介绍

情绪信息(例如，一个微笑的脸)在日常生活中起着至关重要的作用。处理情绪信息需要注意优先级1，2，3.，4，5因此，它会影响认知和行为。对情绪信息的不适应处理会导致各种精神病理(如抑郁、焦虑、多动症、人格障碍等)。6，7，8，9。因此，研究情绪如何与各种认知过程(例如，注意力，感知)相互作用是至关重要的。本研究考察了带有不相关情绪信息的面孔对反应抑制的影响。我们发现，只有当继续信号含有非情绪信息时，带有不相关面部表情的停止信号才会影响反应抑制。

情感和注意力

先前的研究表明，情绪处理(特别是快乐和愤怒/悲伤的脸)与注意力的相互作用是不同的。例如，对快乐面孔的处理分配了注意力范围，而对愤怒/悲伤情绪的处理缩小或集中了注意力范围10，11，12，13，14，15。此外，处理快乐的面孔需要更少的注意力资源16。相比之下，处理愤怒的面孔需要大量的注意力资源14，17，18。综上所述，这些结果表明，愤怒和快乐的面孔吸引注意力的方式不同。

反应抑制，注意力和情绪

反应抑制包括抑制最初计划的阳性反应19。在我们的日常生活中，有很多例子可以说明反应抑制的重要性，比如当一辆汽车突然从拐角处开过来时，不要过马路。在实验室中，停止信号任务经常被用来研究反应抑制19。在这项任务中，参与者在大多数试验中对开始信号作出反应，而在少数试验中对停止信号不予反应。停止信号任务的性能被建模为一个运行进程和一个停止进程之间独立上升到一个阈值的竞争(race模型)19，20.)。哪个流程先达到阈值，就执行该响应。然而，神经生理学数据反对go和stop过程之间的完全独立21⁠。可取消上升到阈值(CRTT)模型是竞争模型的替代方案，它不假定go和stop进程的独立性。相反，它提倡一种通行和停车过程的交互式容量共享账户，其中通行过程通过对停车信号的快速感官检测来减速22，23，24。在本研究中，我们通过同时操纵围棋和停止信号的不相关情绪信息来研究围棋和停止过程的这种能力共享解释。有人认为情绪信息和注意资源是相互作用的18。因此，在两个信号(走和停)中同时处理不相关的情绪信息将有助于理解走和停过程在反应抑制中的交互作用。

根据这一观点，有人认为成功的抑制取决于注意力资源的可用性(见Logan & Cowan, 1984年的执行行为控制模型)20.)。注意力作为一名执行者，以其选择性的、控制性的影响力向下属系统下达命令。如果情绪信息捕获或转移了对主要任务需求(如抑制)的注意力分配，那么情绪信息应该干扰反应抑制。之前的研究已经表明，它能增强情绪处理25与抑制过程竞争注意资源。萨姆(2009)26将这种竞争形式化为“双重竞争框架”，该框架假定执行控制子组件相互交互，这样一个组件使用的资源将无法被其他组件使用26。因此，根据这一框架，处理具有不相关情绪信息的面孔将消耗大量可用资源，从而使可用的加工资源减少，从而抑制预先计划的反应;因此，带有不相关情绪信息的面部刺激通常会损害抑制控制。研究发现，与中性干扰物相比，情绪干扰物(积极和消极)的抑制控制受损27，28，29和中性的干扰物相比29，30.，31。这些研究使用情绪刺激作为启动(试验前)，而不是操纵无关的“走”或“停”信号的情绪信息(内隐情绪);有人认为，启动情绪对认知的影响较小;内隐情绪有很强的影响32。

很少有研究对面部停止信号中的不相关情绪信息进行处理33，34，35。研究表明，与快乐的脸相比，消极的脸，比如恐惧的脸，会损害反应抑制35。然而，其他研究表明，与中性的面孔相比，无关的快乐和恐惧的面孔更容易抑制33快乐的脸比中性的脸更容易抑制36。因此，当使用情绪面部刺激作为停止信号时，结果是混合的。使用IAPS图像的研究发现，负面图像损害了反应抑制30.，37。相反，维布鲁根和德38提示高唤醒性的正、负图片比低唤醒性的正、负图片干扰反应抑制。这些混杂的结果可能是由于刺激的复杂性和不匹配的唤醒水平，特别是在IAPS图像的情况下。此外，这些研究并没有检查围棋和停止过程之间的注意力资源竞争，这可能会影响结果的模式，特别是在那些通过操纵围棋脸的框架颜色来呈现停止信号的研究中。因此，在“走”和“停”信号中同时呈现情感信息对于理解共享注意资源的性质和确定先前的结果至关重要。

