利用脑电图测量任务特定神经效率的比较:空间智能任务
August 9th, 2016
这份手稿介绍来衡量人的神经活动，同时解决空间重点工程问题的方法。脑电图方法有助于解释神经效率方面测试脑电波测量，以最终实现两个问题类型之间和参与者之间的工作性能比较的目的。
该程序的总体目标是比较参与者完成需要空间能力的问题集的神经效率。这种方法可以回答工程教育领域的关键问题，例如，学生能否在一个学期内获得核心内容的专业知识？或者，神经学测量如何区分学生何时使用空间能力解决问题，或者何时解决和工程问题。
这种技术的主要优点是它可以深入了解大脑的效率。我们可以将这些信息与学生的表现保持一致。虽然这种方法提供了对空间能力和静力学问题的洞察力，但它也可以应用于其他技能测量和问题类型，例如高级动力学中的那些。
演示他们的程序的是实验室的本科生研究员 Bradley Robinson。我们团队的本科生研究员 Steven Wood 将收到我们今天演示的协议。首先根据制造商的说明设置脑电图或 EEG 耳机。
在每次训练前至少一小时，始终保持两对头戴充电。获取用于润湿 EEG 电极的液体和研磨性清洁剂以确保与 EEG 参比电极的良好接触。接下来，将毛毡插入每个外壳中，并使用注射器使它们充满润版液体。
让阻尼电极休息。设置两个摄像机来测量参与者的行为。参与者就位后，我们会调整摄像头，并确保视频带有时间戳。
最后，打开电脑并验证软件是否已打开以记录脑电波数据。验证所有软件和数据收集设备是否都正确连接以进行数据收集。到达后，护送参与者进入脑电图室。
要求参与者从其身上取下所有电子设备。演示注射器用于使淋巴结饱和，并解释它们仅用于保持脑电图毡印记。检查毛毡是否受潮，然后将毛毡放入外壳组合中放入脑电图耳机中。
然后，用研磨清洁剂清洁参与者身上的参考点，并擦去任何残留物。将 EEG 耳机戴在参与者身上。将头戴式设备上的参考节点与参加者头部的参考点对齐。
请勿弯曲耳机的臂，并在参考节点和耳后部之间留出间隙，以避免任何不适。最后，参与者就位后重新调整摄像头，并确保视频带有时间戳。将一个摄像头对准参与者的面部，以录制面部表情和高质量的音频。
将另一个摄像头对准参与者面前的区域，以捕捉手部动作，包括手写动作，以及查看计算机屏幕上的任务。开始在 EEG 记录软件中记录数据。通过检查记录设备上是否显示所有通道，确保记录设备和 EEG 头戴式设备之间存在良好的连接。
检查所有通道最初是否都显示与低振幅振荡相似的行为。然后，在休息时间之前和每种新问题类型开始之前，通过重新布线和调整毛毡来检查 EEG，以确保与参与者的良好连接，以便在记录设备上实现一致的模式。指导参与者在任务练习期间尽可能保持静止和安静。
告诉他们，在数据收集期间，所有预先计划的视觉通信都将通过计算机显示器进行。启动任务演示软件。在数据收集的开始和结束时分配休息时间，这将用于获取基线数据。
显示第一种空间问题类型，该类型是多项选择测试，或者是真/假旋转问题。然后，显示第二种空间问题类型，要么是多项选择题，要么是真/假心理切割问题。接下来，显示 Engineering 问题类型，重点介绍工程静力学的特定原理。
任务完成后，取下脑电图耳机。此外，关闭任务演示软件、脑电图记录软件和视频录制设备。最后，感谢参与者，并向他们提供未来联系方式的概述，以及将来如何向他们提供研究结果。
EEG 帽通过电位收集大脑激活，其中数据中的某些伪影以及多个事件需要手动去除，如下所示。在独立的成分分析之后，该软件可以将数据映射到激活的头皮表示，并作为激活的二维连续图，由 Trials 和 Time 排列。一旦掌握，这项技术可以在 45 分钟到一个小时内完成。
了解这取决于参与者解决问题的速度。在尝试此过程时，请务必记住检查 EG 是否与参与者头部具有良好的连接，通常是通过保留毛毡印章。观看此视频后，您应该对如何通过设置 EEG 设备并从参与者那里收集数据来收集 EEG 数据以进行神经效率研究。
View the full transcript and gain access to thousands of scientific videos
概览
本稿描述了一种测量人类在解决空间导向工程问题时的神经活动的方法。脑电图方法有助于解释贝塔脑波测量结果，以神经效率为基础，最终目的是能够比较不同类型问题之间以及参与者之间的任务表现。
关键研究组成部分
科学领域
- 神经科学
- 工程教育
- 电生理学
背景
- 理解神经效率可以为学习和解决问题提供见解。
- 空间能力在工程任务中至关重要。
- 脑电图（EEG）测量与任务表现相关的大脑活动。
- 解决问题策略的比较分析可以增强教育方法。
研究目的
- 比较完成空间能力问题集的参与者的神经效率。
- 调查神经测量如何区分不同类型的问题。
- 探索学生在一个学期内掌握核心内容的潜力。
使用的方法
- 脑电图（EEG）方法用于测量大脑活动。
- 分析贝塔脑波测量。
- 对不同类型问题的表现进行比较评估。
- 将研究结果应用于超出空间能力的各种技能测量。
主要结果
- 对解决问题任务中的大脑效率的见解。
- 解决空间问题与工程问题时神经反应的差异。
- EEG数据与学生表现之间的潜在相关性。
- 该方法对其他问题类型（如高级动力学）的适用性。
结论
- 该研究为神经活动与解决问题效率之间的关系提供了宝贵的见解。
- 研究结果可以为工程教育策略提供信息。
- 进一步的研究可以扩展该方法在其他领域的适用性。
常见问题
Executive Industry Relevance
This protocol enables biopharma R&D teams to quantitatively assess neural efficiency during spatial and engineering problem-solving tasks using EEG-derived beta wave measurements. By correlating reduced beta activation with task performance, the method supports mechanistic de-risking of cognitive models used in target validation and phenotypic screening. It provides a translational biomarker framework for evaluating cognitive endpoints in preclinical models of neurological disorders or cognitive enhancer development.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by linking neural efficiency metrics to spatial ability and engineering problem-solving performance.
- Operational Value: Supports biological de-risking through standardized EEG protocols that isolate task-specific neural resource expenditure.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by establishing baseline neural efficiency profiles across task types.
