ศักยภาพที่เกี่ยวข้องกับเหตุการณ์ ( ERP )คือ การตอบสนอง ของสมอง ที่วัดได้ ซึ่งเป็นผลโดยตรงจากเหตุการณ์ทางประสาทสัมผัสการรับรู้หรือการเคลื่อนไหว ที่เฉพาะเจาะจง ^{[ 1 ]}กล่าว อย่างเป็นทางการมากขึ้นคือ มันคือการตอบสนอง ทางสรีรวิทยาไฟฟ้าแบบตายตัวต่อสิ่งเร้า การศึกษาเกี่ยวกับสมองในลักษณะนี้ให้วิธีการประเมินการทำงานของสมอง แบบไม่รุกราน

ERPs วัดโดยใช้คลื่นไฟฟ้าสมอง (EEG) เทียบเท่ากับ ERP ในคลื่นแม่เหล็กไฟฟ้าสมอง (MEG) คือ ERF หรือสนามที่เกี่ยวข้องกับเหตุการณ์^{[ 2 ]}ศักยภาพที่ถูกกระตุ้นและศักยภาพที่ถูกเหนี่ยวนำเป็นชนิดย่อยของ ERPs

จากการค้นพบคลื่นไฟฟ้าสมอง (EEG) ในปี ค.ศ. 1924 ฮันส์ เบอร์เกอร์ได้เปิดเผยว่าสามารถวัดกิจกรรมทางไฟฟ้าของสมองมนุษย์ได้โดยการวางอิเล็กโทรดบนหนังศีรษะและขยายสัญญาณ จากนั้นจึงสามารถพล็อตการเปลี่ยนแปลงของแรงดันไฟฟ้าในช่วงเวลาหนึ่งได้ เขาพบว่าแรงดันไฟฟ้าสามารถได้รับอิทธิพลจากเหตุการณ์ภายนอกที่กระตุ้นประสาทสัมผัส EEG พิสูจน์แล้วว่าเป็นแหล่งข้อมูลที่มีประโยชน์ในการบันทึกกิจกรรมของสมองในช่วงหลายทศวรรษต่อมา อย่างไรก็ตาม การประเมินกระบวนการทางประสาทที่เฉพาะเจาะจงสูงซึ่งเป็นจุดสนใจของประสาทวิทยาศาสตร์เชิงปัญญา ทำได้ยากมาก เนื่องจากข้อมูล EEG เพียงอย่างเดียวทำให้ยากต่อการแยกแยะ กระบวนการ ทางประสาทและปัญญา แต่ละอย่าง ศักยภาพที่เกี่ยวข้องกับเหตุการณ์ (ERPs) นำเสนอวิธีการที่ซับซ้อนกว่าในการแยกเหตุการณ์ทางประสาทสัมผัส ปัญญา และการเคลื่อนไหวที่เฉพาะเจาะจงมากขึ้นโดยใช้เทคนิคการหาค่าเฉลี่ยอย่างง่าย ในปี 1935–1936 Pauline และHallowell Davisได้บันทึก ERP ครั้งแรกในมนุษย์ที่ตื่นตัว และผลการค้นพบของพวกเขาได้รับการตีพิมพ์ในอีกไม่กี่ปีต่อมาในปี 1939 เนื่องจากสงครามโลกครั้งที่สองการวิจัยจึงไม่ได้ดำเนินการมากนักในช่วงทศวรรษ 1940 แต่การวิจัยที่มุ่งเน้นเรื่องประสาทสัมผัสกลับมาเริ่มต้นใหม่อีกครั้งในทศวรรษ 1950 ในปี 1964 การวิจัยโดยGrey Walterและเพื่อนร่วมงานได้เริ่มต้นยุคสมัยใหม่ของการค้นพบส่วนประกอบ ERP เมื่อพวกเขารายงานส่วนประกอบ ERP ทางด้านการรับรู้เป็นครั้งแรก ซึ่งเรียกว่าการเปลี่ยนแปลงเชิงลบแบบมีเงื่อนไข (CNV) ^{[ 3 ]} Sutton, Braren และ Zubin (1965) ได้สร้างความก้าวหน้าอีกครั้งด้วยการค้นพบส่วนประกอบ P3 ^{[ 4 ]}ในช่วงสิบห้าปีต่อมา การวิจัยส่วนประกอบ ERP ได้รับความนิยมมากขึ้นเรื่อยๆ ในช่วงทศวรรษ 1980 ด้วยการนำคอมพิวเตอร์ราคาไม่แพงมาใช้ ได้เปิดประตูบานใหม่สำหรับการวิจัยด้านประสาทวิทยาศาสตร์เชิงการรับรู้ ปัจจุบัน ERP เป็นหนึ่งในวิธีการที่ใช้กันอย่างแพร่หลายที่สุดใน การวิจัย ประสาทวิทยาศาสตร์เชิงปัญญาเพื่อศึกษา ความสัมพันธ์ ทางสรีรวิทยาของ กิจกรรม ทางประสาทสัมผัสการรับรู้และความรู้ความเข้าใจที่เกี่ยวข้องกับการประมวลผลข้อมูล^{[ 5 ]}

