一、快乐2003 快乐ERP（论文文献综述）
李婉悦,刘燊,韩尚锋,张林,徐强[1]（2022）在《特质焦虑在面部表情前注意加工阶段的影响：来自ERP的证据》文中研究指明为探讨高特质焦虑者在前注意阶段对情绪刺激的加工模式以明确其情绪偏向性特点,本研究采用偏差-标准反转Oddball范式探讨了特质焦虑对面部表情前注意加工的影响。结果发现:对于低特质焦虑组,悲伤面孔所诱发的早期EMMN显着大于快乐面孔,而对于高特质焦虑组,快乐和悲伤面孔所诱发的早期EMMN差异不显着。并且,高特质焦虑组的快乐面孔EMMN波幅显着大于低特质焦虑组。结果表明,人格特质是影响面部表情前注意加工的重要因素。不同于普通被试,高特质焦虑者在前注意阶段对快乐和悲伤面孔存在相类似的加工模式,可能难以有效区分快乐和悲伤情绪面孔。
巴特尔[2]（2021）在《个人不公平回忆影响疼痛共情：行为和事件相关电位研究》文中指出
李丹阳[3]（2021）在《气味情境下面孔和躯体表情加工特征的ERP研究》文中进行了进一步梳理情绪是人对客观事物的态度体验及相应的行为反应,是综合了人的感觉、思想和行为的一种状态,在人与人的交流中发挥着重要作用。情绪常常通过表情传递情绪信息,其中面孔表情和躯体表情是通过视觉通道传递的,且是人们日常中最常用的判断他人情绪信息的外部途径和线索。快速、准确地认知他人面孔和躯体表情,可以帮助我们进行高效的社交。近年来越来越多的研究者开始关注情境对面孔表情识别的影响,但大多研究都围绕视觉情境和听觉情境展开,忽视了对我们很重要的另一种感觉——嗅觉。并且目前的研究似乎忽视了情境信息对躯体表情识别可能产生的影响。因此本研究将事件相关电位技术（ERP）与情绪识别任务相结合,重点探讨气味情境对面孔表情和躯体表情的影响及其加工时间进程。本研究包括2个实验。实验一中招募了54名被试,将他们分成三组进入到三种不同的气味情境（愉快、不愉快、无气味）中识别快乐、恐惧和中性的面孔,并同步记录他们的脑电活动。行为结果发现,正确率上,气味情境的主效应显着,反应时上,气味情境和面孔表情的主效应及其交互作用均显着。简单效应分析显示不愉快的气味情境下被试的识别面部表情正确率更高,反应时更短,尤其是恐惧的表情。ERP结果发现,气味对面孔表情识别的影响分为两个阶段:（1）在表情加工的早期（80-110 ms）,气味情境的主效应显着,不愉快的气味情境比愉快气味和无气味的气味情境诱发的P1振幅更大,说明不愉快的气味情境激发了人们更多的注意偏好。（2）在表情加工的中期阶段,气味情境与面部表情的交互作用显着。当面对不愉快的气味情境时,恐惧表情引起的VPP（vertex positive potential）波幅小于愉快表情和中性表情。这一结果表明,在判断恐惧表情时,在不愉快的气味情境消耗的认知资源较少,表现出情绪一致性效应的促进作用。实验二中,50名成年人被随机分成三组,在三种气味情境（愉快、不愉快和无气味）中识别躯体表情（快乐、恐惧和中性）,同步记录他们的行为和脑电数据。对数据进行3×3重复测量方差分析,行为结果表明在正确率上躯体表情的主效应显着,在反应时上躯体表情和气味情境的主效应均显着。简单效应分析显示中性躯体表情的识别正确率更高,反应时更快;不愉快气味情境中识别躯体表情更快。ERP结果显示气味对躯体表情识别的影响分为两个阶段:（1）在中期阶段（刺激呈现后150-200ms）,气味情境的主效应显着,在不愉快气味情境中,躯体表情诱发的VPP振幅比在愉快或无气味情境中更大。（2）在加工的中后期阶段（200ms开始）,研究人员观察到情境气味和躯体表情之间的交互作用。当暴露在愉快或不愉快的情境气味中时,中性躯体表情诱发的N2振幅要大于与愉快和恐惧的躯体表情。在愉快的气味情境中,恐惧的躯体表情比愉快的躯体表情诱发更大的LPP振幅。结论:（1）不愉快气味情境促进对面孔表情和躯体表情的识别。不愉快气味情境尤其促进对恐惧面孔表情的识别。（2）气味情境影响面孔表情和躯体表情加工的时间进程不同。气味情境主要在早期和中期的表情加工阶段影响面孔表情的加工;气味情境主要在中期和后期的表情加工阶段影响躯体表情的加工。（3）气味情境影响面孔表情和躯体表情加工的模式相似。即气味情境对面孔表情和躯体表情的加工分为两个阶段的影响:不愉快的气味情境对面孔表情和躯体表情处理有整体促进作用（第一阶段）;气味情境会对面孔表情和躯体表情进行特异性的调节,符合情感一致或不一致效应的机制（第二阶段）。
徐松[4]（2021）在《基于面部表情分类及相关ERP对慢性失眠患者情绪感知特点的研究》文中提出背景《国际睡眠障碍分类》将慢性失眠定义为尽管创造了充足的睡眠机会,但仍无法获得充足的睡眠;连续3个月,每周至少有3个晚上出现这种情况,白天会产生负面影响。其特征可能是难以开始或维持睡眠,伴有明显的痛苦和白天功能障碍,约三分之一的人口患有失眠症状,约10%符合睡眠障碍的标准。近年来失眠的患病率呈逐年上升的趋势,影响着很大一部分人群的身心健康状况。慢性失眠不仅与生活质量下降和工作学习效率降低有关,它也增加了精神疾病、意外伤害和医疗资源占用的发生率,这与显着的直接和间接成本有关。通常失眠患者寻求治疗是由于日间功能受损,最常见的因素是疲劳、工作表现受损、认知抱怨、情绪障碍和社会交往功能障碍。但有初步工作表明,社会互动和情绪调节的损害是失眠患者关注的一个突出问题,目前关于失眠的直接社会情绪影响的研究相对较少。认知心理学认为,认知活动是机体接受外界信号的输入并对输入的信息进行加工的过程,包括感知觉、注意、记忆和思维等心理活动。情绪处理是在人际交往中起重要作用的高级认知过程,对情绪信息的准确和综合感知对有效的社会交往至关重要。认知障碍会降低信息处理的速度,因此,在评估认知功能时,观察信息处理速度也是至关重要的。从周围环境中获得的信息大多是通过视觉获取的。人脸无疑是社会交往中最重要的刺激因素,而面部表情是最重要的信号类型之一。