海豚是鱼吗?孤独症谱系障碍超快速语义分类早期视觉加工中典型性影响的ERP证据

背景

神经正常的个体即使在超快速呈现(20毫秒;参见Thorpe et al。《自然》381:520,1996)。在有认知能力的自闭症成年人中，这些语义分类过程可能受损和/或可能需要额外的时间，特别是与典型项目相比，非典型项目的分类。在这里，我们研究了典型结构如何影响认知能力自闭症和神经正常的成年男性的超快速分类。

方法

代表两种不同类别(食物/动物)的典型或非典型样本的图像呈现时间分别为23.5 ms和82.3 ms(短/长)。我们分析了每组的检出率、反应时间和事件相关电位成分dN150、N1、P2、N2和P3。

结果

行为结果表明，与典型图像相比，对非典型图像的反应更慢，更不正确。这种典型效应在边界不太明显的类别(食物)中更大，在两组中都观察到。然而，电生理数据显示典型效应的时间过程不同，表明神经正常的成年人根据简单的特征对非典型图像进行分类(P2)，而认知能力的自闭症成年人则根据非典型图像的任意特征进行分类(P3)。

结论

我们发现的证据表明，所有三个因素的调查-类别，典型性，和呈现时间-调制语义分类的具体方面。此外，我们在自闭症成人中观察到一种质的不同模式，这表明他们依赖于不同的认知过程来完成任务。

想象一只海豚——根据它的鳍或它在水中的栖息地，它可以被归类为鱼类;然而，与其他海洋动物不同，它属于哺乳动物的范畴。虽然这种特殊的常见误解与基于规则的生物分类学相矛盾，但一些语义类别仍然是主观的，因为可能存在多个(分层)级别的分类成员。值得注意的是，自闭症谱系的个体更倾向于使用更具体的局部特征进行分类[51]。在这项研究中，我们调查了神经正常的成年人和自闭症谱系的人如何对两个语义类别(动物和食物)的典型和非典型样本进行分类。我们利用事件相关电位(event- correlation potential, ERPs)研究视觉呈现刺激语义分类的早期加工阶段，重点研究分类过程的时间顺序。

语义分类前300毫秒内的神经活动

在分类过程中，通过erp测量的神经活动很早就区分了几个分类过程。第一个调制是在N1分量中观察到的(在额中央电极的目标呈现后约140毫秒)，反映了不同的分类水平。视觉输入可以在语义上进行分类，要么是在一般的、上级的层次上(例如，“动物”)，要么是在不那么一般的、基本的层次上(例如，“狗”)，要么是在更详细的、下级的层次上(例如，“贵宾犬”;［29]。Tanaka, Luu, Weisbrod和Kiefer [63研究发现，相比于基于基本或上级的分类，基于下级的分类的N1更大。作者的结论是，从属分类需要更多的知觉加工。当基于简单特征区分目标时，观察到第二个ERP调制，即前P2 [35]。当分类较困难时，发现P2振幅(在190 - 240 ms之间)较小[8]。第三个ERP成分是前N2 (240 - 300 ms)指数，在其他认知过程中，分类和物体识别[69]。作为大脑行为监控系统的一部分，N2会因引发冲突的刺激而增强，例如那些难以分类的刺激[71]，但不受等级(上级、基本或下级)的影响[40查看，参见[18]。最后，P3发生在识别复杂的、有时是任意的目标特征时[35]并与导致事件分类的记忆和注意力处理有关[31，55]。普罗弗比奥，德尔·佐托和扎尼[52要求参与者判断代表动物和/或人造物体的成对刺激是否属于同一类别。与物体相比，动物的中央顶叶P3成分更大，即使在显著性控制下也是如此，这表明动物识别的加工需求更小，或者负责区分复杂特征的视觉感觉区域参与更多。52]。

超快速语义分类

在超高速刺激呈现(~ 20 ms)的时间压力下，在刺激开始150 ms后，额叶和枕叶皮层的ERP语义分类相关成分出现了最早的差异(超高速分类;首先由索普、菲泽和马洛特调查，[64])。在这个范例中，参与者被要求在看到动物图像时释放一个按钮(“go”试验)，如果图像不代表动物，则将手指放在按钮上(“no-go”试验)。动物和非动物图像(dN150)的区别在于，在186 ms时，额叶电极上有一个正峰。使用这种模式，在动物和车辆上报道了类似的结果[67]，动物和非动物的图片(即山、河、建筑、水果和车辆);［3.]、人造及天然物品[27]，以及经过广泛训练但新成立的类别[13]。总之，这些结果表明，超快速语义分类是基于粗糙的视觉表征[14]。

自闭症谱系障碍的分类

在自闭症谱系障碍(ASD)中，包括语义分类在内的语义系统一直没有受到重视。然而，分类机制的差异可能有助于ASD的社交、沟通和行为特征的模式[21]。例如，在语言习得过程中，婴儿形成声音类别。如果这种能力在婴儿中受损，可能会出现习得语言的继发性困难，而交际性语言的受损或发展迟缓确实是许多自闭症患者的主要特征之一(例如，[62])。

先前对ASD中图像信息语义分类的研究主要依赖于行为表现指标(关于单词分类的神经影像学结果，参见，例如，[19]。基于Thorpe及其同事的范式[64]， Vanmarcke等[66研究了自闭症和非自闭症成年人之间的差异，这取决于分类水平(上级、基本和下级)。与Tanaka及其同事的行为研究结果一致[63]， Vanmarcke等。[66发现两组的分类水平存在差异。与本研究特别相关的是，他们没有观察到自闭症和神经正常(NT)成年人之间的任何行为差异。然而，本研究并未提供语义分类机制的相关信息。在Carmo等人的研究中，我们可以找到语义分类机制的线索。7]。在那项研究中，有和没有被诊断为ASD的个体参加了一个点模式匹配任务。他们执行身份匹配任务(图案的形状和方向相同)或类别匹配任务(图案的形状相同，但方向不同)。在这两项任务中，他们观察到一种群体效应，自闭症患者的反应时间(RTs)比正常人慢。这一结果表明，自闭症患者的类别学习总体上较慢[7]。明斯、迈耶和戈尔茨坦[44表明有认知能力的自闭症成年人根据简单的、基于规则的特征对物品进行分类，但在区分基于更复杂的、感知上不那么明显的特征的输入时似乎有困难。与此一致，Gastgeb和Strauss [21研究发现，有认知能力的自闭症成年人在形成抽象的分类原型方面存在困难，这是由于他们的辨别能力增强，泛化能力降低。总之，这种模式的结果表明，语义分类的机制在自闭症个体中有质的不同。