在目前的研究中，我们使用灰度面部刺激。以往的研究大多使用IAPS图片。值得注意的是，IAPS图片非常复杂。此外，积极和消极图片之间也存在着低级别的视觉差异(例如，像残缺的身体这样的消极图像以红色为主，而肤色则主导着积极的图像，比如色情图片)。有研究表明，与IAPS图片相比，情绪面孔在低层次特征上的变化更小14，34。面部刺激也具有很高的社会和进化价值。因此，在目前的研究中，我们使用灰度面部刺激作为继续和停止信号。

目前的研究

本研究考察了带有不相关情绪信息的面孔对反应抑制的影响。在以往的研究中，主要使用带有情绪信息的刺激作为启动;或者研究操纵了他们的情绪信息28，39或者停止信号33，35，36。没有一项研究在停止信号任务中同时操纵走信号和停信号的情绪信息。因此，这些研究无法检查在进行和停止过程之间对共享注意力资源的竞争。因此，在本研究中，我们引入了具有不相关情绪信息的面孔作为开始和停止信号，以研究开始和停止过程之间对共享注意力资源的竞争，以及情绪信息和抑制之间的竞争。因为处理愤怒的面孔需要大量的注意力资源14本研究假设，与不相关的围棋信号的中性和快乐面部表情相比，不相关的愤怒面部表情会损害抑制控制。根据“双重竞争框架”，我们预测围棋信号中不相关的情绪信息会消耗可用的注意力资源，使抑制过程的资源减少。因此，当围棋信号含有不相关的情绪信息时，停止信号的情绪信息不会对抑制控制产生调节，因为大部分注意力资源已经被围棋信号消耗掉了。然而，当停止信号不包含情绪信息时，即中性脸的停止信号，则停止信号的无关情绪可能调节反应抑制。由于愤怒的面部表情需要更多的注意力资源来处理，我们预测这种调制将是这样的，与不相关的愤怒面部表情相比，与不相关的快乐面部表情相比，停止信号会损害抑制。

方法

道德声明

这项研究是根据《赫尔辛基宣言》进行的，并得到孟买印度理工学院伦理委员会的批准。所有参与者均提供知情同意。

参与者

通过印度理工学院孟买工作人员的传单广告和电子邮件招募56名志愿者(30名男性)，年龄18-34岁(M = 21.5岁，SD = 3.9岁)，视力正常或矫正至正常。我们在G-Power的因子f检验中使用重复测量来估计40)，必要的样本量为45，以检测0.25的中等大小效应，并获得0.95的功率水平。所有参与者都书面同意参加这项研究。所有参与者身体健康，无药物，无精神或神经疾病史。

仪器和刺激

参与者坐在一个接近黑暗的房间里，距离约57厘米，面前是一台24英寸液晶平板B360游戏高清显示器，英特尔(R) Core(TM) i7 CPU @3.20 GHz系统，分辨率为1920 × 1080，扫描率为60 Hz，运行微软Windows 10 Pro。视觉刺激在MATLAB®(Mathworks Inc .)中的PsychToolbox的帮助下呈现。

从NimStim面部数据库中选择了36张人脸图像(12个身份，3种表情，6名女性和6名男性)41。在试验阶段，6名志愿者根据性别识别的准确性和情绪识别的难易程度来选择这些面孔。所有参与者都选择了100%正确识别的面孔进行实验。然后这些脸被裁剪，这样只有脸部分是可见的，没有头发、脖子和耳朵。然后在GIMP软件的帮助下将裁剪后的人脸转换为灰度图像。然后这36张脸被分成两组(18张脸，6个身份)。在实验后期，一半的参与者得到了第一组脸作为开始脸，第二组脸作为停止信号脸，而另一半则相反;因此，作为继续信号和停止信号的面孔在参与者之间是平衡的。