สามารถวัด ERP ได้อย่างน่าเชื่อถือโดยใช้คลื่นไฟฟ้าสมอง (EEG) ซึ่งเป็นกระบวนการที่วัด กิจกรรม ทางไฟฟ้าของสมองในช่วงเวลาหนึ่งโดยใช้อิเล็กโทรดที่วางบนหนังศีรษะ EEG สะท้อนถึงกระบวนการทางสมองที่เกิดขึ้น พร้อมกัน หลายพันกระบวนการ ซึ่งหมายความว่าการตอบสนองของสมองต่อสิ่งเร้าหรือเหตุการณ์ที่สนใจเพียงอย่างเดียวมักจะไม่ปรากฏให้เห็นในการบันทึก EEG ของการทดลองเพียงครั้งเดียว เพื่อให้เห็นการตอบสนองของสมองต่อสิ่งเร้า ผู้ทำการทดลองจะต้องทำการทดลองหลายครั้งและหาค่าเฉลี่ยของผลลัพธ์เข้าด้วยกัน ทำให้กิจกรรมทางสมองแบบสุ่มถูกหาค่าเฉลี่ยออกไป และเหลือเพียงรูปคลื่นที่เกี่ยวข้อง ซึ่งเรียกว่า ERP ^{[ 6 ] [ 7 ]}

กิจกรรมทางสมอง แบบสุ่ม ( พื้นหลัง ) ร่วมกับสัญญาณชีวภาพอื่นๆ (เช่นEOG , EMG , EKG ) และการรบกวนทางแม่เหล็กไฟฟ้า (เช่นสัญญาณรบกวนจากสายไฟหลอดไฟฟลูออเรสเซนต์) ก่อให้เกิดสัญญาณรบกวนใน ERP ที่บันทึกไว้ สัญญาณรบกวนนี้บดบังสัญญาณที่สนใจ ซึ่งก็คือลำดับของ ERP ที่กำลังศึกษาอยู่ จากมุมมองทางวิศวกรรม สามารถกำหนดอัตราส่วนสัญญาณต่อสัญญาณรบกวน (SNR) ของ ERP ที่บันทึกไว้ได้ การหาค่าเฉลี่ยจะเพิ่ม SNR ของ ERP ที่บันทึกไว้ ทำให้สามารถแยกแยะและตีความได้ ซึ่งมีคำอธิบายทางคณิตศาสตร์ที่ง่ายๆ โดยมีเงื่อนไขว่าต้องมีการสมมติฐานที่ทำให้ง่ายขึ้นบางประการ สมมติฐานเหล่านั้นคือ:

