請點擊上面“思影科技”四個字，選擇關注作者，思影科技專注于腦影像數據處理，涵蓋(fMRI,結構像,DTI,ASL,EEG/ERP,FNIRS,眼動)等，希望專業的內容可以給關注者帶來幫助，歡迎留言討論，也歡迎參加思影科技的其他課程，可添加微信號siyingyxf或18983979082進行咨詢。(文末點擊瀏覽)

眼球運動是人類視覺功能如何完成的一個信號。近期大量的研究持續驗證了在面孔識別過程中特征視覺采樣的策略。然而這些個體差異是否反映在特殊的神經差異上目前尚沒有研究報告。為探討該問題本研究首先記錄了觀察者在面孔再認過程中的眼動數據；其次通過EEG數據獲得了他們的面孔辨別神經反應(neural face discrimination response)。實驗結果發現在面孔再認階段，注視點固定時間更長的面部特征誘發的面部辨別神經反應更大。該模式在不同的被試中 (eye lookers vs.mouth lookers) 同樣被發現，且在注視點首次固定在興趣位置時這種模式就會出現。本研究表明，眼球運動在視覺處理過程中起著重要的作用，可以為神經系統提供判斷特定觀察者的判斷信息，并且面孔身份的有效處理涉及特質，而不是整個面孔。該研究由來自瑞士的Stacchi, Ramon, Leo和Caldara 完成，發表在雜志the journal of neuroscience上。研究背景：視覺系統對外部感知覺信息的處理依賴于眼球選擇性移動到任務相關信息上，而面部信息的處理有特殊的凝視策略。長久以來，被普遍認同的面部識別策略為T型注視點模式 (T-shaped fixationpattern)，即覆蓋了眼睛和嘴巴位置的T型區域。然而，近十年來涌現的大量研究對面孔識別策略提出了新的見解。例如，caldara (2017) 的綜述文章指出不論東方還是西方人在面孔識別過程中都會分別采用T型策略和中央注視偏好 (more centralfixation bias)，兩種策略使用熟練程度是類似的。另外大量基于個體被試的研究發現，面孔觀察者會采用獨特的面孔采樣策略，并且這種策略在時間進程是穩定的，且與行為表現相關。特別需要指出的是，僅僅在西方面孔觀察者群體中發現的特征視覺采樣策略就與周知的T型策略不同。盡管支持特征視覺采樣策略的研究如雨后春筍，但目前我們對該策略在整個面孔識別過程中扮演的角色以及神經機制知之甚少。通過比較各種范式的優缺點，本研究采用了新舊判斷任務(眼動實驗)和FPVS范式 (腦電實驗，fast-periodic visual stimulation)來對眼球運動與面孔識別的神經機制之間的關系進行了探究。方法：被試：20名西方白種人被試(11女，兩位左利手，平均年齡：25±3歲)。其中三名被試因為眼動數據質量差被剔除。實驗流程：眼動實驗設計：從KDEF(西方人面孔數據庫)中選取56張西方白種人面孔、從AFID(亞洲人面孔數據庫，可在文章中找到具體文章和網址)中選取26張東方亞洲人面孔組成視覺刺激。面孔刺激呈現在VIEWPIxx / 3D顯示器(1920 x 1080像素分辨率，刷新率120 Hz)上，被試距離顯示器距離75厘米。面孔圖片大小為12.56°(從下巴到發際線的高度)x 9.72°(寬度)視角。被試要完成兩個學習與再認blocks。在每個block中，被試需要學習14張面孔身份(男女各半)，14張面孔隨機呈現三種(中性、高興和厭惡)表情。30秒鐘之后，28張面孔圖片(14張舊圖片)依次呈現要求被試又好又快的做出新舊判斷。在學習階段，面孔呈現5秒鐘，而在再認階段，面孔呈現至被試完成反應。眼動數據全程記錄。數據收集與處理：眼動行為數據通過EyeLink 1000設備(時間分辨率1000 Hz)記錄。在實驗開始前運用九點注視點程序對注視點進行校準。每個試次開始前被試皆會被要求將注視點集中到屏幕中央位置直到刺激呈現。其余額外變量嚴格控制。在使用Nystrom等人 (2010) 的算法剔除眼動偽跡和眼跳偽跡之后，用新舊判斷任務學習與再認階段的眼動數據分別繪制個體注視點地形圖。眼動數據預處理之后，對每個被試注視點地形圖分別平均。使用這些個體注視點地形圖和興趣區 (regions of interest, ROIs,圖1) 來計算個體的注視強度，即累計注視時間。ROIs覆蓋了1.8°視角的面積，即在FPVS任務中包括中心點在內的十個注視位置 (viewingpositions, VPs)。