实验的程序

试验开始时，屏幕中心的灰色正号固定(0.25°× 0.25°)500 ms。在围棋试验中，一张情绪化或中性的脸出现在屏幕中央(围棋信号)。1a).参与者被要求用食指按左箭头键表示男性的脸，用中指按右箭头键表示女性的脸。不管参与者的反应如何，启动信号在那里停留了1000毫秒34，35，42，43，44。从高斯分布中提取的500到1500毫秒不等的试验间隔之后是一个空白屏幕，然后开始下一个试验。

图1
图1

情绪停止信号任务示意图。一个走和停试验的例子。（一个)在围棋测试中，参与者被要求按左箭头键显示男性面孔，按右箭头键显示女性面孔。（b)在停止试验期间，他们被要求保留他们的运动反应(通过在他们的脸的顶部有一个不相关的快乐，愤怒或中性情绪的脸来表示)。停止信号在一个可变的时间延迟之后跟随运行信号，称为停止信号延迟(SSD)。SSD是根据每个停止信号条件的阶梯程序分别设置的，以获得大约50%的停止性能正确率。

全尺寸图像

30%的试验出现了停止信号。在这些实验中，在固定和go-signal之后，另一张脸(持续250 ms)出现在go-signal的顶部(图2)。1b).这指示参与者不要按任何按钮。运行信号和停止信号之间的延迟称为停止信号延迟(SSD)。SSD盘初始值设置为250ms。在整个实验过程中，SSD是动态调整的。如果参与者在停止试验中成功地抑制了他们的反应，那么在随后的停止试验中，SSD增加了50毫秒。如果他们在前一次试验中未能抑制他们的反应，那么在下一次停止试验中SSD将减少50 ms。由于停止信号有三种情绪表达，因此在三种停止信号条件下分别进行该楼梯，以确保在大约50%的停止试验中成功抑制。三个通行信号和三个停车信号共产生了九种情况。

总共有六个街区。每个区块有180个试验，70%的试验(126个试验，每组42张愤怒、快乐和中立的脸)，30%的停止试验(54个试验，每组18张愤怒、快乐和中立的脸;九种情况各进行六站试验)。停止审判之后总是有继续审判。在围棋实验中，如果参与者没有按下任何按钮，或者在经过1000毫秒的刺激窗口后太晚按下按钮，就会出现遗漏错误(OE)。如果参与者按错了按钮，就会出现辨别错误(DE)。在停止试验中，参与者不需要按压。如果他们仍然按下按钮，就会发生委托错误(CE)。为了防止参与者形成等待策略，我们使用了两种策略;首先，允许的最大响应时间设置为1000毫秒。 Second, as per Verbruggen et al45建议，参与者在每个块结束时在块间窗口上显示他们的表现反馈，包括遗漏，歧视和委托错误。参与者被要求按照Verbruggen等人的建议尽可能快速准确地做出反应45。他们还被告知，有时可能无法成功地抑制自己的反应，在这种情况下，他们应该继续执行任务。总的来说，go和stop响应的重要性同样得到强调。在成功完成任务后，向所有参与者提供了150卢比的固定补偿。

每个参与者都接受了最初的30次试验培训，以使他们熟悉任务，并估计他们在行进试验中的遗漏和辨别误差以及在停止试验中的委托误差。如果跑动试验的错误率高于5%或停止试验的错误率高于50%，参与者将被给予另一次练习。来自KDEF数据库的两个不同的中性未裁剪的灰度面46是用来练习的。

研究设计

目前的研究是探索性的，因为这是第一个同时操纵前进和停止信号的情绪的研究。它采用了主题内设计。“走”和“停”信号中不相关的情绪信息(愤怒、快乐、中性)是组内因素。在围棋试验中的表现采用单向重复测量方差分析，方差分析包含三个因素(围棋情绪:愤怒、快乐、中性)。停止试验的表现采用3(继续情绪:愤怒、快乐、中立)× 3(停止情绪:愤怒、快乐、中立)重复测量方差分析。

