Name: 在研究疼痛相关振荡Prestimulus活动偏侧Psychophysically锚，乐百氏阈值 (视频) | JoVE Journal
Uploaded: 2017-01-21T14:00:00.000+00:00
Duration: 7 min 28 s
Description: 了解如何使用心理物理学方法结合脑电图技术精确测定个体疼痛阈值。该方法通过QUEST程序获得稳健的刺激强度估计，帮助研究者探索疼痛感知相关的神经振荡活动机制。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本工作由跨区域合作研究中心 TRR169 &#34;跨模态学习：适应性、预测与交互&#34; / 德国研究基金会（DFG）资助。作者感谢Stephanie Shields对稿件提出的有益意见。

该实验已获得汉堡医学协会伦理委员会批准（PV4509）。
1. 受试者选择
<ol>
	<li>除标准入选标准（如对疼痛刺激的适应性、头部植入物或已有的神经系统疾病）外，还需确保受试者无急性或慢性疼痛，未服用任何止痛药物，且无已知的物质滥用史。受试者在实验前4周内也不应参加过任何药理学研究。</li>
	<li>可纳入任何性别的受试者，但仅纳入使用激素类避孕药的女性受试者13,14，以尽量减少疼痛感知周期性变化的影响。</li>
	<li>在实施任何刺激之前，须确保受试者已书面签署知情同意书。</li>
</ol>
2. 脑电图设置
<ol>
	<li>根据系统说明书选择合适的帽型尺寸，并准备脑电图（EEG）电极装置。</li>
	<li>设置记录设备的采样率、高低截止频率以及阻抗限制（推荐设置：500 Hz，0.5 Hz 高通滤波器，阻抗&#60;20 kΩ）。</li>
	<li>通过使用电池供电运行 EEG 系统，确保刺激设备与 EEG 设备之间无电气耦合。</li>
	<li>确保 EEG 系统与控制电刺激设备的计算机之间的任何连接均为无电位连接。</li>
</ol>
3. 电刺激装置设置
<ol>
	<li>为了充分利用脑电图（EEG）记录的时间分辨率，应尽可能缩短电刺激的持续时间。将刺激器设置为单次单相刺激脉冲，持续时间为 1 ms，最大电压为 400 V。如果需要更强的疼痛刺激，或刺激后 EEG 记录的精确时间并非首要考虑因素，也可采用其他刺激方案。</li>
	<li>确保电刺激器已开启，但输出至电极的开关处于关闭状态。对于 DS7A 刺激器，设备右侧标有“OUTPUT”的开关应处于向下位置。</li>
	<li>定位选定刺激部位的解剖标志点。若在手部进行刺激，应选择拇指与食指之间的肌肉区域（拇短展肌/拇短屈肌）。请受试者将手平放在一个平坦表面上，所有手指伸直并紧靠。通过平分拇指与食指第一指节之间的距离来确定刺激部位。</li>
	<li>使用电极准备凝胶清洁皮肤。切勿使用酒精或消毒剂，因其可能在皮肤上残留，导致刺激不适或刺激效果不稳定。</li>
	<li>贴附刺激电极，并使用织物胶带将其固定到位。</li>
	<li>请受试者将手置于舒适的位置，并尽可能在实验过程中保持手部不动。为提高受试者的舒适度，可根据表面透水性，在手下方放置柔软的吸水材料以吸收可能的湿气。</li>
	<li>将“OUTPUT”开关拨至向上位置，开启刺激器输出。</li>
</ol>
4. 确定起始点
<ol>
	<li>指导参与者如何使用鼠标操作屏幕上的评分量表。量表左半部分代表非疼痛感觉，右半部分对应标准的疼痛视觉模拟量表（VAS），以水平线形式提供一系列连续感觉强度的视觉等效表示。向参与者指出，量表的正中心点无法被选择。向参与者提供关于锚定点的标准化说明15（表1）。</li>
