通過腦功能網絡分析混合情緒因素對錯誤記憶的影響，有助于更深入地探索大腦記憶的本質。本研究采用混合情緒性記憶材料設計了迪斯-羅迪格-麥克德莫特（DRM）范式腦電試驗，使用不同音樂對三組受試者分別誘發積極、平靜和消極情緒，利用標準化低分辨率腦電磁層析成像算法（sLORETA）對采集到的錯誤記憶腦電信號進行溯源，進而構建皮層腦功能網絡并進行分析。結果顯示，積極組的錯誤記憶最多［（83.3 ± 6.8）%］，主要激活了大腦前額葉及左顳葉，且激活程度和腦網絡連接密度顯著大于平靜組和消極組；平靜組主要激活了大腦的額葉后部及顳葉，腦網絡的集團化程度和傳遞信息的速率大于積極組和消極組；消極組的錯誤記憶最少［（73.3 ± 2.2）%］，主要激活了大腦的前額葉及右顳葉，腦網絡連接最稀疏，節點中央化程度顯著大于平靜組，但腦網絡的集團化程度和傳遞信息的速率小于積極組。結果表明，積極情緒激發大腦調用更多的腦力資源對語義進行編碼和聯想，增加了錯誤記憶；消極情緒抑制大腦的活動，阻礙大腦對語義的編碼和聯想，從而減少了錯誤記憶。
引用本文： 倪召兵, 李穎, 趙營鴿, 楊碩, 尹寧. 基于腦功能網絡的混合情緒因素對錯誤記憶影響的研究. 生物醫學工程學雜志, 2021, 38(5): 828-837. doi: 10.7507/1001-5515.202008042 復制
引言
大腦對經歷事件的識記、再認或保持，都是在進行記憶的過程，但這個過程并不總是正確的，它可能會自發地或因外界干擾而產生錯誤。當人們回憶或再認一些并沒有見過的事件時，錯把沒發生過的事件認為曾經見過，此時錯誤記憶就發生了，錯誤記憶與正確記憶一樣，幾乎每天都會出現在我們的生活中[1-2]。
近年來，隨著情緒對正確記憶影響研究深入的同時，眾多學者也開始對情緒與錯誤記憶的關系進行研究。情緒對記憶的影響常常從情緒性記憶材料和誘發受試者情緒兩個角度進行研究，有研究者讓受試者保持中性情緒對帶有情緒的詞表進行記憶研究，發現受試者的錯誤記憶發生率依次為負性詞表 > 中性詞表 > 正性詞表[3-4]；有研究者使用中性詞表研究受試者不同的情緒狀態對錯誤記憶的影響，發現積極情緒組與消極情緒組相比，產生了更多的錯誤再認[5-6]；同時也有研究者將兩種情緒因素聯合進行研究，發現錯誤記憶同樣存在情緒一致性的結論[7-8]。綜觀國內外近年來對錯誤記憶的研究可以發現，大多數研究是從行為學數據上進行分析，僅有少部分研究者在無情緒因素的條件下對錯誤記憶的神經活動或腦電（electroencephalogram，EEG）信號進行了分析。Garoff-Eaton 等[9]利用功能磁共振成像對相關錯誤記憶和不相關錯誤記憶進行了比較，發現正確記憶和相關錯誤記憶在前額葉、頂葉和內側顳葉有相似的神經活動，而不相關的錯誤記憶與語言處理區域的活動有關。Beato 等[10]采用事件相關電位（event-related potential，ERP）研究了加工水平對正確和錯誤記憶的影響，發現正確記憶和錯誤記憶的左頂葉和右額葉晚期的新舊效應具有可比性，但加工水平對正確和錯誤記憶的影響僅在行為上存在差異，在 ERP 上沒有差異。張霞[11]采用 ERP 技術考察了表象激活混淆與錯誤記憶的關系，發現在編碼和提取階段，錯誤記憶都比正確記憶在頂區、枕區和顳枕區有更大的晚正成分。
腦電信號作為一種典型的生物電信號，包含了許多病理或生理信息，對其進行研究不僅可以在臨床上對一些腦部疾病進行診斷，而且可以在無創條件下幫助人們從本質上探究大腦的工作機制。在頭皮采集到的腦電信號雖然具有較高的時間分辨率，但卻難以避免頭皮、顱骨、腦脊液等帶來的干擾[12]，因此利用頭皮記錄到的腦電信號，反演估計大腦內部的神經活動源的位置和強度信息可以更有利于精確地了解大腦的工作機制[13]。標準化低分辨率腦電磁層析成像算法（standardized low resolution brain electromagnetic tomography algorithm，sLORETA）是一種分布式模型源定位算法，該算法使用有限反演估計出標準腦圖譜空間內腦電信號的概率源，在理想情況下的源定位誤差為零[14]。Jun 等[15]使用 sLORETA 對癲癇患者進行源定位分析，發現兒童失神性癲癇放電的主要來源在額葉。李繼鵬等[16]采用 sLORETA 對大腦在不同類型的背景音樂中進行工作記憶時激活的腦區位置進行溯源并分析，發現背景音樂降低了大腦的記憶效率。可以看出，sLORETA 在臨床疾病診斷及大腦認知研究方面為研究者提供了一定的幫助，具有可靠性。
對腦電信號進行溯源可有效避免顱腔容積效應帶來的影響，針對這一特性有學者提出利用逆問題將腦電信號溯源后重新構建皮層腦功能網絡，以此來提高腦網絡的時空分辨率，使構建的腦網絡更加可靠[17]。此外，將腦神經科學與復雜網絡理論相結合進行研究，便可以通過腦網絡的一些特征屬性研究大腦在時域或頻域上的認知活動，近年來腦功能網絡的構建與分析被大量應用在精神疾病、神經疾病、注意力、腦疲勞等研究中[18-20]，為人類探索大腦的工作機制提供了很好的幫助。
人的情緒會受環境因素影響，在進行學習記憶時面對需記憶材料所帶有的情緒也是多變的，為了更貼近現實生活，本研究的試驗設計使用混合情緒性記憶材料，通過對比受試者不同情緒狀態下腦電數據的 sLORETA 溯源結果和皮層腦功能網絡的特征屬性，分析在混合情緒性記憶材料下受試者的情緒狀態對錯誤記憶的影響，從而為如何更好地避免生活中錯誤記憶的發生和研究大腦記憶的工作機制提供一定的理論依據。
1 試驗材料和流程
1.1 試驗設備
通過試驗設計軟件 E-Prime 3.0（PST Inc.，美國）編排試驗界面并在后臺記錄受試者的行為數據，使用腦電信號采集系統 NeuroScan（Compumedics Inc.，澳大利亞）采集 64 通道的腦電信號，電極通道的分布符合國際 10-20 電極導聯定位標準，采樣頻率為 1 000 Hz，進行試驗時電極與頭皮之間的阻抗保持在 10 k?以下，試驗中誘發受試者情緒的音樂通過插線式耳機 KM360（Kanen Inc.，中國）進行播放。
1.2 試驗對象
有研究發現抑郁癥患者與正常人在錯誤記憶發生率上的差異具有統計學意義[21]，因此本研究在試驗前使用抑郁自評量表（self-rating depression scale，SDS）對受試者進行了篩選，確保所有受試者均無抑郁癥狀[22-23]。通過招募，本試驗最終有效受試者為 30 名身心健康的在校大學生，女生 12 人，男生 18 人，年齡 22～25 歲，均為右利手，裸眼或矯正后視力正常。受試者被隨機分配到 3 個組別，分別為：積極組、平靜組、消極組，并對應誘發相應情緒，最終保證每組都有 10 名受試者，整個試驗在安靜且環境舒適的實驗室中進行，所有受試者在試驗前已知曉試驗內容并簽署了試驗知情同意書。試驗通過了河北工業大學生物醫學倫理委員會審核（HEBUThMEC2020006）。
1.3 刺激材料