ASD的典型

由于大多数自然类别没有明显的界限，它们不是根据简单的特征来区分的，而是根据“典型结构”[21]。最近的行为研究表明，有认知能力的自闭症患者在一个类别的外部边缘上有困难[5，20.]。更详细地说，一个类别的一些成员更有代表性，因此更多典型的对于某一特定类别(例如，麻雀作为鸟)比其他的，代表性更少，因此非典型的成员(例如，鸵鸟作为鸟)。加斯盖布，施特劳斯和明斯[20.研究了典型结构如何影响具有认知能力的自闭症青少年对人工(如家具)和自然(如动物)类别的分类。在具有认知能力的自闭症和NT青少年中，非典型刺激对这两类的反应都比典型项目慢，而且更容易出错，这表明非典型刺激需要额外的处理——注意、知觉、记忆相关或决策相关(或多重)——才能被分类。然而，尽管具有认知能力的自闭症个体处理典型范例的效率与北部青少年一样高，但自闭症个体需要对非典型范例进行额外的处理，这与上级层面的分类可以在没有详细视觉处理的情况下进行，而基本和下级分类都依赖于进一步的感知信息这一概念相一致。因此，非典型项目需要在比典型项目更详细的层面上进行分类[26]。为了更详细地研究这一点，Carmo等人。[6用不同的呈现时间(13、27、53和80 ms)在快速连续视觉呈现范式中呈现了6幅图像。参与者被要求识别一个属于基本级别类别的目标项目(典型和非典型哺乳动物、鸟类、交通工具和水果)。典型性对性能有很大影响，典型性项目的检出率较高。非典型项目仅在呈现时间最长的条件下被NT成人发现，因为提取更多的知觉信息需要额外的处理。与正常人相反，具有认知能力的自闭症参与者即使在最长的呈现时间下也无法发现非典型项目，这表明在分类上存在质的差异。综上所述，这些结果表明典型性和呈现时间之间存在交互作用，影响自闭症个体的语义分类。

目前的研究

据我们所知，到目前为止，还没有一项研究将上述所有潜在的相关和相互作用的方面结合起来。因此，在本研究中，我们利用脑电图评估了认知能力自闭症和NT成人在不同呈现时间的超快速分类中，类别边界具有不同独特性的类别的典型效应。我们采用了Thorpe等人介绍的范式。[64并测试了一组有认知能力的自闭症参与者和一组年龄、受教育程度和一般认知能力相匹配的NT对照组。探讨类别界限对认知能力自闭症个体的影响(基于[44])，我们添加了第二个语义类别(食物)，其边界比动物更不明显，并以两种不同的呈现时间呈现刺激。而呈现时间较少对认知能力自闭症和NT成人典型加工的影响[j]。6，不那么明显的类别边界应该最大化这种效果。最后，参与者被引入“是”-“否”任务，而不是“走/不走”任务，以避免由于运动准备或反应抑制而导致的早期目标-无目标ERP差异。3.]。

在行为表现方面，我们结合了先前研究中单独研究的几个因素:(1)类别，(2)典型性，(3)两个实验组的呈现时间。我们预测，与类别界限不那么明显的食品相比，动物的答案会更快，辨别也会更准确。这种效应在有认知能力的自闭症患者中可能会增强[44]。关于典型性，我们期望对两类典型项目的反应更快，辨别更准确[20.]。此外，我们预测较长的展示时间将导致更准确的识别和更快的反应[6]，参见[36]。我们期望在短时间内，对于典型或非典型项目，两组之间不会有行为差异[66]，但在较长的展示时间内，与具有认知能力的自闭症参与者相比，NT参与者对非典型物品的辨别能力更强[6]。

对于erp索引的认知过程，我们研究了从视觉输入中提取语义的早期加工阶段是否受到(1)类别、(2)典型性和(3)呈现时间的影响，并以全面和定性的方法研究了两个实验组之间的差异。我们的第一个目标是在概念上复制NT成人超快速分类的效果(描述如下[64]， dN150)，并将效果扩展到有认知能力的自闭症成年人。此外，我们的期望是，具有较少明显类别边界(例如，食物)的类别(例如，dN150)的早期语义处理可能与更明显的类别(例如，动物)的早期语义处理不同。

在第二步中，我们探索了早期视觉分类(N1, P2, N2, P2和P3)的哪些方面受到所研究的认知过程的调节。具体来说，我们比较了食物和动物类别的分类过程。由于我们预测食物更难以区分，P2振幅与任务难度成反比[8]，我们期望在NT和自闭症成人中发现食物的P2振幅比动物图像低。此外，引发冲突的刺激会增强N2，例如那些难以分类的刺激[71]。因此，我们预测与动物刺激相比，非动物刺激的N2分量的负偏转更多[3.]适用于新界及自闭成人。

此外，我们还研究了典型性是否调节了P2和P3成分。当根据简单特征识别目标时，观察到前P2成分[35]，而P3似乎是在基于任意特征的分类过程中产生的[52]。我们预计自闭症患者的P3有典型的影响，但NT成人没有，考虑到自闭症成人与NT青少年一样有效地处理典型范例，但对非典型范例需要额外的处理[26]。

最后，我们评估了分类水平是否通过包括呈现时间的调节效应来调节N1分量，因为只有在更长的呈现时间下，才能在更详细的层面上对视觉输入进行分类。与dN150相比，N1分量不是差波，而是更集中分布。在NT成人中，N1分量反映了从属和基本水平分类的差异[63]。因此，我们期望N1在NT成人中的表现时间的影响。相反，由于有认知能力的自闭症患者的辨别能力增强，独立于呈现时间，我们不怀疑在有认知能力的自闭症成人的N1中呈现时间的影响。

需要注意的是，在分类的基础上提出的这些认知过程的调节并不是独立的，因为分类发生在简单或任意的特征上，即在认知加工的早期或后期阶段。

参与者

我们招募了两组参与者，NT和有认知能力的自闭症成年人。我们只选择男性作为样本，因为自闭症谱系障碍男孩的诊断率是女孩的4.3倍[39]。所有参与者都报告视力正常或矫正至正常，并接受过9年以上的正规教育。有认知能力的自闭症参与者在韦氏成人智力量表的语言部分得分在70分以上，并被诊断为ASD(根据美国精神病学协会的DSM-V标准，[2]。此外，我们使用了阿斯伯格综合症诊断量表(ASDS;[45])，以确认临床评估诊断，并描述该组自闭症特征的水平(见表1）.这项研究是根据《赫尔辛基宣言》[70]，并得到了里斯本大学心理学院伦理审查委员会的批准。所有参与者在被告知手术过程后都给出了书面同意，并有机会提问。一名有认知能力的自闭症参与者的数据因表现不佳(d '低于组平均水平2个标准差)而被排除在进一步的分析之外，一名NT成人的数据因广泛的伪像而被排除(所有试验的81.7%必须被删除)。在排除4名年龄和一般认知能力极值的NT成人后，两组在年龄、学校教育和一般认知能力(用Raven’s progressive matrix评估)方面进行匹配。因此，17名NT和14名有认知能力的自闭症参与者的数据被纳入分析(详见表)1）.

