需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

将心动周期时相整合到事件相关电位分析中：一种适用于二维与虚拟现实环境的实验方案

69 次观看

⸱

DOI：

10.3791/69752

⸱

2026年5月5日

 ,  ,  ,  , 
1Research Center for Genetics and Life Sciences, Sirius University of Science and Technology, 2Samara State Medical University, 3National Research University Higher School of Economics

本文内容

摘要

本方案描述了一种利用同步脑电图和心电图记录来研究心脏相位依赖性视觉事件相关电位调制的方法。该方案详细说明了刺激同步化、心脏相位分割以及在收缩期和舒张期进行事件相关电位分析的过程，适用于传统的二维环境和沉浸式虚拟现实环境。

摘要

心跳是一种基本的生理节律，不仅维持生命活动，还能调节感知和神经过程，从而影响事件相关电位（ERPs）的可重复性。尽管虚拟现实（VR）相比传统的二维（2D）屏幕能提供高度沉浸的环境，但也为电生理记录带来了独特挑战，包括运动伪迹、呈现延迟以及可能更强的心源性调制。这些因素会降低标准脑电图（EEG）预处理的效率，导致大量数据丢失。本研究提出了一项详细方案，结合同步记录脑电图（EEG）和心电图（ECG），以在VR和2D条件下研究心-脑相互作用。该方法包括将刺激精确地与心脏信号对齐、校正VR引起的延迟，以及扩展的伪迹管理。根据刺激发生于心脏收缩期或舒张期对EEG片段进行分段分析，结果显示在收缩期视觉ERP振幅受到显著抑制。关键的是，这种抑制效应在VR和2D环境中几乎完全相同，证明了该方案的有效性，并确认这一基本的心-脑相互作用对沉浸程度的变化具有较强抵抗力。因此，该方案为研究心脏对认知的影响提供了一个标准化框架，可适用于多种视觉呈现方式。

引言

心脏的节律性活动正日益被认识到，不仅是一种重要的稳态过程，而且是脑功能和认知的基本调节因素1越来越多的证据表明，心脏信号持续影响着广泛的神经认知过程，包括感知、注意力、情绪调节和意识2,3该心脑轴由来自心血管压力感受器和机械感受器的传入性内感受信号介导，这些信号投射至 通过 脑干至皮层区域，在这些区域与外感受性感觉信息进行整合4,5因此，大脑并非被动地处理外部刺激，而是在身体内部状态的背景下进行处理，而心脏周期的时相正是这种内部状态的关键指标之一。

核心方法学挑战在于揭示心脏神经活动如何影响对外部刺激的加工过程，该过程通过视觉事件相关电位（ERPs）进行测量。这种相互作用最显著的电生理表现是心搏诱发电位（HEP），即一种与心脏收缩时间锁定的特定脑电图（EEG） 活动模式6。HEP 被视为内感受性注意的神经标志，反映了大脑对即将到来的心跳及其对感觉加工影响的预测编码7,8。根据当代模型，大脑利用这些心脏信号在其外部环境中构建身体内部状态的统一表征9,10。实证证据表明，外部刺激的加工过程（包括其感知显著性及潜在的神经相关性）会因刺激呈现于心脏收缩期或舒张期而表现出显著差异11,12,13。在收缩期（即心脏收缩阶段）呈现的刺激始终与受抑制的神经加工相关，表现为事件相关电位（ERP）振幅降低以及行为反应改变，而相比之下，在舒张期（即心脏舒张阶段）呈现的刺激则无此现象14,15,16。这一效应可通过“躯体感觉门控”"（somatosensory gating"）假说加以解释，该假说认为大脑在收缩期会暂时抑制外感受信号的加工，以优先处理心脏的内感受信号15,17。

尽管人们对心-脑轴的兴趣日益增长，但标准的事件相关电位（ERP）分析流程仅关注外部刺激，以刺激 onset 为参考对数据片段进行分段，从而忽略了持续的心动周期所引入的显著的试次间变异性。为了准确捕捉视觉事件相关电位（ERPs）在心动周期中的调制效应，需要采用一种根本不同的方法。这种方法要求将刺激呈现精确地与特定心动周期时相同步，并通过同步记录心电图（ECG）加以验证18。目前的文献中尚缺乏标准化、详细且易于重复的完整实验流程，能够全面描述从原始数据采集到统计分析的所有处理阶段，并纳入心动周期时相的影响因素。