謝韻梓等[24]對誘發情緒的多種方式進行了比較，發現以音樂為誘發形式產生的情緒在強度及純度上都要高于圖片或電影，故本試驗選用音樂誘發情緒。積極組誘發受試者積極情緒音樂為：《Brandenberg Concerto No.3》（Nova Era）；消極組誘發受試者消極情緒音樂為：《Alexander Nevsky：Russia under the Mongolian Yoke》（Neeme J?rvi）；對平靜組采用無音樂閉眼放松的形式誘發平靜情緒。有研究表明，以上音樂能很好地誘發受試者相應的情緒狀態[25-26]。誘發情緒后使用正負情緒量表（positive and negative affect scales，PANAS）[27]和受試者的主觀感受進行評測，以確保成功誘發了受試者相應的情緒。
試驗選用以美國心理學家詹姆斯·迪斯（James Deese）、亨利·羅迪格（Henry Roediger）和凱瑟琳·麥克德莫特（Kathleen Mc-Dermott）三位心理學家的名字共同命名的集中聯想程序（Deese-Roediger-Mc-Dermott，DRM）記憶試驗范式，該范式可嚴格控制變量且變量間關系較明確[28]。記憶材料為帶有積極、中性、消極情緒的 DRM 詞表各 4 組，每組詞表包含 12 個學習詞（互相具有語義聯系，出現在學習階段，部分出現在再認階段）和 1 個誘發錯誤記憶的關鍵詞（與學習詞具有較高的語義聯系，只出現在再認階段）。為保證再認階段中舊詞（學習詞）和新詞（關鍵詞、無關詞）的數量一樣，引入 24 個無任何情緒色彩和含義的無關詞進行補充。本試驗的研究目標為錯誤記憶，因此只對關鍵詞相對應的行為數據及腦電數據進行分析，每個受試者產生錯誤記憶的個數與關鍵詞總數（12）進行相比，即為該受試者的錯誤記憶發生率。學習與再認階段的詞語構成和受試者產生錯誤記憶的判定標準如圖 1 所示。
圖1
學習與再認階段的詞語構成
Figure1.
Components of learning and recognition stage
1.4 試驗流程
李芳等[29]對誘發情緒的有效性和時間進行了研究，發現受試者所誘發的高興情緒在 180 s 內、悲傷情緒在 240 s 內會保持在一般偏上的狀態，因此本試驗在學習與再認階段前都對受試者進行了相同情緒的誘發，以此來保證受試者在整個試驗過程中情緒狀態的統一和試驗結果的有效性。正式試驗過程為：誘發受試者情緒（180 s）→受試者填寫 PANAS 及報告自身情緒（60 s）→學習階段（216 s）→再次誘發相同情緒（180 s）→再認階段（180 s）。學習階段，液晶屏幕中央每次會出現 1 個詞語，持續 1 s，需要受試者記住，然后黑屏 0.5 s，循環 144 次，12 組情緒性詞表在學習階段按組呈混合狀態出現（例如，出現一組積極詞表，再出現一組中性詞表，再出現一組消極詞表
）；再認階段，屏幕上每次出現 1 個詞語，持續 2 s，若受試者認為在學習階段見過，按“F”鍵，否則，按“J”鍵，按鍵后會黑屏 0.5 s，若 2 s 后沒有按鍵，則自動進入黑屏，以此循環 72 次。
2 方法
2.1 腦電信號預處理方法
為了避免在采集的過程中引入的噪聲對腦電信號分析產生影響，在分析前首先要對腦電信號進行預處理，預處理步驟包括剔除明顯漂移腦電信號、選取全腦電極平均作為參考、進行基線校正、使用 1～40 Hz 帶通濾波器濾波、去除眼電偽跡、去除壞塊、截取錯誤記憶發生時刺激點前 0 s 與刺激點后 1 s 之間的腦電數據進行疊加平均，最后將每組 10 名受試者的錯誤記憶腦電信號進行疊加平均，獲得三種不同情緒狀態下的錯誤記憶 ERP。
2.2 皮層腦功能網絡構建方法
將預處理后的錯誤記憶 ERP 利用 sLORETA 進行溯源，根據電流密度分布選取大腦皮層感興趣區域（region of interesting，ROI）作為節點，獲得關聯矩陣，選取合適的閾值將關聯矩陣二值化，進而利用二值矩陣構建皮層腦功能網絡。
2.2.1 關聯矩陣的求取
本試驗利用腦電信號數據處理軟件 Curry 8（Compumedics Inc.，美國）進行 sLORETA 溯源，選用真實頭邊界元模型，頭模型中各體素間距為 2.5 mm，將溯源結果約束到標準大腦皮層上，從而得到大腦皮層上電流密度分布及強度，最終得到的體素點為 31 061 個/ms，每個體素點都有對應的體素值，即電流密度值。在大腦皮層上自定義與頭皮電極相對應的 64 個 ROI 節點，將溯源后的體素就近分配到 ROI 節點上并進行疊加平均，從而得到大腦皮層上該 ROI 節點的源電流密度值，之后采用皮爾遜算法[30]計算各通道間腦電信號的關聯特性，從而獲得 64 × 64 的關聯矩陣。
2.2.2 閾值的選取
在得到關聯矩陣后，需要選取合適的閾值將關聯矩陣進行二值化，進而構建腦網絡。二值矩陣中的元素 Aij 表示節點 i 與節點 j 之間的連接關系，Aij = 0 時表示兩點之間無連接邊；Aij = 1 時表示兩點之間存在連接邊。一個合適的閾值既要保證網絡的完整性，又要避免網絡過于密集，當網絡的平均節點度 
大于節點數的自然對數（即 
）時，可以達到以上要求[31]，為了保證三種情緒狀態下受試者的錯誤記憶 ERP 的二值矩陣均具有可靠性和可比性，本文經過測試，三組數據最終選取的閾值均為 T = 0.83。
2.3 皮層腦功能網絡分析方法
為了更好地描述和區分不同情緒狀態下錯誤記憶的皮層腦功能網絡的拓撲結構，本研究分別從局部屬性（節點度、介數中心度）和全局屬性（平均聚類系數、平均最短路徑長度）對皮層腦功能網絡的特征屬性進行了分析[32]。
2.3.1 節點度
在網絡中節點度表示與節點 i 存在連接的節點個數總和，在網絡中一個節點的度越大，說明該節點在網絡中的地位越重要。
2.3.2 介數中心度
在網絡中介數中心度表示從節點 i 到節點 j 之間通過節點 v 的最短路徑的數量與所有從節點 i 到節點 j 之間的最短路徑的數量總和的比值，它反映了一個節點在網絡中的中央化程度以及在網絡中的重要性。
2.3.3 平均聚類系數
在網絡中聚類系數表示節點 i 的鄰居節點間實際相互存在的邊數與可能存在的邊數的比值，用來表示網絡的集群特性和緊密程度，一個網絡的聚類系數由該網絡中所有節點的聚類系數的平均值 C 表示，C 取值范圍在 0～1 之間，且 C 值越大，腦網絡神經元間的連接越緊密。
2.3.4 平均最短路徑長度
平均最短路徑長度表示網絡中任意兩節點之間最短路徑長度的平均值，可以用來描述網絡內部信息的傳遞能力，平均最短路徑長度越小，網絡的連通性和功能整合能力越好。
3 結果
3.1 行為數據分析
3.1.1 量表統計分析
對三種情緒狀態下受試者的 PANAS 得分進行了統計，結果如表 1 所示。由表 1 可以看出，積極組受試者的正性情緒得分遠大于負性情緒，平靜組受試者的正性與負性情緒得分較為接近，消極組受試者的正性情緒得分遠小于負性情緒，所有受試者的 PANAS 得分與目標誘發情緒保持一致，說明本試驗有效誘發了受試者相應的情緒。此外，在試驗結束后有 90.0% 的受試者認為試驗難度一般，說明本試驗設計避免了受試者因大腦疲勞給試驗結果帶來的影響。
表1
三種情緒狀態下 PANAS 得分的統計結果（
）
Table1.
