失匹配負(fù)波加工性質(zhì)的研究.pdf

1、失匹配負(fù)波(MismatchNegativity，MMN)是一種聲音變化檢測機(jī)制，MMN可能與聽力的預(yù)注意認(rèn)知過程相關(guān)聯(lián)。因此，有人認(rèn)為它反映了在聽覺皮層的“原始智能”，但其是否是腦的自動加工的指標(biāo)，一直是MMN研究的爭論問題，同時也是解釋MMN形成機(jī)理的一個重要論據(jù)。
　　盡管很多的實(shí)驗(yàn)范式都對MMN的自動與非自動加工性質(zhì)提出了自己的解釋，但目前鮮有實(shí)驗(yàn)范式能夠很好的控制受試者的注意力，致使在非注意通路中會引入受試者細(xì)微的注意力

2、資源的變化。為了解決這一問題，很多學(xué)者利用注意力缺失的患者進(jìn)行實(shí)驗(yàn)，但因受試本身的大腦功能已經(jīng)出現(xiàn)缺陷，而在臨床上這一缺陷產(chǎn)生的原因尚不明確，無法確定這一缺陷會對哪些因素產(chǎn)生影響，因此在這種情況下得到的結(jié)果就不能反推出正常受試的結(jié)果。
　　針對以上問題，本文擬對跨通路延遲反應(yīng)實(shí)驗(yàn)范式進(jìn)行改進(jìn)，使實(shí)驗(yàn)范式能夠更好的控制受試者的注意力資源，并在實(shí)驗(yàn)過程中采集受試者的行為數(shù)據(jù)，然后利用擴(kuò)散模型對行為數(shù)據(jù)進(jìn)行擬合，將擬合出的參數(shù)作為受試者

3、注意力資源分配的指標(biāo)。由于在ERP數(shù)據(jù)采集過程中信號的信噪比較低，引入了較多的干擾，對MMN的成分的提取產(chǎn)生了影響，因此本文采用傳統(tǒng)疊加平均加waveletIndepandentComponentAnalysis算法來提取MMN成分。最后結(jié)合MMN的峰潛伏期與峰振幅，從而明確MMN與注意力間的關(guān)系，確定其加工的性質(zhì)。
　　經(jīng)過實(shí)驗(yàn)與數(shù)據(jù)分析后發(fā)現(xiàn)，擴(kuò)散模型所擬合出的行為數(shù)據(jù)參數(shù)可以解釋實(shí)驗(yàn)設(shè)計中各條件對受試者注意力資源變化的潛在心

4、理變化，定量地確定受試者注意力。此外MMN的峰潛伏期隨實(shí)驗(yàn)條件變化顯著，并且其與擴(kuò)散模型的參數(shù)有顯著的相關(guān)性:與邊界間隔α的相關(guān)系數(shù)為r=-0.63，與非決策時間Ter的相關(guān)系數(shù)為r=0.63，與漂移率v的相關(guān)系數(shù)為r=0.58。結(jié)果證明擴(kuò)散模型的參數(shù)可以作為MMN與受試者注意力資源分配的指標(biāo)，且MMN的峰潛伏期隨受試者注意力呈正相關(guān)性，因此我們認(rèn)為MMN具有半自動加工的性質(zhì)。本文利用受試者生理數(shù)據(jù)與行為數(shù)據(jù)的對MMN的加工性質(zhì)進(jìn)行研究