随着虚拟现实（VR）等沉浸式技术在神经科学领域的快速应用，出现了额外的方法学挑战。VR 环境提供了高度沉浸和引人入胜的情境，能够创建受控但又具有现实感的实验条件19,20 。然而，在 VR 环境中同步获取高质量的脑电图（EEG）和心电图（ECG）数据存在若干技术难题。这些问题包括潜在的运动伪迹、头戴设备引起的电磁干扰，以及刺激呈现（通常存在固有延迟）、数据采集和运动追踪系统之间实现精确时间同步的关键需求21。这些技术挑战导致目前缺乏专为直接比较传统二维（2D）范式与沉浸式 VR 范式下心源性神经调节而设计的可靠分析流程。这种统一框架的缺失最终阻碍了对沉浸感和临场感如何调节基本脑-体交互机制的研究。

为应对这些挑战，本研究提出了一种全面且分步详述的方法学方案，通过同步记录脑电图（EEG）和心电图（ECG），系统研究心脏周期对视觉事件相关电位（ERPs）的调节作用。该方法的核心在于以心脏R波峰值为参考点对神经数据进行分段，从而根据刺激呈现于收缩期或舒张期对其进行分类。关键步骤是采用一种基于数据驱动的分析方法，对刺激后整个时间窗进行分析，以识别出心脏相位对神经反应产生显著调节作用的特定时间段。本研究的主要贡献有三个方面：（1）提供了一套完整且可视化的实验流程，便于直接复现；（2）对该流程进行了适应性调整并加以验证，用于比较使用标准2D显示器与沉浸式虚拟现实（VR）头显所采集的数据；（3）通过揭示不同情绪效价的面部刺激如何因环境沉浸程度的不同而差异性地调节心脏对神经加工的影响，展示了该方案的实际应用价值。

访问受限。请登录或开始试用以查看此内容。

方案

本研究经萨马拉国立医科大学生物伦理委员会批准（协议编号 195，日期为 2018 年 10 月 10 日）。所有参与者在研究开始前均签署了知情自愿同意书。最终样本包括 27 名年龄在 19 至 21 岁之间的健康男性志愿者。在测试过程中，每位参与者单独完成了一系列标准化评估。所用试剂和设备列于材料表中。

1. 材料与仪器

注意：在适当情况下使用功能等效的硬件和软件。实验装置的总体布局和连接方式参见图1。实验前请准备好以下设备和软件。一般要求如下所述，具体配置详见材料表。

  1. 脑电图/心电图采集系统
    1. 使用能够同步记录脑电图（EEG）和心电图（ECG）的放大器系统。
    2. 使用可从头皮重新分配用于心电图记录的脑电图电极。
  2. 心电图输入选项（脑电图系统支持双极通道）
    1. 若有可用资源，使用专用的双极输入通道进行心电图记录。
    2. 若无专用双极通道，可将两个非关键性脑电图电极重新分配，组成一对双极心电图电极。
  3. 心电图输入选项（脑电图系统仅支持单极通道）
    1. 使用差分适配器将心电信号导入辅助（AUX）或差分输入端口。
    2. 使用与所选输入配置兼容的被动电极和一次性粘性电极。
  4. 刺激呈现
    1. 使用配备高刷新率显示屏（≥120 Hz）的计算机进行二维呈现。
    2. 使用带有副显示器的头戴式显示器，以实现信号镜像，用于虚拟现实（VR）呈现。
  5. 同步与传感器
    1. 使用配备安装附件的光电二极管或光传感器，并将其连接至脑电图采集系统。
  6. 软件
    1. 使用具备精确时间控制、序列编排和触发信号输出功能的虚拟现实运行环境及刺激控制软件。
    2. 使用支持事件处理、预处理和事件相关电位（ERP）分析的脑电图/心电图分析软件；必要时可使用自定义脚本。
  7. 实验室环境与配件
    1. 使用屏蔽良好且适当隔离的房间进行脑电图记录。
    2. 提供舒适的座椅、线缆管理方案、皮肤准备用品、导电凝胶以及头戴式显示器的卫生清洁材料。