圖1 興趣區模式圖

腦電：實驗設計：采用50張(男女各半)中性情緒面孔，將多余的面部特質裁剪掉，呈現在灰色的背景下。刺激每張11.02°×8.81°，被試與顯示器距離70 cm。刺激按照FPVS范式進行呈現，每個試次持續62秒，包括一系列相同身份的面孔和每個試次中第7個面孔的oddball面孔。按照VPs分為10種條件，每種條件按照性別不同分為兩種子條件，因此實驗總共20試次。刺激按照正弦明暗對比呈現，并在每個試次的開始和結束設置兩秒鐘淡入淡出。注視點顏色發生變化以使被試保持注意力，并要求被試對相應顏色進行按鍵。在EEG數據記錄時不再進行眼動數據記錄。詳見圖2。

圖2 FPVS流程示意圖數據記錄與處理：EEG數據用Biosemi active-Two amplifier系統記錄，128導銀/氯化銀電極帽，采樣頻率1024 Hz。使用Letwaves 5 進行數據分析。首先進行0.1–100 Hz帶通濾波，隨后數據降頻至256 Hz并根據條件切分為20個66秒的epoch，刺激前后各包含兩秒。ICA用來剔除每個被試的眼動偽跡。采用插值替換的方法對壞電極進行替換，對ERP數據重參考至全腦平均。最后每個被試的每個條件所有試次平均。頻域：對平均后的ERP進行快速傅里葉轉換并提取振幅。通過從每個頻率振幅中減去周圍20個bin的平均值進行基線校正，排除相鄰的兩個bin。最后，對于每個被試和條件，oddball頻率及其顯著諧波的基線校正總和提供了神經人臉識別的指標。諧波顯著性水平被定義為所有的條件平均Z分數低于1.64 (p <.05>。統計分析：運用iMPA4工具箱進行線性回歸以探索再認階段注視點偏向(注視持續時間的Z分數)和面部辨別神經信號(FPVS反應的振幅)的關系。為探索同一被試的注視點地形圖是否與EEG反應有強相關，研究中隨機選擇被試的注視點地形如與另一個被試的EEG反應進行相關檢驗，并進行了線性回歸分析。這個過程重復了1000次。研究運用嚴格的方法控制了顯著性的取值。研究對學習階段的眼動數據也進行了如上述的統計分析。眼動和FPVS反應結果：群體和個體層面的注視點及神經信號描述在個體層面，多數被試的注視點地形圖并沒有很完美地擬合總平均的地形圖，這證明了特征視覺采樣策略的存在。總平均之后的面孔辨別神經反應振幅隨著VPs的變化而變化，在中央注視位置時振幅最大。然而，神經反應的振幅也因被試的不同而呈現出不同態勢。詳見圖3。

圖3 注視點地形圖如果您對腦電數據處理感興趣，歡迎參閱思影科技腦電課程及數據處理服務，可添加微信：siyingyxf詳細了解：第七屆腦電數據處理入門班(重慶)

第十九屆腦電數據處理中級班(南京)

第六屆腦電信號數據處理提高班(南京)