面部表情对于有效的社会互动是必不可少的。识别面部表情使理解他人的情绪状态、沟通意图和触发适当行为成为可能。与这种适应性功能相一致的是,准确识别面部表情的能力对功能结果有积极的影响,如社会适应和心理健康。因此面部表情识别是最重要的情感交流方式之一,对面部情绪反应的识别和情绪状态的调节对人们具有重要意义。情绪识别受损的人,如孤独症谱系障碍和精神分裂症患者,在这方面表现出了困难。对快乐面孔的识别有助于在社会交往中与他人合作,并对他人产生影响。有一致的证据表明,积极（快乐）的面部表情比消极的面部表情（悲伤、愤怒、厌恶）识别得快得多,这是积极分类优势（positive classification advantage,PCA）。应该指出的是,PCA的简单两选择分类的任务实际上反映了大多数先前研究中从面部表情的识别/分类和记忆中产生的一种独特的机制。PCA可能反映了在识别和分类情绪积极和消极信号时更高层次的不对称性。事件相关电位（Event-related potential,ERP）是一种简易可靠、高时间分辨率的非侵入性神经电生理检查,可以反映认知过程中潜在的大脑活动和神经电生理变化,目前已作为公认的能够相对客观地反映认知功能的评估手段被广泛地用于实践。PCA主要发生在肌肉运动前加工阶段。N170是ERP的早期原始成分,其是发生在枕颞电极的刺激开始后的140到180毫秒之间的负波,拥有对面部表情特异的敏感性。N170可以被面部情绪调节,与其他情绪相比,快乐的面孔诱发的振幅更小。P3是一系列在中心-顶叶或中心-额中线分布的相对晚期阳性成分的总称。P3最初是在应对任务相关的不频繁的刺激的实验范式中发现的,并且发现P3对诱发事件发生的主观概率非常敏感。迄今为止,趋同证据表明,当刺激水平被控制时,情绪性面孔的效价水平可以调节P3。特别是,当图片与任务相关时,如效价评估以确保参与者注意到图片时,愉快的面孔比不愉快的面孔诱发的P3振幅更大。与传统的认知心理量表结果相比,ERP检查可作为早期诊断和监测病程的敏感电生理指标。据我们所知,目前没有研究直接探讨失眠患者的PCA现象。在本研究中,我们以快乐、中性、悲伤三种示意图卡通面孔作为表情刺激,考察慢性失眠患者对三种表情分类的准确性（Accuracy,ACC）及反应时间（Reaction Time,RT）。为了进一步探讨面部表情分类的认知加工机制,进行了面部表情分类的时域特征（ERP相关成分）的分析。从而进一步阐明失眠患者对情绪信息的处理过程。第一章 慢性失眠患者面部表情分类的行为学改变目的:实证分析表明,积极面部表情的分类速度明显快于消极面部表情的分类速度（positive classification advantage,PCA）。在本研究中,我们首次在行为学方面探讨慢性失眠患者是否存在PCA现象。方法:本实验纳入了 30名慢性失眠患者和30名年龄和教育水平相匹配的健康志愿者。在完成面部任务的前一周,所有研究参与者完成了 7天的睡眠日记,评估睡眠的连续性和质量,并帮助排除昼夜节律问题。所有被试均需要接受1整晚的多导睡眠图（polysomnography,PSG）监测与评估,被试者被要求在晚上10:00前上床,第二天早上6:00醒来,记录以下睡眠参数:睡眠开始潜伏期（Sleep onset latency,SOL）、入睡后觉醒时间（Wake time after sleep onset,WASO）、总睡眠时间（Total sleep time,TST）、卧床时间（Time in bed,TIB）、睡眠效率（Sleep efficiency,SE）、呼吸暂停低通气指数（Apneahypopnea index,AHI）、睡眠唤醒指数的周期性肢体运动（Periodic limb movements of sleep arousal index,PLMS）。在PSG监测后的第二天,所有睡眠时间超过6小时的志愿者及失眠被试于10:00am-11:00am在独立、安静房间内进行面部表情分类的行为学实验。同时完成了匹兹堡睡眠质量指数（Pittsburgh Sleep Quality Index,PSQI）、失眠严重程度指数（Insomnia Severity Index,ISI）、抑郁自评量表（Self-Rating Depression Scale,SDS）、焦虑自评量表（Self-Rating Anxiety Scale,SAS）、简易精神状态评价量表（Minimum Mental State Examination,MMSE）及蒙特利尔认知量表（Montreal cognitive assessment,MOCA）等量表评估。采用 SPSS 22.0软件（芝加哥,伊利诺伊州,美国）进行统计学分析。结果:对快乐和悲伤表情分类的正确回答的百分比进行比较,失眠患者（95.47 ± 4.94%）和对照组（97.03±2.93%）之间没有显着差异。对照组对快乐表情的反应速度（606.72±83.68ms）比对悲伤表情的反应速度（641.56±69.99ms）快。但与对照组相比,患者表现出较慢的反应速度（673.27±87.30ms）比对照组（624.14±78.47ms）。而且患者对快乐表情的反应时（665.48±97.54ms）与对悲伤表情的反应时（681.05±76.59ms）之间没有显着差异。结论:尽管两组的准确率相似,我们发现反应时间在组间存在显着差异。在正常对照组中,快乐的表情比悲伤的表情分类更快（即PCA）。与对照组相比,失眠患者识别情绪表情的速度较慢,而且对快乐表情的识别速度减慢更加显着,PCA现象消失。这些数据提示失眠患者的面部表情分类功能存在障碍,并揭示了失眠和情绪处理之间的重要联系。第二章慢性失眠患者面部表情分类事件相关电位的研究目的:鉴于我们使用行为学实验观察到慢性失眠患者出现面部表情分类障碍。为了探讨分类过程的认知加工机制,需要进一步测量事件相关电位。