2. 系统设置与延迟检测

  1. 安装并配置刺激呈现软件。
    1. 虚拟现实条件
      1. 安装头戴式显示器所需的特定供应商VR运行环境。
      2. 根据运行时文档将实验刺激程序部署到VR头戴设备上。
      3. 根据制造商的说明，通过校准追踪系统（如适用）并定义活动区域边界，完成虚拟现实系统的初始设置，以确保稳定的追踪性能并尽量减少与运动相关的伪影。
    2. 二维培养条件
      1. 通过禁用不必要的后台应用程序和进程来优化刺激呈现工作站，以最大限度地减少数据采集过程中的中断和时序延迟。
  2. 在脑电图采集软件中创建记录蒙太奇。
    1. 创建一个新的工作区或录制配置，并根据研究标识符命名。
    2. 分配 EEG 通道并保留 AUX 根据放大器硬件文档设置输入通道。
    3. 为光电二极管和心电图信号添加两个额外通道。根据需要配置通道名称、类型和单位，并将这些通道与脑电图信号记录在同一文件中。心电图通道应使用一致的标签（例如，“ECG”）。
  3. 使用光电二极管测量刺激呈现的延迟时间。
    1. 将光电二极管连接至脑电放大器的可用AUX输入端口。
    2. 虚拟现实条件：将光电二极管安装在头戴设备镜头上，位置对应于与刺激同步的亮度区域。呈现至少100次刺激事件，记录光电二极管信号，以测量显示延迟及相对于预期触发信号的试次间抖动。完成虚拟现实测量后，将光电二极管移至2D显示器上。
    3. 2D 条件：将光电二极管置于显示器上一个专用的、与刺激同步的像素区域。呈现至少 100 次刺激事件，记录光电二极管信号，以测量显示延迟及相对于预期触发信号的抖动。
    4. 可选：如果有两个光电二极管，可将每个传感器连接至独立的AUX通道，并呈现同步闪光，以同时测量2D和VR的延迟。
    5. 完成潜伏期测量后，移除2D显示器上的光电二极管，以避免遮挡受试者的视野。
    6. 计算每种显示环境下的平均显示延迟及其标准差（抖动）。
    7. 分别记录二维和虚拟现实条件下的延迟和抖动值。
    8. 验证潜伏期抖动在会话期间保持稳定。如果硬件或软件设置发生更改，需重复进行潜伏期测量。
  4. 配置心电图记录通道。
    1. 根据可用放大器的功能确定心电图输入配置（支持双极导联通道） 与仅单极导联；参见步骤 1.2 和 1.3。
    2. 如果支持双极心电图记录，则在记录软件中启用专用的双极心电图输入，并保留通道标签“ECG”。
    3. 如果仅有单极导联可用，请将差分适配器连接至AUX或差分输入端口，并在记录软件中将该输入通道映射为ECG通道。保留通道标签“ECG”。
    4. 此阶段不要放置心电图电极。在受试者准备过程中进行电极放置和阻抗检查。

3. 受试者准备

  1. 脑电帽放置
    1. 根据国际10–10或10–20系统放置脑电帽，对齐Cz电极，并根据受试者的头围调整脑电帽尺寸22。
    2. 使用棉签或钝头套管（直径约2–3 mm）在每个电极位置分开头发。涂抹温和的磨砂膏或皮肤准备液以降低阻抗。
    3. 放置每个电极，注入导电凝胶，并通过轻轻旋转电极座确保其与头皮紧密接触。避免相邻电极之间形成导电凝胶桥接。
    4. 测量电极阻抗，并通过重复分开发束、追加皮肤准备或添加导电凝胶等方式，将阻抗降至8 kΩ以下（或达到实验室标准）。
    5. 固定脑电电缆以尽量减少移动，并在继续操作前确认受试者感到舒适。
  2. 心电图电极放置
    1. 使用酒精棉片清洁双侧手腕内侧（朝向手掌的一侧）皮肤，并让皮肤完全干燥。
    2. 在手腕上放置一次性粘附电极以记录标准肢体导联I，将负极置于右手腕，正极置于左手腕。确保电极接触良好，避免放置在骨性突起处。
    3. 使用医用胶带固定心电图电缆，留出小段松弛环以减少运动引起的伪迹。
    4. 在静息状态下验证心电图信号。确保R波清晰可见且方向向上。若R波倒置，应交换电极极性。确认心电图信号随时间保持稳定。
    5. 若使用同一放大器记录脑电图和心电图信号，需根据系统要求连接脑电图和心电图的接地电极。当存在多个接地接触点时，应分别为脑电图和心电图设置独立的接地电极以提高信号稳定性，同时确保所有接地电极在放大器内部相互连接。

