一项用于研究自闭症谱系障碍中词汇-语义和视觉-语义加工的语义启动事件相关电位（ERP）任务

摘要

本文描述了一种语义启动事件相关电位（ERP）任务，该任务使用模态内配对的图片和词语，以研究自闭症谱系障碍（ASD）个体的语义加工过程。

摘要

自闭症谱系障碍（ASD）个体在理解语言意义（即语义加工）方面存在典型缺陷。然而，一些证据表明，ASD个体对非语言刺激的语义加工能力是完整的，提示语义缺陷可能仅限于语言领域。为了准确刻画ASD个体的语义加工缺陷，有必要对同一感觉通道内的语言刺激（例如，书面词汇）和非语言刺激（例如，图片）进行比较。本文介绍了一种在同步记录脑电图（EEG）数据期间采用语义启动范式的实验方法。EEG能够动态测量大脑活动，非常适合检测在行为水平上难以观察到的语义加工细微差异。语义启动范式首先呈现一个启动图片或词语（例如，狗），随后呈现一个与启动项相关（例如，猫）或不相关（例如，铅笔）的目标图片或词语。因此，该范式可用于评估不同模态下的语义加工，并比较ASD个体与典型发育（TD）个体在词汇-语义和视觉-语义加工能力上的差异。本文详细讨论了刺激材料制作、EEG测试实施以及EEG数据处理的具体步骤。代表性结果展示了事件相关电位（ERP）中的N400成分在语义相关启动-目标配对条件下的波幅较语义不相关条件有所减小。通过对不同条件、不同模态及不同群体间的N400成分进行比较，可以评估语义加工的成功程度，从而用于刻画ASD个体或其他临床人群中的语义加工缺陷。

引言

认知心理学领域的研究人员长期以来一直关注人们如何理解语言的意义。语言加工涉及一系列复杂性逐步增加的步骤，从字母和单词识别，到语义加工，再到句法分析。语义加工指的是获取刺激材料的意义，这种刺激可以是词语、图片或声音。在完成最初的词语识别步骤之后，获取词语意义（即语义）是语言加工过程中的关键环节。语义整合是指将不同刺激的意义进行整合以理解它们之间关系的过程，对句子理解等高级语言加工至关重要。理解句子意义不仅需要获取句中每个词语的含义，还需要将各个词语的意义整合起来，形成对句子整体意义的连贯理解，即"要旨"。

自闭症谱系障碍（ASD）个体通常在语言理解方面存在显著缺陷¹。一些证据表明，这些困难源于语义加工和整合方面的缺陷^2,3,4。然而，其他研究提示，当材料以非语言形式（例如，视觉或听觉）呈现时，ASD个体并未表现出语义加工缺陷^3,5,6。这些发现表明，ASD中的语义加工缺陷可能仅限于语言形式（即，书面或口头语言）。因此，对比不同模态的研究方法有助于揭示语义加工缺陷是特定于语言领域的，还是反映了一种普遍存在的信息加工方式。本文旨在介绍一种在同步进行电生理记录的同时，利用语义启动任务比较不同模态下语义加工的方法学。

语义启动范式在研究语义加工如何影响低层次词汇识别方面具有悠久的历史^7,8。在传统的语义启动任务中，首先呈现一个启动词（例如，cat），随后呈现一个目标词，该目标词与启动词在语义上可能是相关的（例如，dog）或不相关的（例如，book）。此类任务通常在词汇判断任务的背景下进行，即要求参与者判断目标词是否为真实存在的词。其他范式可能要求参与者对目标词进行语义分类，或判断两个刺激之间是否存在关联。无论具体任务形式如何，数十年的研究证据一致表明，与启动词语义相关的目标词的反应时（RTs）比不相关的目标词更短。

这种"语义启动效应"在理论解释中被认为由多种机制引起^7,8。其一为语义网络中的自动扩散激活机制，即启动词意义的提取会激活其他语义相关词（包括目标词）的意义，从而减少目标词语义激活所需的时间。第二种理论机制是预期机制，认为当被试看到启动词时，会产生一组预期的可能目标词；若目标词属于该预期集合，则会被更快识别。此外，还有研究者提出了词汇后语义匹配机制，该机制用于判断启动词与目标词之间是否存在语义关联。无论具体机制如何，语义启动均可作为语义加工与整合的有效指标。该范式不仅限于词汇刺激，还可用于研究非语言刺激（如图片）的语义启动⁹，以及跨模态语义启动（例如，词语与图片之间）³。