本研究采用面部表情分类范式和事件相关电位对快乐面孔、中性面孔和悲伤面孔进行分类偏向测量。方法:本实验纳入了23名慢性失眠患者和22名年龄和教育水平相匹配的健康志愿者。完成面部任务的前一周,所有研究参与者完成了7天的睡眠日记,评估睡眠的连续性和质量,并帮助排除昼夜节律问题。所有被试均需要接受1整晚的PSG监测与评估,被试者被要求在晚上10:00前上床,第二天早上6:00醒来,记录以下睡眠参数:睡眠开始潜伏期（SOL）、入睡后觉醒时间（WASO）、总睡眠时间（TST）、卧床时间（TIB）、睡眠效率（SE）、呼吸暂停低通气指数（AHI）、睡眠唤醒指数的周期性肢体运动（PLMS）。在PSG监测后的第二天,所有睡眠时间超过6小时的志愿者及失眠被试于10:00am-11:00am在独立、安静房间内进行面部表情分类事件相关电位的实验。同时完成了匹兹堡睡眠质量指数（PSQI）、失眠严重程度指数（ISI）、抑郁自评量表（SDS）、焦虑自评量表（SAS）、简易精神状态评价量表（MMSE）及蒙特利尔认知量表（MOCA）等量表评估。采用SPSS 22.0软件（芝加哥,伊利诺伊州,美国）进行统计学分析。结果:两组被试的三种情绪面孔均引出了 N170和P3成分。正常组在右半球记录到更大的N170波幅;最大的波幅在P7/P8电极处;与中性表情和快乐表情相比,悲伤表情诱发产生的N170波幅最大。对于N170潜伏期,观察到右半球的潜伏期较左半球短。失眠组与正常对照组的比较中,以上指标均未发现显着差异。正常组在Cz、Pz电极记录的P3波幅比Fz要高,而且悲伤面孔诱发出的波幅较快乐面孔和中性面孔明显降低。在潜伏期的表现上,Pz电极位置上的潜伏期最短。慢性失眠组记录到的P3的波幅均比对照组显着的降低,而且三种表情诱发的波幅之间无明显差别。慢性失眠组P3的潜伏期与正常对照组相比较,未发现显着性差异。相关性分析的结果提示P3的波幅与反应时间（RT）成显着负相关。结论:慢性失眠患者在N170的时间范围内对面部表情分类的基础处理功能并未有明显异常,说明失眠患者基本面部信息的视觉处理是完整的。但在失眠组中快乐、中性及悲伤三种表情刺激诱发的P3波幅均明显降低,提示失眠患者可能存在面部表情分类晚期高水平认知加工能力的缺陷,这一发现为失眠患者的整体长RTs也提供了支持。
梁飞,李红,王福顺[5]（2021）在《基本情绪的电生理活动：来自ERP的证据》文中研究表明基本情绪理论认为人类的情绪是由有限的几种基本的情绪组成,如快乐、愤怒、恐惧、悲伤等。使用脑功能成像技术来探讨基本情绪的独特神经结构所得出的结果很复杂,不能支持基本情绪理论;原因之一可能是情绪具有短暂性和易变性的特点,而EEG因高时间分辨率或许有助于解决该问题。本文探讨了基本情绪及其诱发方法、EEG的应用价值,对基本情绪相关的几种ERP成分及其特征进行归纳,提出用EEG结合人工智能来为基本情绪理论研究提供新思路。
阴桂梅[6]（2020）在《精神分裂症患者EEG脑网络的异常特征分析》文中认为脑科学是当今世界各国关注的重要的前沿学科,脑科学的研究内容之一就是治疗和预防神经性和精神性疾病,探索神经性和精神性疾病的预防方法。抑郁症、躁郁症、精神分裂症等是社会负担最大的精神性疾病,研究这类重大脑疾病的致病机理及早期诊断指标对推动脑科学领域的发展有着重要的贡献。随着网络科学和图论的发展,脑网络研究对于解释神经机理尚不明确的精神疾病有着独特的优势,它可以为从系统层面揭示脑疾病的病理生理机制提供新的视角。精神分裂症是这类疾病的典型代表,探索精神分裂症的病理机制是精神分裂症诊断和治疗的关键。一些研究表明其病理机制与脑网络的结构和功能异常有关,但是目前在精神分裂症EEG脑网络研究方面还存在一些关键问题需要解决。首先,如何提取表征认知缺陷的异常ERP特征成分;其次,来自单一特征空间的特征无法完全揭示疾病固有的网络特征,如何融合多个空间的特征有效提取异常特征;再次,构建EEG脑网络时选择合适阈值范围难的问题;最后,脑网络同步性分析中侧重研究拓扑结构对同步能力的影响而忽略对同步过程本身特点的研究等问题。因此,本文基于复杂网络、拓扑数据分析、非线性动力学等基本理论对精神分裂症EEG脑网络的静态和动态脑网络异常特征进行了分析,主要创新工作和研究成果包括:（1）精神分裂症患者的ERP异常特征分析针对精分患者存在情绪加工和工作记忆认知缺陷,本文采用卡通人脸表情（高兴、悲伤和中性）图片作为刺激材料,选用改进的Oddball实验范式,研究精分患者和健康被试情绪加工的大脑机制,提取面部表情加工任务下的与视觉和面孔相关的ERP异常特征。采用改进的短时记忆扫描任务（Short-term Memory Scanning Task,SMST）实验范式,研究精分患者和健康被试工作记忆的大脑机制,提取精分患者高级知觉加工相关的ERP异常特征。（2）提出精神分裂症患者融合ERP特征的EEG脑网络分析方法针对精神分裂症患者EEG脑网络分析中来自单一特征空间的特征无法完全揭示其固有的网络特征,分类效果差的问题,本文提出融合ERP特征的EEG脑网络属性的分析方法。该方法在提取具有显着性差异的ERP特征和网络属性的基础上,选择Filter和Wrapper相结合的两级特征选择方法,特征选择中首先基于Filter算法的F-Score算法对特征进行评价并设定最佳分类阈值,然后用基于Wrapper算法的序列向前搜索算法选择最优特征子集,选择SVM分类器进行分类,通过准确率、敏感性、特异性三个指标评价分类性能。精神分裂症工作记忆数据集分析结果表明该方法可以为精神分裂症的临床诊断提供更加可靠的网络异常特征。（3）提出基于精神分裂症患者EEG脑网络的持续拓扑特征分析方法针对构建脑网络时现有阈值方法存在诸多缺陷,最佳策略尚无共识;现有研究仅限于低维（零维贝蒂数）拓扑特征分析,高维空间拓扑特征分析有待于进一步研究;以及精神分裂症患者EEG脑网络分析中如何提取持续拓扑特征等问题,本文提出基于精神分裂症EEG脑网络的持续拓扑特征分析方法。