1. สัญญาณที่สนใจประกอบด้วยลำดับของ ERP ที่สัมพันธ์กับเหตุการณ์ โดยมีช่วงเวลาแฝงและรูปร่างที่ไม่เปลี่ยนแปลง
2. สามารถประมาณค่าสัญญาณรบกวนได้ด้วยกระบวนการสุ่มแบบเกาส์เซียน ที่มีค่าเฉลี่ยเป็นศูนย์และ ค่าความแปรปรวนที่ไม่สัมพันธ์กันระหว่างการทดลองและไม่สัมพันธ์กับเวลาของเหตุการณ์ (ข้อสมมติฐานนี้สามารถถูกละเมิดได้ง่าย เช่น ในกรณีที่ผู้ถูกทดลองขยับลิ้นเล็กน้อยขณะนับเป้าหมายในใจระหว่างการทดลอง)${\displaystyle \sigma ^{2}}$

เมื่อกำหนดหมายเลขการทดลอง และเป็นเวลาที่ผ่านไปหลังจาก เหตุการณ์ ^{ที่ แล้ว}การทดลองที่บันทึกไว้แต่ละครั้งสามารถเขียนได้เป็น โดยที่คือสัญญาณ และคือสัญญาณรบกวน (ภายใต้สมมติฐานข้างต้น สัญญาณไม่ขึ้นอยู่กับการทดลองเฉพาะเจาะจง ในขณะที่สัญญาณรบกวนขึ้นอยู่กับการทดลอง) ${\displaystyle k}$${\displaystyle t}$${\displaystyle k}$${\displaystyle x(t,k)=s(t)+n(t,k)}$${\displaystyle s(t)}$${\displaystyle n(t,k)}$

ค่าเฉลี่ยของการทดลองคือ ${\displaystyle N}$

${\displaystyle {\bar {x}}(t)={\frac {1}{N}}\sum _{k=1}^{N}x(t,k)=s(t)+{\frac {1}{N}}\sum _{k=1}^{N}n(t,k)}$.

ค่าที่คาดหวังของ คือ (ตามที่หวังไว้ ) สัญญาณนั้นเอง${\displaystyle {\bar {x}}(t)}$${\displaystyle \operatorname {E} [{\bar {x}}(t)]=s(t)}$

ความแปรปรวนของมันคือ

${\displaystyle \operatorname {Var} [{\bar {x}}(t)]=\operatorname {E} \left[\left({\bar {x}}(t)-\operatorname {E} [{\bar {x}}(t)]\right)^{2}\right]={\frac {1}{N^{2}}}\operatorname {E} \left[\left(\sum _{k=1}^{N}n(t,k)\right)^{2}\right]={\frac {1}{N^{2}}}\sum _{k=1}^{N}\operatorname {E} \left[n(t,k)^{2}\right]={\frac {\sigma ^{2}}{N}}}$.

ด้วยเหตุนี้ จึงคาดว่าค่าแอมพลิจูดของสัญญาณรบกวนโดยเฉลี่ยของการทดลองจะเบี่ยงเบนจากค่าเฉลี่ย (ซึ่งคือ) น้อยกว่าหรือเท่ากับใน 68% ของกรณี โดยเฉพาะอย่างยิ่ง ค่าเบี่ยงเบนที่ 68% ของแอมพลิจูดของสัญญาณรบกวนอยู่ คือเท่าของค่าเบี่ยงเบนของการทดลองเพียงครั้งเดียว ค่าเบี่ยงเบนที่มากกว่าก็สามารถคาดได้ว่าจะครอบคลุม 95% ของแอมพลิจูดของสัญญาณรบกวนทั้งหมดแล้ว ${\displaystyle N}$${\displaystyle s(t)}$${\displaystyle \sigma /{\sqrt {N}}}$${\displaystyle 1/{\sqrt {N}}}$${\displaystyle 2\sigma /{\sqrt {N}}}$

