皮肤电数据简介及预处理指南

Hello, 这里是行上行下，我是喵君姐姐~
在情绪渲染、疼痛共情、恐惧泛化等相关领域，我们都有可能用到皮电反应来测量被试的相关生理指标。

那么皮电反应到底是什么？该如何测量？如何进行数据处理呢？
今天，邀请到文文给我们分享皮肤电数据的简介以及预处理指南，希望你会喜欢哟~

Part1  相关概念详细解释

皮电反应，是一项情绪生理指标。它代表机体受到刺激时皮肤电传导的变化。皮肤电反应作为交感神经系统功能的直接指标，也可以作为脑唤醒、警觉水平的间接指标（来自百度百科）。

皮肤电作为一种易于获取的基本生理信号，可以很好地量化情绪反应，已被广泛应用于情感识别研究中。

皮肤电数据在统计之前需要进行一定的预处理，而预处理过程具体又是什么呢，本篇文章会从以下几部分来介绍皮肤电预处理过程。
Part2 皮肤电数据介绍

皮肤电信号主要由缓慢变化的基础（Tonic）活动——皮肤电导水平与快速变化的相位（Phasic）活动——皮肤电导反应组成，见上图（韩颖, 董玉琦, & 毕景刚，2018)。   2.1 皮肤电导水平（Skin Conductance Level，SCL）
SCL是无任何环境激励下的皮肤电导基线，在几十秒至几分钟内变化缓慢、更替微小。SCL的上升与下降随着个体的反应、皮肤干燥程度或自主调节能力不同而持续变化（韩颖, 董玉琦, & 毕景刚，2018)。
皮肤电导基础水平存在个体差异，并与个性特征相关，如向亦文,阎克乐,陆运青 (2000)的研究中测量了大学生皮电基础水平与MMPI量表之间的关系。   2.2 皮肤电导反应（Skin Conductance Response，SCR）
相位反应在基础水平之上，变化幅度更高、速度更快，以“GSR突发”或“GSR峰值”的形式显示。
SCR对特定的情绪刺激事件敏感，事件相关皮肤电导反应（ER-SCRs）会在情绪刺激发生后的1～5秒之间突发；非特异性皮肤电导反应（NS-SCRs）则在人体内以1～3分钟的速率自发发生，与任何刺激无关（韩颖, 董玉琦, & 毕景刚，2018)。

Part3 事件相关的皮肤电导反应
下图(来自mindware官网）便是一个理想的皮肤电导反应。刺激后，皮肤电在0~4s逐渐达到峰值，0.5~5s恢复，若想观察到皮肤电反应需要至多9s的时间。

因此在设计皮肤电实验时因注意刺激之间的间隔时间，两个刺激间隔至少在10s以上，以免两个刺激的反应混淆。
经过刺激后，皮肤电水平应有一个明显的上升，峰值是皮肤电反应是否良好的重要指标。皮肤电的单位是微西门子microsiemens (µS) ，数值大概在5-50µS之间。
被试的皮肤干燥水平、个体差异、电极片、采集部位等是其中的影响因素，在采集数据时应严格遵守操作步骤，以确保数据的质量。

Part4 如何判断数据质量
本节图片均来自mindware官网。   下图是理想的皮肤电数据，较细的线条（无太多噪音），有明显的起伏，明显的上升。  
而质量差的数据分为以下几种：
① 高频噪声  
受高频噪声影响的皮电反应如上图，线条较粗，但总体起伏还是比较明显。
这类问题通常由电干扰影响：连结记录仪的导线是否有跟其他电线相交或者是否靠近其他电器设备、电源的接入是否正常、被试身边是否有电线或者设备。
此问题不是特别影响数据，也可以通过滤波操作过滤此噪声。   ② 无信号和低振幅信号  
无信号如上图所示，线条特别粗且数值在0左右，有可能是无信号或者低振幅信号，可以用呼吸测试（既让被试深呼吸观察被试皮肤电反应）来区分，若深呼吸后还是无起伏，即为无信号。
无信号可能与设备连接，电极片过期等有关，导致设备不能收集到被试的信号。
有些被试容易出手汗，实验过程中电极片可能会脱落，可以用医用胶布固定电极片防止这类事情发生。