材料和程序

刺激物是1600张彩色照片;400只动物和400种食物被用作目标，800种物体被用作非目标。目标和非目标以等概率随机呈现(50%)。在每个试验中，展示其中一个类别的一张图片。通常没有人怀疑这些图像会产生特殊的情绪唤起。当然，我们不能在个人层面上排除这种影响。刺激不受颜色参数或视觉复杂性的控制。在整个实验块中，在10°× 10°视角的中心放置一个黑色固定框架(如[67]在刷新率为85 Hz、分辨率为1024 × 768像素的CRT显示器上可见。每张图片仅以标准尺寸(10°× 10°视角)呈现一次。在先前评定测验中，17名NT学生(平均年龄= 19.4岁;(2名男性)被要求在7分制(即分别是“动物”或“食物”)中指出每个项目对给定类别的代表程度。请注意，我们使用独立样本来评估典型性。z变换后的均值用于定义典型性水平;数值小于0为非典型项目，大于0为典型项目。基于这一定义，两类的平均原始典型性评分(1-7)有显著差异(图2)。1）.因此，每个类别的200张图像为典型图像，200张图像为非典型图像(即，200张典型动物图像，200张非典型动物图像，200张典型食物图像和200张非典型食物图像)。用演示软件(版本18.0，神经行为系统)呈现刺激。参与者坐在电脑屏幕前，与眼睛平齐，在一个光线昏暗且有遮挡的房间里，桌子上的平均距离为40厘米。参与者将食指放在QWERTY键盘的F键和J键上，然后按下其中一个键。参与者完成了一项视觉分类任务，在这项任务中，他们分别指出每个项目是属于动物类别还是属于食物类别。每个相关类别都以块的形式呈现，并且这些块的顺序和响应键(是，否)是平衡的。

演示时间(短或长)随机变化，目标和非目标的比例相等。在短时间条件下，刺激被呈现2帧(23.5 ms)，在长时间条件下，刺激被呈现7帧(82.3 ms)。每个后续刺激在反应后200 ~ 500 ms随机间隔出现，最长1500 ms(如图2所示)。2）.每100次试验后，会有短暂的休息。

脑电图记录

对于EEG记录，我们使用了64个Ag/AgCl帽式电极，加上两个放置在乳突肌上，四个放置在眼睛周围，位于扩展的10-20系统上[25]。脑电记录采用BioSemi EEG- system (BioSemi b.v.， Amsterdam, Netherlands)。电极偏移量在40 μ v范围内。电极偏移产生于电极下的皮肤和电解质溶液的连接处。它是直流电位的副产品，在放大器输入处产生电压(Jones, 2015)。我们使用眼睛周围的电极(右眼上方和下方，右眼和左眼旁边)来记录眼球运动。在10-20体系中，接地电极分别在电极位置PO1和PO2处放置共模感(CMS)有源电极和驱动右腿(DRL)无源电极。CMS也可以作为在线参考。采样频率为2048 Hz。采用0.16 Hz高通滤波器和100 Hz低通滤波器对EEG信号进行在线滤波。

脑电图数据处理

我们使用球面样条法[50]用于有许多伪影的电极插值，因为这种方法没有假设头部组织的电导率[9]，平均为1.9个电极;在有认知能力的自闭症成年人中:2.6个电极，两组的插入电极范围在0到8个之间)。使用BrainVision Analyzer 2.1 (Brain Products GmbH, Gilching, Germany)将信号重新离线参考所有帽式电极的平均值。参考点的选择取决于多种因素，包括电极的数量、电极的位置、认知任务、要进行的分析和要研究的大脑区域(见[9]。由于认知神经科学中大多数erp相关部分的频率在0.01至30赫兹之间[35]，使用零相移巴特沃斯滤波器(最常用的滤波器[9]，在48 dB/oct下具有30 Hz的高截止。我们通过使用独立分量分析(ICA)和信息最大化限制算法来校正眼动伪影[28]，在可能的情况下。对于ICA，我们从实验的第16块中选择100 s的间隔作为计算解混矩阵的训练数据集。ICA分量通过捕捉眨眼和扫视来自动识别，其特征形状和额叶位置的最大值证明了这一点。去除这些成分后，重建脑电。两名有认知能力的自闭症参与者在大部分时间内都没有眨眼，因此，ICA的适当数据量是不可用的[23]。因此，我们手动删除了这些参与者的所有眨眼，共计38次和49次眨眼，分别导致1.38%和2.21%的试验被删除。脑电信号分别以刺激前200 ms和刺激后800 ms为时间窗。当(1)两个采样点之间的幅值差超过50 μV，(2)在100 ms间隔内幅值差超过150 μV，或(3)在100 ms间隔内出现0.5 μV的低幅值时，伪影被自动去除。9]。由于人工排斥，平均而言，在NT组中有2.48%的试验被删除，在认知能力自闭症组中有5.07%被删除。平均而言，在每一种情况下，NT组每名参与者还剩下114次试验(范围:49-197)，认知能力自闭症组每名参与者还剩下109.9次试验(范围:33-196)(详情见表)2）.