思影數據處理業務四：EEG/ERP數據處理

回歸分析：注視點與神經反應之間的關系

? ? ? 對個體注視持續時間和FPVS反應的數據進行了數據驅動的回歸分析，結果顯示了右側枕顳葉和中頂電極簇上的正相關。枕顳葉電極簇包含12個顯著的電極，最大效應出現在P10、最小效應出現在P9。盡管注視點與神經反應在被試間存在差異，但所有的被試都發現了這種正相關。中頂區電極簇包含13個電極點，最大效應出現在C1最小效應出現在FCz。詳見圖5，表2。

圖5 注視持續時間與面部識別神經反應之間的關系圖

表2 EEG結果數值統計圖

為探究相同被試的注視點地形圖與EEG反應是否相關良好，對不同被試之間的EEG反應與注視點地形圖進行了相關分析。第一個和第二個注視點的統計分析發現了顯著的結果，但在學習階段只有第一個注視點上發現了顯著的效應。詳見圖6，表3。

圖6 注視點偏向數據結果圖表3 學習階段回歸分析結果

特定注視點偏好可以解釋本研究中發現的關系嗎？為探究在再認階段被試展示出的注視點偏好能否預期注視點和神經反應之間的強相關，本研究首先按照振幅對每個被試的注視點地形圖進行排序，發現展現出相同注視點模式的被試之間相關性強度可能不同，但不同注釋模式被試之間的相關性強度反而接近。計算每個被試注視點地形圖與總平均注視點模式之間的距離并將該距離與相關強度(注視點與神經反應)之間計算斯皮爾曼相關，并沒有發現兩者的顯著相關關系。這表明，注視點偏好可能不是本研究發現結果的解釋性原因，其原因可能主要受到個體注視策略的調節。詳見圖7。

圖7 注視點地形圖和注視點-神經反應相關關系強度圖

??總結：

本研究探討了面孔特征視覺采樣策略和不同面孔注視點下的面孔辨別神經反應振幅之間的關系。結果表明，每個被試視覺信息采樣的方法是不同的，并且這種差異與神經反應呈顯著正相關。具體地，在自由觀看狀態下注視點集中時間更久的位置會誘發更大的面孔辨別神經反應。總而言之，本研究發現，面部信息處理過程包含明顯的特征取樣策略和對優先取樣信息獨特的神經反應。而基于第一個注視點或者第二個注視點的分析同樣發現了這樣的關系可能說明這種特征注視策略在面部信息處理進程的早期就被喚醒。如需原文請加微信：siyingyxf?或者18983979082獲取,如對思影課程感興趣也可加此微信號咨詢。

微信掃碼或者長按選擇識別關注思影

非常感謝轉發支持與推薦

歡迎瀏覽思影的數據處理課程以及數據處理業務介紹。(請直接點擊下文文字即可瀏覽思影科技其他課程，歡迎報名與咨詢)：

第七屆腦電數據處理入門班(重慶)

第二十屆腦電數據處理中級班(重慶)

第七屆近紅外腦功能數據處理班(上海)第十九屆腦電數據處理中級班(南京)

第六屆腦電信號數據處理提高班(南京)

第十八屆腦電數據處理中級班(南京)第二十七屆磁共振腦影像基礎班(南京)第九屆磁共振腦影像結構班(南京)第十三屆磁共振腦網絡數據處理班第十屆腦影像機器學習班(南京)

第十二屆磁共振彌散張量成像數據處理班

第六屆小動物磁共振腦影像數據處理班

第十一屆磁共振彌散張量成像數據處理班第六屆任務態fMRI專題班(重慶)第二十八屆磁共振腦影像基礎班

第十四屆磁共振腦網絡數據處理班(重慶)

思影數據處理業務一：功能磁共振(fMRI)思影數據處理業務二：結構磁共振成像(sMRI)與DTI思影數據處理業務三：ASL數據處理思影數據處理業務四：EEG/ERP數據處理思影數據處理服務五：近紅外腦功能數據處理思影數據處理服務六：腦磁圖(MEG)數據處理招聘：腦影像數據處理工程師(重慶&南京)BIOSEMI腦電系統介紹

總結

以上是生活随笔為你收集整理的斜面孔如何绘制_journal of neuroscience：面孔的神经表征与眼动模式相协调的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。