	<li>通过施加不同强度的刺激并记录其反应，让参与者有机会熟悉评分过程。利用此阶段收集的信息，估算出两种强度：一种始终引发强烈但非疼痛的感觉（低点），另一种引发中等程度的疼痛感觉（高点）。持续进行约25至30次试验，或直至获得满意的估计值为止。在此期间，可询问参与者对刺激强度的口头反馈，以及重复呈现的刺激强度在主观上的相似性，这将有助于提高准确性。</li>
	<li>尽量随机选择强度，以引发接近量表中心区域的反应。为获得最佳效果，不要简单地线性增加或减少刺激强度，同时也要探索疼痛侧更极端的强度范围。此阶段还应让参与者适应可能不熟悉的刺激方式，并建立一致评分范围的参考基准。因此，建议从所有可能的刺激强度范围内选择刺激，同时重复呈现部分强度以增强稳定性。</li>
	<li>当对高点和低点起始强度的估计均满意后，告知参与者实验的第一部分即将开始，此后将在随机呈现刺激强度的同时，要求其继续按照之前练习的方式进行评分。</li>
</ol>
5. 确定阈值
注意：QUEST 算法在开始估计之前需要指定一些参数。这些参数包括心理物理函数的陡度（beta，通常为 3.5）、预计会随机作答的试验比例（delta，通常为 0.01），以及在无刺激情况下仍预计产生肯定反应的试验比例（gamma，无推荐值）。对于贝叶斯估计，还需指定预期评分的范围（标准差，SD）以及可能反应之间的间隔（grain）。对于视觉模拟量表（VAS），grain 应设置为量表的分辨率（通常为 1），而标准差应足够大，以包含量表的零点、最大可能强度以及一定的安全余量。此处给出的建议和&#34;典型&#34;值在随 PsychToolbox 提供的 QuestCreate 源代码中有详细说明6,16。对于阈值附近的疼痛，gamma 值最多为 0.01 是合理的。尽管该估计方法在参数设定偏差方面具有相对较强的鲁棒性，但在试验次数较少的情况下，若未能合理设定参数，可能会增加最终估计值的不确定性。如果标准差设置过低，算法在收敛于先验估计值周围标准差范围之外的估计值时将遇到困难。因此，宁可将标准差设得偏大，也不宜过小。
<ol>
	<li>使用上述参数创建两个 QUEST 会话，一个从高强度起点开始，另一个从低强度起点开始。有关估计过程实现逻辑的详细信息，请参见补充材料（S1）。</li>
	<li>从两个运行中分别由 QuestMean 函数给出的结果中，随机选择一个探测强度。</li>
	<li>将电刺激器设置为该探测强度。如果需要施加与算法建议不同的强度，或建议强度超出范围，则需将实际施加的强度反馈至第 5.5 步的 QuestUpdate 函数中。</li>
	<li>触发刺激。</li>
	<li>在受试者完成刺激评分后，对相应的估计会话运行 QuestUpdate 函数，并输入实际呈现的刺激强度以及受试者的评分。</li>
	<li>持续进行评分试验，直至估计值趋于稳定，或达到预设的停止标准（&#62;40 次试验）。</li>
	<li>记录两个估计运行（分别从高和低起点开始）之间由 QuestMean 给出的平均阈值估计值。</li>
	<li>此时可根据需要让受试者休息片刻。</li>
</ol>
6. 以阈值水平进行刺激
注意：只要参与者能够耐受，可以按照需要调整评分和区块数量。
<ol>
	<li>告知参与者，在实验的剩余部分中，将进行更多包含随机刺激的实验组块，他们应继续像之前一样进行评分。如有需要，可重新说明量表锚定点的指导语。</li>
	<li>开始脑电图（EEG）记录。</li>
	<li>将电刺激器设置为步骤 5.7 中获得的平均阈值估计值，并在实验剩余过程中保持该设置不变。</li>
	<li>开始一个评分组块（30 次试验），并观察 EEG 记录的数据质量。根据 EEG 数据质量，执行 4 至 5 个评分组块，并允许参与者在组块之间进行短暂休息。 
	注意：在这些休息期间，应尽量减少与参与者的社交互动，或尽可能将互动标准化。</li>
	<li>完成后，停止 EEG 记录，将刺激器输出关闭，并移除电极。在取下 EEG 帽后，向参与者说明实验相关情况。</li>
</ol>