Statistical results of PANAS scores in three emotional states (
)
3.1.2 反應正誤與時間統計分析
使用數據統計分析軟件 SPSS 20.0（IBM Inc.，美國）對受試者的按鍵反應進行分析，分別得到了三種情緒狀態下受試者錯誤記憶發生率與反應時間的平均值和標準差，如表 2 所示。由表 2 可以看出，積極組受試者的錯誤記憶發生率高于平靜組，平靜組高于消極組；積極組和消極組的反應時間小于平靜組。采用單因素方差分析對三組受試者進行檢驗，結果顯示，三組受試者的錯誤記憶發生率組間差異具有統計學意義（F = 12.461，P = 0.007 < 0.05），但反應時間組間差異不具有統計學意義（F = 1.697，P = 0.224 > 0.05），說明在本試驗中受試者不同的情緒狀態對錯誤記憶的發生率產生了影響。
表2
三種情緒狀態下行為數據的統計結果（
）
Table2.
Statistical results of behavioral data in three emotional states (
)
3.2 sLORETA 溯源分析
對三組錯誤記憶 ERP 進行分析，發現三組受試者在反應按鍵前（即刺激界面出現后 0～1 s）的 ERP 峰值點處存在差異，于是使用 sLORETA 對峰值點進行溯源，溯源結果如圖 2 所示。可以看出，積極組受試者的激活區域主要在大腦額葉和左顳葉內側，強度（Fmax = 130）大于平靜組（Fmax = 32.8）和消極組（Fmax = 20.3）；平靜組受試者的激活區域主要在大腦額葉、左顳葉內側和右顳葉；消極組受試者的激活區域主要在大腦額葉和右顳葉。溯源結果表明，受試者在不同情緒狀態下產生錯誤記憶時，均激活了大腦的額葉和顳葉，但在激發強度及顳葉位置上存在一定的差異。
圖2
三種情緒狀態下錯誤記憶腦電信號溯源結果
Figure2.
Electroencephalogram traceability results of false memory in three emotional states
3.3 皮層腦功能網絡的構建
將通過皮爾遜算法[30]獲得的關聯矩陣進行二值化，結果如圖 3 所示，橫縱坐標均代表 64 個 ROI 節點編號，黑色方塊代表 0，表示無連接；白色方塊代表 1，表示有連接。由圖 3 可以看出，積極組相比于平靜組和消極組，整體連接明顯增多，此外，三組在額葉的連接均明顯多于其他腦區，且積極組在額葉的連接明顯多于消極組，消極組明顯多于平靜組。
圖3
三種情緒狀態下二值化關聯矩陣
Figure3.
Binary correlation matrix in three emotional states
得到二值矩陣后，使用神經影像腦連接可視化軟件 BrainNet Viewer（Beijing Normal University，中國）構建三種不同情緒狀態下的皮層腦功能網絡，如圖 4 所示。圖 4 中 6 種不同顏色的節點分別代表了不同的腦區位置。組間兩兩比較可以看出：① 積極組比平靜組連接更加密集，且連接集中在額葉，而平靜組在顳葉的連接要比積極組密集；② 積極組比消極組連接更加密集，兩組連接都集中在額葉和顳葉，但積極組在顳葉的連接更加密集；③ 平靜組與消極組的連接稀疏度差異較小，但消極組連接更多地集中在額葉，平靜組連接主要分散在額葉與顳葉。通過對比可以發現，三種情緒狀態下受試者產生錯誤記憶時的皮層腦功能網絡存在一定的差異，但三組受試者的腦網絡均在額葉產生了較多的連接，尤其是積極組受試者在額葉的連接最密集復雜，而額葉在大腦中主要負責工作記憶、信息整合和邏輯推理等功能[33]，這說明積極情緒狀態下大腦調用了更多的腦力資源對學習階段見到的詞與深層記憶中的詞進行信息整合或邏輯聯想，從而將學習階段沒見過的關鍵詞錯認為剛剛見過，導致產生了更多的錯誤記憶。為了更加嚴密地分析三種情緒狀態下皮層腦功能網絡的差異，接下來對三組腦網絡的特征屬性進行了統計分析。
圖4
三種情緒狀態下的皮層腦功能網絡
Figure4.
Functional network of cerebral cortex in three emotional states
3.4 皮層腦功能網絡屬性分析
3.4.1 局部屬性分析
（1）節點度 本試驗統計了三種情緒狀態下的腦網絡中節點度最高的前 10 個 ROI 節點，并將節點坐標按照布羅德曼分區（Brodmann area，BA）標準轉換為更加直觀的腦區位置，如表 3 所示。可以看出，積極組和消極組受試者腦網絡中的重要節點主要位于額葉，而平靜組受試者主要位于額葉和顳葉。
表3
不同分組下節點度最高的前 10 個節點位置
Table3.
Top 10 nodes location with the highest node degrees in different groups
對三組腦功能網絡中節點度最高的前 10 個 ROI 節點進行單因素方差分析檢驗，結果顯示三組數據組間差異具有統計學意義（F = 18.124，P = 1 × 10?5 < 0.05），對數據進行事后配對比較，結果如表 4 所示。可以看出，積極組的節點度均值大于平靜組，差異具有統計學意義（P = 0.006 < 0.05），表明積極情緒狀態比平靜情緒狀態下的大腦在節點處激發了更多的連接，說明在積極情緒狀態下大腦更加活躍；平靜組的節點度均值大于消極組，但差異不具有統計學意義（P = 0.222 > 0.05）；消極組的節點度均值小于積極組，差異具有統計學意義（P = 1.4 × 10?5 < 0.05），表明消極情緒狀態下的受試者在節點處激發的連接少于積極情緒狀態下的受試者，說明消極情緒狀態下大腦的活躍程度較低。
表4
節點度單因素方差分析配對比較（*P < 0.05）
Table4.