行为数据分析

分类判别(d ')和反应时间(RTs)进行分析。对于这两项试验，都排除了反应速度超过200毫秒的试验，导致在NT组中有2.82%的试验被排除，在有认知能力的自闭症组中有2.64%的试验被排除。统计分析仅限于对目标类别的反应。RT分析仅基于正确答案;因此，由于不正确的反应，所有试验中平均有10.29%的NT组和9.64%的认知能力自闭症组被排除在外。

分类判别用d '进行分析。D '是用命中概率的z分数减去假警报概率的z分数来计算的。在没有误报或漏报的情况下，我们应用了麦克米伦和克里尔曼的公式[37]。d ' = 0表示没有歧视，而d ' = 4表示性能接近完美[38]。对于mean d '和mean RTs，我们使用了重复测量方差分析(ANOVA)，将类别(动物vs.食物)、典型(典型vs.非典型)和呈现时间(23.5 vs. 82.3 ms)作为受试者因素内部和受试者因素之间的组(NT vs.自闭症参与者)。为了简洁和便于阅读，我们只报告那些效果和交互p-低于常规显著性值0.05的值;所有剩余的分析都没有列在结果部分中。所有的记录p-值被温室-盖瑟修正，当需要时[22]。

脑电数据分析

对分割后的信号进行基线校正，使用刺激开始前200 ms的时间窗(根据[35])。对每个条件和参与者的信号取平均值。在脑电图分析的第一部分，我们比较了目标和干扰物图像正确反应的平均信号，以复制Thorpe等人的结果。64]。我们还遵循了该研究中使用的统计方法，即，我们测试了差异活动(目标-非目标)dN150何时开始偏离0(连续15次)t-测试值如下p< . 01;［57[的用法]64])。自Thorpe等。[64以1000 Hz的采样率记录，我们将脑电图信号降采样到这个值。类似于Thorpe等人。[64，67]，我们将七个电极(Fp1, Fp2, F3, F4, F7, F8和Fz)的信号分组用于额部感兴趣区域(ROI)，六个电极(O1, O2, Oz, PO7, PO8和POz)的信号分组用于枕部感兴趣区域(枕部感兴趣区域)，用于短(23.5 ms)和长(82.3 ms)的呈现持续时间。为了计算差异活动的峰值延迟，我们使用BrainVision Analyzer为每个呈现持续时间的每个roi选择了150到200 ms之间的单个峰值。为了评估每组条件之间的峰值潜伏期是否存在差异，我们使用了重复测量方差分析，包括两个水平的两个变量，ROI(额部vs枕部)，类别(动物vs食物)和呈现时间(23.5 vs 82.3 ms)。为了提高可读性，我们只报告了涉及类别或呈现时间的主要或交互影响。

在第二部分的脑电图分析中，我们在文献基础上重点分析了N1、P2、N2和P3分量。对于这些分析，我们只使用目标刺激，参与者正确反应的最小RT为200毫秒，符合行为数据使用的标准。根据文献，这些影响以预先指定的roi进行评估。刺激开始后140 ms左右，N1成分达到峰值;因此，我们选择了120 - 170 ms之间的时间窗(类似于[52])计算峰值潜伏期和平均振幅。本分析的ROI由F3、F4、Fz、C3、C4和Cz的平均信号组成(类似于[3.])。我们计算了180 ~ 240 ms之间P2前侧的峰值潜伏期和平均振幅(类似于[8])，前路ROI包括F1、F2、Fz、FC1、FC2、FC5、FC6、FCz、C3、C4、C5、C6、Cz [8]。对于前N2，我们使用240 - 300 ms的时间窗(类似于[8])， ROI包含Fpz、Fp1、Fp2、AFz、AF3、AF4、Fz、F1和F2 [40]。在刺激开始后300 ~ 500 ms分析P3 [52]在中央-顶叶ROI(平均P1、P2、Pz、CP1、CP2、CPz、C1、C2和Cz，类似于[52])。为了评估峰值延迟，我们使用局部最大值/最小值来识别每个参与者在预先指定的ROI和每个ERP组件的时间窗口中的峰值。该程序确定在指定的时间窗口和ROI中最大/最小幅度值对应的延迟。

对于平均振幅，对整个感兴趣的时间窗口(150-500 ms)进行综合方差分析，发现组、ROI、类别、典型性和呈现时间等因素具有显著的5向相互作用(p< . 05)。对峰值延迟的组、成分、类别、典型性和呈现时间等因素进行相应的综合方差分析，揭示了另一个显著的五向相互作用(p<.05)，证明了两种类型的因变量所调查的所有因素之间复杂的相互作用。由于这种方法需要从理论角度解释事件相关电位的具体情况，因此通过分组进行分层ERP分析来跟踪这些相互作用效应;事件相关电位在许多试验中评估平均脑电图活动，以增强与刺激相关的认知处理相关的系统活动。这种方法有效地降低了正在进行的脑电图中非系统波动的影响(即提高了信噪比)。然而，这种方法并没有控制与认知活动无关的因素，这些因素在不同的试验中没有变化(即，个体之间的形态学差异，如颅骨厚度或髓鞘形成)，但仍然可以对颅骨测量的幅度差异产生相当大的影响。因此，比较个体之间的微伏振幅差异并不能对潜在的认知过程做出推断。41，65])。此外，与NT个体相比，自闭症患者有许多神经解剖学上的差异(回顾，见[1])，例如，总脑容量的差异，区域灰质-白质的差异，神经元细胞体堆积的差异(特别是在新皮层的第三层和第五层)，以及小脑密度和杏仁核大小的差异[1]。此外，在生物合成和传输中发现了异常[4，15，16，17，46，47，48，53，60，72]以及表达[10，56兴奋性神经递质谷氨酸和抑制性神经递质γ -氨基丁酸在自闭症个体中的作用。由于这些形态学上的差异不太可能是随机分布的，不同参与者组的脑电图波形在形态学上有系统的变化，即使表面脑电图的空间分辨率很低，这些影响也不会最小化。因此，ERP分析是分别对每一组进行的，因为各组参与者之间的统计相互作用可能反映了解剖差异，而不是每一组所采用的不同认知过程。

对于每个组成部分，我们使用了以下因素的重复测量方差分析:类别(动物vs.食物)，典型性(典型vs.非典型)，以及每组的呈现时间(23.5 vs. 82.3 ms)。与行为分析类似，我们报告与p-值低于0.05的常规显著性标准。这也包括显著的相互作用效应，在bonferroni校正后的事后比较中没有发现任何显著的条件差异。此外，我们报告了所有特殊利益的结果(即，那些明确基于在一组中达到统计显著性的假设或效应，而在另一组中则没有)。我们在图中说明了这些ERP分析的结果，重点是显着的主效应或交互效应。在提取数据进行统计分析后，应用20 Hz高截止滤波器(48 dB/oct)来提高数据的可读性。在BrainVision Analyzer中创建图形，并使用CorelDraw X7 (Corel GmbH, m nchen, Germany)进行编辑。对于ERP图，我们在CorelDraw X7中编辑了以下方面:ERP波的颜色和厚度，x轴和y轴的厚度，x轴和y轴上的值的字体大小，添加灰色正方形表示时间窗口或箭头表示进行分析的峰值，添加星号表示显着差异，添加图例，并在适当的毫秒处裁剪整个图的宽度以表示ERP结果。对于地形图，我们为ROI中包含的电极添加了黑点，并在CorelDraw X7中增加了图例中的数字。