<ol><li>Coghill, R. C., McHaffie, J. G., Yen, Y. -F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+correlates+of+interindividual+differences+in+the+subjective+experience+of+pain%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci%22%5BJournal%5D)">Neural correlates of interindividual differences in the subjective experience of pain.</a> Proc. Natl. Acad. Sci. 100 (14), 8538-8542 (2003).</li>
<li>Schulz, E., Tiemann, L., Schuster, T., Gross, J., Ploner, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neurophysiological+coding+of+traits+and+states+in+the+perception+of+pain%5BTitle%5D)+AND+%22Cereb.+Cortex%22%5BJournal%5D)">Neurophysiological coding of traits and states in the perception of pain.</a> Cereb. Cortex. 21 (10), 2408-2414 (2011).</li>
<li>Ehrenstein, W. H., Ehrenstein, A. <a target="_blank" href="http://link.springer.com/chapter/10.1007%2F978-3-642-58552-4_43">Psychophysical Methods.</a> Mod. Tech. Neurosci. Res. , 1325(1999).</li>
<li>Watson, A. B., Pelli, D. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quest%3A+A+Bayesian+adaptive+psychometric+method%5BTitle%5D)+AND+%22Percept.+Psychophys%22%5BJournal%5D)">Quest: A Bayesian adaptive psychometric method.</a> Percept. Psychophys. 33 (2), 113-120 (1983).</li>
<li>Sims, J. A., Pelli, D. <a target="_blank" href="http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.45.9208">The ideal psychometric procedure.</a> Investig. Ophthalmol. Vis. Sci. 28, 366(1987).</li>
<li>Kleiner, M., Brainard, D., Pelli, D., Ingling, A., Murray, R., Broussard, C. <a target="_blank" href="https://nyuscholars.nyu.edu/en/publications/whats-new-in-psychtoolbox-3">What's new in psychtoolbox-3.</a> Perception. 36 (14), 1-16 (2007).</li>
<li>Leek, M. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptive+procedures+in+psychophysical+research%5BTitle%5D)+AND+%22Percept.+Psychophys%22%5BJournal%5D)">Adaptive procedures in psychophysical research.</a> Percept. Psychophys. 63 (8), 1279-1292 (2001).</li>
<li>King-Smith, P. E., Grigsby, S. S., Vingrys, aJ., Benes, S. C., Supowit, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Efficient+and+unbiased+modifications+of+the+QUEST+threshold+method%3A+theory%2C+simulations%2C+experimental+evaluation+and+practical+implementation%5BTitle%5D)+AND+%22Vision+Res%22%5BJournal%5D)">Efficient and unbiased modifications of the QUEST threshold method: theory, simulations, experimental evaluation and practical implementation.</a> Vision Res. 34 (7), 885-912 (1994).</li>
<li>Boly, M., Balteau, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Baseline+brain+activity+fluctuations+predict+somatosensory+perception+in+humans%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci%22%5BJournal%5D)">Baseline brain activity fluctuations predict somatosensory perception in humans.</a> Proc. Natl. Acad. Sci. 104 (29), 12187-12192 (2007).</li>
<li>Gross, J., Schnitzler, A., Timmermann, L., Ploner, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gamma+oscillations+in+human+primary+somatosensory+cortex+reflect+pain+perception%5BTitle%5D)+AND+%22PLoS+Biol%22%5BJournal%5D)">Gamma oscillations in human primary somatosensory cortex reflect pain perception.</a> PLoS Biol. 5 (5), 1168-1173 (2007).</li>
<li>Ploner, M., Lee, M. C., Wiech, K., Bingel, U., Tracey, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prestimulus+functional+connectivity+determines+pain+perception+in+humans%5BTitle%5D)+AND+%22Proc.+Natl.+Acad.+Sci.+U.+S.+A%22%5BJournal%5D)">Prestimulus functional connectivity determines pain perception in humans.</a> Proc. Natl. Acad. Sci. U. S. A. 107 (1), 355-360 (2010).</li>
<li>Oertel, B. G., Preibisch, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Separating+brain+processing+of+pain+from+that+of+stimulus+intensity%5BTitle%5D)+AND+%22Hum.+Brain+Mapp%22%5BJournal%5D)">Separating brain processing of pain from that of stimulus intensity.</a> Hum. Brain Mapp. 33 (4), 883-894 (2012).</li>
<li>Goolkasian, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cyclic+changes+in+pain+perception%3A+an+ROC+analysis%5BTitle%5D)+AND+%22Percept.+Psychophys%22%5BJournal%5D)">Cyclic changes in pain perception: an ROC analysis.</a> Percept. Psychophys. 27 (6), 499-504 (1980).</li>
<li>Hapidou, E. G., Rollman, G. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Menstrual+cycle+modulation+of+tender+points%5BTitle%5D)+AND+%22Pain%22%5BJournal%5D)">Menstrual cycle modulation of tender points.</a> Pain. 77 (2), 151-161 (1998).</li>
<li>Huskisson, E. C. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/4139420">Measurement of pain.</a> Lancet. 304 (7889), 1127-1131 (1974).</li>
<li>Brainard, D. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Psychophysics+Toolbox%5BTitle%5D)+AND+%22Spat.+Vis%22%5BJournal%5D)">The Psychophysics Toolbox.</a> Spat. Vis. 10 (4), 433-436 (1997).</li>
<li>Taesler, P., Rose, M. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/27147655">Prestimulus Theta Oscillations and Connectivity Modulate Pain Perception.</a> J. Neurosci. 36 (18), 5026-5033 (2016).</li>
<li>Yarnitsky, D., Sprecher, E., Zaslansky, R., Hemli, J. A. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/8951926">Multiple session experimental pain measurement.</a> Pain. 67 (2-3), 327-333 (1996).</li>
<li>Rosier, E. M., Iadarola, M. J., Coghill, R. C. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/12098633">Reproducibility of pain measurement and pain perception.</a> Pain. 98 (1-2), 205-216 (2002).</li>
<li>Barthelmé, S., Mamassian, P. <a target="_blank" href="https://arxiv.org/abs/0809.0387">A flexible Bayesian method for adaptive measurement in psychophysics.</a> arXiv:0809.0387. , (2008).</li>
</ol>