4. 虚拟现实头戴设备佩戴（仅限虚拟现实条件）

  1. 在佩戴头戴设备之前，不得取下脑电帽或断开任何脑电（EEG）或心电（ECG）电极。
  2. 松开虚拟现实（VR）头戴设备的顶部绑带和后部收紧装置，以便将其佩戴在脑电帽之上。
  3. 指导受试者将VR头戴设备的前部放置于面部，将后部放低覆盖脑电帽，并逐步收紧绑带，直至头戴设备稳固贴合。
    1. 确保头戴设备不会对脑电电极施加过度压力。调整佩戴位置，以防止设备滑动，同时保证受试者在长时间使用过程中的舒适性。检查脑电信号是否存在工频干扰或压力引起的伪迹，必要时重新调整头戴设备23。
  4. 将VR显示输出镜像至第二块显示器，以便实时监控刺激呈现和受试者行为。
  5. 佩戴头戴设备后重新检查脑电电极阻抗。对任何阻抗超过8 kΩ（或实验室标准）的通道重新涂抹导电凝胶。在整个VR实验过程中应定期重复进行阻抗检查。

5. 记录

  1. 刺激呈现
    1. 以精确且可重复的时间呈现视觉刺激。在脑电图记录过程中，发送并记录每个刺激起始的事件触发信号。在2D和VR环境中使用相同的刺激时间参数（例如，刺激持续时间、刺激间间隔）。
  2. 受试者监测
    1. 指导受试者在刺激呈现期间尽量减少头部运动和眨眼。在记录过程中持续监测脑电（EEG）和心电（ECG）信号。必要时暂停实验，以校正电极阻抗或调整线缆。
  3. 记录区块
    1. 在两种呈现环境（2D和VR）中均进行数据记录。在适用情况下，应在不同受试者间交叉平衡环境呈现顺序，以控制顺序效应。

6. 脑电图预处理

  1. 数据导入与通道验证
    1. 将连续的脑电图（EEG）、心电图（ECG）和光电二极管数据导入脑电分析软件。验证所有通道的标签、类型和单位是否正确分配。
  2. 信号滤波
    1. 在本地电源线频率（50 Hz 或 60 Hz）处应用陷波滤波器。若实验室标准要求，还需包含谐波频率。
    2. 根据实验室标准对 EEG 数据应用带通滤波器（例如 0.1–40 Hz）。
  3. 事件标记校正与重命名
    1. 通过减去步骤 2.3 中测得的环境特异性显示延迟来校正刺激事件标记。生成延迟校正后的刺激标记，用于后续分析。
    2. 根据呈现环境重新标记刺激事件（例如，为事件标签添加“2D_”或“VR_”前缀）。
  4. 伪迹检测与校正
    1. 目视检查连续数据中的伪迹。识别并标记包含过度噪声或运动伪迹的片段。在适当情况下，按照标准实验室流程对坏通道进行插值处理。
    2. 进行独立成分分析（ICA）24，以识别眼动和肌电伪迹。检查各成分的时间序列、头皮地形图和频谱特征。基于客观标准或专家判断，去除与伪迹相关的成分。在适当情况下，可扩展 ICA 或基于回归的方法，以建模心脏相关伪迹。
    3. 使用与刺激锁定事件相关电位（ERPs）相同的预处理参数，计算以 R 波峰值时间锁定的 ERPs。检查所得波形和头皮地形图，评估潜在的心脏场伪迹（CFA）污染25。在 EEG 信号中识别明显的 QRS 样复合波或其他与 ECG 相关的偏转（图 2），这些偏转提示残余的心脏活动通过容积传导到达头皮。
      1. 若观察到显著的心脏相关活动，应应用额外的校正方法，如基于一般线性模型的回归分析（将 ECG 作为连续预测变量）26、扩展的 ICA 方法，或基于机器学习的方法27。
    4. 考虑刺激锁定 ERPs 与心电诱发反应（HEP）之间的重叠。采用能够显式建模重叠神经反应的方法，如基于回归或反卷积的方法26。在适当情况下，应用基于替代数据的程序或对照分析，以评估心脏相关神经效应的稳健性28,29。