数据分析

使用MATLAB®(Mathworks Inc.)编写的内部程序进行数据分析，并使用JASP (JASP Team, 2021)进行统计检验。为了探讨围棋情绪的影响，我们对三种围棋情绪的遗漏误差、辨别误差和正确RT进行了重复测量方差分析(ANOVA)。一个参与者的总体遗漏错误率非常高(16%)，抑制率很高(62%)。这表明参与者没有把注意力放在任务上45。另一名参与者在儿童时期有神经损伤。因此，这两个参与者被排除在其余的分析之外。遵循Verbruggen等人的建议45，我们使用未修剪的go RT分布进行SSRT估计，以便跟踪算法将覆盖go响应的整个分布。然而，在报告正确的平均RT时，我们基于离平均值2.5个标准差去除了参与者特定的异常值。

为了研究围棋和停止过程之间的注意资源共享以及停止信号的情绪信息对抑制行为的调节作用，我们按照Race模型的程序，在所有可能的9种情况下，通过用相应的围棋情绪的平均停止信号延迟减去该情况下的平均停止信号延迟，计算出用于估计“抑制反应时间”的停止信号反应时间(SSRT)19，45。在所有九种情况下分别进行，即愤怒-愤怒，愤怒-中性，愤怒-快乐;中性-愤怒，中性-中立，中性-快乐;快乐-生气，快乐-中性，快乐-快乐(现在被称为AA, AN, AH;Na, nn, nh;分别是HA, HN, HH)。这里，在每一对中，第一个字母是继续信号的情感，而第二个字母是停止信号的情感。

我们根据CRTT模型计算了另一种抑制控制的度量，即“衰减率”23，24。CRTT模型假设，随着并行处理时间(PPT)的增加，不成功的停止试验(非取消RT)的反应时间呈指数增长。PPT是在引发响应之前可以并行处理go和stop信号的最大持续时间。根据经验，它是通过从未取消的rt中减去SSD来计算的。PPT从0到400 ms分组到刷新速率持续时间大小为4的桶中。计算每组试验的平均PPT和平均未取消RT。未消去的RT与PPT相对应，用指数拟合(未消去的RT =)拟合εeb(PPT)+c，有关基于CRTT模型的详细推导，请参见Indrajeet和Ray (2020)24)，由每个仓中未消去的RT的均值标准误差(SEM)的倒数加权。的系数b在这个等式中指的是“衰减率”。较高的衰减率反映了较好的减速正在进行的运动计划的能力。根据之前的指南，我们将ε固定在17 ms，即一个刷新持续时间，以考虑RT和SSD测量中的随机抖动24，47。适合度低于最低固定标准(R2< 0.5)，以计算衰减率。最后，我们还比较了在不成功的停止轨迹上未取消的RT和在正确的奔跑试验上的RT，以检查是否违反了竞赛模型的独立性假设。采用Bonferroni校正对事后配对t检验进行判别误差、遗漏误差、校正go RT、SSRT和衰减率，使阈值为p三种情绪状态的值调整为0.01(0.05/3)。

结果

描述性和行为性结果总结在表中1。

表1所有值均为平均值(标准差)。
全尺寸工作台

去试验

围棋实验的结果显示，愤怒的脸比快乐和中性的脸消耗更多的注意力资源。值得注意的是，愤怒面孔的辨别错误和正确率RT高于快乐面孔和中性面孔，而愤怒面孔的遗漏错误高于中性面孔，如下所述:

歧视错误:围棋情绪对判别误差的主效应显著;F(1,53) = 6.91，均方误差= 3.43,p= 0.002,ηp2= 0.11。配对t检验显示，愤怒面孔(M = 4.36%， SD = 3.9%)的辨别误差显著高于中性面孔(M = 3.24%， SD = 2.4%);t(53) = 2.96;p= 0.005,d= 0.40,快乐(M = 3.23%, SD = 2.6%)去的脸,t(53) = 2.65;p= 0.01,d= 0.36。快乐脸和中性脸的辨别误差没有显著差异，t(53) = 0.1;p= 0.90,d= 0.01(见表)1)。

遗漏错误:围棋情绪对遗漏错误的主效应显著;F(2,106) = 3.70，均方误差= 2.49,p= 0.028,ηp2= 0.06。配对t检验显示，愤怒脸(M = 6.16%， SD = 3.91%)的遗漏误差显著高于中性脸(M = 5.36%， SD = 3.4%);t(53) = 2.78;p= 0.007,d= 0.37。愤怒脸和快乐脸在遗漏错误上没有显著差异，t(53) = 1.90;p= 0.062, d = 0.25，中性脸和快乐脸之间，t(53) = 0.64;p= 0.52, d = 0.08(见表1)。