作者声明不存在任何竞争性经济利益。

在此，我们采用具有坚实理论基础的 QUEST 方法，高效地估计了非疼痛与疼痛感知之间的稳健心理物理阈值。在该阈值处使用恒定刺激，可实现对感知决策的分析，而无需考虑刺激强度的变化。虽然我们考察了无害与有害感觉域之间过渡点的阈值强度，但也可沿疼痛量表的其他点（例如，&#160;在100分疼痛量表上评分为50分的疼痛感知）也可通过本文所述的估计方法进行锚定。在这些情况下，需注意考虑实验过程中可能出现的习惯化或敏化效应。此类效应在较高刺激强度下更易发生。
该实验流程中的一个关键步骤是，针对心理物理学函数，通过自适应程序对所需参数进行最优调整。另一个重要问题是向受试者提供的关于反应量表锚定方式的指导说明。受试者必须清楚地理解在主观强度量表上的作答范围。因此，非常有必要对这些指导语进行标准化，并在必要时反复强调，以避免在评分中引入任何偏差。对于某些受试者而言，使用划分为非疼痛和疼痛两部分的量表可能较难操作，因为这两种感觉连续体在各自的感受性上可能存在差异。在这种情况下，如果后续分析不需要使用分段量表的信息，则也可采用双选迫选范式进行估计。此时，受试者只需判断某个刺激是否被感知...