สัญญาณรบกวนที่มีแอมพลิจูดกว้าง (เช่น การกระพริบตาหรือสิ่งรบกวน จากการเคลื่อนไหว ) มักมีขนาดใหญ่กว่าสัญญาณ ERP ที่อยู่เบื้องหลังหลายเท่า ดังนั้น ควรลบการทดลองที่มีสิ่งรบกวนดังกล่าวออกก่อนทำการหาค่าเฉลี่ย การกำจัดสิ่งรบกวนสามารถทำได้ด้วยตนเองโดยการตรวจสอบด้วยสายตา หรือใช้กระบวนการอัตโนมัติโดยอิงจากเกณฑ์คงที่ที่กำหนดไว้ล่วงหน้า (จำกัดแอมพลิจูดหรือความชันสูงสุดของ EEG) หรือเกณฑ์ที่เปลี่ยนแปลงตามเวลาซึ่งได้มาจากสถิติของชุดการทดลอง

รูปคลื่น ERP ประกอบด้วยชุดของการเบี่ยงเบนแรงดันไฟฟ้าบวกและลบ ซึ่งเกี่ยวข้องกับชุดของส่วนประกอบพื้นฐาน^{[ 8 ]}แม้ว่าส่วนประกอบ ERP บางส่วนจะถูกเรียกด้วยตัวย่อ (เช่นการเปลี่ยนแปลงเชิงลบที่เกิดขึ้นพร้อมกัน  – CNV, ความเป็นลบที่เกี่ยวข้องกับข้อผิดพลาด  – ERN) แต่ส่วนประกอบส่วนใหญ่จะถูกเรียกด้วยตัวอักษร (N/P) ที่ระบุขั้ว (ลบ/บวก) ตามด้วยตัวเลขที่ระบุความหน่วงในหน่วยมิลลิวินาทีหรือ ตำแหน่ง ลำดับ ของส่วนประกอบ ในรูปคลื่น ตัวอย่างเช่น ยอดที่ลดลงซึ่งเป็นยอดสำคัญแรกในรูปคลื่นและมักเกิดขึ้นประมาณ 100 มิลลิวินาทีหลังจากมีการนำเสนอสิ่งเร้า มักเรียกว่าN100 (บ่งชี้ว่าความหน่วงคือ 100 มิลลิวินาทีหลังจากสิ่งเร้าและเป็นลบ) หรือ N1 (บ่งชี้ว่าเป็นยอดแรกและเป็นลบ) ซึ่งมักตามมาด้วยยอดบวก ซึ่งโดยทั่วไปเรียกว่าP200หรือ P2 ค่าความหน่วงที่ระบุไว้สำหรับส่วนประกอบ ERP มักมีความแปรปรวนค่อนข้างมาก โดยเฉพาะอย่างยิ่งสำหรับส่วนประกอบในช่วงหลังที่เกี่ยวข้องกับการประมวลผลทางปัญญาของสิ่งเร้า ตัวอย่างเช่น ส่วนประกอบ P300อาจแสดงจุดสูงสุดได้ทุกที่ระหว่าง 250 มิลลิวินาที – 700 มิลลิวินาที

เมื่อเปรียบเทียบกับวิธีการทางพฤติกรรม ERP ให้การวัดการประมวลผลอย่างต่อเนื่องระหว่างสิ่งเร้าและการตอบสนอง ทำให้สามารถระบุได้ว่าขั้นตอนใดได้รับผลกระทบจากการจัดการทดลองเฉพาะเจาะจง ข้อดีอีกประการหนึ่งเหนือการวัดทางพฤติกรรมคือสามารถวัดการประมวลผลของสิ่งเร้าได้แม้ว่าจะไม่มีการเปลี่ยนแปลงทางพฤติกรรมก็ตาม อย่างไรก็ตาม เนื่องจากขนาดของ ERP ค่อนข้างเล็ก จึงมักต้องใช้การทดลองจำนวนมากเพื่อวัดได้อย่างถูกต้อง^{[ 9 ]}