7. 心脏相位分割（离线）

  1. 检测R波峰值
    1. 使用分析软件在ECG信号中自动检测R波峰值。手动检查所有已检测到的事件，并修正遗漏或错误检测的R波峰值，以确保心跳时序的准确性。
  2. 定义心脏时相
    1. 在考虑个体间心率差异及心跳间变异性的基础上，定义收缩期和舒张期。在可能的情况下，优先采用基于心动周期的定义，而非固定的时间窗口。
      注意：可采用以下任一方法：（1）将收缩期和舒张期定义为每个个体R-R间期的比例，以符合心率与心脏时相持续时间之间的非线性关系；（2）当ECG信号质量允许时，使用T波终点作为具有生理学依据的标志来定义收缩期的结束；（3）若无法可靠检测T波，则使用固定时间窗口定义收缩期（例如R波峰值后的前300 ms）。需明确指出这是一种近似处理，并在后续分析中校正个体心率差异。
  3. 为刺激标记分配心脏时相标签
    1. 使用校正了潜伏期的刺激标记，将每个刺激分配至刺激起始时刻所处的心脏时相（收缩期或舒张期）。针对每种呈现环境（2D或VR）分别分配时相标签，并相应重命名事件（例如，2D_收缩期，VR_舒张期）。
  4. 排除模糊试验
    1. 识别并剔除那些根据受试者瞬时心率，计划的ERP分析窗口会跨越两个心脏时相的试验。
  5. 示例软件实现
    注意：以下步骤展示了一种可能的实现方式，使用支持ECG事件检测和事件重标记的脑电分析软件包。
    1. 自动R波峰值检测：打开事件检测菜单，选择心跳检测功能。选择信号质量最佳的ECG通道，为检测到的事件定义标签（例如“R-peak”），运行检测算法以生成R波峰值事件标记。
    2. R波峰值检测的手动审查：目视检查叠加了R波峰值标记的ECG信号。使用软件提供的事件编辑工具添加遗漏的标记，并删除错误的检测结果。
    3. 基于心脏时相的事件重标记：使用事件组合或选择功能，根据刺激起始时刻所处的心脏时相对其进行分类。
      ​注意：对于收缩期试验，选择每个R波峰值后预定义的收缩期时间窗内出现的刺激；对于舒张期试验，选择下一个R波峰值前预定义的舒张期时间窗内出现的刺激。为收缩期和舒张期创建新的事件类别。针对每种心脏时相和呈现环境分别执行此操作。

8. 分段与平均

  1. 分段与基线校正
    1. 仅根据刺激呈现时所处的心动周期相位（即收缩期或舒张期）分配心脏相位标签。以刺激呈现为参考点定义事件相关电位（ERP）的时间段，允许该时间段延伸至后续的心动周期相位，而不影响相位分类。
    2. 使用约 400 ms 的时间段长度。若需要更长的时间窗（例如 600 ms），则应排除分析时间窗显著进入下一个心动周期相位的试验。采用短暂的刺激前时间区间（例如 -50 至 0 ms，或 -50 至 -2 ms）进行基线校正。
  2. 平均处理
    1. 分别对四种实验条件计算事件相关电位（ERP）：2D_收缩期、2D_舒张期、VR_收缩期和 VR_舒张期。报告每种条件下保留的试验次数。
  3. 电极选择考虑
    1. 根据研究问题及感兴趣的事件相关电位（ERP）成分特性选择用于分析的电极。对于视觉范式，使用枕区电极（O1、Oz、O2），因其能以高信噪比捕获典型的视觉事件相关电位（ERP）。