在进行涉及人类受试者的行为实验时，精确控制所呈现刺激的强度至关重要。然而，在某些情况下，对所有受试者使用相同强度的刺激可能会引入主观感知偏差。对于某些感知属性（如疼痛），在恒定刺激水平下，个体间和个体内对强度的感知存在显著差异。1,2因此，在假设主观感知相等的实验中，必须使不同参与者之间的主观感知强度相匹配。在考察阈值水平的感知时，这一点同样重要。 例如， 在疼痛与非疼痛刺激之间。心理物理学研究数十年来一直致力于解决此类问题，如今已有多种复杂但易于使用的方法可用于实现可靠的心理物理学锚定。
将刺激强度与个体感觉量值相对应的一种简单经典方法是阶梯法3。该方法通过逐步增加或减少连续刺激的强度，直至受试者的反应发生改变，从而确定其在主观感觉量表上所期望的阈值或位置。重复此过程&#160;若干次，可获得一个较为可靠的反转点估计值。然而，经典方法未能充分利用每次评分试验中所包含的全部信息，导致为达到收敛所需试验次数过多。若刺激强度与感觉量值之间的关系假设不成立或在测试的刺激范围内不适用，则诸如（线性）回归或函数拟合等方法可能失效。自适应程序不仅能够更高效地获得特定主观强度的稳健点估计值，而且尤其适用于那些高度依赖阈值或感觉量值精确估计的较长时间实验，要求心理物理学方法在稳健性的同时，还能尽量减少所需试验次数。这一点在疼痛研究等领域尤为重要，因为应尽可能降低受试者接受疼痛刺激的总暴露量，以保障其福祉。
尽管经典的阶梯法仍在广泛使用， 例如 在定量感觉测试中，采用更先进的估计方法以更好地利用各次试验中获取的信息，这一趋势正在稳步增长。以最大似然估计法 QUEST 为例4,5 此处使用该方法，可能是因为在流行的 Matlab PsychToolbox 中已有现成的实现方案6 该现代改进版方法在稳健性以及获得足够估计值所需的试验次数方面，均优于经典估计算法，前提是采用适当的设置。7.
QUEST 程序的基本原理是将威布尔函数拟合到输入数据中，以建模刺激强度与感觉强度之间的心理物理转换关系。心理物理威布尔函数的参数部分由实验者设定， 例如 函数的陡峭程度或由假阳性率和应答者不一致性引起的偏移。通过贝叶斯最大似然估计方法，可近似确定目标参数在强度维度上的位置。该方法假设目标参数的位置服从某种概率分布。 即 阈值强度。在对这种分布给出合理的先验假设的情况下，该算法将确定受试者应响应的最具信息量的强度。对于当前的程序实现，此强度即为先验概率分布的均值。8在每一次后续试验中，先验概率分布本质上会与参与者在测试刺激水平下的反应似然性（由Weibull函数表征）相乘。每一次反应都将用于持续更新阈值参数的概率分布估计。该过程将不断重复，直至获得满意的估计结果。此方法比简单的回归分析更高效，因为它能即时利用已收集的反应数据来确定下一个待测试的刺激强度。此外，该方法会特别针对感兴趣的目标点附近进行探测， 例如 一个阈值或特定的感觉强度。在回归分析中仅使用来自如此有限范围的测试数据会导致估计不稳定，因此在试验次数相对较少的情况下，自适应程序具有更强的稳健性。
这种稳健的心理物理学锚定方法可用于测量随时间变化的疼痛敏感性，研究痛觉过敏/异常性疼痛中的调节效应，或药理学干预中的镇痛效果等。能够将刺激锚定在两种感觉连续体之间临界强度的另一个有趣前景是，可考察从非疼痛到疼痛感觉过渡过程中的主观感知9,10,11。这一情境极具意义，因为一旦疼痛阈值被可靠估计，便可在不改变物理刺激强度的情况下，对比疼痛与非疼痛条件下的脑电图（EEG）活动12。这使得在恒定刺激条件下，通过分析被试评定为疼痛与非疼痛试验间脑活动的差异，来观察特异性的疼痛感知过程成为可能。
我们将演示如何在脑电图（EEG）实验中使用 PsychToolbox 中现成的自适应估计方法，以稳健地确定个体痛觉阈值。该实验旨在根据刺激部位的不同，考察痛觉与非痛觉活动在偏侧化效应上的对比。由于在完成阈值测定后可将刺激强度保持恒定，因此在后续分析中无需考虑与刺激强度共变的脑电活动。