语义启动效应在心理语言学文献中已被广泛研究，相关研究涉及启动词与目标词之间的关系类型、启动词和目标词呈现的时间安排，以及许多其他实验操控⁸。该效应的电生理相关指标也已得到充分表征¹⁰。脑电图（EEG）是一种通过记录头皮表面电活动变化来测量神经活动的方法。在语义启动范式中，EEG是一种理想的方法选择，因为它具有极佳的时间分辨率（毫秒级，ms），因此即使在缺乏行为效应或行为反应的情况下，也能揭示不同条件或组别之间语义加工的细微差异。

事件相关电位（ERPs）是指脑电图（EEG）在特定刺激或行为发生后出现的与时间锁定的变化。根据反应的时间和极性不同，ERP 的不同成分反映了认知加工的不同方面。N400 成分是语义加工和语义整合的可靠指标^11,12（尽管也存在其他多种解释^10,13）。当语义整合较为容易时（例如在语义启动范式中，启动词与目标词在语义上相关），N400 的波幅会减小；而当语义整合较为困难时（例如两个词语之间无语义关联），N400 波幅则较大。重要的是，相关与不相关条件之间的波幅差异（即 "N400 效应"）并不仅限于语言领域。N400 效应在非语言模态中同样可以观察到，例如对语义相关与不相关的图片对或环境声音的反应中^14,15,16,17。因此，N400 成分对于当前范式而言是一个有用的 ERP 指标，因为它可作为跨模态的语义加工与整合能力的评估手段。

自闭症谱系障碍（ASD）个体在面对语言刺激时表现出减弱或缺失的语义启动效应和N400效应^2,3,4，提示其语义加工能力存在障碍。此类效应在视觉-语义和听觉-语义刺激下均被观察到^3,5,6，支持了语义加工障碍在语言刺激中具有选择性的观点。然而，以往大多数比较不同感觉通道的研究采用了跨通道启动范式，即启动-目标刺激对中包含词汇刺激。鉴于ASD个体可能存在语言刺激语义加工缺陷，这类跨通道刺激可能影响实验结果。为了真正探究ASD个体的语言语义加工是否具有选择性损伤，必须采用通道内词汇与非词汇刺激对进行研究。在最近的一项研究中，Coderre et al.⁶首次直接比较了通道内词语与图片的语义启动效应，以考察ASD成人（年龄18–68岁）的语义加工缺陷。ASD个体与典型发育（TD）个体观看了成对的图片和词语，并被要求判断这些刺激是否相关。在此语义启动任务过程中，通过脑电图（EEG）记录被试的脑活动。通过比较不同组别和感觉通道之间的N400效应，该实验范式为理解ASD个体语义加工的本质提供了重要见解。

本文旨在介绍Coderre 等⁶所采用的语义启动事件相关电位（ERP）研究方法。尽管该范式最初用于研究自闭症谱系障碍（ASD）成人的语义加工，但它也可能对希望探索典型发育（TD）个体或特定临床人群词汇-语义和视觉-语义加工神经机制的研究者具有重要价值。