Pairing comparison of one-way ANOVA of node degree (*P < 0.05)
（2）介數中心度 本試驗對三種情緒狀態下的腦網絡介數中心度最高的前 10 個 ROI 節點進行了統計，如表 5 所示。可以看出，三組受試者的腦網絡中央化程度較高的節點均主要位于額葉、顳葉和頂葉。
表5
不同分組下介數中心度最高的前 10 個節點位置
Table5.
Top 10 nodes location with the highest betweenness centrality in different groups
對三種情緒狀態下的腦網絡介數中心度最高的前 10 個 ROI 節點進行單因素方差分析檢驗，結果顯示三組數據組間差異具有統計學意義（F = 5.241，P = 0.012 < 0.05），對數據進行事后配對比較，結果如表 6 所示。可以看出，積極組介數中心度均值大于平靜組，差異具有統計學意義（P = 0.048 < 0.05），表明積極情緒狀態的受試者在節點處的中央化程度比平靜情緒狀態的受試者更高，說明在積極情緒狀態下比在平靜情緒狀態下節點間包含更多的信息；平靜組的介數中心度均值小于消極組，差異具有統計學意義（P = 0.043 < 0.05），表明平靜情緒狀態的受試者在節點處的中央化程度比消極情緒狀態的受試者更低，說明在平靜情緒狀態下比在消極情緒狀態下節點間包含的信息更少；消極組介數中心度均值大于積極組，但差異不具有統計學意義（P = 0.479 > 0.05）。
表6
介數中心度單因素方差分析配對比較（*P < 0.05）
Table6.
Pairing comparison of one-way ANOVA of betweenness centrality (*P < 0.05)
3.4.2 全局屬性分析
（1）平均聚類系數 對三組受試者腦網絡的平均聚類系數進行獨立樣本非參數檢驗，結果顯示三組數據組間差異具有統計學意義（P = 0.037 < 0.05）。三組受試者的平均聚類系數的數值如圖 5 所示，通過兩兩對比可以發現，平靜組的平均聚類系數與積極組和消極組相比，分別提高了 4.1% 和 6.4%；消極組與積極組相比，降低了 2.2%。對比結果表明三組腦網絡的聚類系數存在一定差異，且平靜組的平均聚類系數最高，消極組的最低，說明平靜組的腦網絡集團化程度最強，消極組的腦網絡集團化程度最弱。
圖5
不同分組下的平均聚類系數值和平均最短路徑長度值
Figure5.
The average clustering efficiency and the average shortest path length in different groups
（2）平均最短路徑長度 對三組受試者的平均最短路徑長度進行單因素方差分析檢驗，結果顯示三組數據組間差異具有統計學意義（F = 66.182，P = 0.000 < 0.05）。三組受試者的平均最短路徑長度的數值如圖 5 所示。通過兩兩對比可以發現，消極組的平均最短路徑長度與積極組和平靜組相比，分別增加了 8.3% 和 17.7%；積極組與平靜組相比，增加了 8.8%。對比結果表明在三種情緒狀態下，腦網絡的平均最短路徑長度存在差異，且平靜組的平均最短路徑長度最短，說明在平靜情緒狀態下腦網絡的全局效率最高，傳遞信息的速度最快；消極組的平均最短路徑長度最長，說明在消極情緒狀態下腦網絡的全局效率最低，傳遞信息的速度最慢。
4 討論
本研究通過設計帶有混合情緒的 DRM 范式試驗獲取了 30 名受試者產生錯誤記憶時的腦電信號，并對三組受試者的行為數據、溯源結果以及皮層腦功能網絡的特征屬性進行了分析。行為數據分析結果顯示在本試驗中積極組的受試者產生了最多的錯誤記憶，消極組的受試者產生的錯誤記憶最少。李彬等[34]從模糊痕跡理論視角分析了個體決策的加工過程，發現在決策時個體更傾向于使用要義加工，要義加工只保留了信息的基本意義。結合本文行為數據結果可以發現受試者在積極情緒狀態下思維比較活躍，很可能在決策時大腦混淆了關鍵詞與學習詞的語義，因此產生的錯誤記憶較多；而在消極情緒狀態下，大腦狀態低迷，在決策時只對見到過的詞語進行了簡單的字面回憶，因此產生的錯誤記憶較少。
溯源結果顯示，在混合情緒因素影響下三組受試者在發生錯誤記憶時均激活了大腦的額葉和顳葉，但在積極情緒狀態下大腦的激活區域主要集中在前額葉及左顳葉，且激活程度最高；在平靜情緒下大腦的激活區域主要集中在前額葉后部及兩側顳葉；在消極情緒狀態下大腦的激活區域主要集中在前額葉及右顳葉，且激活程度最小。王婷婷等[35]使用功能性核磁共振成像對記憶編碼與提取過程的腦機制進行了研究，發現大腦在進行語義的編碼和提取時主要依賴于左側大腦半球的前額葉和顳葉。因此本文溯源結果說明在積極情緒狀態下大腦將更多的腦力資源投入到了語義編碼中，對前面的學習詞進行了語義理解并引發了聯想，所以產生了更多的錯誤記憶；而在消極情緒狀態下幾乎沒有激活大腦左顳葉部位且相對于另外兩種情緒來說額葉激活的程度最低，也就是說消極情緒狀態抑制了大腦將腦力資源投入到語義編碼中，減少了對學習詞的語義理解和聯想，從而產生了較少的錯誤記憶。
由所構建的皮層腦功能網絡可以看出，積極情緒狀態下受試者的腦網絡最密集，消極情緒狀態下受試者的腦網絡最稀疏，說明在積極情緒狀態下大腦各個腦區之間的關聯性更強[32]。對皮層腦功能網絡的屬性進行分析，結果表明，在局部屬性分析中，積極情緒狀態下受試者腦網絡的連接最緊密，大腦活躍程度最高，但中央化程度要低于消極情緒狀態，這說明積極情緒狀態下大腦的激發強度大且比較分散；平靜情緒狀態下受試者腦網絡的連接緊密程度介于積極和消極情緒狀態之間，中央化程度最低；消極情緒狀態下受試者腦網絡連接最稀疏，大腦相對不活躍，但中央化程度最高，這說明消極情緒狀態下大腦激發強度小且集中。在全局屬性分析中，平靜情緒狀態下受試者腦網絡的集團化程度最高，傳遞信息的速度最快；消極情緒狀態下受試者腦網絡的集團化程度最低，傳遞信息的速度最慢；而積極情緒狀態下受試者腦網絡的集團化程度和傳遞信息的速度都介于平靜與消極情緒狀態之間。Khader 等[36]在皮層區域網絡的研究中發現受試者在進行關聯長期記憶檢索時左前額葉、顳葉及其他一些腦區均被激活，通過局部和全局屬性分析可以看出，在積極情緒狀態下受試者產生錯誤記憶時大腦的活躍程度最高，傳遞信息的速率最快，但激活的腦區相對較分散，說明在積極情緒狀態下大腦雖然快速地調用了更多的腦力資源，但這些腦力資源并不是都用在對學習詞的記憶上，而是可能激發了受試者長期的記憶，擾亂了記憶任務，使得受試者在進行決策時將關鍵詞認為在學習階段見過，因此增加了錯誤記憶的發生；而消極情緒狀態抑制了受試者大腦的活躍程度，且大腦被激活的位置被局限在負責記憶的前額葉腦區，傳遞信息的速率最慢，因此在短時間內大腦只能對剛剛學習過的詞語進行簡單的字面加工，從而減少了錯誤記憶的發生。
5 結論
本研究采用更貼近現實生活的混合情緒性記憶材料，結合受試者行為數據、腦電信號溯源結果和皮層腦功能網絡構建結果，從多個角度探討了受試者的情緒狀態對大腦錯誤記憶的影響。研究結果表明，積極情緒狀態下受試者大腦各腦區間聯系更緊密且調用了更多的腦力資源對詞語進行語義編碼和聯想，導致產生更多的錯誤記憶；而消極情緒狀態下大腦各腦區間聯系相對較少，活躍程度較低，阻礙了對詞語的語義編碼和聯想，因此產生的錯誤記憶較少。本研究為探究現實生活中人類在不同情緒狀態下大腦產生錯誤記憶時的工作機制和如何更好地避免錯誤記憶的發生提供了一定的理論依據。
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