<table><tbody><tr><td>EasyCap 电极帽</td><td>EasyCap, Woerthsee-Etterschlag, Germany</td><td>CUCHW-58</td><td></td></tr><tr><td>actiCap 活性 Ag/Cl 脑电电极套装</td><td>BrainProducts GmbH, Gliching, Germany</td><td>-</td><td></td></tr><tr><td>SuperVisc 脑电电极凝胶</td><td>EasyCap, Woerthsee-Etterschlag, Germany</td><td>V16</td><td></td></tr><tr><td>BrainAmp 脑电放大器</td><td>BrainProducts GmbH, Gliching, Germany</td><td>BrainAmp Standard</td><td></td></tr><tr><td>PsychToolbox-3</td><td>Mario Kleiner / Open Source</td><td>-</td><td>可从 http://psychtoolbox.org/ 获取</td></tr><tr><td>Matlab</td><td>MathWorks, Natick, MA</td><td>Matlab R2015b</td><td></td></tr><tr><td>DigiTimer DS7A 恒流电刺激器</td><td>DigiTimer Ltd., Hertfordshire, United Kingdom</td><td>DS7A</td><td></td></tr></tbody></table>

基于心理物理学锚定的稳健阈值法在研究疼痛相关振荡性刺激前活动偏侧化中的应用

Psychophysically-anchored, Robust Thresholding in Studying Pain-related Lateralization of Oscillatory Prestimulus Activity

在感知研究中，客观评估不同受试者所接受刺激的均等性，或量化多次试验中刺激所诱发的个体内感觉强度，通常具有重要意义。这需要建立刺激强度与主观感知强度之间的可靠映射关系，通常通过心理物理学估计方法（如阶梯法）来实现。较新且更高效的方法（如 QUEST 算法）能够在实时拟合心理物理学函数的同时，最大化数据采集的效率。由此获得的痛觉与非痛觉感知之间的阈值强度的可靠估计，可用于降低后续振荡脑活动分析中感觉输入变异的影响。通过采用自适应估计程序确定的恒定阈值强度进行刺激，评分中的变异可直接归因于感知过程。随后可直接对比&#34;疼痛&#34;与&#34;无疼痛&#34;试验中的振荡活动，从而得到与伤害性感知分类过程密切相关的神经活动。

使用将评分量表分为非疼痛和疼痛感觉两部分的量表（图1a），可在多次试验中施加恒定刺激，同时仍能获得跨越量表中点的评分结果（图1b）。通过这种方法，可避免感觉输入的变化，从而使评分结果直接反映与疼痛相关的内在感知分类过程。
<img alt="使用恒定刺激序列和评分方法评估痛觉阈值的示意图。" src="/files/ftp_upload/55228/55228fig1.jpg" data-altupdatedat="1788250015000" data-alt="图 1"> 
图 1： 实验说明。(a) 评分量表，左侧表示非疼痛感觉，右侧表示疼痛感觉。(b) 数据采集所用的流程：40 次阈值测定试验，随后进行 4–6 个恒定刺激区块（每个区块包...