方案

本文所述所有方法均经约翰斯·霍普金斯大学机构审查委员会批准，原始研究⁶在该校开展。

1. 创建刺激材料

1. 创建一个具体名词的初始列表，用于生成原词-目标词配对。
   1. 从选定的语料库（如Subtlex）中¹⁹，选择约500个具体名词并获取感兴趣的变量（例如， 频率、长度、具体性、意象性 等等。每个词的）
      注意：其他语料库，例如医学研究理事会（MRC）心理语言学数据库¹⁸ 或美国当代英语语料库²⁰也可以使用Subtlex。原始研究中选用Subtlex是因为该数据库仅为一个大型Excel文件，因而便于在刺激材料生成过程中进行搜索。其他语料库具有不同的图形界面，可能需要用户在输入框中输入特定文本字符串，并勾选所需请求的相关变量。
2. 在刺激物之间进行潜在语义分析（LSA），以建立语义相关性
   1. 选择LSA方法或工具。科罗拉多大学博尔德分校提供了一个有用的在线工具（http://lsa.colorado.edu/）。
      1. 从主登录页面点击“矩阵比较”。
      2. 输入要比较的单个词语，每词之间用空行分隔。
      3. 点击提交文本。
   2. 使用电子表格，创建一个矩阵，表示每个词与所有其他词之间的LSA值。
3. 根据LSA将刺激分为相关和不相关条件图1A）。
   1. 手动选择200对LSA值较高（约0.5或以上）的词对，用于“相关”条件。
   2. 手动选择200对低LSA值（约0.1或更低）的词对，用于“不相关”条件。
      注意：实验者可能需要手动检查词对，以确保语义关系符合该类别。某些词对的LSA评分可能较高，但其语义相关性对参与者而言可能并不明显。同样，某些词对的LSA评分可能较低，但仍可能以其他方式存在语义关联。
   3. 在创建相关与不相关词对时，需手动匹配词汇在词频、长度以及文献中已指出的其他任何相关变量上的对应性。例如， 关联方向^7,8）或对特定研究具有意义的变量。应尽可能紧密匹配所关注变量的关键词例如， 在1-2个对数频率单位内；在1-2个字母或音节内。
4. 将刺激分为文字和图片两种模态（图1A）。
   1. 在电子表格的刺激文件中，添加另一列“条件”。
   2. 在“条件”列中，将100个相关配对和100个不相关配对标记为“图片”条件，其余刺激材料标记为“词语”条件。
5. 获取图片刺激材料。
   注意：图片刺激材料可从网络资源获取（例如， 谷歌图片搜索）或其他实验人员可获取的来源。
   1. 为每个词选择 2–3 张图片作为代表。
   2. 通过让一个或多个独立评分者进行初步的试点测试例如， 学生、未参与刺激材料开发的研究助理等人员决定哪张图片最能代表该概念。
      1. 使用图像浏览程序一次性打开所有可能的图片文件，然后朗读出单词，要求评分者选择最具代表性的图片。记录每位评分者对每个单词的选择结果。
      2. 对每个词，确定大多数评分者选择的最能代表该概念的图片，并将此图片作为该词的刺激材料。若无多数一致选择，则另选一组图片并重复步骤1.5。
   3. 使用 GIMP（或其他选定的图像编辑程序），将图片调整为相同尺寸（约 400 像素，或高度、宽度 3–5 英寸）。
      注意：图片的精确尺寸可能因呈现刺激的显示器尺寸不同而有所差异。刺激的水平和视觉角度应介于 7° 至 13° 之间。
6. 进行预实验
   1. 通过邀请3–4名独立评估者对词语与图片配对进行预试验例如， 学生或未参与刺激材料开发的研究助理对每一对进行相关或不相关的评分。
      1. 在 E-Prime（或其他选定的刺激呈现程序）中编写实验程序，将两个词语同时呈现在屏幕上，可上下排列或并排显示。要求参与者通过按键判断词语之间是否相关。例如， 1 表示相关，2 表示不相关）。参见 E-Prime 手册²¹ 有关如何在该软件包中编程实验的详细信息。
         注意：预实验可以在将要进行正式实验的实验室中进行，也可以在任何运行刺激呈现程序的计算机上进行。无需特殊房间。
      2. 重复进行预实验测试（使用未见过刺激材料的新独立评分者），直至获得一组对相关与不相关具有可靠评分的词语和图片。最终获得100对相关词语对、100对不相关词语对、100对相关图片对和100对不相关图片对。
         注意：有建议指出，使用N400成分研究临床人群认知功能的研究人员，应为每种试验类型收集至少40个可用试验，以获得可靠的效应²²预计在数据清洗过程中会丢失部分试验数据，因此应增加该范式中包含的试验次数。在先前使用此特定范式的研究中 ⁶每种试验类型进行100次试验已足以在个体和群体水平上确保稳定的N400效应。由于N400成分在词语和图片之间具有相似性¹⁰建议在不同模态之间保持该试验类型估计数量的一致性。
      3. 额外保留8对（4个单词，4张图片）用于练习环节（见下文步骤2.2.1）