引言
大腦對經歷事件的識記、再認或保持，都是在進行記憶的過程，但這個過程并不總是正確的，它可能會自發地或因外界干擾而產生錯誤。當人們回憶或再認一些并沒有見過的事件時，錯把沒發生過的事件認為曾經見過，此時錯誤記憶就發生了，錯誤記憶與正確記憶一樣，幾乎每天都會出現在我們的生活中[1-2]。
近年來，隨著情緒對正確記憶影響研究深入的同時，眾多學者也開始對情緒與錯誤記憶的關系進行研究。情緒對記憶的影響常常從情緒性記憶材料和誘發受試者情緒兩個角度進行研究，有研究者讓受試者保持中性情緒對帶有情緒的詞表進行記憶研究，發現受試者的錯誤記憶發生率依次為負性詞表 > 中性詞表 > 正性詞表[3-4]；有研究者使用中性詞表研究受試者不同的情緒狀態對錯誤記憶的影響，發現積極情緒組與消極情緒組相比，產生了更多的錯誤再認[5-6]；同時也有研究者將兩種情緒因素聯合進行研究，發現錯誤記憶同樣存在情緒一致性的結論[7-8]。綜觀國內外近年來對錯誤記憶的研究可以發現，大多數研究是從行為學數據上進行分析，僅有少部分研究者在無情緒因素的條件下對錯誤記憶的神經活動或腦電（electroencephalogram，EEG）信號進行了分析。Garoff-Eaton 等[9]利用功能磁共振成像對相關錯誤記憶和不相關錯誤記憶進行了比較，發現正確記憶和相關錯誤記憶在前額葉、頂葉和內側顳葉有相似的神經活動，而不相關的錯誤記憶與語言處理區域的活動有關。Beato 等[10]采用事件相關電位（event-related potential，ERP）研究了加工水平對正確和錯誤記憶的影響，發現正確記憶和錯誤記憶的左頂葉和右額葉晚期的新舊效應具有可比性，但加工水平對正確和錯誤記憶的影響僅在行為上存在差異，在 ERP 上沒有差異。張霞[11]采用 ERP 技術考察了表象激活混淆與錯誤記憶的關系，發現在編碼和提取階段，錯誤記憶都比正確記憶在頂區、枕區和顳枕區有更大的晚正成分。
腦電信號作為一種典型的生物電信號，包含了許多病理或生理信息，對其進行研究不僅可以在臨床上對一些腦部疾病進行診斷，而且可以在無創條件下幫助人們從本質上探究大腦的工作機制。在頭皮采集到的腦電信號雖然具有較高的時間分辨率，但卻難以避免頭皮、顱骨、腦脊液等帶來的干擾[12]，因此利用頭皮記錄到的腦電信號，反演估計大腦內部的神經活動源的位置和強度信息可以更有利于精確地了解大腦的工作機制[13]。標準化低分辨率腦電磁層析成像算法（standardized low resolution brain electromagnetic tomography algorithm，sLORETA）是一種分布式模型源定位算法，該算法使用有限反演估計出標準腦圖譜空間內腦電信號的概率源，在理想情況下的源定位誤差為零[14]。Jun 等[15]使用 sLORETA 對癲癇患者進行源定位分析，發現兒童失神性癲癇放電的主要來源在額葉。李繼鵬等[16]采用 sLORETA 對大腦在不同類型的背景音樂中進行工作記憶時激活的腦區位置進行溯源并分析，發現背景音樂降低了大腦的記憶效率。可以看出，sLORETA 在臨床疾病診斷及大腦認知研究方面為研究者提供了一定的幫助，具有可靠性。
對腦電信號進行溯源可有效避免顱腔容積效應帶來的影響，針對這一特性有學者提出利用逆問題將腦電信號溯源后重新構建皮層腦功能網絡，以此來提高腦網絡的時空分辨率，使構建的腦網絡更加可靠[17]。此外，將腦神經科學與復雜網絡理論相結合進行研究，便可以通過腦網絡的一些特征屬性研究大腦在時域或頻域上的認知活動，近年來腦功能網絡的構建與分析被大量應用在精神疾病、神經疾病、注意力、腦疲勞等研究中[18-20]，為人類探索大腦的工作機制提供了很好的幫助。
人的情緒會受環境因素影響，在進行學習記憶時面對需記憶材料所帶有的情緒也是多變的，為了更貼近現實生活，本研究的試驗設計使用混合情緒性記憶材料，通過對比受試者不同情緒狀態下腦電數據的 sLORETA 溯源結果和皮層腦功能網絡的特征屬性，分析在混合情緒性記憶材料下受試者的情緒狀態對錯誤記憶的影響，從而為如何更好地避免生活中錯誤記憶的發生和研究大腦記憶的工作機制提供一定的理論依據。
1 試驗材料和流程
1.1 試驗設備
通過試驗設計軟件 E-Prime 3.0（PST Inc.，美國）編排試驗界面并在后臺記錄受試者的行為數據，使用腦電信號采集系統 NeuroScan（Compumedics Inc.，澳大利亞）采集 64 通道的腦電信號，電極通道的分布符合國際 10-20 電極導聯定位標準，采樣頻率為 1 000 Hz，進行試驗時電極與頭皮之間的阻抗保持在 10 k?以下，試驗中誘發受試者情緒的音樂通過插線式耳機 KM360（Kanen Inc.，中國）進行播放。
1.2 試驗對象
有研究發現抑郁癥患者與正常人在錯誤記憶發生率上的差異具有統計學意義[21]，因此本研究在試驗前使用抑郁自評量表（self-rating depression scale，SDS）對受試者進行了篩選，確保所有受試者均無抑郁癥狀[22-23]。通過招募，本試驗最終有效受試者為 30 名身心健康的在校大學生，女生 12 人，男生 18 人，年齡 22～25 歲，均為右利手，裸眼或矯正后視力正常。受試者被隨機分配到 3 個組別，分別為：積極組、平靜組、消極組，并對應誘發相應情緒，最終保證每組都有 10 名受試者，整個試驗在安靜且環境舒適的實驗室中進行，所有受試者在試驗前已知曉試驗內容并簽署了試驗知情同意書。試驗通過了河北工業大學生物醫學倫理委員會審核（HEBUThMEC2020006）。
1.3 刺激材料
謝韻梓等[24]對誘發情緒的多種方式進行了比較，發現以音樂為誘發形式產生的情緒在強度及純度上都要高于圖片或電影，故本試驗選用音樂誘發情緒。積極組誘發受試者積極情緒音樂為：《Brandenberg Concerto No.3》（Nova Era）；消極組誘發受試者消極情緒音樂為：《Alexander Nevsky：Russia under the Mongolian Yoke》（Neeme J?rvi）；對平靜組采用無音樂閉眼放松的形式誘發平靜情緒。有研究表明，以上音樂能很好地誘發受試者相應的情緒狀態[25-26]。誘發情緒后使用正負情緒量表（positive and negative affect scales，PANAS）[27]和受試者的主觀感受進行評測，以確保成功誘發了受試者相應的情緒。
試驗選用以美國心理學家詹姆斯·迪斯（James Deese）、亨利·羅迪格（Henry Roediger）和凱瑟琳·麥克德莫特（Kathleen Mc-Dermott）三位心理學家的名字共同命名的集中聯想程序（Deese-Roediger-Mc-Dermott，DRM）記憶試驗范式，該范式可嚴格控制變量且變量間關系較明確[28]。記憶材料為帶有積極、中性、消極情緒的 DRM 詞表各 4 組，每組詞表包含 12 個學習詞（互相具有語義聯系，出現在學習階段，部分出現在再認階段）和 1 個誘發錯誤記憶的關鍵詞（與學習詞具有較高的語義聯系，只出現在再認階段）。為保證再認階段中舊詞（學習詞）和新詞（關鍵詞、無關詞）的數量一樣，引入 24 個無任何情緒色彩和含義的無關詞進行補充。本試驗的研究目標為錯誤記憶，因此只對關鍵詞相對應的行為數據及腦電數據進行分析，每個受試者產生錯誤記憶的個數與關鍵詞總數（12）進行相比，即為該受試者的錯誤記憶發生率。學習與再認階段的詞語構成和受試者產生錯誤記憶的判定標準如圖 1 所示。
圖1
學習與再認階段的詞語構成
Figure1.