心理物理学方法（如 QUEST 估计程序）能够高效地获得非疼痛感觉转变为疼痛感觉时的刺激强度的可靠估计值。通过在阈值强度下进行重复刺激，可在后续分析中直接将评分反应的变异性归因于感知分类。

在感知研究中，客观评估不同受试者所接受刺激的均等性，或对刺激进行量化，通常具有重要意义。

本实验的总体目标是采用一种成熟的心理物理学估计方法，获得个体痛觉阈值的可靠估计。该方法有助于回答疼痛研究领域中的一些关键问题，例如识别与疼痛主观感知以及持续刺激相关的振荡性神经活动。该技术的主要优势在于，能够提供诱发特定主观感觉所需的刺激强度的非常可靠的估计值。首先为受试者选择合适尺寸的帽罩，并根据系统的说明书准备脑电图（EEG）电极。然后，设置记录设备的采样率、高低截止频率以及阻抗限制。使用电池运行脑电图（EEG）系统，以确保刺激装置与脑电图设备在电气上相互隔离。然后，确保控制电刺激装置的计算机与脑电图系统之间的任何连接均为无电位连接。接下来，将刺激器设置为单个单相刺激脉冲，持续时间为1毫秒，最大电压为400伏。确保电刺激器已开启，但电极的输出处于关闭状态。然后请受试者将手平放在一个平面上，所有手指伸直并相互分开。通过平分拇指和食指第一指节之间的距离来确定刺激位点。使用电极准备凝胶清洁皮肤。然后贴上刺激电极，并用织物胶带将其固定。接下来，请受试者将手舒适地放置，以确保在整个实验过程中保持静止。在手下方放置一块软布，以吸收任何湿气。最后，将输出开关拨至向上位置。首先指导参与者如何使用鼠标操作屏幕上的评分量表。告知受试者，量表的左半部分代表非疼痛感觉，右半部分对应标准的疼痛视觉模拟量表（VAS）。指出量表的正中心点不可选择，并提供关于锚定点的标准化指导说明。随后，通过施加不同强度的刺激并记录受试者的反应，让其有机会熟悉评分过程。随机选择强度，探索量表的两个极端，并重复部分强度以引发量表中心附近的反应。要求参与者对强度提供口头反馈。利用此阶段收集的信息，估算出两个能持续引发强烈但无痛感的强度（低点）以及能引发中等程度疼痛感的强度（高点）。在获得低点和高点起始强度后，告知参与者实验的第一部分即将开始，在此期间可继续进行评分练习，同时系统将随机呈现不同强度的刺激。为了确定阈值估计值，需以前述的高低起始强度作为基线。随后，在向参与者施加刺激的过程中，根据其反应的可能性不断更新阈值估计的分布。最后，通过合并先验似然分布来计算一个新的估计值，并将得到的估计值作为下一轮迭代过程中的新先验基线估计值。首先告知参与者，在实验的剩余部分中，将会有更多包含随机刺激的实验区块陆续出现，他们应继续按照之前的模式进行评分。然后开始脑电图（EEG）记录。将电刺激器设置为先前确定的平均阈值估计值，并在实验剩余过程中保持该设置不变。接着，开始一个评分组块，并观察脑电图（EEG）记录的数据质量。根据EEG数据质量，进行四到五个评分组块，并允许参与者在组块之间进行短暂休息。实验结束后，停止脑电图（EEG）记录，关闭刺激器输出，并移除刺激电极。最后，取下 EEG 脑电帽并对参与者进行事后说明。结果表明，将高强度和低强度起始点估计值取平均，可得到最终的阈值估计值。此外，由估计阈值处重复刺激所诱发的主观感觉强度在一次实验过程中多个包含30次试验的区组之间保持稳定。此处显示的是疼痛性与非疼痛性刺激在脑电图theta频段（4至7赫兹）内侧化差异的总和。一旦熟练掌握，若操作得当，该流程可在40分钟内完成。在实施该操作流程时，重要的是要尝试较宽范围的刺激强度，以便受试者能够提供可靠的疼痛评分。采用此方法，还可以开展针对其他主观疼痛强度的实验，例如显著高于痛阈的刺激强度。该方法及其衍生技术将使疼痛研究者不仅能够控制所呈现刺激的强度，还能充分考虑受试者所感知的主观感觉体验。观看本视频后，您应能充分理解如何进行个体痛阈的心理物理学测定，以及如何在您自己的实验中应用这一技术。请注意，在使用疼痛刺激时，必须始终确保受试者的安全，且实验必须事先获得相关伦理委员会的批准。

