Temat 04

Projektowanie badań EEG

W badaniach EEG manipulujemy zmiennymi niezależnymi i obserwujemy ich wpływ na miary sygnału (amplituda, latencja ERP, moc pasm). Właściwy dobór paradygmatu, liczby prób i kontrola czynników zakłócających decydują o wartości naukowej danych.

Zmienne w badaniach EEG

Badania EEG wpisują się w klasyczny schemat eksperymentalny: manipulujemy zmiennymi niezależnymi (ZN) i mierzymy zmienne zależne (ZZ), kontrolując czynniki zakłócające.

Zmienne zależne w badaniach EEG obejmują:

  1. Amplituda potencjału wywołanego (np. amplituda P100 w okolicach potylicznych) — im silniejsza aktywność neuronalna, tym wyższa amplituda
  2. Latencja potencjału wywołanego (np. latencja N400) — im dłuższe przetwarzanie, tym późniejszy szczyt
  3. Moc pasm częstotliwościowych (np. moc alfa) — wzrost mocy alfa = zmniejszona aktywacja
  4. Czas reakcji behawioralnej — uzupełnia miary ERP, pozwala lokalizować etap przetwarzania

Zmienne niezależne mogą obejmować:

  1. Właściwości fizyczne bodźca: luminancja, kontrast, częstotliwość przestrzenna, głośność
  2. Kategoria semantyczna bodźca: słowa związane vs. niezwiązane semantycznie (paradygmat N400)
  3. Prawdopodobieństwo bodźca: bodziec rzadki vs. częsty (paradygmat P300 oddball)
  4. Obciążenie uwagowe: zadanie łatwe vs. trudne
  5. Stan emocjonalny lub farmakologiczny badanego

Czynniki zakłócające wymagają kontroli:

  1. Pora dnia — poziom fal alfa zmienia się z poziomem zmęczenia
  2. Stan snu/czuwania — dające się przewidzieć, gdy badany jest niewyspany
  3. Kawa, leki, substancje psychoaktywne
  4. Lęk przed badaniem (szybka aktywacja EEG może maskować oczekiwane efekty)

Paradygmaty eksperymentalne

Dobór paradygmatu zależy od badanego procesu poznawczego. Najważniejsze paradygmaty stosowane z EEG:

Paradygmat oddball — badany słyszy/widzi serię bodźców, gdzie większość to bodźce standardowe (np. 80%), a rzadko pojawia się bodziec dewiacyjny (20%). Bodziec dewiacyjny wywołuje silny P300. Przykład: seria dźwięków 1000 Hz z rzadkimi dźwiękami 2000 Hz. Stosowany w badaniach uwagi, pamięci roboczej, zaburzeń psychiatrycznych.

Paradygmat N400 (Kutas i Hillyard, 1980) — badany czyta zdania, które mogą kończyć się wyrazem semantycznie spójnym ("Zjadłem kawałek pizzy i wypiłem kawę") lub niespójnym ("Zjadłem kawałek pizzy i gitarę"). Niespójne zakończenie wywołuje negatywną falę N400 (~400 ms). Stosowany w badaniach przetwarzania języka i semantyki.

Paradygmat SSVEP (Steady-State Visual Evoked Potentials) — bodźce wzrokowe migają z ustaloną częstotliwością (np. 15 Hz); mózg reaguje oscylacjami dokładnie w tej samej częstotliwości. Stosowany w BCI.

Paradygmat Go/No-Go — badany reaguje na jeden typ bodźca (Go), a hamuje reakcję na inny (No-Go). ERN pojawia się po błędzie. Nieprawidłowe odpowiedzi wywołują ERN (Error-Related Negativity). Stosowany w badaniach kontroli hamowania i monitorowania błędów.

Paradygmat prostej reakcji wzrokowej (jak w skrypcie kursu, Jaśkowski i in. 2009): prezentacja kwadratów o różnych jasnościach, badany odpowiada lewą/prawą ręką na literę A lub O. Analiza P100 — wpływ jasności na wczesne przetwarzanie sensoryczne.

Liczba prób, markery i kontakt z badanym

Liczba powtórzeń (trials) jest kluczowym parametrem. Metoda uśredniania (preprocessing) wymaga wystarczającej liczby próbek, by losowy szum zsumował się do zera. Reguła ogólna: minimum 30–50 prób na warunek, preferowane 100+. Dla rzadkich warunków (20% w oddball) przy 100 próbach łącznie uzyskuje się tylko 20 próbek — za mało. Paradygmat oddball powinien zawierać 400–500 prób łącznie.

Przekłada się to bezpośrednio na czas badania: każda próbka trwa ok. 2–4 sekundy (stimulus + odpowiedź + ISI). 500 prób = ok. 25–35 minut czystego nagrania. Dodając czas zakładania czepka (30–60 minut), przerwy i instrukcje — badanie EEG zajmuje typowo 2–3 godziny.

Markery zdarzeń (event markers, triggers) to sygnały wysyłane do pliku EEG przez oprogramowanie prezentacyjne (np. E-Prime, Presentation, Psychopy) w momencie pojawienia się bodźca lub odpowiedzi. Zapisywane jako kanał z kodami cyfrowymi (np. kod 1 = bodziec standardowy, kod 2 = bodziec dewiacyjny). Bez markerów nie można zsegmentować sygnału.