Components of learning and recognition stage
1.4 試驗流程
李芳等[29]對誘發情緒的有效性和時間進行了研究，發現受試者所誘發的高興情緒在 180 s 內、悲傷情緒在 240 s 內會保持在一般偏上的狀態，因此本試驗在學習與再認階段前都對受試者進行了相同情緒的誘發，以此來保證受試者在整個試驗過程中情緒狀態的統一和試驗結果的有效性。正式試驗過程為：誘發受試者情緒（180 s）→受試者填寫 PANAS 及報告自身情緒（60 s）→學習階段（216 s）→再次誘發相同情緒（180 s）→再認階段（180 s）。學習階段，液晶屏幕中央每次會出現 1 個詞語，持續 1 s，需要受試者記住，然后黑屏 0.5 s，循環 144 次，12 組情緒性詞表在學習階段按組呈混合狀態出現（例如，出現一組積極詞表，再出現一組中性詞表，再出現一組消極詞表）；再認階段，屏幕上每次出現 1 個詞語，持續 2 s，若受試者認為在學習階段見過，按“F”鍵，否則，按“J”鍵，按鍵后會黑屏 0.5 s，若 2 s 后沒有按鍵，則自動進入黑屏，以此循環 72 次。
2 方法
2.1 腦電信號預處理方法
為了避免在采集的過程中引入的噪聲對腦電信號分析產生影響，在分析前首先要對腦電信號進行預處理，預處理步驟包括剔除明顯漂移腦電信號、選取全腦電極平均作為參考、進行基線校正、使用 1～40 Hz 帶通濾波器濾波、去除眼電偽跡、去除壞塊、截取錯誤記憶發生時刺激點前 0 s 與刺激點后 1 s 之間的腦電數據進行疊加平均，最后將每組 10 名受試者的錯誤記憶腦電信號進行疊加平均，獲得三種不同情緒狀態下的錯誤記憶 ERP。
2.2 皮層腦功能網絡構建方法
將預處理后的錯誤記憶 ERP 利用 sLORETA 進行溯源，根據電流密度分布選取大腦皮層感興趣區域（region of interesting，ROI）作為節點，獲得關聯矩陣，選取合適的閾值將關聯矩陣二值化，進而利用二值矩陣構建皮層腦功能網絡。
2.2.1 關聯矩陣的求取
本試驗利用腦電信號數據處理軟件 Curry 8（Compumedics Inc.，美國）進行 sLORETA 溯源，選用真實頭邊界元模型，頭模型中各體素間距為 2.5 mm，將溯源結果約束到標準大腦皮層上，從而得到大腦皮層上電流密度分布及強度，最終得到的體素點為 31 061 個/ms，每個體素點都有對應的體素值，即電流密度值。在大腦皮層上自定義與頭皮電極相對應的 64 個 ROI 節點，將溯源后的體素就近分配到 ROI 節點上并進行疊加平均，從而得到大腦皮層上該 ROI 節點的源電流密度值，之后采用皮爾遜算法[30]計算各通道間腦電信號的關聯特性，從而獲得 64 × 64 的關聯矩陣。
2.2.2 閾值的選取
在得到關聯矩陣后，需要選取合適的閾值將關聯矩陣進行二值化，進而構建腦網絡。二值矩陣中的元素 Aij 表示節點 i 與節點 j 之間的連接關系，Aij = 0 時表示兩點之間無連接邊；Aij = 1 時表示兩點之間存在連接邊。一個合適的閾值既要保證網絡的完整性，又要避免網絡過于密集，當網絡的平均節點度 大于節點數的自然對數（即 ）時，可以達到以上要求[31]，為了保證三種情緒狀態下受試者的錯誤記憶 ERP 的二值矩陣均具有可靠性和可比性，本文經過測試，三組數據最終選取的閾值均為 T = 0.83。
2.3 皮層腦功能網絡分析方法
為了更好地描述和區分不同情緒狀態下錯誤記憶的皮層腦功能網絡的拓撲結構，本研究分別從局部屬性（節點度、介數中心度）和全局屬性（平均聚類系數、平均最短路徑長度）對皮層腦功能網絡的特征屬性進行了分析[32]。
2.3.1 節點度
在網絡中節點度表示與節點 i 存在連接的節點個數總和，在網絡中一個節點的度越大，說明該節點在網絡中的地位越重要。
2.3.2 介數中心度
在網絡中介數中心度表示從節點 i 到節點 j 之間通過節點 v 的最短路徑的數量與所有從節點 i 到節點 j 之間的最短路徑的數量總和的比值，它反映了一個節點在網絡中的中央化程度以及在網絡中的重要性。
2.3.3 平均聚類系數
在網絡中聚類系數表示節點 i 的鄰居節點間實際相互存在的邊數與可能存在的邊數的比值，用來表示網絡的集群特性和緊密程度，一個網絡的聚類系數由該網絡中所有節點的聚類系數的平均值 C 表示，C 取值范圍在 0～1 之間，且 C 值越大，腦網絡神經元間的連接越緊密。
2.3.4 平均最短路徑長度
平均最短路徑長度表示網絡中任意兩節點之間最短路徑長度的平均值，可以用來描述網絡內部信息的傳遞能力，平均最短路徑長度越小，網絡的連通性和功能整合能力越好。
3 結果
3.1 行為數據分析
3.1.1 量表統計分析
對三種情緒狀態下受試者的 PANAS 得分進行了統計，結果如表 1 所示。由表 1 可以看出，積極組受試者的正性情緒得分遠大于負性情緒，平靜組受試者的正性與負性情緒得分較為接近，消極組受試者的正性情緒得分遠小于負性情緒，所有受試者的 PANAS 得分與目標誘發情緒保持一致，說明本試驗有效誘發了受試者相應的情緒。此外，在試驗結束后有 90.0% 的受試者認為試驗難度一般，說明本試驗設計避免了受試者因大腦疲勞給試驗結果帶來的影響。
表1
三種情緒狀態下 PANAS 得分的統計結果（）
Table1.
