智力量表-III 得分、反应时间以及在照片和线绘任务中对面部刺激材料所评定的平均情绪性评分的行为学数据。 本表格改编自 Tseng et al.13 中的表 1

如图5所示，在对照组中，N400成分在照片和线绘任务中的额区、颞区以及枕顶区均表现明显，但该成分在线绘任务中的振幅较小。在AS组中，N400成分在照片任务中仅在中线额区可见，其他区域不可见，而在线绘任务中所有额区均可见。在刺激呈现后350–450毫秒时间窗内，任务与组别的交互作用显著（p = 0.019）。两组在照片任务中的早期感知阶段也表现出显著差异42，而在线绘任务中的事件相关电位（ERP）模式相似；即在刺激呈现后50–150毫秒时间窗内，任务与组别的交互作用亦显著（p = 0.035）。在250–550毫秒时间窗内，照片和线绘面孔在颞区和枕顶区引起的ERP差异最大。

脑电波形比较，右侧脑区；图表显示时间和空间分析结果。
图 5. 事件相关电位（ERP）图谱。 在对照组（蓝色）和孤独症谱系障碍（AS）组（红色）中，右侧额区、右侧颞区和右侧顶枕区在（A）照片任务和（B）线条画任务中的ERP图谱。每个图谱左上方显示脑电通道的位置。纵轴表示事件相关电位电压（µV），横轴表示时间（毫秒）。本图改编自Tseng 等13的图 2。请点击此处查看此图的放大版本。

如图6和图7所示，在对照组中，两种任务下刺激呈现后50-800毫秒时间窗内的delta/theta同步效应均较为显著。在早期50-350毫秒时间窗内，顶枕区表现出最强的同步性，其次为中央区和颞区，最后为额区；而在350毫秒之后，各脑区之间的差异逐渐消失。在200-800毫秒时间窗内，顶枕区也表现出最强的alpha/beta去同步化。总体而言，与线描图相比，照片在delta/theta同步化方面具有叠加效应，但线描图诱发的alpha/beta去同步化更强。在AS组中，线描图任务引起的delta/theta同步化程度与对照组更为接近，而照片面孔未表现出明显的叠加效应。多因素方差分析（MANOVA）显示，任务与分组的交互效应在刺激呈现后50-150毫秒、250-350毫秒和350-450毫秒时间窗内均具有统计学意义（p = 0.043、0.003 和 0.015，分别对应）。分组主效应在150-250毫秒、250-350毫秒和350-450毫秒时间窗内也具有统计学意义（p = 0.033、0.011 和 0.022，分别对应）。与头皮其他区域相比，AS组在150-250毫秒时间窗内顶枕区的delta/theta同步化更强，在350-450毫秒时间窗内中线区域的同步化也更强。在两种任务中，AS组的alpha/beta去同步化程度与对照组相似（甚至略强），但两种任务之间的差异在AS组中趋于减小。在高频振荡方面，分组主效应及任务与分组的交互效应均无统计学意义。

脑电图脑波热图，比较不同区域的活动模式：右额叶、颞叶、枕叶。
图6. 照片任务中的ERSP图谱。 照片任务中（A）对照组和（B）AS组的ERSP图谱。红色表示功率增加（同步化），蓝色表示功率降低（去同步化），相对于基线水平。本图改编自Tseng et al.13 的图3。请点击此处查看此图的放大版本。

大脑活动热图，额叶、颞叶、枕叶区域比较；数据分析可视化。
图7. 线条绘图任务中的ERSP图谱。 线条绘图任务中（A）对照组和（B）AS组的ERSP图谱。本图改编自Tseng et al.13 的图3。请点击此处查看此图的放大版本。

ERP结果表明，在照片任务中，两组在情绪面孔的早期感知（50-150毫秒）和后期语义识别（350-450毫秒）方面存在组间差异。与对照组相比，AS组在照片任务中的P1波幅较小，而在线条图任务中的P1波幅略大。两任务间P1波幅的差异可能反映了AS患者在照片和线条图感知方面的独特性43。N400已被证明受到面孔情绪内容、熟悉度以及整体/局部特征的显著影响44。在本研究中，对照组在照片任务中额叶和颞叶区域的N400（350-450毫秒）非常明显，而AS组则几乎不可见。在面部情绪识别中，N400可被解释为在面孔与其语义解释（如愤怒、中性、高兴）之间建立联系的过程。对照组在350-450毫秒时间窗内两个任务之间的ERP差异与其他研究者的发现一致。杏仁核对完整的恐惧面孔或仅包含LSF信息的恐惧面孔表现出更强的激活3,45。由于线条图中大部分LSF信息已被去除，对照组的这些发现表明，与照片任务相比，N400在枕顶区明显减小，在颞叶区域几乎不可见。