- Operational Value: Addresses assay standardization and reproducibility through time-stamped video monitoring and consistent EEG electrode preparation.
Translational & Preclinical Research
- Scientific Value: Discusses disease relevance by aligning neural efficiency measurements with spatially intensive engineering tasks as a proxy for cognitive function in disease models.
- Operational Value: Describes continuity from discovery through preclinical validation by enabling intra-participant and inter-participant comparisons of neural efficiency across task types.
Pipeline & Workflow Integration
The method fits within the discovery continuum by supporting hypothesis testing in early discovery, enabling assay readiness in screening, and providing quantitative neurophysiological readouts for analytics-driven decision-making.
- Discovery Biology: Explains how the method supports hypothesis testing by comparing neural efficiencies across spatial ability and engineering problem types to clarify pathway engagement.
- Screening: Describes assay readiness through standardized EEG setup, impedance checking, and time-stamped behavioral recording to ensure reliable data collection.
- Analytics: Highlights measurements of beta brain wave activation as a quantitative readout for comparing neural resource expenditure between tasks and participants.
- Translational Research: Connects the method to preclinical continuity by enabling correlation of functional performance on spatial tasks with EEG data to inform cognitive biomarker alignment.
- Enterprise Reuse: Frames the method as a reusable capability for evaluating cognitive endpoints across multiple problem types, including advanced dynamics and other skill measurements.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence through objective neural efficiency metrics that reduce mechanistic ambiguity in cognitive task performance.
- Operational Value: Standardization, reproducibility, and scalability via fixed EEG setup procedures, reference electrode alignment, and consistent task presentation timing.
- Strategic Value: Better go/no-go decisions by identifying neural efficiency patterns that correlate with task difficulty and participant skill level.
- Portfolio Impact: Risk-adjusted prioritization by enabling data-driven advancement decisions based on neural efficiency profiles across cognitive task domains.
Implementation Considerations
- Requires expertise in electroencephalography setup, electrode impedance management, and behavioral time-stamping techniques.
- Dependent on EEG headsets, conductive gel or liquid dampening systems, abrasive skin preparation tools, and synchronized video recording equipment.
- Necessitates cross-team standardization of EEG protocol execution, including reference node alignment and consistent rest period timing.
- Involves adaptation considerations when applying the protocol to different cognitive task types or participant populations with varying baseline neural activity.
- Practical limitations include manual artifact removal requirements and dependency on participant stillness and quietness during task execution to maintain data quality.