行为数据结果

对于D '，我们发现了类别的主要影响，F(1.29) = 43.74;p<措施,η_p²= .60;典型性,F(1.29) = 19.66;p<措施,η_p²= .40;和演讲时间，F(1.29) = 96.33;p<措施,η_p²= .76;参与者在识别动物图像方面优于食物图像，平均d值为3.23 (SE= 0.14)和2.72 (SE= 0.13)。对典型项目(米= 3.05,SE= 0.14)较非典型项目(米= 2.91,SE= 0.13)。较短的演示时间(米= 2.73,SE= 0.13)比呈现时间较长时(米= 3.22,SE= 0.13)。根据我们的假设，我们发现类别性和典型性之间存在相互作用，F(1.29) = 22.15;p<措施,η_p²=。43，with differences between typical (米= 2.86,SE= 0.15)及非典型影像(米= 2.58,SE= 0.12;p< .001)，只存在于食物类别，而不存在于动物类别(p= 0)。我们还发现类别和陈述时间(F(1.29) = 7.46;p< . 05,η_p²= .21)，两种呈现时间(p< .001)。这种差异对于食物(米_区别= 0.58)比动物(米_区别= 0.37)类别。

对于RT，对于D '，我们发现Category的主要作用，F(1.29) = 38.65;p<措施,η_p²= .57;典型性,F(1.29) = 16.21;p<措施,η_p²= .35点;和演讲时间，F(1.29) = 659.43;p<措施,η_p²=,92。参与者对动物图像的反应速度快于食物图像，平均反应时间为453毫秒(SE= 16毫秒)及514毫秒(SE= 17 ms)。此外，对典型问题的反应更快(米= 479 ms，SE= 15毫秒)比非典型项目(米= 487 ms，SE= 16毫秒)。在短时间内(米= 523 ms，SE= 16毫秒)与较长的呈现时间(米= 444毫秒，SE= 16毫秒)。此外，我们发现类别与陈述时间之间存在交互作用(F(1.29) = 10.88;p< . 01,η_p²= .27)，当参与者对动物图像的反应时间为82.3 ms (米= 417毫秒，SE= 16 ms)，而食物图像呈现时最长的反应时间为23.5 ms (米= 558 ms，SE= 18毫秒)。如D '所述，对于动物和食物刺激，我们观察到呈现时间(p< .001)，食物刺激的差异更大(米_区别= 87 ms)比来自动物类别的刺激(米_区别= 71毫秒)。

总的来说，行为数据表明，对典型物品的反应比非典型物品更快，对动物的区分也比食物类别更准确。我们没有观察到NT和有认知能力的自闭症组在行为表现上的差异。因此，ERP数据-仅分析正确的反应(见表)2) -在两组中具有相当的信噪比。这有助于两组ERP波形的可靠性，同时排除了特别是临床人群较低表现的潜在混淆。

NT成人的脑电图数据结果

我们计算了目标和非目标刺激对应的波形之间的差波，并观察到可靠的偏离0(定义为连续15次的显著差异)t-tests, cf. [57[的用法]64])在两组的额叶ROI中。对于NT成人，只有在以下情况下才能观察到偏离0:食物和非食物刺激在短暂刺激呈现后开始偏离192毫秒(图2)。3.）.在其他条件下，在150和200毫秒之间没有观察到可靠的差异。

此外，我们还分析了目标和非目标刺激在150-200 ms时间窗内的峰值振幅和潜伏期。dN150在目视检测中最明显的特征是目标减去非目标的差波的极性随类别和ROI的不同而不同。因此，峰值检测确定了从零开始的最大距离，即动物和非动物图像之间的差异在额叶ROI中出现正峰，食物/非食物图像出现负峰，枕叶ROI则相反。在NT成人中，我们观察到类别的主要影响，F(1.16) = 7.93;p< . 05,η_p²= .33;在动物(米=−0.16 μv;SE= 0.07 μV)，与食品类(米= 0.05 μv;SE= 0.05 μv)。最后，我们观察到投资回报率与类别之间存在交互效应。F(1.16) = 14.37;p< . 05,η_p²=。47，with a difference between both categories in the frontal (p< 0.05)，枕部ROI (p< .005)，振幅模式相反。在额叶ROI中，动物的峰值幅度更大(米= 0.51 μv;SE= 1.00 μV)比食品类(米= 0.27 μv;SE= 0.08 μv)。同样，在枕部ROI中，动物的峰值幅度更大(米=−0.83 μv;SE= 0.15 μV)比食品类(米=−0.18 μv;SE= 0.12 μv)。请注意，这些值指的是差波的幅度(即，极性取决于如何计算差;见表3.）.综上所述，类别效应在roi中被观察到，动物的峰值幅度大于食物的峰值幅度。重要的是，演示的持续时间不影响振幅或延迟的不同波形。

为了补充Thorpe及其同事的经典方法，我们还分析了N1、P2、N2和P3分量的平均振幅和平均峰值延迟。对每个成分的因素进行重复测量方差分析:类别(动物与食物)、典型性(典型与非典型)和呈现时间(23.5 ms与82.3 ms)。关于N1分量(120 - 70 ms)，我们没有观察到对NT成人的影响(图2)。4）.前路P2分量的平均振幅(180 ~ 240 ms;无花果。5)，方差分析显示类别的主效应;F(1.16) = 16.41;p<措施,η_p²=。51，with a more positive value for animal images (米= 0.44 μv;SE= 0.14 μV)比食物图像(米= 0.08 μv;SE= 0.15 μv)。我们还发现了典型性的主要影响，F(1.16) = 9.72;p<措施,η_p²=。38，with a smaller amplitude for typical (米= 0.19 μv;SE= 0.15 μV)比非典型图像(米= 0.33 μv;SE= 0.13 μv)。前路N2分量(240-300 ms;无花果。6)，在NT成人中，平均振幅受类别影响;F(1.16) = 5.34;p< . 05,η_p²=。25，和演讲时间，F(1.16) = 9.97;p<措施,η_p²= 38。我们在动物实验中观察到一个较小的N2 (米=−0.7 μv;SE= 0.36 μV)比食物任务(米=−1.29 μv，SE= 0.5 μV)，此外对于短(米=−0.72 μv;SE= 0.37 μV)比长(米=−1.26 μv，SE= 0.55 μV)呈现时间。对于P3 (300-500 ms)分量，我们没有观察到显著的影响(图2)。7）.