2. 任务编程

1. 创建刺激列表。
   1. 从最终的刺激集中，将刺激分为8个组块。模态（图片/文字）应分组呈现（每种模态各4个组块）。
   2. 在每个组块内，确保相关和不相关刺激的数量相等。
   3. 在每个组块内手动进行伪随机化排列，使连续呈现的相关或不相关刺激不超过5个，且相邻的刺激对在语义上不相关。避免如“carrot-broccoli”、“apple-pear”等语义相关的词对连续出现。
2. 使用 E-Prime 或其他选定的刺激呈现软件编程任务。
   注意：此处描述的步骤专用于 E-Prime 和 NetStation，若使用其他刺激呈现软件或脑电图（EEG）采集软件，步骤将有所不同。有关如何在此软件包中编程 EEG 实验以及如何启用 E-Prime 与 NetStation 之间的通信，请参阅 E-Prime 手册²¹ 和 E-Prime for NetStation 扩展教程²³。
   1. 为图片和文字组块各编程一个练习阶段（每个阶段包含4对刺激），在正式实验开始前进行。
   2. 在练习阶段开始时编程一个指导语屏幕，内容为：“屏幕上将依次呈现两个词。请尽量保持静止，且在词呈现期间不要眨眼。在词对呈现结束后，您将看到一个黑色十字。当您看到黑色十字时，请判断这两个词是否相关。如果词是相关的，请按按钮1；如果不相关，请按按钮2。按任意键开始练习阶段。”
   3. 对于每个文字刺激，在实验结构中双击 TextDisplay 图标，点击左上角的“Properties”图标。在“Font”选项卡下，选择字体为 Courier New，字号为28；在“General”选项卡下，设置 ForeColor 为黑色，BackColor 为白色，以在白色背景上呈现黑色文字。
      注意：具体字号可能需要根据显示所用显示器的尺寸和分辨率进行调整。文字的水平视角应在1°至6°之间。
   4. 对于每个图片刺激，在实验结构中双击 Slide 图标，点击左上角的“Properties”图标。在“General”选项卡下，设置 BackColor 为白色，以在白色背景上呈现图片。
   5. 为每个试验编程，按以下顺序呈现刺激：红色的试次前注视十字（400 ms）；刺激1（1,000 ms）；刺激间间隔（空白白屏；300 ms）；刺激2（1,000 ms）；空白屏幕（400 ms）；试次间间隔（黑色注视十字；随机抖动在1,000–1,400 ms之间，以100 ms为间隔，平均1,200 ms）；参见图1B。设置持续时间时，在实验结构中双击 TextDisplay 或 Slide 图标，点击窗口左上角的 Properties 按钮，在 Duration/Input 选项卡下设置持续时间。
      注意：在试次间间隔前加入空白屏幕，是为了在第二个刺激与黑色十字之间提供视觉间隔，并为即将进行的语义相关性判断提供轻微提示。
   6. 在每个组块结束后编程一个名为“Break”的 TextDisplay 对象，显示“组块结束，请休息”。
3. 包含 E-Prime 与 NetStation 之间通信的参数。有关如何包含这些信息的具体说明，请参阅 E-Prime for NetStation 扩展手册²³。
   1. 对于每个“word1”或“word2”Text Display 对象，在实验结构中选中该对象。在“Properties”窗口中，分别将 Tag 设置为“WRD1”或“WRD2”。
   2. 对于每个“picture1”或“picture2”Slide 对象，分别将 Tag 设置为“PIC1”或“PIC2”。
   3. 在“Unreferenced E-Objects”下创建一个名为“CellList”的新列表。输入单元编号：1 = 图片相关；2 = 图片不相关；3 = 文字相关；4 = 文字不相关。在每个组块的试验列表中，添加一列名为“CellNumber”，并根据条件和模态为每个试验输入相应的单元编号。

3. 脑电图检测

注意：此处描述的具体操作步骤适用于 EGI 系统。若使用其他系统，操作步骤可能有所不同。

1. 准备进行脑电图（EEG）测试。
   1. 在透明塑料桶中将2茶匙（10 g）氯化钾与1夸脱（1 L）水和1汤匙（15 mL）婴儿洗发水混合，配制电解质溶液。
   2. 测量被试头部周长，测量线需经过枕外隆突（inion）和鼻根点（nasion），以确定合适的电极网尺寸。根据被试的头围选择合适尺寸的电极网。
   3. 将电极浸入电解质溶液中，确保所有海绵完全浸没，并浸泡至少5分钟。
2. 佩戴脑电图电极网。
   1. 让被试舒适地坐在椅子上，面朝实验者。向被试说明接下来将为其佩戴电极网，之后会进行调整并检查信号，然后才开始测试。
   2. 在被试肩部周围铺好毛巾。指导被试闭上眼睛，然后将电极网戴在被试头部。调整电极网并系紧绑带，确保其紧密贴合被试头部。
   3. 逐一调整所有电极，使其紧贴头皮。使用电极进行扫动以拨开头发。如有必要，使用移液器重新润湿海绵。
   4. 所有电极就位后，检查阻抗。对阻抗高于50千欧姆（kΩ）的电极重新调整位置或重新润湿。
3. 在脑电图记录期间运行语义启动实验。
   1. 电极网佩戴完毕、阻抗检查合格且被试准备就绪后，开始语义启动任务。
   2. 测试前再次向被试重申指导语。指示被试通过按键盘或按钮盒上的按钮，判断词语或图片刺激是否相关。为避免运动伪迹干扰脑电图信号，应指导被试在第二个刺激从屏幕上消失且黑色十字出现后，再进行反应。
   3. 至少进行一次练习环节，以确保被试理解任务要求。
   4. 每完成2个实验区组后的休息期间，重新润湿电极并重新检查阻抗。