psychophysically-anchored-robust-thresholding-studying-pain-related

Research

科研

JoVE Journal

Behavior

行为

在研究疼痛相关振荡Prestimulus活动偏侧Psychophysically锚，乐百氏阈值

展示了用于评估人类受试者实验性炎症皮肤中热痛和机械痛阈值的算法。这两种疼痛测试范式可独立检测传递疼痛的两大主要外周神经纤维群体的伤害性信息处理过程，即无髓鞘C纤维和有髓鞘细小的A-δ纤维。...

测定人类受试者炎症皮肤中的热痛和机械痛阈值

人体疼痛模型是评估新型化合物镇痛潜力并预测其临床疗效的宝贵工具，尤其是在综合使用时尤为有效。尽管这些模型的实施较为复杂，但只要操作得当，本方案中所述的疼痛模型能够提供具有预测性和可靠性的结果。...

使用整合式多模态疼痛任务组合测定疼痛感知与耐受阈值

对无语言能力患者进行疼痛测量具有挑战性。在本研究中，我们结合脑电图（EEG）记录与扁平探针刺激，以客观方式检测有害刺激诱发的脑部活动。...

使用与脑电图耦合的平头探针测量新生儿伤害性刺激诱发的脑电活动

我们开发了一种技术，可在自由活动的大鼠中同步记录对伤害性激光刺激产生的皮层脑电图和局部场电位。该技术有助于建立介观和宏观水平上皮层电活动信号之间的直接关联，从而促进对大脑中伤害性信息处理机制的研究。...

对自由活动大鼠施加伤害性激光刺激后同时记录皮层局部场电位和皮层电图

本文重点介绍通过热（热刺激）和电刺激实验性诱发疼痛，同时记录生理、视觉及副语言反应。旨在基于疼痛的强度、性质和持续时间，收集有效的多模态数据以进行疼痛分析。...

用于分析热刺激和电刺激疼痛反应的多模态信号

本文介绍如何设置一项实验，以利用脑磁图（MEG）检测物体感知前的源水平影响。内容涵盖刺激材料、实验设计、MEG记录以及数据分析。...

利用脑磁图检测物体感知中刺激前源水平效应

本项事件相关电位（ERP）研究提供了一种独特的研究方案，用于探讨宗教诵念如何调节负性情绪。结果表明，晚期正电位（LPP）是对负性情绪刺激的一种稳定的神经生理反应，且可通过重复的宗教诵念得到有效调节。...

通过重复性宗教诵念调节对恐惧和应激刺激的神经生理反应

开源实时闭环电阈值追踪技术在转化疼痛研究中的应用

本方案介绍了一种基于微控制器的行为学检测箱，通过采集置于箱体下方传感器的加速度数据，评估 Prepulse...

开发用于评估精神疾病动物模型中脉冲前抑制及神经活动的行为箱

在此，我们介绍一种用于评估急性麻醉条件下外周神经中感觉轴突激活与阻滞的方法， 体内...

评估麻醉大鼠外周疼痛阻滞的电生理学方法

了解如何使用心理物理学方法结合脑电图技术精确测定个体疼痛阈值。该方法通过QUEST程序获得稳健的刺激强度估计，帮助研究者探索疼痛感知相关的神经振荡活动机制。

基于心理物理学锚定的稳健阈值法在研究疼痛相关振荡性刺激前活动偏侧化中的应用

探索更多视频