该方法不仅可以在度量空间的多个尺度上跟踪网络拓扑的演化,还具有在不丢失高维数据信息的基础上有效捕捉高维数据空间拓扑性质的特点。方法选用持续同源Rips过滤算法,通过不断增加过滤阈值来观察大脑网络的拓扑变化,并对数据处理的每一个步骤中涉及到的算法和参数做了分析,研究了脑网络复形构造中的节点、边权矩阵构造、过滤阈值的选择等关键性问题。最后将该方法应用于精神分裂症患者工作记忆持续拓扑特征分析中。结果表明该方法不仅可以在度量空间的多个尺度上跟踪网络拓扑的演化,还能够在不丢失高维数据信息的基础上有效捕捉高维数据空间的拓扑性质。（4）提出EEG动态脑网络同步模型针对目前对复杂网络同步的研究侧重拓扑结构对同步能力的影响而忽略同步过程本身的研究这一问题,本文提出一个适合应用在EEG脑网络上的同步稳态模型,该模型根据主稳定函数法构造EEG动态脑网络同步方程,使用随机阿波罗网络方法逐渐添加节点动态构建网络,利用块坐标下降法将脑网络节点集合做非负矩阵分解,实现动态网络的局部极值化处理,然后利用李雅普诺夫判定定理构造了脑网络同步方程稳定性判别式。在通过公式推导和理论证明该模型有效性的基础上,采用精分患者表情识别和工作记忆两种任务的脑电数据进行模型的仿真实验,分析了多个参数对网络同步性的影响,结果表明模型对于精神分裂症患者EEG脑网络的同步性判断具有稳定性和有效性。
史汉文[7]（2020）在《预期对面孔情绪加工的影响 ——来自ERP的证据》文中认为面部表情传达了关于个体的情绪和社会意图的信息,对于面孔的感知不仅受到面孔本身特征的影响,还受到自上而下的背景信息的影响。然而自上而下的预期信息对面孔感知的影响则鲜有研究涉及。本研究实验一使用不同预期条件下正立与倒置面孔的情绪判断任务,考察预期对面孔感知的影响。行为结果显示,与非预期条件相比,预期条件面孔判断的反应时更短;ERP结果显示,相比非预期条件,预期条件下倒置面孔比正立面孔诱发更大的P1波幅。非预期条件下倒置面孔诱发的N170波幅显着大于正立面孔,而在预期条件下这种差异消失了。相比倒置面孔,正立面孔在预期条件下比在非预期条件下引发更小的N2以及更大的LPP波幅。这表明,自上而下的预期对面部表情加工的影响不仅发生在面部加工的早期感知编码阶段,而且发生在面部表情加工的晚期注意力分配阶段。实验一证明了预期能够影响情绪面孔的感知,但是预期和注意往往混为一谈,预期和注意都是促进感知的大脑机制。虽然注意和预测都能促进感知,但二者有着不同的神经机制。一些理论和实证研究表明,注意力和感知预期以一种相互作用的方式影响感知,注意和预期如何交互影响情绪知觉则鲜有研究涉及。实验二使用一个空间线索范式,注意线索将注意力引导向左或右视野,该任务中,面孔本身的情绪有可能是可预测的,有可能是不可预测的。结果发现,额叶分布的前N1成分（N1a）受到注意和预期的交互影响。N1波幅的注意效应（即相比非注意条件,注意条件下N1波幅增强）仅发生在可预期条件下,并未出现在非预期条件下。注意预期条件下N1波幅大于其他条件。同时在N1成分上发现注意和预期的交互作用受到情绪调节。无论恐惧面孔是否可预期,均出现N1波幅的注意效应。预期和注意这两种自上而下的机制协同合作以优化情绪感知,同时情绪影响着知觉驱动和高阶认知过程。
刘建邑[8]（2020）在《情绪与非情绪躯体动作的自动化加工机制 ——基于vMMN的研究》文中提出躯体与面孔是人们社会交往中传递情绪信息的重要载体,此前的研究更多关注躯体表情和面部表情加工的异同。然而,躯体表达和传递的情绪信息,具有鲜明的“动作”特点,这与面部表情传递和表达的情绪信息有着本质的差异。表达和传递情绪信息的躯体动作与无情绪信息的躯体动作在早期加工阶段有何异同,以及躯体动作的变化如何影响躯体情绪的加工等问题还没有得到系统的探究。本研究实验一、二采用被动oddball范式,在实验一中通过恐惧和中性躯体偏差刺激诱发了相应的vMMN活动,并比较了情绪与中性vMMN之间在不同活跃时间段内的差异。而实验二控制了情绪和中性偏差刺激间的动作幅度差异,设置了有差异和无差异两种条件,并比较了不同条件下情绪与中性vMMN的特征。在实验三中,采用了较新的“反向组块”oddball范式,在完全排除刺激本身动作幅度信息干扰的情况下,进一步探究了非预期情绪和中性躯体间的自动化加工机制差异,这同样是通过比较vMMN特征来实现的。本研究实验一表明躯体情绪和中性变化均能被自动化的加工,并反映在vMMN活动上,且情绪vMMN具有更久的持续时间,这可能反映了情绪变化信息的特异性加工。实验二的结果表明反映在vMMN上的,情绪和中性躯体变化信息间自动化加工差异,可能部分依赖于情绪躯体较中性躯体更大的动作幅度。在完全控制动作幅度因素后,实验三证实非预期的情绪和中性躯体同样能被自动化的加工,且诱发了与实验一、二高度相似的vMMN活动,这进一步说明躯体变化信息的自动化加工本质上可能反映了“预测错误响应”。此外,实验三中非预期情绪躯体仍然具有加工特异性,但体现在更早的潜伏期上。