4. 脑电图预处理

1. 打开 NetStation 工具。
   注意：此处描述的步骤专用于 NetStation 5 中的预处理。有关如何使用 NetStation 工具的更多详细信息，请参见 NetStation 5 用户手册²⁴。其他预处理软件包可能包括 EEGlab、ERPlab、FieldTrip 或实验者选择的其他软件。不同软件包中预处理步骤的推荐顺序可能有所不同。观察 N400 效应的结果不应因分析软件包的选择而产生差异。
2. 对数据进行滤波。
   1. 在 NetStation 工具窗口底部，通过在“创建”下拉菜单中选择“滤波”来创建一个新的滤波工具，并为其适当重命名。
   2. 将高通滤波器设置为 0.1 赫兹（Hz），低通滤波器设置为 50 Hz。
      注意：高通滤波器可低于 0.1 Hz，但不建议超过此截止值，以避免引入虚假效应的风险²⁵。低通滤波器也可低至 30 Hz。
   3. 保存该工具，然后将原始 EEG 记录文件拖入窗口左上角的“输入文件”框中，并点击“运行”。
3. 将数据分割为试验段。
   1. 创建一个新的“分段”工具，并为其适当命名。
   2. 在“要创建的类别”下，点击加号以创建一个新类别，并将其重命名为“图片相关”。将“代码”图标拖入“基于条件创建类别”框中，并设置为“代码为 PIC1”，以与刺激 1 的呈现时间锁定。将“键码”图标拖入“创建类别”框中，并设置为“键码 cel# 为 1”。
      1. 若仅包含正确试验，请将另一个“键码”图标拖入“创建类别”框中，并设置为“键码 eval 为 1”。
   3. 在窗口底部，将分段长度设置为“在之前扩展 100 毫秒，在之后扩展 2,300 毫秒”。
      注意：分段可与第一个或第二个刺激的起始时间锁定。若与第一个刺激锁定，则分段应从前 100 毫秒延伸至后 2,300 毫秒（以包含两个刺激的呈现时间（各 1,000 毫秒）以及刺激间间隔（ISI）时间（300 毫秒））。若与第二个刺激锁定，则分段应从前 100 毫秒延伸至后 1,000 毫秒。
   4. 点击“克隆”按钮复制该类别，并将其重命名为“图片无关”。将代码设置为 PIC1，键码 cel# 设置为 2。
   5. 克隆该类别并重命名为“词语相关”。将代码设置为 WRD1，键码 cel# 设置为 3。
   6. 克隆该类别并重命名为“词语无关”。将代码设置为 WRD1，键码 cel# 设置为 4。
   7. 保存该工具，然后将最近一次预处理后的文件拖入窗口左上角的“输入文件”框中，并点击“运行”。
4. 执行伪迹检测。
   1. 创建一个新的“伪迹检测”工具，并为其适当命名。
   2. 在“伪迹检测设置”下，点击窗口底部的加号以添加新设置。在“操作”下拉菜单中选择“坏通道”。保留所有默认设置（最大-最小值 > 200 微伏（µV）；整个分段；80 毫秒移动平均）。
   3. 添加新设置，并在“操作”下拉菜单中选择“眨眼”。保留所有默认设置（最大-最小值 > 140 µV；窗口大小 640 毫秒；80 毫秒移动平均）。
   4. 添加新设置，并在“操作”下拉菜单中选择“眼动”。保留所有默认设置（最大-最小值 > 55 µV；窗口大小 640 毫秒；80 毫秒移动平均）。
   5. 保存该工具，然后将最近一次预处理后的文件拖入窗口左上角的“输入文件”框中，并点击“运行”。
   6. 在 NetStation Review 中打开结果文件，并通过点击右侧边栏“类别”菜单下的箭头按钮逐个浏览每个试验。分别点击绿色或红色圆圈将试验标记为“好”或“坏”。完成后关闭文件以保存结果。
5. 执行坏通道替换。
   1. 创建一个新的“坏通道替换”工具，并为其适当命名。此工具无需用户设置任何参数，因此保存工具后，将最近一次预处理后的文件拖入窗口左上角的“输入文件”框中，并点击“运行”。
6. 对单个被试进行试次平均以合并试次。
   1. 创建一个新的“平均”工具，并为其适当命名。在“平均设置”下，选择“处理源文件：合并处理”和“处理被试：分别处理”。
   2. 保存该工具，然后将最近一次预处理后的文件拖入窗口左上角的“输入文件”框中，并点击“运行”。
7. 将数据重参考至平均参考²⁶。
   注意：此处使用平均参考是因为 EGI 提供高密度阵列 EEG（128 和 256 通道）。已有建议指出，高密度阵列记录系统应使用平均参考²⁶；其他使用 128 或 256 通道电极帽的语义启动 ERP 研究也采用了平均参考^6,27,28。其他参考选择包括左右乳突的平均、鼻尖或耳垂²⁹。目前尚无最优的参考电极选择，实验者应注意参考电极的选择可能影响最终的 ERP 波形^26,29。
   1. 创建一个新的“蒙太奇操作”工具，并为其适当命名。
   2. 在“传感器布局的蒙太奇列表”下拉菜单中选择合适的电极帽。选择“平均参考”，并确保勾选“从参考中排除坏通道”选项。保存该工具，然后将最近一次预处理后的文件拖入窗口左上角的“输入文件”框中，并点击“运行”。
8. 使用分段的前 100 毫秒进行基线校正^10,28。
   注意：也可使用 200 毫秒的基线期²⁹。
   1. 创建一个新的“基线校正”工具，并为其适当命名。
   2. 在“基线校正设置”下，选择“从分段的一部分选择基线”、“相对于分段时间 = 0 选择基线”，以及“基线从时间零点前 100 毫秒开始，持续 100 毫秒”。
   3. 保存该工具，然后将最近一次预处理后的文件拖入窗口左上角的“输入文件”框中，并点击“运行”。