由于线条图的信息加工对杏仁核中的无意识功能依赖较小，AS 患者在情绪面孔识别的后期阶段（350–450 毫秒）表现出与健康对照组更为相似的事件相关电位（ERP）模式。有趣的是，AS 组在照片任务中即使没有明显的 N400 成分，仍能正确完成情绪性评估任务。可以合理假设，通过杏仁核及其相关边缘结构的信息加工在触发 N400 波幅中起着关键作用，这可能影响 AS 患者的信息加工效率，但对其反应准确性并无影响。

已有研究表明，情绪面孔识别会引发 delta/theta 节律在早期和晚期的振荡变化8，这些振荡被认为与刺激评估过程中皮层-边缘投射相关的脑活动有关46-48。Delta/theta 同步化更多地与无意识的面孔识别相关，而非有意识的识别过程46。ERSP 结果进一步表明，AS 组在情绪面孔识别的早期和晚期阶段，其 delta/theta 节律的同步化程度显著较弱。可以合理推测，delta/theta 同步化减弱反映了 AS 患者在情绪表情的无意识加工方面存在障碍，以及边缘系统-皮层投射功能的异常。在两种任务中，AS 组于刺激呈现后 350–450 毫秒时间窗内，中线额区、中线中央区以及中线枕顶区的 delta/theta 同步化相对于其他头皮区域略为增强。这些中线区域与情绪意义的有意识表征相关的皮层结构密切相关18。

由于认知或意识通路仍然由丘脑等边缘结构介导，我们可以假设，在对照片和线绘图作出反应时，AS 组更多地依赖意识通路而非无意识通路。在对照组中，delta/theta 功率在照片任务中与刺激呈现时间锁定，在顶枕区域达到最强，并在后期阶段在额叶区域增强。在线绘图任务中，delta/theta 功率的空间分布更接近 AS 组。我们假设，对照组在照片任务中同时激活了意识和无意识通路，而在线绘图任务中则主要依赖意识通路。

在比较两种任务的事件相关同步/去同步电位（ERSP）时，对照组还提示，在刺激呈现后250-450毫秒的时间区间内，低空间频率（LSF）内容对delta/theta波段的同步具有叠加效应，该效应独立于脑区以及由面部情绪所诱发的机制。面部中的低空间频率信息似乎持续占用信息处理通路的资源，但这种负荷可能通过主动关注面部细节而被轻易绕过，自闭症谱系障碍（AS）患者在照片任务中能够成功识别面部情绪即支持了这一观点。强烈的alpha和beta振荡已被视为与注意、语义长时记忆及刺激认知评估相关的神经皮层功能过程的指标49,50。在面部识别任务中，alpha/beta去同步化反映了对视觉刺激的主动注意水平，并与对面部情绪的认知评估相关15,18,51。本研究中，除顶枕区与其他脑区之间的区域差异外，未发现支持任务效应或组间效应存在于高频振荡（alpha和beta）的证据。Alpha去同步化反映了在复杂任务中注意力的投入以及抑制过程的解除52，而beta振荡在情绪相关任务中较少被观察到53,54。AS组在两种任务中的beta去同步化普遍强于对照组，但组间差异无统计学意义。ERSP结果表明，与对照组相比，AS组的delta/theta波段功率明显更弱，而alpha/beta波段功率则略强。我们推测，AS患者可能通过对面部关键细节的认知性评估来引导注意力，以此补偿其感觉和情感处理方面的缺陷。

总之，健康对照组在识别面部情绪时会引发意识性和无意识性两种加工过程9,18,51。在两项任务之间的反应时间差异上，对照组的差异通常大于AS组。我们假设，健康对照组在对线条图做出反应时更多地依赖意识性加工，而在对照片做出反应时则同时动用意识性和无意识性两种加工过程；而AS患者在对这两类面部刺激做出反应时仅依赖意识性加工过程。