正确Go反应时间:围棋情绪对围棋正确RT的主要影响显著;F(1,53) = 10.71，均方误差= 85.69,p< 0.001,ηp2= 0.16。愤怒情绪组反应时间更长(M = 730.8 ms;SD = 69.8 ms)与快乐(M = 723.5 ms, SD = 63.4 ms)相比，t(53) = 4.13;p< 0.001,d= 0.12;中性围棋情绪(M = 723.7 ms, SD = 60.3 ms);t(53) = 3.49;p= 0.001,d= 0.12，这表明与快乐和中性条件相比，愤怒面孔的处理需要更多的注意力资源。快乐情绪和神经兴奋情绪在RT上没有显著差异，t(53) = 0.13;p= 0.89,d= 0.01，见表1)。

种族模型假设

竞赛模型预测，在不成功的停止试验(未取消的RT)中，RT应该比在继续试验中正确的继续RT快。如果结果偏离，则认为违反了种族模型独立性假设(建议7:Verbruggen等45⁠)。未取消RT (M = 684.76 ms, SD = 66.42 ms)显著快于正确go RT (M = 727.28 ms, SD = 57.56 ms);F(1,53) = 249.13均方误差= 549.29,p< 0.001,ηp2= 0.82。这在个人情绪类别中也是成立的，愤怒t(53) = 12.54;p< 0.001,d= 1.70，中性:t(53) = 14.13p< 0.001,d= 1.92，快乐;t(53) = 12.09，p< 0.001,d= 1.64。我们还逐个手工检查了所有受试者是否违规。除一人外，其余参与者均遵循种族模型的独立假设。对于第31号与会者，假设被违反。在剔除该参与者后，我们进行了所有分析。结果没有明显变化。因此，我们已经做了最后的分析，包括参与者。

停止试验

停止信号反应时间(SSRT)go-signal情绪对SSRT的主效应显著;F(2,106) = 11.87，均方误差= 345.08,p< 0.001,ηp2= 0.17。两两比较显示，在不相关愤怒情绪(M = 212.07 ms, SD = 46.9 ms)存在时，SSRTs显著慢于中性情绪(M = 203.18 ms, SD = 45.2 ms)。t(53) = 4.30;p< 0.001,d= 0.58，快乐情绪(M = 204.13 ms, SD = 45.29 ms);t(53) = 3.84;p< 0.001,d= 0.52。这一结果表明，与中性情绪和快乐情绪相比，不相关的愤怒表情会损害抑制控制(见图2)。2A, b表示另一个箱线图)。在不相关的快乐情绪和中性情绪存在时，SSRTs之间没有显著差异。t(53) = 0.46;p= 0.096,d= 0.06。停止情绪的主效应不显著;F(2,106) = 1.54，均方误差= 762.96,p= 0.21,ηp2= 0.02。

图2
图2

（一个）停止信号反应时间:离开情绪。三种情绪的停止信号反应时间(SSRT)。误差条表示相应均值的标准误差。愤怒围棋信号的SSRT显著高于快乐和中性围棋信号的SSRT(见文本)。**p< 0.001。（b）的箱线图分布一个。三种情绪的停止信号反应时间(SSRT)。愤怒围棋信号的SSRT显著高于快乐和中性围棋信号的SSRT(见文本)。**p< 0.001。