9. 质量控制与故障排除

  1. 触发刺激延迟抖动
    1. 评估触发时间戳与光电二极管测量的刺激起始之间在各个试验中的延迟抖动情况。若发现跨试验的抖动超过约 10 ms，应视为存在问题，特别是对于早期事件相关电位（ERP）成分。若观察到过大的抖动，需重新评估刺激时序、硬件同步情况，并根据需要应用针对特定运行的延迟校正方法。
  2. 心电图（ECG）饱和或噪声
    1. 检查心电图电极的接触情况和阻抗。若R波峰出现倒置，可交换电极极性。若腕部记录仍存在噪声，可将心电图电极移至前臂。
  3. 虚拟现实（VR）头戴设备压力伪迹
    1. 重新调整头戴设备绑带，以减少对脑电图（EEG）电极的压力。必要时增加垫料，并对受影响的电极重新涂抹导电凝胶。
  4. 不同心动周期相位间试验数量不均
    1. 调整事件相关电位（ERP）分析的时间窗或刺激呈现时序，以确保在收缩期和舒张期之间获得均衡的采样。
  5. 相位不明确的试验
    1. 识别那些刺激起始时间接近心动周期相位边界（例如R波峰附近，或收缩期与舒张期交界处）且计划分析时间窗可能跨越两个相位的试验。将此类试验标记为相位不明确。检查心电图信号及瞬时R-R间期，并将相位不明确的试验从后续分析中剔除。

访问受限。请登录或开始试用以查看此内容。

结果

本研究采用一种分析方案，旨在探讨在两个实验环境（标准2D显示器与沉浸式虚拟现实环境）中，心脏周期时相（收缩期与舒张期）内传入性内感受信号对事件相关电位（ERP）的调节作用。脑电图（EEG）片段根据同步记录的心电图（ECG）R波峰值进行提取和分析。

对整个时间窗内在枕区电极（O1、Oz、O2）记录的视觉事件相关电位（ERP）应用的非参数基于簇的置换检验显示，在两种实验环境中，收缩期与舒张期之间的ERP波形均存在持续且具有统计学意义的差异（p < .001，经错误发现率校正）。

在二维环境中，显著性簇从刺激后186毫秒开始，并持续到分析时段的结束。在此簇内，与舒张期相比，锁定于收缩期的试验波形振幅持续降低（图3）。在虚拟现实环境中，观察到几乎相同的结果模式：显著性簇从刺激后178毫秒开始，并延续至整个分析时段。与二维条件相同，收缩期的波形振幅受到抑制（图4）。

访问受限。请登录或开始试用以查看此内容。

讨论

方案中的关键步骤
本方案中有多个步骤对于获得有效的、依赖于心脏相位的事件相关电位（ERP）效应至关重要。首先，刺激呈现与脑电图（EEG）记录之间的精确同步至关重要，必须使用光电二极管量化特定环境下的显示器延迟，并在事件标记层面进行校正，因为未校正的延迟或过大的时间抖动会导致ERP成分的时间弥散。其次，准确检测心电图（ECG）R波峰值并可靠定义心脏相位至关重要，因为对收缩期和舒张期起始的错误分类会直接导致相位分配偏差。第三，必须利用与R波峰值时间锁定的ERP显式评估心脏场效应（CFA），以识别可能对刺激锁定ERP产生差异性影响的残余心脏干扰25,27。第四，应考虑刺激锁定ERP与心电诱发脑电位（HEP）之间可能存在的重叠，因为如果未对重叠的神经反应进行适当建模或控制，其可能导致看似存在的心脏相位效应26。最后，应识别并剔除ERP分析时间窗跨越多个心脏相位的试验，以避免相位混合以及对心脏调制效应的错误解释。