补充代码文件： 示例程序。 请点击此处下载该文件。

讨论

文献中已有研究通过分析脑电图（EEG）反应来探讨自闭症患者对面部情绪的识别能力44，以及利用视觉刺激研究对高空间频率和低空间频率内容的识别43。然而，据我们所知，目前尚缺乏将情绪识别与不同空间频率信息相结合的脑部振荡活动的相关研究。本实验方案首次尝试评估情绪性（正性、中性和负性面部表情）和空间频率信息（照片与线描图）对阿斯伯格综合征（AS）患者与健康对照组在情绪识别方面影响的差异。我们对EEG反应在空间、时间和频率域的分析，有助于在一定程度上分离情感与认知功能，从而增进对AS障碍的科学理解。本研究中的实验方案旨在尽量减少与情绪识别无关的因素干扰；具体而言，通过精心设计的预实验研究，使两组参与者在反应时间和对面部情绪性的评分上尽可能接近。在预实验和EEG实验中，参与者在智商（IQ）和性别方面也进行了匹配。尽管以往关于AS的EEG研究主要关注P1和N170成分55，但本研究的实验方案进一步揭示了AS组与对照组在N400成分上存在显著差异，具有重要贡献。

埃克曼情绪面孔在健康对照组中引发的低频振荡强于其他数据库中的面孔例如，一些经过良好验证的中国台湾人的情绪面孔图片）。在正式进行脑电图（EEG）实验之前，强烈建议先开展预实验，以验证所使用的表情刺激在患者和健康对照组中的有效性。强直性脊柱炎（AS）患者在利用眼部区域的高空间频率（HSF）信息方面存在困难56因此，所选的Ekman面部刺激材料包含可通过暴露/隐藏牙齿或皱眉/舒展眉毛来识别的情绪表情。针对其他类型患者的研究在替换本方案中使用的刺激材料时，可考虑其他面部特征。评分系统的设计必须有助于患者完成情绪性评估任务，这可通过访谈预试验中招募的患者来实现；即，除中心点和端点外无任何刻度标记的有序连续量表，是根据预试验患者反馈设计的。评分系统的端点标签可以修改，例如“友好”与“敌对”，但必须选择能够特别在对照组中最大化情绪反应的标签。

文献表明，AS 患者存在杏仁核及其相关边缘结构的功能损害37-39，这些脑区参与情绪相关信息的记忆与提取过程，但中性情绪除外40,41。此外，杏仁核对照片面部中的低空间频率（LSF）信息具有敏感性3。本方案中的两项任务基于AS成年患者缺陷的现有研究结果设计，刺激材料和评分系统也针对该患者群体进行了专门设计。该方案可稍作修改（如调整面部刺激材料和评分系统）后应用于其他具有类似功能损害的成年患者，例如自闭症谱系障碍57患者。

需要注意的是，该方案不适用于7岁以下儿童的临床诊断，因为这些儿童对行为的意识（或自主）控制能力可能尚未完全发育26。此外，对于因脑损伤、肿瘤或其他脑血流动力学异常而伴有精神共病的患者，该技术无法获得明确的诊断结果。多项研究发现，女性在月经周期中，攻击性行为与激素水平变化之间存在关联58,59。众所周知，乙醇或麻醉类药物的使用会改变情绪反应60。此类变化可能导致健康对照者和攻击性障碍（AS）患者对情绪刺激的脑电图（EEG）反应出现波动。因此，不建议在女性月经期间或患有经前综合征时，以及在患者处于酒精或药物中毒状态下应用该方案。针对情绪的意识与无意识通路的神经影像学研究，可通过调节情绪面孔刺激材料的粗糙程度和中性化程度，将该方案应用于人口统计学匹配的健康对照者和攻击性障碍（AS）患者。