低振幅信号如上图所示，数值在0左右但有些许起伏。这跟个体生理有很大的关系，有些被试的皮电反应较不敏感，在正式实验前需要进行预测和呼吸测试，以排除该类被试。
除此之外，被试的皮肤过于干燥也可能会影响，在实验前避免用带香味或含酒精的洗手液洗手。以及选择正确的电极片（实验用的，没过期的电极片），正确的粘贴位置（指尖、掌心等）。

 

Part5 皮肤电数据预处理
根据上文，在分析前可以将一些不好的数据筛除，不过尽量只排除无信号类型的数据。
要得到最终的数据包括两步：第一步，时间窗、基线、最大值的选择；第二步，数据校正。   5.1 时间窗、基线、反应最大值的选择
事件相关的皮肤电导反应，既是计算刺激所诱发的皮肤电导值有多大。根据上文的介绍，皮肤电达到峰值时需要一定的时间，因此我们要选定合适的时间窗计算。
我们需要选择一个时间窗的值作为基线值，一个时间窗的值作为反应最大值，两者相减就是刺激诱发的原始值。
例如，可选择刺激前的1-3s的均值作为基线值，刺激后8s的最大值作为反应最大值；也可以选择刺激后的1-5s的最小值作为基线值，最大值作为反应最大值。
这些选择主要取决于被试的任务和实验类型，需要参考同类型的前人研究以确定。
例如，在恐惧习得实验中，非条件刺激US后伴随条件刺激CS，若是测量US的诱发值，我们选择反应最大值的时间窗不宜选择过长，刺激后5s左右较为适宜，因为CS也会诱发皮电值，选择过长的时间窗测出的峰值可能是CS诱发的而非US。
  将采集的数据按照你所选的时间窗导出，反应最大值和基线值相减后即可得到原始皮电值。   5.2 数据校正
在得到的相减值中，小于0或0.01或0.02µS（这几个值在分析中较为常用，具体数值要参考前人研究）作为0反应，将这些值记为0。
我们最终得到的数据最后需要拿去进行方差分析检验或做回归等分析，而这些分析的前提要求是变量呈正态分布。
此步骤将收集到的数据正态化，常用的正态化处理有平方根化的对数化。
① 平方根化 (x'=√x)：
陈伟等人（2018），冯彪等人（2017）的皮电研究中所用的正态化方法为平方根化。该方法也可以使数据方差齐性。
② 对数化 (x'=logx)：
Ahrens et al.(2016), Mueller et al.(2019)的皮电研究中所用的方法为对数化。当原始数据中有最小值及零时（作对数时x不能取0）可取x’=log(x+1)。该方法也可以使数据方差齐性。
通过0反应转化和正态化后，即得到最终数据。   本期分享到此结束，希望疫情期间在家学习的各位有所收获噢！
如果文章讲的有不对的地方或者有其他经验分享，欢迎在公众号留言~
PS:后台回复关键词“皮肤电数据处理”即可获得所述的原始文献及相关教程啦！ 作者：文文

排版：喵君姐姐

资料来源： 【1】Ahrens, L. M. , Pauli, P. , Reif, A. , Andreas Mühlberger, & Wieser, M. J.  (2016). Fear conditioning and stimulus generalization in patients with social anxiety disorder. Journal of Anxiety Disorders, 44, 36-46. 【2】Mueller, E.M. , Sperl, M.F. J. , & Panitz, C .(2019). Aversive Imagery Causes De Novo Fear Conditioning. Psychology science, 30(7), 1001-1015. 【3】陈伟, 李俊娇, 曹杨靖文, &郑希付. (2018). 预期错误在复合恐惧记忆提取消退中的作用. 心理学报, 50(7),739-749. 【4】冯彪, 徐亮, 张蔚欣, 陈婷, 王文清,&郑希付.(2017). 积极情绪对条件性恐惧泛化的抑制作用.心理学报,49(3),317-328. 【5】韩颖, 董玉琦, & 毕景刚. (2018). 学习分析中情绪的生理数据表征——皮肤电反应的应用前瞻. 现代教育技术, 28(10), 13-20. 【6】向亦文, 阎克乐, & 陆运青.(2000)大学生皮肤电反应、MMPI及其关系的初步研究.心理学报，32(1),95-98. 【7】Mindware官网：https://support.mindwaretech.com

Python

介绍及安装

Psychopy系列教程

eeglab脑电数据预处理指导手册

Letswave教程：脑电数据预处理与叠加平均