张越[9]（2020）在《原发性失眠患者处理任务无关性情绪面孔的功能研究》文中认为目的失眠是临床中最为常见的睡眠障碍,就诊时患者常主诉入睡困难、睡眠质量下降和睡眠时间缩短,大部分患者存在记忆功能下降、注意力下降、情绪不稳和日间嗜睡等日间认知功能障碍,严重影响患者的日常生活。目前,已有大量研究聚焦于失眠患者的认知加工功能,并推测失眠患者存在对情感表达处理的功能障碍。近年来,事件相关电位（Event-related potential,ERP）作为一种操作简单、敏感性高且非侵入性的神经电生理检查,在许多神经系统疾病中得到广泛应用。失匹配负波（mismatch negativity,MMN）作为由标准刺激序列中随机出现的偏差刺激所诱发的ERP成分,被认为是反映大脑在非注意状态下对信息自动加工过程的客观指标。在本研究中,我们以卡通情绪面孔诱发的表达相关性失匹配负波（expression-related mismatch negativity,EMMN）作为指标,比较了与任务无关的面部表情在原发性失眠（primary insomnia,PI）患者和健康受试者之间的差异,旨在分析PI患者是否存在前注意水平信息处理功能的损伤,并进一步探究复杂的视觉刺激如面部表情是否可以诱发MMN成分。方法根据《精神疾病诊断准则手册-Ⅳ》（Diagnostic and Statistical Manualof Mental Disorders-Ⅳ,DSM-Ⅳ）作为诊断依据纳入了 22例PI患者以及22例与之年龄、性别和受教育程度相匹配的正常对照组（Normalcontrol,NC）。首先,对所有受试者进行情绪量表的采集以排除伴有情绪障碍的患者,并对PI患者组进行睡眠质量和失眠严重程度的评估。然后,对最终纳入的PI及NC组进行ERP数据的采集。在本实验中,我们将三种示意性面部表情（中性、快乐和悲伤）作为与目标任务无关的视觉刺激,并通过“表情相关性odd-ball”实验范式,对PI患者及NC组的视觉处理进行研究,旨在引出面孔特异性的视觉N170和EMMN成分。通过对所有受试者的脑电数据进行采集和分析,最终在相应的时间窗下对原始波形成分N170和差异性波形EMMN的波幅和潜伏期进行比较分析。结果ERP数据显示,NC组在快乐和悲伤两种表情的视觉刺激下均引出了稳定的EMMN成分,且在EMMN的两个时间窗下,大脑对悲伤表情的自动处理（-0.738±0.741μ V、-0.744±0.863μ V）比快乐表情（-0.226±0.854μV、-0.211±1.051μ V）更加敏感且高效,而这一现象在PI患者中并不存在。此外,PI组和NC组虽然在面孔特异性N170成分的波幅和潜伏期中未表现出明显的差异,而对EMMN的分析表明,PI患者在两个时间窗下的EMMN总平均波幅（0.152±0.596μ V、0.166±0.680μV）与 NC 组（-0.482 ±0.596μ V、-0.478 ±0.680μV）相比均明显减小,差异有统计学意义（P ＜0.010）;且在悲伤条件下,PI患者的 EMMN 组分振幅（0.426±0.741μ V、0.518±0.863μ V）与 NC 组（-0.738±0.741μ V、-0.744±0.863μ V）相比明显降低（p＜0.001）,而两组在快乐条件下并未表现出明显差异（p＞0.05）。结论本实验现有数据表明,面部表情作为复杂的视觉刺激也可以诱发稳定的MMN成分;不同面部表情诱发的EMMN波幅不同,大脑对负性表情的处理更加高效且敏感;PI患者存在对表达信息处理功能的异常,同时伴有高水平的面部情感表达感知功能的受损。
陶瑞文[10]（2020）在《评价者的地位影响个体对评价者情绪加工的ERP研究》文中进行了进一步梳理情绪的社会建构理论认为情绪不仅是个体内事件,而且常常发生在人与人之间的社会互动情境中,因此个体对情绪的加工受到社会互动情境的影响。社会地位作为社会等级的重要垂直维度之一,能够深刻影响个体对情绪的加工。然而通过文献回顾发现,以往关于社会地位与情绪加工的研究至少存在两方面的局限性:一是以往的研究范式主要是考察社会地位对孤立、静态情绪面孔的影响,而没有在动态的互动情境下考察社会地位对情绪加工的影响;二是,以往研究大多采用行为实验探讨二者之间的关系,而没有考察社会地位影响情绪加工的神经机制。鉴于此,本研究采用游戏情境法建立人际评价的情境,同时结合ERP技术,探究评价者地位影响个体对其情绪加工的神经机制。具体而言,首先,本研究通过时间估计任务来操纵评价者的地位（高和低）,然后在无奖惩（实验1）和有奖惩（实验2）条件下,让评价者通过呈现表情反馈的形式（快乐、中性和愤怒）评价被试在时间估计任务中的表现。脑电记录了被试观察评价者表情反馈时的EEG数据。实验1发现:在早期的P1和VPP成分上,高地位评价者的愉悦表情反馈比低地位评价者的愉悦表情反馈诱发了更强的P1波幅,并且高地位评价者的愉悦表情反馈比低地位评价者的愉悦表情反馈诱发了更强的VPP波幅。而在时间窗口靠后的N2和P3成成分上,没有发现评价者的地位和反馈情绪之间的交互作用。实验2发现:在早期的P1和VPP成分上,低地位评价者的愉悦表情反馈、愤怒表情反馈均比高地位评价者的愉悦表情反馈、愤怒表情反馈诱发了更强的P1波幅,同样,低地位评价者的愉悦表情反馈比高地位评价者的愉悦表情反馈诱发了更强的VPP波幅。在后期的N2和P3成分上,高地位评价者的愉悦表情反馈比低地位评价者的愉悦表情反馈诱发了更强的N2波幅;高地位评价者的愉悦表情反馈、中性表情反馈均比愤怒表情反馈诱发了更强的P3波幅,低地位评价者不仅愉悦表情反馈、中性表情反馈均比愤怒表情反馈诱发了更强的P3波幅,并且低地位评价者的愉悦表情反馈比中性表情反馈诱发了更强的P3波幅。综合实验1和实验2的结果发现:在无奖惩条件下,评价者的地位与反馈情绪类型共同影响了P1、VPP成分,这表明评价者的地位影响了个体对其情绪加工的早期阶段;在有奖惩条件下,评价者的地位与反馈情绪类型共同影响了P1、VPP、N2、P3成分,这说明评价者的地位不仅影响了个体对其情绪加工的早期阶段,而且还影响了个体对其情绪加工的后期阶段。
二、快乐2003 快乐ERP（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、快乐2003 快乐ERP（论文提纲范文）
（1）特质焦虑在面部表情前注意加工阶段的影响：来自ERP的证据（论文提纲范文）
| 1 引言 |
| 2 方法 |
| 2.1 被试 |
| 2.2 实验刺激 |
| 2.3 实验程序 |
| 2.4 数据的记录与分析 |
| 3 结果 |
| 3.1 行为数据结果 |
| 3.2 ERP数据结果 |
| 3.2.1 N170 |
| 3.2.2 EMMN |