孤独症成人的脑电图结果

对于有认知能力的自闭症成年人，只有在一种情况下才会出现偏离0的情况;动物和非动物刺激在长时间呈现后171毫秒开始分化(图2)。3.）.在其他条件下，在150和200毫秒之间没有观察到可靠的差异。

此外，我们还分析了目标和非目标刺激在150-200 ms时间窗内的峰值振幅和潜伏期。在有认知能力的自闭症成年人中，我们观察到类别的主要影响，F(1.16) = 5.55;p< . 05,η_p²=。30.，with a larger peak amplitude in the animal (米=−0.18 μv;SE= 0.05 μV)与食品类(米= 0.06 μv;SE= 0.07 μv)。最后，我们观察到投资回报率与类别之间存在交互效应。F(1.13) = 11.02;p< . 01,η_p²=。46，as the difference between both categories in the frontal (p< 0.05)，枕电极部位(p< 0.01)呈现相反的极性。在额叶ROI中，动物的峰值振幅更大。米= 0.56 μv;SE= 0.07 μV)比食品类(米= 0.15 μv;SE= 0.17 μv)。同样，在枕部ROI中，动物的峰值幅度更大(米=−0.91 μv;SE= 0.15 μV)比食品类(米=−0.04 μv;SE= 0.22 μv)。然而，如上所述，该分析检测到两种情况之间的差异;因此，这些数字只反映了相对价值。综上所述，在roi中观察到类别效应，动物的峰值幅度大于食物的峰值幅度。重要的是，演示的持续时间不影响振幅或延迟的不同波形。

为了补充Thorpe及其同事的经典方法，我们还分析了N1、P2、N2和P3分量的平均振幅和平均峰值延迟。关于N1成分的峰值潜伏期(120-170 ms)，我们观察到呈现时间对认知能力自闭症个体的主要影响。F(1.13) = 9.08，p< . 01,η_p²=。41，with an earlier peak for the short (米= 146 ms，SE= 3毫秒)，而较长的呈现时间(米= 149 ms，SE= 3毫秒;无花果。4）.对于具有认知能力的自闭症成年人的前P2分量的平均振幅(180-240 ms)，我们还观察到动物图像的P2更大(即更积极)(米= 0.74 μv;SE= 0.33 μV)比食品图像(米= 0.43 μv;SE= 0.34 μv)。这个类别的主要影响，F(1.13) = 5.78;p< 0.05,η_p²= 0.31受类别与典型性的交互作用调节;F(1.13) = 16.07，p<措施,η_p²= 0.55，在典型图像中没有类别的影响(p= 0.99)，但非典型动物影像(米= 0.91 μv;SE= 0.33 μV)和非典型食物图像(非典型:米= 0.38 μv;SE= 0.34 μv;p< 0.05;无花果。5）.对于前路N2分量(240-300 ms)，我们观察到Category的主要作用。F(1.13) = 6.36;p< . 05,η_p²=。33，with a smaller mean N2 amplitude for animal (米=−0.43 μv;SE= 0.48 μV)比食品(米=−1.2 μv;SE= 0.41 μV)图像。6）.对于P3 (300-500 ms)振幅，我们观察到典型性的显著影响。F(1.13) = 4.71;p< . 05,η_p²= 10。我们观察到典型的(米= 0.17 μv;SE= 0.35 μV)与非典型(米=−0.13 μv;SE= 0.36 μV)图像。7）.

总而言之，我们发现的证据表明，我们调查的所有三个因素——类别、典型性和呈现时间——都调节了语义分类的特定方面(见表1)4）.在两组中，我们观察到P2和N2的平均振幅的类别效应相似，特别是与动物刺激相比，食物刺激的P2更小，N2更大。相比之下，典型效应表现为NT成人典型图像的P2波幅较小，认知能力自闭症成人典型图像的P3波幅较大。最后，呈现时间影响NT成人的N2波幅和认知能力自闭症成人的N1潜伏期;我们观察到，在NT成人中，较长的呈现时间有较大的平均N2振幅，而在有认知能力的自闭症成人中，较短的呈现时间有较短的N1峰潜伏期。

在本研究中，我们评估了类别、典型性和呈现时间(23.5 ms vs. 82.3 ms)对超高速分类行为和神经反应的影响。具体来说，我们比较了NT和有认知能力的自闭症成年人在动物与非动物(离散类别边界)和食物与非食物(模糊类别边界)刺激的语义分类。我们(1)从概念上复制了Thorpe等人引入的超快速设计。[64[dN150]，(2)评估不太明显的类别(动物与食物刺激)的潜在影响，以及(3)评估典型化是否影响简单(前P2)或抽象(P3)特征分类。最后，我们(4)以N1和N2分量为参考，评估了呈现时间与分类层次水平之间的关系。辨别能力和RTs都证实，与动物刺激相比，食物分类更加困难，与典型图像相比，非典型图像也更加困难。较长的刺激呈现时间提高了行为表现，特别是对于类别边界较少的食物类别。值得注意的是，我们没有观察到认知能力自闭症和NT成人之间的表现差异。然而，在快速序列视觉呈现范式中，Carmo等人。[6在语义分类方面，有认知能力的自闭症参与者即使在最长的呈现时间内也无法发现非典型项目。在目前的范式中，简化的反应要求和较长的总体呈现时间使所有参与者的任务更容易，消除了ASD组中较低的ERP结果表现的潜在混淆效应。此外，自闭症参与者的高分辨表现表明，在本研究中，自闭症组中认知能力强的参与者将注意力集中在任务上，就像NT组一样。在接下来的章节中，我们将讨论典型性的作用，以及由erp索引的类别边界和分类级别。

任务特征在超快速语义分类中的作用

利用目标图像与非目标图像之间的差波确定了脑电信号中语义分类的最早证据。像Thorpe等人。[64]，我们观察到NT成人在150 ms后的额叶差波调制，尽管仅限于较短的呈现时间和食物类别。相比之下，原始文献中动物与非动物的对应效应位于额部和枕部ROI [64]。我们的范式中的一些修改可能导致了这一结果:

1. （1)

   刺激:原始的非动物图像为自然图像(如森林、山脉、湖泊、建筑物、花卉、水果等);［64])，而在目前的研究中，展示的是人造物体的图片。先前的研究表明，神经元对人工和自然图像的反应是不同的[27，因此，我们不能排除我们的结果可能反映了我们对刺激材料的选择。

2. （2）

   呈现时间:差异波的时间特征受到呈现速率差异(即23.5 ms和82.3 ms)的影响，因为这种影响仅限于与Thorpe等人使用的非常接近的短呈现速率。64]。我们通过证明陈述时间没有影响来扩展这些原始发现。