แตกต่างจากไมโครอิเล็กโทรดซึ่งต้องสอดอิเล็กโทรดเข้าไปในสมอง และ การสแกน PETที่ทำให้มนุษย์ได้รับรังสี ERP ใช้ EEG ซึ่งเป็นกระบวนการที่ไม่ต้องผ่าตัด

ERP ให้ความละเอียดเชิงเวลา ที่ดีเยี่ยม เนื่องจากความเร็วในการบันทึก ERP นั้นถูกจำกัดด้วยอัตราการสุ่มตัวอย่างที่อุปกรณ์บันทึกสามารถรองรับได้ ในขณะที่ การวัด ทางโลหิตพลศาสตร์ (เช่นfMRI , PETและfNIRS ) นั้นถูกจำกัดโดยธรรมชาติด้วยความเร็วที่ช้าของการตอบสนองBOLD อย่างไรก็ตาม ความละเอียดเชิงพื้นที่ของ ERP นั้นแย่กว่าวิธีการทางโลหิตพลศาสตร์มาก อันที่จริง ตำแหน่งของแหล่งกำเนิด ERP เป็นปัญหาผกผันที่ไม่สามารถแก้ไขได้อย่างแม่นยำ แต่สามารถประมาณได้เท่านั้น ดังนั้น ERP จึงเหมาะสมกับคำถามวิจัยเกี่ยวกับความเร็วของกิจกรรมทางประสาท และไม่ค่อยเหมาะสมกับคำถามวิจัยเกี่ยวกับตำแหน่งของกิจกรรมดังกล่าว^{[ 1 ]}

การวิจัย ERP มีต้นทุนต่ำกว่าเทคนิคการถ่ายภาพอื่นๆ เช่นfMRI , PETและMEG มาก เนื่องจากค่าใช้จ่ายในการซื้อและบำรุงรักษาระบบ EEG นั้นถูกกว่าระบบอื่นๆ

บางครั้ง แพทย์และนักประสาทวิทยาจะใช้การกระตุ้นด้วยภาพลายตารางหมากรุกที่กะพริบเพื่อทดสอบความเสียหายหรือการบาดเจ็บในระบบการมองเห็น ในคนที่มีสุขภาพดี การกระตุ้นนี้จะทำให้เกิดการตอบสนองอย่างรุนแรงในบริเวณเปลือกสมองส่วนรับภาพ หลัก ซึ่งตั้งอยู่ในกลีบสมองส่วนท้ายทอย

ความผิดปกติขององค์ประกอบ ERP ในการวิจัยทางคลินิกพบได้ในภาวะทางระบบประสาทต่างๆ เช่น:

• AD/HD ^{[ 10 ]}
• ภาวะสมองเสื่อม^{[ 11 ] [ 12 ]}
• โรคพาร์กินสัน^{[ 13 ]}
• โรคปลอกประสาทเสื่อมแข็ง^{[ 14 ]}
• การบาดเจ็บที่ศีรษะ^{[ 15 ]}
• โรคหลอดเลือดสมอง^{[ 16 ]}
• โรคย้ำคิดย้ำทำ^{[ 17 ]}
• โรคจิตเภท^{[ 18 ] [ 19 ]}
• ภาวะซึมเศร้า^{[ 20 ]}
• ความผิดปกติในกลุ่มอาการออทิสติก^{[ 21 ]}
• โรคลมชัก – เพื่อตรวจสอบประสิทธิภาพของกระบวนการรับรู้^{[ 22 ]}