| 4 讨论 |
| 5 结论 |
（3）气味情境下面孔和躯体表情加工特征的ERP研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 前言 |
| 2 研究理论依据(综述) |
| 2.1 面孔表情 |
| 2.1.1 面孔表情的定义 |
| 2.1.2 面孔表情加工的神经机制 |
| 2.2 躯体表情 |
| 2.2.1 躯体表情的定义 |
| 2.2.2 躯体表情加工的神经机制 |
| 2.3 表情识别的情境效应 |
| 2.4 嗅觉与表情 |
| 2.4.1 嗅觉与情绪的联系 |
| 2.4.2 嗅觉与面孔表情的行为研究 |
| 2.4.3 嗅觉与面孔表情的ERP研究 |
| 2.5 小结 |
| 3 研究构思与假设 |
| 3.1 问题提出 |
| 3.2 研究框架 |
| 3.3 研究假设 |
| 3.4 研究意义 |
| 4 实验一:气味情境对面孔表情加工的影响 |
| 4.1 实验目的 |
| 4.2 方法 |
| 4.2.1 被试 |
| 4.2.2 实验材料 |
| 4.2.3 实验设计 |
| 4.2.4 实验程序 |
| 4.2.5 数据采集和分析 |
| 4.3 结果 |
| 4.3.1 实验过程中气味愉悦度、强度和兴奋度的评估 |
| 4.3.2 行为结果 |
| 4.3.3 ERP结果 |
| 4.3.4 气味情境影响面孔表情识别的行为结果和ERP结果的相关分析 |
| 4.4 讨论 |
| 4.4.1 气味情境下面孔表情识别的行为特征 |
| 4.4.2 面孔表情处理的阶段 |
| 4.4.3 气味情境作用于面部表情的加工的不同阶段 |
| 4.4.4 小结 |
| 5 实验二:气味情境对躯体表情加工的影响 |
| 5.1 实验目的 |
| 5.2 方法 |
| 5.2.1 被试 |
| 5.2.2 实验材料 |
| 5.2.3 实验设计 |
| 5.2.4 实验程序 |
| 5.2.5 数据采集和分析 |
| 5.3 结果 |
| 5.3.1 实验过程中气味愉悦度、强度和兴奋度的评估 |
| 5.3.2 行为结果 |
| 5.3.3 ERP结果 |
| 5.3.4 气味情境影响躯体表情识别的行为结果和ERP结果的相关分析 |
| 5.4 讨论 |
| 5.4.1 气味情境下躯体表情识别的行为特征 |
| 5.4.2 躯体表情加工的阶段 |
| 5.4.3 气味情境作用于躯体表情的加工的不同阶段 |
| 5.5 小结 |
| 6 总讨论 |
| 6.1 气味情境下面孔和躯体表情识别的行为学特征 |
| 6.2 气味情境下面孔和躯体表情加工的神经活动特征 |
| 7 总结论 |
| 8 不足与展望 |
| 8.1 研究存在的不足 |
| 8.2 未来展望 |
| 参考文献 |
| 致谢 |
（4）基于面部表情分类及相关ERP对慢性失眠患者情绪感知特点的研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 符号说明 |
| 引言 |
| 第一章 慢性失眠患者对面部表情分类的行为学改变 |
| 1. 研究对象 |
| 2. 实验方法 |
| 2.1 一般资料 |
| 2.2 临床资料评估 |
| 2.3 实验过程 |
| 2.4 统计学分析 |
| 3. 结果 |
| 4. 讨论 |
| 第二章 慢性失眠患者面部表情分类事件相关电位的研究 |
| 1. 研究对象 |
| 2. 实验方法 |
| 2.1 一般资料 |
| 2.2 临床资料评估 |
| 2.3 面部表情分类相关ERP实验过程 |
| 3. 结果 |
| 4. 讨论 |
| 结论 |
| 不足之处与展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 博士学位期间发表学术论文目录 |
| 学位论文评阅及答辩情况表 |
| 英文论文1 |
| 英文论文2 |
（5）基本情绪的电生理活动：来自ERP的证据（论文提纲范文）
| 1 基本情绪 |
| 2 基本情绪的诱发方法 |
| 3 脑电(EEG)的应用价值 |
| 4 基本情绪的ERP相关成分及其特征 |
| 4.1 P1成分 |
| 4.2 N170成分 |
| 4.3 EPN成分 |
| 4.4 LPP成分 |
| 5 总结与展望 |
（6）精神分裂症患者EEG脑网络的异常特征分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 精神分裂症认知心理学和ERP研究现状 |
| 1.2.2 EEG脑网络构建及分析方法 |
| 1.2.3 融合ERP特征的脑网络特征选择方法 |
| 1.2.4 持续同调复杂网络分析方法 |
| 1.2.5 复杂网络同步研究现状 |
| 1.3 本文的研究内容及创新点 |
| 1.4 本文的结构安排 |
| 第2章 精神分裂症患者ERP异常特征分析 |
| 2.1 引言 |
| 2.2 EEG和 ERP相关理论 |
| 2.2.1 脑电信号 |
| 2.2.2 EEG数据采集的导联方法 |
| 2.2.3 ERP成分 |
| 2.3 精神分裂症患者面部表情加工ERP特征分析 |
| 2.3.1 被试选择 |
| 2.3.2 数据采集 |
| 2.3.3 行为学结果分析 |
| 2.3.4 面部表情加工ERP特征成分提取 |
| 2.3.5 面部表情加工ERP特征成分分析 |
| 2.3.6 结论 |
| 2.4 精神分裂症患者工作记忆ERP特征成分分析 |
| 2.4.1 被试选择 |
| 2.4.2 数据采集 |
| 2.4.3 行为学结果分析 |
| 2.4.4 工作记忆ERP特征成分的提取与分析 |
| 2.4.5 结论 |
| 2.5 本章小结 |
| 第3章 精神分裂症患者融合ERP特征的EEG脑网络分析 |