访问受限。请登录或开始试用以查看此内容。

披露

作者声明不存在利益冲突。

致谢

本工作由“天狼星”联邦领土国家项目“天狼星”联邦领土的科技发展（协议 № 28-03，日期 2024.09.27

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
actiCAP slim / snapBrain Products GmbHBP-185-2200具有 64 个通道的主动式电极帽。
actiCHamp Plus 多功能一体化实验室放大器Brain Products GmbHS/N ACBM17120955主要的脑电图（EEG）数据采集系统。
Ag/AgCl 一次性电极 26 mmNika-Medical LtdN/A用于三导联心电图（ECG）的一次性电极。
BIP2AUX 适配器Brain Products GmbHN/A将心电图输出连接至脑电图辅助输入端口。
Desktop ROG Srtix ASUSTeK Computer Inc.G835LR-SA117高性能工作站，用于同时运行虚拟现实系统（HTC Vive）、刺激呈现软件和脑电记录平台（BrainVision Recorder）。
HTC Vive  Pro EyeHTC Corporation S/N FA1142100443用于沉浸式刺激呈现的虚拟现实系统。
光电传感器Brain Products GmbHN/A用于光学检测刺激起始时间。
Samsung 27" ViewFinity S8 Samsung Electronics Co., LtdS/N 0UYMHNBXB00044D二维条件下的主显示设备。
Samsung 27" ViewFinity S8 Samsung Electronics Co., LtdS/N 0UYMHNBXB00030E实验者用显示器，用于运行脑电记录软件并在实验过程中监控数据。
Shielded-room Neiroiconica "Expert"Neiroiconica Assistive LtdS/N figure-materials-1K20210119011电磁屏蔽室。
Snap Lead CableNeurosoft ltdN/A将心电图电极连接至适配器。
TriggerBox PlusBrain Products GmbHS/N TB-A100009-0624用于 TTL 触发信号的同步接口。