全尺寸图像

数字3.a为9种情况下的SSRT(图1)。3.B表示替代箱线图)。正如预测的那样，通行信号情绪与停车信号情绪之间的交互作用是显著的。F(4,212) = 3.18，均方误差= 33.68,p= 0.014,ηp2= 0.05，可能表示go和stop进程相互作用。我们分别对每种情绪(快乐、愤怒和中性)的SSRT评分进行了单因素方差分析。有趣的是，停止情绪对SSRT得分的主要影响仅在围棋信号具有中性情绪时才显著(中性围棋情绪:F(2,106) = 3.59，均方误差= 277.42,p< 0.031,ηp2= 0.06;快乐情绪:F(2,106) = 0.83，均方误差= 250.74,p= 0.43,ηp2= 0.01;生气go-emotion:F(2,106) = 0.62，均方误差= 302.16,p= 0.53,ηp2= 0.01)。在中性情绪试验中，两两比较表明，与不相关的愤怒面部表情的停止信号相比，不相关的快乐面部表情的停止信号的SSRTs显著更高。t(53) = 2.60;p= 0.012,d= 0.35, bf10= 3.13。中庸的比较(t(53) = 1.93;p= 0.058,d= 0.26, bf10= 0.83)和中性愤怒比较(t(53) = 0.56;p= 0.57,d= 0.07, bf10= 0.17)无统计学意义(见表2对于所有的比较)。因此，与不相关的快乐脸停止信号相比，不相关的愤怒脸停止信号减缓了反应抑制过程。因此，当走的信号是非情绪性的时，愤怒的脸作为停止信号比快乐的脸作为停止信号削弱了抑制。

图3
图3

（一个）停止信号反应时间:九种情况。九种情况下的停止信号反应时间(SSRT)，按前进信号的情绪(x轴)分组。误差条表示相应均值的标准误差。图例显示了三个情感停止信号。在中性情绪下，愤怒脸停止信号的SSRT显著高于快乐脸停止信号(见文本)。*p< 0.05。（b）的箱线图分布一个。停止信号反应时间(SSRT)的停止信号情绪条件分组在三种情绪。在中性情绪下，愤怒脸停止信号的SSRT显著高于快乐脸停止信号(见文本)。*p< 0.05。

全尺寸图像
表2 AA、AN、AH;Na, nn, nh;HA、HN、HH分别对应愤怒-愤怒、愤怒-中性、愤怒-快乐;中性-愤怒，中性-中立，中性-快乐;开心-生气，开心-中性，开心-开心。这里的第一种情绪是开始信号时的情绪，第二种情绪是停止信号时的情绪。
全尺寸工作台

CRTT metric:衰减速率

无花果。4显示了三种停止信号条件下参与者的最佳拟合平均值。平均拟合优度(R2)相当高:愤怒、快乐和中性停止信号分别为0.83、0.89和0.84。以停止信号的情绪(愤怒、快乐和中性)作为组内因素进行单向重复测量方差分析，发现停止情绪对衰减率有显著影响。F(2,70) = 6.52，均方误差= 0.000001,p= 0.003,ηp2= 0.15(图。5)。两两比较表明，愤怒停车信号的衰减率较低(M = 0.0093;SD = 0.002)与快乐停止信号(M = 0.0103, SD = 0.002)相比，t(35) = -3.42;p< 0.001,d= 0.57。结果表明，愤怒面孔的停止信号对走动过程的衰减较小，因为愤怒面孔的加工消耗了更多的注意资源，导致抑制过程的资源较少。中性停止信号的衰减率(M = 0.0094, SD = 0.002)低于快乐停止信号。愤怒状态和神经停止信号状态的衰减速率无显著差异;t(35) = 0.56;p= 0.57。

图4
图4

非取消RT配合PPT。我们用指数函数(非消去RT =)拟合非消去RT和PPT数据εeb (PPT)+c)。我们固定ε在17毫秒(等于显示监视器的一次刷新持续时间)。系数“b”和“c”是不同参与者的拟合系数。在三种情况下，参与者的最佳拟合平均值(±SEM)被绘制为PPT的函数。愤怒停止信号的衰减率最低。

全尺寸图像
图5
图5

三个停止信号的衰减率。衰减率，抑制控制的量度，是系数b在指数函数中(未消去的RT =εeb (PPT)+c)。给出了三种停止信号条件下衰减率分布的箱线图。愤怒停止信号条件下的平均衰减率小于快乐停止信号条件下的平均衰减率，表明愤怒面孔的抑制控制较差。**p< 0.01。