AS 患者属于特质焦虑相对较高的群体13,36，其眨眼及运动伪迹可能较为严重。因此，在处理任何科学或临床问题之前，最好由经验丰富的数据处理人员结合高效的算法来去除脑电图（EEG）伪迹。该实验方案旨在推进对大脑中情绪意识与无意识表征的研究。本方案已通过在脑电图实验中招募智商和性别匹配的对照组及 AS 患者进行了验证。反应时和应答准确率可作为心理与行为诊断的补充指标。该技术不依赖于受试者在实验过程中的主观情绪状态，因而可用于追踪患者在接受心理或药物治疗期间及之后的状态动态变化。该技术也可应用于其他类型的情感障碍患者，例如焦虑症、抑郁症、倦怠综合征以及创伤后应激障碍中的情绪异常。鼓励对该方案进行进一步修改，以适用于其他社交与情感障碍群体。通过精心设计的预试验，并对对照组和患者进行访谈，将有助于验证修改后版本的方案。

披露

作者无任何利益冲突需要披露。

致谢

本研究得到了M. Liou获得的MOST102-2410-H-001-044和MOST103-2410-H-001-058-MY2资助，以及A.N. Savostyanov获得的RSF-14-15-00202资助。俄罗斯科学基金会（RSF）的支持用于完善人脸识别实验范式。

材料

本文使用的材料清单
姓名公司目录编号评论
Synamps 2/RT 128通道脑电图/诱发电位/事件相关电位系统Neuroscan
Quik-CapEEG 128导电极帽Neuroscan
导电膏Quik-Gel
FASTRAK 3D 数字化仪Polhemus 