Kontakt z badanym: badany musi być poinformowany o procedurze, być zrelaksowany i zmotywowany. Przed badaniem:

  1. Upewnij się, że badany był wyspany i nie spożywał kofeiny ani alkoholu
  2. Wyjaśnij procedurę — transparentność zmniejsza lęk, a lęk generuje artefakty
  3. Zaplanuj przerwy co 20–30 minut — zmęczenie zwiększa mrugnięcia i senność
  4. Podczas przerw wentyluj kabinę EEG — duszność zwiększa pocenie się skóry i artefakty skórne

Jak czytać sekcję Metody w artykule ERP

Sekcja Metody artykułu ERP powinna zawierać standardowe informacje umożliwiające replikację i krytyczną ocenę jakości danych. Sprawdzaj cztery obszary.

Uczestnicy: jaka jest różnica między liczbą zbadanych a liczbą analizowanych? Duże różnice (np. n=24 zbadanych → n=16 analizowanych) sugerują wysoki odrzut prób z powodu artefaktów — dane niskiej jakości lub rygorystyczne kryteria odrzutu. Artykuł powinien raportować powody wykluczenia uczestników.

Zapis EEG: liczba elektrod i system rozmieszczenia (10–20 lub gęstszy); elektroda referencyjna online (np. Cz, połączone mastoidy) i offline (average reference, elektrody połączone); częstotliwość próbkowania — minimum 256 Hz dla badań ERP, 512+ Hz dla analizy wysokoczęstotliwościowej; filtry online (górna przepustowość filtra dolnoprzepustowego ≥40 Hz; dolna przepustowość filtra górnoprzepustowego ≤0,1 Hz).

Preprocessing: raportowana kolejność kroków (filtrowanie → re-referencja → segmentacja → odrzut artefaktów → ICA); metoda odrzutu artefaktów — manualna inspekcja, automatyczny próg napięciowy (typowo ±75–100 μV) lub ICA; minimalna liczba prób po odrzucie na warunek — mniej niż 20 prób to sygnał ostrzegawczy dla wiarygodności wyników.

Analiza: okno czasowe i elektrody wybrane do pomiaru amplitudy lub latencji — czy zdefiniowane a priori (na podstawie literatury i hipotezy) czy post-hoc (na podstawie samych danych)? Okna wybrane post-hoc zawyżają efekty i wymagają korekcji dla porównań wielokrotnych. Raportowanie miar amplitudy (mean amplitude w oknie vs. peak amplitude) ma znaczenie dla replikowalności — peak amplitude jest bardziej zaszumiona.

Podsumowanie — kluczowe pojęcia

  • EEG jest badaniem eksperymentalnym: ZN (właściwości bodźca, zadanie) → ZZ (amplituda ERP, latencja ERP, moc pasm)
  • Zmienne zależne EEG: amplituda i latencja ERP; moc pasm (alfa, theta, gamma); RT behawioralny
  • Paradygmat oddball: 80% standard + 20% deviant → silny P300 na bodziec rzadki
  • N400 (Kutas & Hillyard, 1980): wskaźnik przetwarzania semantycznego; silniejszy dla niespójnych zakończeń zdań
  • ERN (Error-Related Negativity): automatyczne monitorowanie błędów, szczyt ~80–100 ms po błędzie (latencja szczytu) — przed świadomością pomyłki
  • Minimum 30–50 prób na warunek, preferowane 100+; rzadkie zdarzenia wymagają więcej prób łącznie
  • Markery zdarzeń (triggers): kody cyfrowe zapisywane równolegle do sygnału EEG w momencie bodźca/odpowiedzi; konieczne do segmentacji
  • Badanie EEG z zakładaniem czepka: typowo 2–3 godziny — planować przerwy, kontrolować zmęczenie
  • Kontrola czynników zakłócających: pora dnia, sen, kofeina, leki, lęk — wszystkie wpływają na sygnał EEG
  • ISI (Inter-Stimulus Interval): zbyt krótki → nakładanie się ERP kolejnych prób; zbyt długi → niepotrzebne wydłużenie badania

Jak oceniasz trudność tego materiału?

1234567
Bardzo trudnyBardzo łatwy

Literatura obowiązkowa

Luck, S. J. (2014). An introduction to the event-related potential technique (2nd ed.). MIT Press.

Niedermeyer, E., Lopes da Silva, F. H. (2005). Electroencephalography: Basic principles, clinical applications, and related fields (5th ed.). Lippincott Williams & Wilkins.

Cohen, M. X. (2014). Analyzing neural time series data: Theory and practice. MIT Press.

Literatura uzupełniająca

Luck, S. J., Kappenman, E. S. (Eds.) (2012). The Oxford handbook of event-related potential components. Oxford University Press.

Makeig, S., Debener, S., Onton, J., Delorme, A. (2004). Mining event-related brain dynamics. Trends in Cognitive Sciences, 8(5), 204–210.

Delorme, A., Makeig, S. (2004). EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics. Journal of Neuroscience Methods, 134(1), 9–21.

© 2026 Aleksander Zębrowski. Materiały edukacyjne.

← Powrót do portfolio