全尺寸图像

讨论

本研究采用不相关的积极(快乐)和消极(愤怒)面部表情作为“走”和“停”信号，与中性面部表情进行对比，考察反应抑制。结果表明，从面孔中处理不相关情绪信息和抑制过程利用了一个共享的注意资源池。具体来说，与快乐的脸相比，愤怒的脸作为“走”和“停”的信号会损害抑制控制。以不相关的情绪信息作为围棋信号的面孔也排除了停止信号的情绪性的任何调节，即，当围棋信号具有不相关的情绪面部表情(快乐和愤怒的面孔)时，对快乐、愤怒和中性面孔的停止信号的反应的停止延迟没有差异。然而，当停止信号具有不相关的中性面部表情时，具有不相关情绪面孔的停止信号的停止潜伏期不同。当行走信号带有不相关的中性面部表情时，带有不相关的愤怒面部表情的停止信号反应时间(SSRT)高于带有不相关的快乐面部表情的停止信号。结果表明，与不相关的快乐面孔相比，不相关的愤怒面孔损害了反应抑制。我们将这些结果作为情绪和抑制过程之间以及走和停过程之间的资源共享来讨论。

与带有不相关的愤怒面部表情的Go信号相比，带有不相关的中性和快乐面部表情的Go信号会损害抑制控制。我们的研究结果表明，愤怒的脸作为“走”和“停”信号都会干扰反应抑制。先前的研究表明，愤怒的脸比快乐的脸需要更多的注意力资源，而快乐的脸需要更少的注意力资源17，18。结果还表明，对于带有不相关的愤怒表情的围棋信号，其反应速度比带有不相关的中性和快乐表情的围棋信号慢，识别误差也高。众所周知，愤怒的脸会延迟注意力的转移48。研究发现，负面情绪信息会减少与反应抑制相关的大脑区域(背外侧前额叶皮层、内侧前额叶皮层和顶叶皮层)的神经激活43从而干扰抑制过程。一项类似的研究使用愤怒、快乐和中性的脸作为信号，发现与中性和快乐的脸相比，愤怒的脸会削弱抑制能力39。因此，愤怒的脸会消耗更多的注意力资源，并干扰“走”和“不走”的表现。

结果表明，在种族模型和CRTT模型中，与不相关的愤怒面部表情的停止信号相比，不相关的快乐面部表情的停止信号对反应抑制的影响更大。先前的研究表明，消极的情绪信息会损害抑制控制35，49。最近的一项研究使用快乐、恐惧和中性的脸作为停止信号，表明与快乐和中性的脸相比，恐惧的脸会损害抑制能力35。然而，Pessoa等人报告说，与中性的面孔相比，具有不相关的恐惧和快乐面部表情的面孔更容易促进反应抑制，并认为情绪激动的面孔在视觉皮层中产生了更强的停止刺激的感官表征，从而导致更强的停止信号表征，从而更好地停止表现33。这种结果的差异可能是由于所使用的情绪刺激类别的不同。古普塔和辛格34认为快乐和恐惧的脸之间的比较可能没有意义/不合适，因为快乐和恐惧的脸在注意力任务中产生相似的行为(与方法相关)，神经化学(对催产素的反应)和神经反应(杏仁核活动)34。因此，在研究积极情绪和消极情绪时，比较快乐和愤怒的脸显得更有意义。

我们的研究结果并不支持负面情绪的“冻结”行为，该行为预测负面情绪会导致短暂的认知冻结50。相反，我们发现，与不相关的愤怒面部表情的停止信号相比，与不相关的快乐面部表情的停止信号会损害反应抑制。请注意，冻结账户效应对于进化上重要的威胁性刺激(蜘蛛、蛇或电击的图像)更有意义。51作为停止信号。消极的面部表情，如愤怒，虽然传达了潜在的威胁，但可能不像其他进化上重要的威胁刺激那样具有威胁性，这些刺激会在环境中带来直接的危险，并对生存构成威胁(蜘蛛，蛇)。51。由于我们发现了一种特定于价格的效应，它排除了愤怒和快乐的脸都会产生更强的停止信号表征的想法33。然而，一个带有不相关的快乐面部表情的停止信号可能比带有不相关的愤怒面部表情的停止信号产生更强的停止信号表征，因为处理它需要很少的注意力资源;因此，与不相关的愤怒面部表情的停止信号相比，它可能会减慢正在进行的运动计划。这需要在未来的研究中进行测试。