图1：实验示例与时间线。（A）图片与词语刺激示例。（B）刺激呈现的时间线。该图已获 Coderre et al.⁶ 许可转载。请点击此处查看此图的放大版本。

结果

如果刺激材料已恰当地分为相关和不相关条件，则应在词语和图片刺激上均观察到N400效应（图2）。该效应表现为不相关条件下的负波幅大于相关条件。对于词语刺激，该效应应出现在300–500 ms时间窗内的中央或中央顶区头皮^6,10。对于图片刺激，该效应可能出现得略早，或在额区分布更为明显^9,15,16。

统计分析可通过比较相关与不相关条件下的平均波幅来检验N400效应的显著性。该分析可在单个电极或多个电极上进行。通过在统计模型中纳入电极位置和/或偏侧性，可评估该效应的空间分布范围。可采用大规模单变量...

讨论

本文报道了开发一种采用图片和词语刺激的语义启动事件相关电位（ERP）范式的关键步骤，旨在探索自闭症谱系障碍（ASD）个体的语义加工缺陷。主要步骤包括刺激材料的制备、任务程序的编写，以及脑电图（EEG）的测试与数据分析。该过程中最耗时的部分可能是刺激材料的创建，因为需要在刺激对之间及内部、实验条件和呈现方式之间，对诸如长度、频率和语义相关性等变量进行仔细匹配。因此，可能需要进行大量的预实验测试，以确保最终的刺激材料集合适有效。

尽管本文所包含的建议以及本方法所依据的先前研究⁶针对的是成年被试（年龄18–68岁），其中包括或不包括自闭症谱系障碍（ASD）个体，但该实验范式可轻松扩展至儿童或青少年群体。事实上，已有其他研究在有或无ASD的儿童中采用类似的语义启动脑电图（EEG）范式，以比较不同模态下的语义加工过程³。在针对不同年龄和发展阶段进行调整时，需考虑若干因素。例如，可将刺激材料限定为使用频率较高的词汇，以确保所有儿童均理解全部刺激的含义（见下一段）。此外，还可对测试范式进行其他调整，以...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
脑电图系统	Electrical Geodesics, Inc. (EGI)		Geodesic 脑电图系统（GES）400 系统：Net Amps 400 放大器，NetStation 5.3，128 通道 HydroCel Geodesic 传感器网
氯化钾	Electrical Geodesics, Inc. (EGI)
塑料桶	Electrical Geodesics, Inc. (EGI)		EGI 提供用于混合电解液的塑料桶，但任何清洁容器均可使用
婴儿洗发水	Johnson's
GNU 图像处理程序（GIMP）