参考文献

  1. Tamietto, M., De Gelder, B. Neural bases of the non-conscious perception of emotional signals. Nat Rev Neurosci. 11, 697-709 (2010).
  2. Harms, M. B., Martin, A., Wallace, G. L. Facial Emotion Recognition in Autism Spectrum Disorders: A Review of Behavioral and Neuroimaging Studies. Neuropsychol Rev. 20, 290-322 (2010).
  3. Vuilleumier, P., Armony, J. L., Driver, J., Dolan, R. J. Distinct spatial frequency sensitivities for processing faces and emotional expressions. Nat Neurosci. 6, 624-631 (2003).
  4. Phan, K. L., Wager, T., Taylor, S. F., Liberzon, I. Functional neuroanatomy of emotion: A meta-analysis of emotion activation studies in PET and fMRI. Neuroimage. 16, 331-348 (2002).
  5. Kano, M., et al. Specific brain processing of facial expressions in people with alexithymia: an (H2O)-O-15-PET study. Brain. 126, 1474-1484 (2003).
  6. Williams, L. M., et al. Fronto-limbic and autonomic disjunctions to negative emotion distinguish schizophrenia subtypes. Psychiat Res-Neuroim. 155, 29-44 (2007).
  7. Goffaux, V., et al. From coarse to fine? Spatial and temporal dynamics of cortical face processing. Cereb Cortex. , (2010).
  8. Balconi, M., Lucchiari, C. EEG correlates (event-related desynchronization) of emotional face elaboration: A temporal analysis. Neurosci Lett. 392, 118-123 (2006).
  9. Balconi, M., Lucchiari, C. Consciousness and emotional facial expression recognition - Subliminal/Supraliminal stimulation effect on n200 and p300 ERPs. J Psychophysiol. 21, 100-108 (2007).
  10. Balconi, M., Pozzoli, U. Face-selective processing and the effect of pleasant and unpleasant emotional expressions on ERP correlates. Int J Psychophysiol. 49, 67-74 (2003).
  11. Balconi, M., Pozzoli, U. Event-related oscillations (EROs) and event-related potentials (ERPs) comparison in facial expression recognition. J Neuropsychol. 1, 283-294 (2007).
  12. Balconi, M., Pozzoli, U. Arousal effect on emotional face comprehension Frequency band changes in different time intervals. Physiol Behav. 97, 455-462 (2009).
  13. Tseng, Y. L., Yang, H. H., Savostyanov, A. N., Chien, V. S., Liou, M. Voluntary attention in Asperger's syndrome: Brain electrical oscillation and phase-synchronization during facial emotion recognition. Res Autism Spectr Disord. 13, 32-51 (2015).
  14. Goffaux, V., Rossion, B. Faces are" spatial"--holistic face perception is supported by low spatial frequencies. J Exp Psychol Hum Percept Perform. 32, 1023(2006).
  15. Knyazev, G. G., Bocharov, A. V., Levin, E. A., Savostyanov, A. N., Slobodskoj-Plusnin, J. Y. Anxiety and oscillatory responses to emotional facial expressions. Brain Res. 1227, 174-188 (2008).
  16. Adolphs, R. Recognizing emotion from facial expressions: psychological and neurological mechanisms. Behav Cogn Neurosci Rev. 1, 21-62 (2002).
  17. Acar, Z. A., Makeig, S. Neuroelectromagnetic Forward Head Modeling Toolbox. J Neurosci Methods. 190, 258-270 (2010).
  18. Balconi, M. Neuropsychology of facial expressions. The role of consciousness in processing emotional faces. Neuropsychol Trends. 11, 19-40 (2012).
  19. Gross, T. F. The perception of four basic emotions in human and nonhuman faces by children with autism and other developmental disabilities. J Abnorm Child Psychol. 32, 469-480 (2004).
  20. Behrmann, M., Thomas, C., Humphreys, K. Seeing it differently: visual processing in autism. Trends in cognitive sciences. 10, 258-264 (2006).
  21. Holroyd, S., Baron-Cohen, S. Brief report: How far can people with autism go in developing a theory of mind? J Autism Dev Disord. 23, 379-385 (1993).
  22. Duverger, H., Da Fonseca, D., Bailly, D., Deruelle, C. Theory of mind in Asperger syndrome. Encephale. 33, 592-597 (2007).
  23. Wallace, S., Sebastian, C., Pellicano, E., Parr, J., Bailey, A. Face processing abilities in relatives of individuals with ASD. Autism Res. 3, 345-349 (2010).
  24. Weigelt, S., Koldewyn, K., Kanwisher, N. Face identity recognition in autism spectrum disorders: a review of behavioral studies. Neurosci Biobehav Rev. 36, 1060-1084 (2012).
  25. Wilson, C., Brock, J., Palermo, R. Attention to social stimuli and facial identity recognition skills in autism spectrum disorder. J Intellect Disabil Res. 54, 1104-1115 (2010).
  26. American_Psychiatric_Association. The Diagnostic and Statistical Manual of Mental Disorders: DSM 5. , bookpointUS. (2013).
  27. Dahlgee, S., Gilberg, C. Symptoms in the First two years of Life. A Priliminary. Population Study of Infantile Autism European archives of Psychiatry and Neurology. Sciences. , (1989).
  28. Basar-Eroglu, C., Kolev, V., Ritter, B., Aksu, F., Basar, E. EEG, auditory evoked potentials and evoked rhythmicities in three-year-old children. Int J Neurosci. 75, 239-255 (1994).
  29. Ekman, P., Friesen, W. V. Pictures of Facial Affect. , Consulting Psychologist Press. (1976).
  30. Gillberg, C. Autism and Asperger's Syndrome. , Cambridge University Press. 122-146 (1991).