参考文献

  1. Barrett, L. F., Simmons, W. K. Interoceptive predictions in the brain. Nat Rev Neurosci. 16 (7), 419-429 (2015).
  2. Critchley, H. D., Garfinkel, S. N. Interoception and emotion. Curr Opin Psychol. 17, 7-14 (2017).
  3. Quigley, K. S., Kanoski, S., Grill, W. M., Barrett, L. F., Tsakiris, M. Functions of interoception: from energy regulation to experience of the self. Trends Neurosci. 44 (1), 29-38 (2021).
  4. Cechetto, D. F. Cortical control of the autonomic nervous system. Exp Physiol. 99 (2), 326-331 (2014).
  5. Gianaros, P. J., Wager, T. D. Brain-body pathways linking psychological stress and physical health. Curr Dir Psychol Sci. 24 (4), 313-321 (2015).
  6. Schandry, R., Sparrer, B., Weitkunat, R. From the heart to the brain: a study of heartbeat-contingent scalp potentials. Int J Neurosci. 30 (4), 261-275 (1986).
  7. Azzalini, D., Rebollo, I., Tallon-Baudry, C. Visceral signals shape brain dynamics and cognition. Trends Cogn Sci. 23 (6), 488-509 (2019).
  8. Park, H. D., Blanke, O. Heartbeat-evoked cortical responses: underlying mechanisms, functional roles, and methodological considerations. Neuroimage. 197, 502-511 (2019).
  9. Saltafossi, M., Zaccaro, A., Perrucci, M. G., Ferri, F., Costantini, M. The impact of cardiac phases on multisensory integration. Biol Psychol. 182, 108642(2023).
  10. Seth, A. K., Friston, K. J. Active interoceptive inference and the emotional brain. Philos Trans R Soc B Biol Sci. 371 (1708), 20160007(2016).
  11. Kirasirova, L. A., Pyatin, V. F. Face-related ERP is influenced by cardiac afferent information. Opera Med Physiol. 9 (1), 54-59 (2022).
  12. Martins, A. Q., Ring, C., McIntyre, D., Edwards, L., Martin, U. Effects of unpredictable stimulation on pain and nociception across the cardiac cycle. Pain. 147 (1-3), 84-90 (2009).
  13. Motyka, P., et al. Interactions between cardiac activity and conscious somatosensory perception. Psychophysiology. 56 (3), e13424(2019).
  14. Edwards, L., Inui, K., Ring, C., Wang, X., Kakigi, R. Pain-related evoked potentials are modulated across the cardiac cycle. Pain. 137 (3), 488-494 (2008).
  15. Garfinkel, S. N., et al. Fear from the heart: sensitivity to fear stimuli depends on individual heartbeats. J Neurosci. 34 (19), 6573-6582 (2014).
  16. Rau, H., Elbert, T. Psychophysiology of arterial baroreceptors and the etiology of hypertension. Biol Psychol. 57, 179-201 (2001).
  17. Gray, M. A., Rylander, K., Harrison, N. A., Wallin, B. G., Critchley, H. D. Following one’s heart: cardiac rhythms gate central initiation of sympathetic reflexes. J Neurosci. 29, 1817-1825 (2009).
  18. Pollatos, O., Schandry, R. Accuracy of heartbeat perception is reflected in the amplitude of the heartbeat-evoked brain potential. Psychophysiology. 41 (3), 476-482 (2004).
  19. Parsons, T. D. Virtual reality for enhanced ecological validity and experimental control in clinical, affective and social neurosciences. Front Hum Neurosci. 9, 520(2015).
  20. Slobounov, S. M., Ray, W., Johnson, B., Slobounov, E., Newell, K. M. Modulation of cortical activity in 2D versus 3D virtual reality environments: an EEG study. Int J Psychophysiol. 95 (3), 254-260 (2015).
  21. Pavlov, Y. G., et al. EEGManyLabs: Investigating the replicability of influential EEG experiments. Cortex. 144, 213-229 (2021).
  22. Klem, G., Lüders, H., Jasper, H., Elger, C. The ten-twenty electrode system of the International Federation. Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).
  23. Larsen, O. F. P., et al. A method for synchronized use of EEG and eye tracking in fully immersive VR. Front Hum Neurosci. 18, 1347974(2024).
  24. Vigário, R., Särelä, J., Jousmäki, V., Hämäläinen, M., Oja, E. Independent component approach to the analysis of EEG and MEG recordings. IEEE Trans Biomed Eng. 47 (5), 589-593 (2000).
  25. Al, E., et al. Heart-brain interactions shape somatosensory perception and evoked potentials. Proc Natl Acad Sci USA. 117 (19), 10575-10584 (2020).
  26. Ehinger, B. V., Dimigen, O. Unfold: An integrated toolbox for overlap correction, non-linear modeling, and regression-based EEG analysis. PeerJ. 7, e7838(2019).
  27. Arnau, S., Sharifian, F., Wascher, E., Larra, M. F. Removing the cardiac field artifact from EEG using neural network regression. Psychophysiology. 60 (4), e14323(2023).
  28. Aprile, F., et al. The heartbeat-evoked potential in young and older adults during attention orienting. Psychophysiology. 62 (1), e70057(2025).
  29. Steinfath, P., et al. Validating genuine changes in heartbeat-evoked potentials using pseudotrials and surrogate procedures. Imaging Neurosci. 3, IMAG.a.30(2025).
  30. Walker, B. B., Sandman, C. A. Visual evoked potentials change as heart rate and carotid pressure change. Psychophysiology. 19 (5), 520-527 (1982).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG and MEG data. J Neurosci Methods. 164 (1), 177-190 (2007).
  32. Coll, M. P., Hobson, H., Bird, G., Murphy, J. Systematic review and meta-analysis of the relationship between the heartbeat-evoked potential and interoception. Neurosci Biobehav Rev. 122, 190-200 (2021).
  33. Kirasirova, L., Tugin, S., Pyatin, V., Kabir, M. S., Sagalajev, B. Modality-specific ERP dynamics in virtual and non-immersive environments. Proc Int Conf Neurotechnologies Neurointerfaces, , 36-39 (2025).
  34. Sagehorn, M., et al. Real-life relevant face perception is not captured by the N170 but reflected in later potentials: a comparison of 2D and virtual reality stimuli. Front Psychol. 14, 1050892(2023).
  35. Kirasirova, L., Maslova, O., Pyatin, V. Impact of virtual agent facial emotions and attention on N170 ERP amplitude: comparative study. Front Behav Neurosci. 19, 1523705(2025).
  36. Marín-Morales, J., et al. Affective computing in virtual reality: Emotion recognition from brain and heartbeat dynamics using wearable sensors. Sci Rep. 8, 13657(2018).
  37. Kirasirova, L., et al. Standardized EEG protocol for comparing cortical responses to mechanical and electrical tactile stimuli. J Vis Exp. (229), e69817(2026).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

视频即将推出
联系我们
向图书馆推荐

隐私

使用条款

政策

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