| 3.1 特征融合和特征选择方法概述 |
| 3.2 精神分裂症患者EEG脑网络属性分析 |
| 3.2.1 EEG脑网络构建方法 |
| 3.2.2 网络属性分析方法 |
| 3.2.3 实验数据及脑网络构建 |
| 3.2.4 网络属性分析 |
| 3.2.5 结果分析 |
| 3.2.6 结论 |
| 3.3 融合ERP特征的EEG脑网络分析 |
| 3.3.1 融合ERP特征的EEG脑网络分析技术路线 |
| 3.3.2 融合ERP特征EEG脑网络分析方法 |
| 3.3.3 实验参数设置及结果 |
| 3.3.4 结果分析 |
| 3.3.5 结论 |
| 3.4 本章小结 |
| 第4章 精神分裂症患者EEG脑网络的持续拓扑特征分析 |
| 4.1 拓扑分析持续同调性理论 |
| 4.1.1 持续同调基本理论 |
| 4.1.2 持续拓扑特征 |
| 4.2 基于PH的EEG脑网络持续拓扑特征分析方法 |
| 4.2.1 构造邻接矩阵 |
| 4.2.2 基于Vietoris-Rips过滤算法的持续拓扑特征提取 |
| 4.2.3 持续拓扑特征的可视化 |
| 4.2.4 持续拓扑特征的稳定性分析 |
| 4.3 工作记忆EEG脑网络持续拓扑特征分析 |
| 4.3.1 实验数据及预处理 |
| 4.3.2 构造EEG脑网络邻接矩阵 |
| 4.3.3 工作记忆数据的持续拓扑特征提取参数设置 |
| 4.3.4 工作记忆EEG脑网络持续拓扑特征 |
| 4.3.5 工作记忆持续拓扑特征稳定性分析 |
| 4.3.6 结论 |
| 4.4 本章小结 |
| 第5章 精神分裂症患者EEG脑网络的同步性分析 |
| 5.1 引言 |
| 5.2 复杂动态网络同步相关理论及算法 |
| 5.2.1 复杂动态网络同步定义 |
| 5.2.2 复杂网络同步的判别法-主稳定函数法 |
| 5.2.3 非负矩阵分解算法 |
| 5.2.4 块坐标下降法 |
| 5.2.5 随机阿波罗网络 |
| 5.3 EEG动态脑网络同步模型 |
| 5.3.1 EEG-DBNS模型构造 |
| 5.3.2 EEG-DBNS模型的优化 |
| 5.3.3 EEG-DBNS模型同步稳定性分析 |
| 5.3.4 EEG-DBNS模型实验分析步骤 |
| 5.4 精神分裂症患者面部表情加工EEG数据同步性分析 |
| 5.4.1 实验数据处理 |
| 5.4.2 实验结果与分析 |
| 5.4.3 结论 |
| 5.5 精神分裂症患者工作记忆数据的同步性分析 |
| 5.5.1 实验数据处理 |
| 5.5.2 实验结果与分析 |
| 5.5.3 结论 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 A 64 导电极10 个ROI图 |
| 附录 B EEG动力学方程 |
| 附表 A 变量和参数初值表 |
| 附表 B 构建脑网络的60 个通道序号及名称表 |
| 附表 C 论文中英文简写表 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（7）预期对面孔情绪加工的影响 ——来自ERP的证据（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 2 国内外研究现状 |
| 2.1 情绪感知中的背景 |
| 2.2 预期概述 |
| 2.2.1 情绪预期 |
| 2.2.2 社会性预期优势效应 |
| 2.2.3 预期的转换机制 |
| 2.3 预期编码理论 |
| 2.3.1 预期编码模型 |
| 2.3.2 分层预测编码理论 |
| 2.4 注意与预期 |
| 3 研究内容 |
| 3.1 问题提出 |
| 3.2 研究方案 |
| 3.3 研究假设 |
| 4 研究意义 |
| 5 实验一:预期对情绪面孔感知的影响 |
| 5.1 方法 |
| 5.1.1 被试 |
| 5.1.2 材料 |
| 5.1.3 设计类型 |
| 5.1.4 程序 |
| 5.1.5 脑电图的数据记录和分析 |
| 5.2 结果 |
| 5.2.1 行为结果 |
| 5.2.2 脑电结果 |
| 5.3 讨论 |
| 6 实验二:预期和注意对情绪面孔感知的交互影响 |
| 6.1 方法 |
| 6.1.1 被试 |
| 6.1.2 材料 |
| 6.1.3 研究设计 |
| 6.1.4 实验程序 |
| 6.1.5 脑电图的数据记录 |
| 6.1.6 脑电图的数据分析 |
| 6.1.7 行为数据分析 |
| 6.1.8 脑电数据分析 |
| 6.2 结果 |
| 6.2.1 行为数据结果 |
| 6.2.2 ERP数据结果 |
| 6.3 讨论 |
| 6.3.1 注意增益假说:注意增加对目标刺激的感觉增益 |
| 6.3.2 预测衰减假说:神经对预测刺激的反应衰减,对未预测刺激的反应增强 |
| 6.3.3 注意和预期的关系 |
| 6.3.4 情绪调节注意和预期的相互作用 |
| 7 总讨论 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
（8）情绪与非情绪躯体动作的自动化加工机制 ——基于vMMN的研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 国内外研究进展 |
| 1.1 引言 |
| 1.2 综述 |
| 1.2.1 EMMN的研究方法 |
| 1.2.2 EMMN的特点 |
| 1.2.3 情绪变化自动化加工的个体差异 |
| 1.2.4 预测编码理论框架下的面部表情自动化加工 |
| 2 研究内容 |
| 2.1 问题提出 |
| 2.1.1 问题一:情绪与中性躯体变化信息的自动化加工机制 |