3. （3）

   反应要求:与索普和同事使用的去/不去任务相反，在我们的范例中，参与者被要求在每张图片后按下一个按钮。因此，我们消除了对非目标的运动抑制的需要，这需要认知控制过程以及用于分类的认知过程。

对于有认知能力的自闭症个体，我们也观察到动物类别在额叶记录部位的差异，尽管呈现时间更长。同样，在dN150中，具有认知能力的自闭症个体的动物类别的峰值幅度更大。总之，这些发现表明临床人群依赖于不同的认知过程来完成任务。

两组的分类边界不太明显，但效果相似

我们发现，不太明显的类别界限会影响认知自闭症和NT成人的反应时间和表现，他们的反应时间更长，对食物图像的辨别更不准确，目标和非目标之间的界限通常不太明显。动物图像的更快和更准确的分类与文献一致，文献认为动物的识别是基于各种中高级的视觉特征，例如它们的整体轮廓[34]，诊断性的动物部位，包括眼睛、嘴和四肢[12]，中间曲线特征[73]，以及颞叶腹侧皮层中各种类别选择神经元的解剖分离[33，68]。与行为学结果一致，无论呈现时间如何，两组dN150的峰值振幅在类别之间存在较大差异。同样地，我们观察到两组在食物图像上的P2振幅比动物图像小，这再次反映了前一组刺激下更高的任务难度。事实上，一般来说，P2振幅与任务难度呈负相关[8]。因此，我们的结果表明，当对象属于具有模糊边界的类别时，超语义分类更加困难。注意，对于有认知能力的自闭症成年人，这种影响只在非典型条件下观察到，这表明类别边界的影响只在更困难的条件下才明显。此外，我们还发现，在两组中，食物刺激比动物刺激更负的N2(仅在自闭症组中有趋势)，重复了Antal等人的发现。3.他还发现，与动物刺激相比，非动物刺激中N2分量的负偏转更多。

ASD的典型效应

先前的研究表明，有认知能力的自闭症成年人在分类的外缘方面存在困难。这一点很重要，因为大多数自然类别不能通过简单的特征来区分，而是通过典型结构来区分[21]。换句话说，对非典型图像进行分类需要更详细的分类，因此需要更长的时间和更低的准确性[26]。在目前的范例中，NT成人和有认知能力的自闭症成人在行为上表现出可比性，对非典型图像的回答更慢，更不正确。与Vanmarcke等人一致。[66]，我们发现平均RT和d '没有组间差异。为了证实我们的行为发现，我们评估了典型性对P2和P3组成的影响，并观察到NT中P2和自闭症成人中P3的典型性效应。P2组件反映了基于简单特征对目标进行分类，而P3组件反映了基于复杂的、更任意的特征对目标进行分类。请注意，这两个过程是相互依赖的，因为分类要么基于简单的，要么基于更复杂的任意特征，正如统计数据所证明的那样，一个效应的存在与另一个效应的同时缺失。这种目标歧视的差异也反映在其发生的时间上。NT成人在非典型图像上表现出更积极的P2成分，而认知能力强的自闭症成人在典型图像上表现出更积极的P3成分。这些发现表明，非典型图像更有可能被NT成人根据其简单特征进行分类，而被有认知能力的自闭症成年人根据其任意特征进行分类。对我们的研究结果的解释有两点需要注意。首先，由于典型性是由一个独立的NT成人样本评估和评定的，对典型性本身的反应或处理的明显差异实际上可能反映了典型性的个体表征的差异。到目前为止，还没有研究解决这个问题。 Instead of being rated by an independent group of NT adults, in future research, it would be valuable to measure typicality ratings by cognitively able autistic adults. This approach could shed light into the question of whether typical vs. atypical items are defined differently in ASD. As a second limitation, we should also consider that atypical images with perceptual similarity to typical images tend to be categorized as quickly as typical images, leading to an underestimation of typicality effects. Notwithstanding, we did observe slower responses to and less accurate discrimination of atypical images in both groups, and a qualitative different patterns of findings in the P2 versus P3 for each group, substantiating our approach. Since our results are the first to investigate these five factors — i.e., typicality effects in categories with different distinctiveness of their category boundaries in ultra-rapid categorization with different presentation times in cognitively able autistic and NT adults — concurrently using EEG, further information is needed to make elaborate statements about distinct cognitive processing in ASD. We want to encourage further investigations on this topic.

分类水平

视觉输入可以在三个语义层次上进行分类——上级、基本和下级层次。对较低层次的视觉输入进行分类，即更详细地分类，取决于可用于感知图像的时间[6]。在本研究中，当图像呈现时间较长时，参与者的反应更快、更准确，较长的视觉呈现时间与ASD组稍早的N1潜伏期和NT组较大的N2振幅相关。N1分量反映了下级和基层分类的差异[63]，我们没有在NT成人中观察到这一点。综上所述，这些结果表明，有认知能力的自闭症成年人使用额外的呈现时间来对下级层面的图像进行分类，即使他们从事的是上级层面的分类任务。然而，对N1的解释需要谨慎对待，因为我们没有特别控制多个低级视觉属性(例如，颜色参数、视觉复杂性、亮度能量和空间频率组成)。注意，观察到的延迟差异在数字上很小，但可能仍然是重要的，因为认知过程流早期的微小变化可能会对后来的认知过程产生潜在的影响。

仅在NT成人中，我们发现呈现时间越长，N2振幅越大，这可能是物体识别的指标[69这表明，相对于较短的陈述时间，NT参与者使用额外的陈述时间来进行定性不同的认知过程。对于自闭症患者来说，这种比较似乎是一种趋势，初步表明，当有更多的时间可用时，认知处理的可变性会增加。总之，在有认知能力的自闭症成年人中，较长的呈现时间导致更详细的图像处理，这支持了标准观看时间在有认知能力的自闭症成年人中增强视觉辨别的概念。

除了经典的三合一障碍外，在过去的几十年里，自闭症患者在视觉处理方面一直存在着质的差异[51]。例如，自闭症患者能够注意到环境中细微的变化，而这些变化通常被精神病患者所忽视。49]。自闭症谱系障碍患者辨别能力的增强可能导致他们难以或不愿形成原型[51]，支持这样一种观点，即有认知能力的自闭症患者更喜欢根据基于规则的系统进行分类，而不是使用原型[44]。