Statistical results of PANAS scores in three emotional states ()
3.1.2 反應正誤與時間統計分析
使用數據統計分析軟件 SPSS 20.0（IBM Inc.，美國）對受試者的按鍵反應進行分析，分別得到了三種情緒狀態下受試者錯誤記憶發生率與反應時間的平均值和標準差，如表 2 所示。由表 2 可以看出，積極組受試者的錯誤記憶發生率高于平靜組，平靜組高于消極組；積極組和消極組的反應時間小于平靜組。采用單因素方差分析對三組受試者進行檢驗，結果顯示，三組受試者的錯誤記憶發生率組間差異具有統計學意義（F = 12.461，P = 0.007 < 0.05），但反應時間組間差異不具有統計學意義（F = 1.697，P = 0.224 > 0.05），說明在本試驗中受試者不同的情緒狀態對錯誤記憶的發生率產生了影響。
表2
三種情緒狀態下行為數據的統計結果（）
Table2.
Statistical results of behavioral data in three emotional states ()
3.2 sLORETA 溯源分析
對三組錯誤記憶 ERP 進行分析，發現三組受試者在反應按鍵前（即刺激界面出現后 0～1 s）的 ERP 峰值點處存在差異，于是使用 sLORETA 對峰值點進行溯源，溯源結果如圖 2 所示。可以看出，積極組受試者的激活區域主要在大腦額葉和左顳葉內側，強度（Fmax = 130）大于平靜組（Fmax = 32.8）和消極組（Fmax = 20.3）；平靜組受試者的激活區域主要在大腦額葉、左顳葉內側和右顳葉；消極組受試者的激活區域主要在大腦額葉和右顳葉。溯源結果表明，受試者在不同情緒狀態下產生錯誤記憶時，均激活了大腦的額葉和顳葉，但在激發強度及顳葉位置上存在一定的差異。
圖2
三種情緒狀態下錯誤記憶腦電信號溯源結果
Figure2.
Electroencephalogram traceability results of false memory in three emotional states
3.3 皮層腦功能網絡的構建
將通過皮爾遜算法[30]獲得的關聯矩陣進行二值化，結果如圖 3 所示，橫縱坐標均代表 64 個 ROI 節點編號，黑色方塊代表 0，表示無連接；白色方塊代表 1，表示有連接。由圖 3 可以看出，積極組相比于平靜組和消極組，整體連接明顯增多，此外，三組在額葉的連接均明顯多于其他腦區，且積極組在額葉的連接明顯多于消極組，消極組明顯多于平靜組。
圖3
三種情緒狀態下二值化關聯矩陣
Figure3.
Binary correlation matrix in three emotional states
得到二值矩陣后，使用神經影像腦連接可視化軟件 BrainNet Viewer（Beijing Normal University，中國）構建三種不同情緒狀態下的皮層腦功能網絡，如圖 4 所示。圖 4 中 6 種不同顏色的節點分別代表了不同的腦區位置。組間兩兩比較可以看出：① 積極組比平靜組連接更加密集，且連接集中在額葉，而平靜組在顳葉的連接要比積極組密集；② 積極組比消極組連接更加密集，兩組連接都集中在額葉和顳葉，但積極組在顳葉的連接更加密集；③ 平靜組與消極組的連接稀疏度差異較小，但消極組連接更多地集中在額葉，平靜組連接主要分散在額葉與顳葉。通過對比可以發現，三種情緒狀態下受試者產生錯誤記憶時的皮層腦功能網絡存在一定的差異，但三組受試者的腦網絡均在額葉產生了較多的連接，尤其是積極組受試者在額葉的連接最密集復雜，而額葉在大腦中主要負責工作記憶、信息整合和邏輯推理等功能[33]，這說明積極情緒狀態下大腦調用了更多的腦力資源對學習階段見到的詞與深層記憶中的詞進行信息整合或邏輯聯想，從而將學習階段沒見過的關鍵詞錯認為剛剛見過，導致產生了更多的錯誤記憶。為了更加嚴密地分析三種情緒狀態下皮層腦功能網絡的差異，接下來對三組腦網絡的特征屬性進行了統計分析。
圖4
三種情緒狀態下的皮層腦功能網絡
Figure4.
Functional network of cerebral cortex in three emotional states
3.4 皮層腦功能網絡屬性分析
3.4.1 局部屬性分析
（1）節點度 本試驗統計了三種情緒狀態下的腦網絡中節點度最高的前 10 個 ROI 節點，并將節點坐標按照布羅德曼分區（Brodmann area，BA）標準轉換為更加直觀的腦區位置，如表 3 所示。可以看出，積極組和消極組受試者腦網絡中的重要節點主要位于額葉，而平靜組受試者主要位于額葉和顳葉。
表3
不同分組下節點度最高的前 10 個節點位置
Table3.
Top 10 nodes location with the highest node degrees in different groups
對三組腦功能網絡中節點度最高的前 10 個 ROI 節點進行單因素方差分析檢驗，結果顯示三組數據組間差異具有統計學意義（F = 18.124，P = 1 × 10?5 < 0.05），對數據進行事后配對比較，結果如表 4 所示。可以看出，積極組的節點度均值大于平靜組，差異具有統計學意義（P = 0.006 < 0.05），表明積極情緒狀態比平靜情緒狀態下的大腦在節點處激發了更多的連接，說明在積極情緒狀態下大腦更加活躍；平靜組的節點度均值大于消極組，但差異不具有統計學意義（P = 0.222 > 0.05）；消極組的節點度均值小于積極組，差異具有統計學意義（P = 1.4 × 10?5 < 0.05），表明消極情緒狀態下的受試者在節點處激發的連接少于積極情緒狀態下的受試者，說明消極情緒狀態下大腦的活躍程度較低。
表4
節點度單因素方差分析配對比較（*P < 0.05）
Table4.
Pairing comparison of one-way ANOVA of node degree (*P < 0.05)
（2）介數中心度 本試驗對三種情緒狀態下的腦網絡介數中心度最高的前 10 個 ROI 節點進行了統計，如表 5 所示。可以看出，三組受試者的腦網絡中央化程度較高的節點均主要位于額葉、顳葉和頂葉。
表5
不同分組下介數中心度最高的前 10 個節點位置
Table5.
Top 10 nodes location with the highest betweenness centrality in different groups
對三種情緒狀態下的腦網絡介數中心度最高的前 10 個 ROI 節點進行單因素方差分析檢驗，結果顯示三組數據組間差異具有統計學意義（F = 5.241，P = 0.012 < 0.05），對數據進行事后配對比較，結果如表 6 所示。可以看出，積極組介數中心度均值大于平靜組，差異具有統計學意義（P = 0.048 < 0.05），表明積極情緒狀態的受試者在節點處的中央化程度比平靜情緒狀態的受試者更高，說明在積極情緒狀態下比在平靜情緒狀態下節點間包含更多的信息；平靜組的介數中心度均值小于消極組，差異具有統計學意義（P = 0.043 < 0.05），表明平靜情緒狀態的受試者在節點處的中央化程度比消極情緒狀態的受試者更低，說明在平靜情緒狀態下比在消極情緒狀態下節點間包含的信息更少；消極組介數中心度均值大于積極組，但差異不具有統計學意義（P = 0.479 > 0.05）。
表6
介數中心度單因素方差分析配對比較（*P < 0.05）
Table6.