  31. Chiang, S. K., Tam, W. C., Pan, N. C., Chang, C. C., Chen, Y. C., Pyng, L. Y., Lin, C. Y. The appropriateness of Blyler's and four subtests of the short form of the Wechsler Adult Intelligence Scale-III for chronic schizophrenia. Taiwanese J Psychiatr. 21, 26-36 (2007).
  32. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134, 9-21 (2004).
  33. Makeig, S., Bell, A. J., Jung, T. P., Sejnowski, T. J. Independent component analysis of electroencephalographic data. Adv Neural Inf Process Syst. 8, 145-151 (1996).
  34. Başar, E. Brain Function and Oscillations: Volume I: Brain Oscillations. Principles and Approaches. , Springer Science & Business Media. (2012).
  35. Tsai, A. C., et al. Recognizing syntactic errors in Chinese and English sentences: Brain electrical activity in Asperger's syndrome. Res Autism Spectr Disord. 7, 889-905 (2013).
  36. Savostyanov, A. N., et al. EEG-correlates of trait anxiety in the stop-signal paradigm. Neurosci Lett. 449, 112-116 (2009).
  37. Ashwin, C., Baron-Cohen, S., Wheelwright, S., O'Riordan, M., Bullmore, E. T. Differential activation of the amygdala and the 'social brain' during fearful face-processing in Asperger Syndrome. Neuropsychologia. 45, 2-14 (2007).
  38. Kevin, K. Y., Cheung, C., Chua, S. E., McAlonan, G. M. Can Asperger syndrome be distinguished from autism? An anatomic likelihood meta-analysis of MRI studies. J Psychiatry Neurosci. 36, 412(2011).
  39. Piggot, J., et al. Emotional attribution in high-functioning individuals with autistic spectrum disorder: A functional imaging study. J Am Acad Child Adolesc Psychiatry. 43, 473-480 (2004).
  40. Ilyutchenok, R. Y. Emotions and conditioning mechanisms. Integr Physiol Behav Sci. 16, 194-203 (1981).
  41. Kleinhans, N. M., et al. fMRI evidence of neural abnormalities in the subcortical face processing system in ASD. Neuroimage. 54, 697-704 (2011).
  42. Toivonen, M., Rama, P. N400 during recognition of voice identity and vocal affect. Neuroreport. 20, 1245-1249 (2009).
  43. Deruelle, C., Rondan, C., Gepner, B., Tardif, C. Spatial frequency and face processing in children with autism and Asperger syndrome. J Autism Dev Disord. 34, 199-210 (2004).
  44. Bentin, S., Deouell, L. Y. Structural encoding and identification in face processing: ERP evidence for separate mechanisms. Cogn Neuropsychol. 17, 35-55 (2000).
  45. Vuilleumier, P., Pourtois, G. Distributed and interactive brain mechanisms during emotion face perception: evidence from functional neuroimaging. Neuropsychologia. 45, 174-194 (2007).
  46. Basar, E., Guntekin, B., Oniz, A. Principles of oscillatory brain dynamics and a treatise of recognition of faces and facial expressions. Prog Brain Res. 159, 43-62 (2006).
  47. Basar, E., Schmiedt-Fehr, C., Oniz, A., Basar-Eroglu, C. Brain oscillations evoked by the face of a loved person. Brain Res. 1214, 105-115 (2008).
  48. Başar, E. Brain Function and Oscillations: Volume II: Integrative Brain Function. Neurophysiology and Cognitive Processes. , Springer Science & Business Media. (2012).
  49. Anokhin, A., Vogel, F. EEG alpha rhythm frequency and intelligence in normal adults. Intelligence. 23, 1-14 (1996).
  50. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Rev. 29, 169-195 (1999).
  51. Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V. Event-Related Delta and Theta Synchronization during Explicit and Implicit Emotion Processing. Neuroscience. 164, 1588-1600 (2009).
  52. Klimesch, W., Sauseng, P., Hanslmayr, S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res Rev. 53, 63-88 (2007).
  53. Knyazev, G. G., Slobodskoj-Plusnin, J. Y. Behavioural approach system as a moderator of emotional arousal elicited by reward and punishment cues. Pers Individ Dif. 42, 49-59 (2007).
  54. Balconi, M., Brambilla, E., Falbo, L. Appetitive vs. defensive responses to emotional cues. Autonomic measures and brain oscillation modulation. Brain Res. 1296, 72-74 (2009).
  55. Dakin, S., Frith, U. Vagaries of visual perception in autism. Neuron. 48, 497-507 (2005).
  56. Curby, K. M., Schyns, P. G., Gosselin, F., Gauthier, I. Face-selective fusiform activation in Asperger's Syndrome: A matter of tuning to the right (spatial) frequency. Poster presented at Cogn Neurosci, New York, , (2003).
  57. American_Psychiatric_Association. Diagnostic and statistical manual of mental disorders. , (1994).
  58. Dougherty, D. M., Bjork, J. M., Moeller, F. G., Swann, A. C. The influence of menstrual-cycle phase on the relationship between testosterone and aggression. Physiol Behav. 62, 431-435 (1997).
  59. Van Goozen, S. H., Wiegant, V. M., Endert, E., Helmond, F. A., Van de Poll, N. E. Psychoendocrinological assessment of the menstrual cycle: the relationship between hormones, sexuality, and mood. Arch Sex Behav. 26, 359-382 (1997).
  60. Winward, J. L., Bekman, N. M., Hanson, K. L., Lejuez, C. W., Brown, S. A. Changes in emotional reactivity and distress tolerance among heavy drinking adolescents during sustained abstinence. Alcohol Clin Exp Res. 38, 1761-1769 (2014).

重印与许可

标签

阿斯伯格综合征情绪面孔加工脑电实验意识与无意识表征N400成分杏仁核功能空间频率面部情绪识别线描任务照片任务
阿斯伯格综合征中情绪面孔的意识与无意识表征
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。