คลื่นศักย์ไฟฟ้าที่เกิดจาก การ กระตุ้น (ERPs) ถูกนำมาใช้อย่างกว้างขวางในสาขาวิทยาศาสตร์ประสาทจิตวิทยาการรู้คิด วิทยาศาสตร์การรู้คิดและการวิจัยทางจิตสรีรวิทยานักจิตวิทยาเชิงทดลองและนักประสาทวิทยาศาสตร์ได้ค้นพบสิ่งเร้าต่างๆ มากมายที่กระตุ้นให้เกิด ERPs ที่เชื่อถือได้จากผู้เข้าร่วม การกำหนดเวลาของการตอบสนองเหล่านี้เชื่อกันว่าเป็นการวัดเวลาของการสื่อสารของสมองหรือเวลาของการประมวลผลข้อมูล ตัวอย่างเช่น ในแบบจำลองกระดานหมากรุกที่อธิบายไว้ข้างต้น การตอบสนองครั้งแรกของเปลือกสมองส่วนการมองเห็นของผู้เข้าร่วมที่มีสุขภาพดีจะอยู่ที่ประมาณ 50-70 มิลลิวินาที ซึ่งดูเหมือนจะบ่งชี้ว่านี่คือระยะเวลาที่สิ่งเร้าทางสายตาที่ถูกแปลง แล้วจะไปถึง เปลือกสมองหลังจากแสง เข้าสู่ ดวงตาเป็นครั้งแรกอีกทางเลือกหนึ่ง การตอบสนอง P300เกิดขึ้นที่ประมาณ 300 มิลลิวินาทีในแบบจำลอง oddballตัวอย่างเช่น โดยไม่คำนึงถึงประเภทของสิ่งเร้าที่นำเสนอ: การมองเห็นการ สัมผัส การได้ยินการดมกลิ่นการลิ้มรสฯลฯ เนื่องจากความไม่แปรผันโดยทั่วไปเกี่ยวกับประเภทของสิ่งเร้า องค์ประกอบ P300 จึงเข้าใจได้ว่าสะท้อนถึงการตอบสนองทางปัญญาที่สูงขึ้นต่อสิ่งเร้าที่ไม่คาดคิดและ/หรือ สิ่งเร้า ที่โดดเด่น ทางปัญญา การตอบสนอง P300 ยังได้รับการศึกษาในบริบทของการตรวจจับข้อมูลและความทรงจำอีกด้วย^{[ 23 ]}นอกจากนี้ ยังมีการศึกษาเกี่ยวกับความผิดปกติของ P300 ในภาวะซึมเศร้า ผู้ป่วยโรคซึมเศร้ามีแนวโน้มที่จะมีแอมพลิจูด P200 และ P300 ลดลง และความหน่วง P300 ที่ยาวนานขึ้น^{[ 20 ]}

เนื่องจากการตอบสนองของ P300 ต่อสิ่งเร้าใหม่มีความสม่ำเสมอ จึง สามารถสร้าง อินเทอร์เฟซระหว่างสมองกับคอมพิวเตอร์ที่อาศัยการตอบสนองนี้ได้ โดยการจัดเรียงสัญญาณจำนวนมากในตาราง สุ่มกระพริบแถวของตารางดังเช่นในแบบแผนก่อนหน้านี้ และสังเกตการตอบสนองของ P300 ของผู้ถูกทดลองที่จ้องมองตาราง ผู้ถูกทดลองสามารถสื่อสารได้ว่ากำลังมองสิ่งเร้าใดอยู่ และด้วยเหตุนี้จึงสามารถ "พิมพ์" คำได้^{[ 24 ]}

อีกหนึ่งขอบเขตการวิจัยในสาขา ERP อยู่ที่สำเนาการส่งสัญญาณ (efference copy ) กลไกการคาดการณ์นี้มีบทบาทสำคัญในการพูดของมนุษย์เป็นต้น^{[ 25 ] [ 26 ]}อย่างไรก็ตาม สำเนาการส่งสัญญาณไม่ได้เกิดขึ้นเฉพาะกับคำพูดเท่านั้น แต่ยังเกิดขึ้นกับภาษาภายในด้วย กล่าวคือ การผลิตคำพูดอย่างเงียบๆ ซึ่งได้รับการพิสูจน์แล้วโดยศักยภาพที่เกี่ยวข้องกับเหตุการณ์^{[ 27 ]}