Pairing comparison of one-way ANOVA of betweenness centrality (*P < 0.05)
3.4.2 全局屬性分析
（1）平均聚類系數 對三組受試者腦網絡的平均聚類系數進行獨立樣本非參數檢驗，結果顯示三組數據組間差異具有統計學意義（P = 0.037 < 0.05）。三組受試者的平均聚類系數的數值如圖 5 所示，通過兩兩對比可以發現，平靜組的平均聚類系數與積極組和消極組相比，分別提高了 4.1% 和 6.4%；消極組與積極組相比，降低了 2.2%。對比結果表明三組腦網絡的聚類系數存在一定差異，且平靜組的平均聚類系數最高，消極組的最低，說明平靜組的腦網絡集團化程度最強，消極組的腦網絡集團化程度最弱。
圖5
不同分組下的平均聚類系數值和平均最短路徑長度值
Figure5.
The average clustering efficiency and the average shortest path length in different groups
（2）平均最短路徑長度 對三組受試者的平均最短路徑長度進行單因素方差分析檢驗，結果顯示三組數據組間差異具有統計學意義（F = 66.182，P = 0.000 < 0.05）。三組受試者的平均最短路徑長度的數值如圖 5 所示。通過兩兩對比可以發現，消極組的平均最短路徑長度與積極組和平靜組相比，分別增加了 8.3% 和 17.7%；積極組與平靜組相比，增加了 8.8%。對比結果表明在三種情緒狀態下，腦網絡的平均最短路徑長度存在差異，且平靜組的平均最短路徑長度最短，說明在平靜情緒狀態下腦網絡的全局效率最高，傳遞信息的速度最快；消極組的平均最短路徑長度最長，說明在消極情緒狀態下腦網絡的全局效率最低，傳遞信息的速度最慢。
4 討論
本研究通過設計帶有混合情緒的 DRM 范式試驗獲取了 30 名受試者產生錯誤記憶時的腦電信號，并對三組受試者的行為數據、溯源結果以及皮層腦功能網絡的特征屬性進行了分析。行為數據分析結果顯示在本試驗中積極組的受試者產生了最多的錯誤記憶，消極組的受試者產生的錯誤記憶最少。李彬等[34]從模糊痕跡理論視角分析了個體決策的加工過程，發現在決策時個體更傾向于使用要義加工，要義加工只保留了信息的基本意義。結合本文行為數據結果可以發現受試者在積極情緒狀態下思維比較活躍，很可能在決策時大腦混淆了關鍵詞與學習詞的語義，因此產生的錯誤記憶較多；而在消極情緒狀態下，大腦狀態低迷，在決策時只對見到過的詞語進行了簡單的字面回憶，因此產生的錯誤記憶較少。
溯源結果顯示，在混合情緒因素影響下三組受試者在發生錯誤記憶時均激活了大腦的額葉和顳葉，但在積極情緒狀態下大腦的激活區域主要集中在前額葉及左顳葉，且激活程度最高；在平靜情緒下大腦的激活區域主要集中在前額葉后部及兩側顳葉；在消極情緒狀態下大腦的激活區域主要集中在前額葉及右顳葉，且激活程度最小。王婷婷等[35]使用功能性核磁共振成像對記憶編碼與提取過程的腦機制進行了研究，發現大腦在進行語義的編碼和提取時主要依賴于左側大腦半球的前額葉和顳葉。因此本文溯源結果說明在積極情緒狀態下大腦將更多的腦力資源投入到了語義編碼中，對前面的學習詞進行了語義理解并引發了聯想，所以產生了更多的錯誤記憶；而在消極情緒狀態下幾乎沒有激活大腦左顳葉部位且相對于另外兩種情緒來說額葉激活的程度最低，也就是說消極情緒狀態抑制了大腦將腦力資源投入到語義編碼中，減少了對學習詞的語義理解和聯想，從而產生了較少的錯誤記憶。
由所構建的皮層腦功能網絡可以看出，積極情緒狀態下受試者的腦網絡最密集，消極情緒狀態下受試者的腦網絡最稀疏，說明在積極情緒狀態下大腦各個腦區之間的關聯性更強[32]。對皮層腦功能網絡的屬性進行分析，結果表明，在局部屬性分析中，積極情緒狀態下受試者腦網絡的連接最緊密，大腦活躍程度最高，但中央化程度要低于消極情緒狀態，這說明積極情緒狀態下大腦的激發強度大且比較分散；平靜情緒狀態下受試者腦網絡的連接緊密程度介于積極和消極情緒狀態之間，中央化程度最低；消極情緒狀態下受試者腦網絡連接最稀疏，大腦相對不活躍，但中央化程度最高，這說明消極情緒狀態下大腦激發強度小且集中。在全局屬性分析中，平靜情緒狀態下受試者腦網絡的集團化程度最高，傳遞信息的速度最快；消極情緒狀態下受試者腦網絡的集團化程度最低，傳遞信息的速度最慢；而積極情緒狀態下受試者腦網絡的集團化程度和傳遞信息的速度都介于平靜與消極情緒狀態之間。Khader 等[36]在皮層區域網絡的研究中發現受試者在進行關聯長期記憶檢索時左前額葉、顳葉及其他一些腦區均被激活，通過局部和全局屬性分析可以看出，在積極情緒狀態下受試者產生錯誤記憶時大腦的活躍程度最高，傳遞信息的速率最快，但激活的腦區相對較分散，說明在積極情緒狀態下大腦雖然快速地調用了更多的腦力資源，但這些腦力資源并不是都用在對學習詞的記憶上，而是可能激發了受試者長期的記憶，擾亂了記憶任務，使得受試者在進行決策時將關鍵詞認為在學習階段見過，因此增加了錯誤記憶的發生；而消極情緒狀態抑制了受試者大腦的活躍程度，且大腦被激活的位置被局限在負責記憶的前額葉腦區，傳遞信息的速率最慢，因此在短時間內大腦只能對剛剛學習過的詞語進行簡單的字面加工，從而減少了錯誤記憶的發生。
5 結論
本研究采用更貼近現實生活的混合情緒性記憶材料，結合受試者行為數據、腦電信號溯源結果和皮層腦功能網絡構建結果，從多個角度探討了受試者的情緒狀態對大腦錯誤記憶的影響。研究結果表明，積極情緒狀態下受試者大腦各腦區間聯系更緊密且調用了更多的腦力資源對詞語進行語義編碼和聯想，導致產生更多的錯誤記憶；而消極情緒狀態下大腦各腦區間聯系相對較少，活躍程度較低，阻礙了對詞語的語義編碼和聯想，因此產生的錯誤記憶較少。本研究為探究現實生活中人類在不同情緒狀態下大腦產生錯誤記憶時的工作機制和如何更好地避免錯誤記憶的發生提供了一定的理論依據。
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