| 2.1.2 问题二:动作幅度信息对躯体变化自动化加工的影响 |
| 2.1.3 问题三:非预期情绪和中性躯体的自动化加工差异——躯体变化信息自动化加工的深度解读 |
| 2.2 研究方案 |
| 2.3 研究假设 |
| 3 实验一 |
| 3.1 方法 |
| 3.1.1 研究对象 |
| 3.1.2 材料 |
| 3.1.3 程序 |
| 3.1.4 EEG信号采集和预处理 |
| 3.1.5 ERP计算及统计分析 |
| 3.1.6 vMMN的定义 |
| 3.1.7 vMMNs统计分析 |
| 3.2 结果 |
| 3.2.1 ERPs结果 |
| 3.2.2 vMMNs结果 |
| 3.3 讨论 |
| 4 实验二 |
| 4.1 方法 |
| 4.1.1 研究对象 |
| 4.1.2 材料 |
| 4.1.3 程序 |
| 4.1.4 EEG信号采集和预处理 |
| 4.1.5 ERP计算及统计分析 |
| 4.1.6 vMMN的定义 |
| 4.1.7 vMMNs统计分析 |
| 4.2 结果 |
| 4.2.1 ERPs结果 |
| 4.2.2 vMMNs结果 |
| 4.3 讨论 |
| 5 实验三 |
| 5.1 方法 |
| 5.1.1 研究对象 |
| 5.1.2 材料 |
| 5.1.3 程序 |
| 5.1.4 EEG信号采集和预处理 |
| 5.1.5 ERP计算及统计分析 |
| 5.1.6 vMMN的定义 |
| 5.1.7 vMMNs统计分析 |
| 5.2 结果 |
| 5.2.1 ERPs结果 |
| 5.2.2 vMMNs结果 |
| 5.3 讨论 |
| 6 总讨论与结论 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
（9）原发性失眠患者处理任务无关性情绪面孔的功能研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 符号说明 |
| 1.前言 |
| 2.材料和方法 |
| 3.结果 |
| 4.讨论 |
| 5.结论 |
| 表格与附图 |
| 参考文献 |
| 综述 失眠与认知功能的关系研究 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 学位论文评阅及答辩情况表 |
（10）评价者的地位影响个体对评价者情绪加工的ERP研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 文献综述 |
| 1.1 情绪 |
| 1.1.1 情绪的定义 |
| 1.1.2 情绪加工的理论 |
| 1.1.3 影响情绪加工的社会因素 |
| 1.1.4 情绪加工的ERP成分 |
| 1.2 社会地位 |
| 1.2.1 社会地位的定义 |
| 1.2.2 社会地位的操纵 |
| 1.2.3 社会地位加工的ERP成分 |
| 1.3 社会地位对情绪加工的影响 |
| 1.3.1 自身社会地位对情绪加工的影响 |
| 1.3.2 他人社会地位对情绪加工的影响 |
| 2 问题提出与研究意义 |
| 2.1 问题提出 |
| 2.2 研究意义 |
| 2.2.1 理论意义 |
| 2.2.2 实践意义 |
| 3 实证研究 |
| 实验一 :无奖惩条件下评价者的地位对个体情绪加工的影响 |
| 3.1 研究目的 |
| 3.2 研究假设 |
| 3.3 研究方法 |
| 3.3.1 被试选取 |
| 3.3.2 实验设计 |
| 3.3.3 实验材料 |
| 3.3.4 实验流程 |
| 3.3.5 数据记录与分析 |
| 3.4 实验结果 |
| 3.4.1 行为结果 |
| 3.4.2 ERP结果 |
| 3.5 讨论 |
| 实验二 :有奖惩条件下评价者的地位对个体情绪加工的影响 |
| 3.6 研究目的 |
| 3.7 研究假设 |
| 3.8 研究方法 |
| 3.8.1 被试选取 |
| 3.8.2 实验设计 |
| 3.8.3 实验材料 |
| 3.8.4 实验流程 |
| 3.8.5 数据记录与分析 |
| 3.9 实验结果 |
| 3.9.1 行为结果 |
| 3.9.2 ERP结果 |
| 3.10 讨论 |
| 4 综合讨论与结论 |
| 4.1 综合讨论 |
| 4.2 研究结论 |
| 4.3 研究创新 |
| 4.4 研究展望 |
| 参考文献 |
| 致谢 |
四、快乐2003 快乐ERP（论文参考文献）
- [1]特质焦虑在面部表情前注意加工阶段的影响：来自ERP的证据[J]. 李婉悦,刘燊,韩尚锋,张林,徐强. 心理学报, 2022
- [2]个人不公平回忆影响疼痛共情：行为和事件相关电位研究[D]. 巴特尔. 西南大学, 2021
- [3]气味情境下面孔和躯体表情加工特征的ERP研究[D]. 李丹阳. 上海体育学院, 2021(12)
- [4]基于面部表情分类及相关ERP对慢性失眠患者情绪感知特点的研究[D]. 徐松. 山东大学, 2021(10)
- [5]基本情绪的电生理活动：来自ERP的证据[J]. 梁飞,李红,王福顺. 应用心理学, 2021(01)
- [6]精神分裂症患者EEG脑网络的异常特征分析[D]. 阴桂梅. 太原理工大学, 2020(01)
- [7]预期对面孔情绪加工的影响 ——来自ERP的证据[D]. 史汉文. 西北师范大学, 2020(01)
- [8]情绪与非情绪躯体动作的自动化加工机制 ——基于vMMN的研究[D]. 刘建邑. 西北师范大学, 2020(01)
- [9]原发性失眠患者处理任务无关性情绪面孔的功能研究[D]. 张越. 山东大学, 2020(02)
- [10]评价者的地位影响个体对评价者情绪加工的ERP研究[D]. 陶瑞文. 河南大学, 2020(02)