ERP อื่นๆ ที่ใช้บ่อยในการวิจัย โดยเฉพาะการวิจัยด้านประสาทภาษาศาสตร์ได้แก่ELAN , N400และP600/SPSการวิเคราะห์ข้อมูล ERP ยังได้รับการสนับสนุนมากขึ้นจากอัลกอริธึมการเรียนรู้ของเครื่อง^{[ 28 ] [ 29 ]}

ปัญหาทั่วไปในการศึกษา ERP คือ ข้อมูลที่สังเกตได้มีจำนวนการทดลองเพียงพอที่จะสนับสนุนการวิเคราะห์ทางสถิติหรือไม่^{[ 30 ]}สัญญาณรบกวนพื้นหลังใน ERP ของแต่ละบุคคลอาจแตกต่างกันไป ดังนั้น การระบุจำนวนการทดลอง ERP ที่จำเป็นสำหรับการตอบสนององค์ประกอบที่แข็งแกร่งเพียงอย่างเดียวจึงไม่เพียงพอ นักวิจัย ERP สามารถใช้ตัวชี้วัดเช่น ข้อผิดพลาดในการวัดมาตรฐาน (SME) เพื่อพิสูจน์การตรวจสอบความแตกต่างระหว่างเงื่อนไขหรือระหว่างกลุ่ม^{[ 31 ]}หรือการประมาณค่าความสอดคล้องภายในเพื่อพิสูจน์การตรวจสอบความแตกต่างระหว่างบุคคล^{[ 32 ] [ 33 ] [ 30 ]}

• ศักยภาพของ Bereitschaft
• ซี1 และ พี1
• การเปลี่ยนแปลงเชิงลบแบบมีเงื่อนไข
• ความแตกต่างเนื่องจากหน่วยความจำ
• ภาวะลบที่ด้านหน้าซ้ายในช่วงต้น
• เอริช ชโรเกอร์
• ความคิดเชิงลบที่เกี่ยวข้องกับข้อผิดพลาด
• ศักยภาพที่ถูกกระตุ้น
• กิจกรรมที่ถูกกระตุ้น
• ศักยภาพความพร้อมด้านข้าง
• ความไม่สอดคล้องกันเชิงลบ
• ความคิดเชิงลบ: N100 • ภาพ N1 • N170 • N200 • N2pc • N400
• ผลบวก: P200 • P300 • P3a • P3b • ส่วนประกอบบวกช่วงปลาย • P600
• ศักยภาพการกระตุ้นประสาทรับความรู้สึกทางกาย

• [1] – ERP Summer School 2017 จัดขึ้นที่ School of Psychology, Bangor University ระหว่างวันที่ 25 ถึง 30 มิถุนายน 2017
• EEGLAB Toolbox – ชุดเครื่องมือ Matlab แบบโอเพนซอร์สที่ใช้งานได้ฟรี สำหรับการประมวลผลและวิเคราะห์ข้อมูล EEG
• ERPLAB Toolbox – ชุดเครื่องมือ Matlab แบบโอเพนซอร์สที่ใช้งานได้ฟรี สำหรับการประมวลผลและวิเคราะห์ข้อมูล ERP
• ERP Boot Camp (เก็บถาวรเมื่อ 2016-11-28 ที่Wayback Machine) – ชุดเวิร์กช็อปฝึกอบรมสำหรับนักวิจัย ERP นำโดย Steve Luck และ Emily Kappenman
• ค่ายฝึกอบรม ERP เสมือนจริง – บล็อกที่รวบรวมข้อมูล ประกาศ และเคล็ดลับเกี่ยวกับวิธีการใช้งาน ERP