相互依存因素对ASD语义分类的影响

在本研究中，我们展示了类别、典型性和呈现时间这三个因素如何共同调节自闭症个体的超快速语义分类。然而，我们需要承认，其他因素也可能对语义分类产生影响。例如，如上所述，在目前的研究中，我们只调查了男性参与者。因此，我们不能得出任何结论，也不能对女性的自闭症谱系做出任何断言。由于在性别混合组中只有少数女性参与者无法进行有效的统计评估，因此这已经成为这一研究领域的一种标准方法，特别是在调查中度自闭症患者样本时，这种方法具有明显的优势。我们想借此机会承认，关于女性自闭症人群的许多问题仍未解决。幸运的是，最近的调查开始解决这些重要问题;关于自闭症患者的性别差异一直存在争议，特别是因为自闭症患者的性别认同低于正常人[11女性自闭症患者比男性自闭症患者更能掩饰自己的症状[24，59]。研究表明，成年女性自闭症患者有更多的终生感觉症状，更少的当前社会沟通困难，更多的自我报告的自闭症特征[32]以及有限制和重复的行为和兴趣，这些行为和兴趣在质量和数量上都是女性独有的[43]。因此，男性和女性自闭症患者之间分类的潜在差异仍有待确定，并从自闭症症状严重程度或语言能力等调节和/或中介因素中解脱出来。尽管在个体研究层面上具有挑战性，但为了阐明相互作用的影响，将潜在的相互依存因素一起调查是至关重要的。由于不可能在一项研究中评估所有相关因素，因此需要在解开几个相互依赖的过程和保持其他因素不变之间保持谨慎的平衡，以保持相对均匀的参与者群体。

我们关于超快速语义分类过程的认知过程的研究结果可能反映了ASD的社会、交际和行为特征。增强的辨别能力可能会干扰分类，这取决于在感知不同的情况下将类别内的某些物体特征视为相似的能力[61]。我们的研究结果表明，自闭症患者对图像的分类是基于复杂的特征，而不是像成人那样基于简单的特征。使用复杂的特征对图像进行分类表明识别能力增强。再加上基于相似性的分类困难[30.]，这可能有助于有认知能力的自闭症患者倾向于在一个明确的、基于规则的系统中进行分类。此外，较长的N1潜伏期表明，有认知能力的自闭症患者在有机会时比正常人更详细地检查图像。然而，我们可以假设使用这些额外的信息对表现没有任何好处，基于我们的行为数据表明，至少在本文采用的任务参数下，具有认知能力的自闭症成年人并没有比正常人表现得更好。因此，对物体进行更详细的检查可能不会对它们的行为产生任何明显的积极影响。当然，我们承认ASD行为表现的异质性以及相对适度的样本量可能掩盖或低估了当前研究中存在的组间差异。此外，我们只评估了可能参与补偿策略的有认知能力的自闭症患者。

拥有更详细或超具体的分类表征意味着对象之间的相似性减少，而分类判断的关键特征数量增加。关于社会环境的超特定分类表征会导致情境和社会线索之间相似性的感知降低。识别和正确理解社会线索需要在多个维度上变化的复杂感知输入之间的相似性[42，58]。因此，沟通技巧和互惠的社会互动对自闭症患者来说可能更加困难。此外，快速分类的能力对于减少对记忆容量的需求很重要，释放资源来关注我们环境中更实用的重要方面。21]。然而，如果没有足够的资源来关注环境的其他方面，自闭症谱系的个体要么会感到不知所措，要么会完全错过这些方面，这两种情况在ASD中都有观察到。因此，有必要对自闭症个体的分类表征和分类进行更详细的研究，以更好地了解他们的沟通技巧和互惠社会互动，以及他们受限制的、重复的和刻板的行为模式。2]。

本研究中使用和分析的数据集以及包含所有统计效应的列表可应通讯作者的合理要求提供。

不适用。

由Projekt DEAL支持和组织的开放获取资金。JCC由国家基金资助，通过FCT - funda o para a Ciência ea tecologia和I. P.在Norma Transitória DL57/2016/CP1439/CT02的范围内，通过里斯本大学心理学院心理科学研究中心(UIDB/04527/2020;UIDP / 04527/2020)。A-KB得到了联邦科学、继续教育和文化部(MWWK)的莱茵兰-普法尔茨研究计划(潜在认知科学)的支持。

作者指出

1. Ann-Kathrin Beck和Daniela Czernochowski贡献相同，并共享第一作者。

作者及单位

1. 凯泽斯劳滕大学认知科学中心，德国凯泽斯劳滕

   Ann-Kathrin Beck, Daniela Czernochowski和Thomas Lachmann

2. Investigación内布里哈中心Cognición，内布里哈大学，马德里，西班牙

   托马斯Lachmann

3. 鲁汶大学，比利时鲁汶

   托马斯Lachmann

4. 尚帕利莫研究与临床中心，尚帕利莫基金会，葡萄牙里斯本

   Bernardo Barahona-Correa

5. 葡萄牙里斯本新里斯本大学新医学院Ciências msamdias学院

   Bernardo Barahona-Correa

6. CADIn - neurodesenvolimento e inclususo, Cascais，葡萄牙

   Bernardo Barahona-Correa

7. 葡萄牙里斯本大学心理学系，研究中心Ciências Psicológicas

   乔安娜·c·卡莫

贡献

AKB、DC、TL和JCC对工作的构思和设计做出了重大贡献，而AKB、BBC和JCC对数据的获取做出了重大贡献，AKB和DC对数据的分析做出了重大贡献。所有作者都对分析的解释做出了贡献。最后，AKB, DC, JCC和TL起草了工作或实质性修改了手稿。此外，所有作者都为稿件的最终版本做出了贡献，并批准了提交的版本。作者们阅读并批准了最后的手稿。

作者的信息

不适用。

相应的作者

对应到托马斯Lachmann．

伦理批准和同意参与

这项研究是根据《赫尔辛基宣言》[79]进行的，并得到了里斯本大学心理学院伦理审查委员会的批准。所有参与者在被告知手术过程后都给出了书面同意，并有机会提问。

发表同意书

不适用。

相互竞争的利益

作者宣称他们没有竞争利益。

出版商的注意

伟德体育在线施普林格·自然对已出版的地图和机构关系中的管辖权要求保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，该协议允许以任何媒介或格式使用、共享、改编、分发和复制，只要您适当地注明原作者和来源，提供知识共享许可协议的链接，并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中，除非在材料的署名中另有说明。如果材料未包含在文章的知识共享许可中，并且您的预期用途不被法律法规允许或超过允许的用途，您将需要直接获得版权所有者的许可。如欲查阅本许可证副本，请浏览http://creativecommons.org/licenses/by/4.0/．创作共用公共领域免责声明(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文中提供的数据，除非在数据的信用额度中另有说明。

转载及权限