当继续信号同时具有不相关的面部表情时，停止信号的不相关面部表情不调节SSRT，这表明情绪和抑制过程的加工利用了共同的注意资源池。我们的结果符合“双重竞争框架”26。这个框架假定执行控制子组件相互交互，这样一个组件使用的资源将不能被其他组件使用。因此，根据该框架，围棋信号的不相关情绪信息已经消耗了大部分可用的注意力资源，使得在停止试验时可用来取消预先计划的动作的处理资源更少。与此相一致的是，我们发现当走信号也有不相关的情绪信息时，停止信号的不相关情绪并不会调节抑制控制。大量的注意力资源已经被处理无关的go信号的情绪信息所消耗。与这一观点一致，先前的脑磁图(MEG)研究表明，增强go信号处理的试验导致反应抑制受损，为后续抑制留下更少的处理资源52。Goldstein等人报告了在进行/不进行任务时背外侧前额叶皮层的认知-情绪相互作用25。因此，围棋信号的不相关情绪信息可能与抑制过程竞争注意资源。这种竞争可能是由于发现情绪处理和反应抑制的神经相关性在前扣带皮层等共同区域被报道53和右侧额下回54。因此，情绪加工和抑制过程利用了一个共享的注意资源池。

此外，“双重竞争框架”可能对反应抑制的竞赛模型有影响，因为它表明前进和停止过程并非完全独立。相反，它们依赖于相同的可用资源池，建议使用go进程和stop进程的交互式容量共享帐户。在我们的研究结果中，前进情绪和停止情绪对SSRT的交互作用表明，停止信号情绪对SSRT的影响并不普遍;围棋信号(go process)和停止信号(stop process)中包含的信息也起着关键作用。因此，我们的研究结果表明，影响走和停进程的因素会影响走和停进程之间竞争的结果，因此，走和停进程可能不是完全独立的。通过CRTT度量，我们发现含有不同情绪信息的停止信号对正在进行的运动计划(围棋过程)的减速不同，排除了围棋和停止过程之间的独立竞争。这些结果与最近的研究结果一致，即运行和停止过程基本上是不可分割的22，55。因此，我们的结果增加了越来越多的文献，即运行和停止进程共享有限的中央处理能力56并支持交互式竞赛模型和围棋和停止进程之间的交互21，22，24。

值得注意的是，在本研究中，情感面孔是从NimStim数据库中选择的，其中的演员是来自不同文化人群的非裔美国人、亚裔美国人、欧裔美国人和拉美裔美国人，这可能是本研究的局限性之一。此外，快乐和愤怒表情的唤醒水平也没有被测量。目前的研究应该与其他面部数据库重复，以排除任何与情绪处理相关的跨文化偏见。此外，我们的目的不是检查性别和情绪差异在反应抑制中的作用;因此，“走”和“停”信号脸的性别并不匹配。未来的研究可以将这两个因素一起研究反应抑制。

结论

综上所述，我们研究了不相关情绪信息对反应抑制的影响，我们使用愤怒、快乐和中性的面孔作为继续和停止信号。我们发现，停止信号的情绪信息仅在非情绪信号时起作用，这表明停止过程需要足够的注意资源来调节抑制。当注意力资源更容易获得时(与不相关的中性面部表情相比，与不相关的快乐和愤怒面部表情相比，不相关的愤怒脸作为停止信号，与快乐脸相比，会损害反应抑制。我们将这些结果解释为(a)情绪处理和抑制过程以及(b)进行过程(反应执行)和停止过程(反应抑制)之间共享的共同注意资源池。总的来说，这些结果有三个关键的理论含义。首先，我们的研究结果支持“双重竞争框架”。更具体地说，go信号中的情绪已经消耗了大部分可用资源。相反，中性的围棋信号消耗较少的资源，为停止信号的情绪信息留下足够的资源来调节抑制。第二，我们的研究结果阐明了反应抑制背景下愤怒和快乐面孔加工的差异;与快乐的脸相比，愤怒的脸作为走和停信号干扰了抑制控制。 Third, our results further show that the go and stop processes may not be fully independent such that go process is differently decelerated by different emotional information in the stop signal. Thus, our results are better explained by the cancellable-rise-to-threshold (CRTT) model that proposes interaction between go and stop processes. Our results support recent literature that the go and stop processes interact with each other, relying on the same pool of available attentional resources. Since this is the first study where irrelevant emotions were manipulated for both go and stop signals; therefore, further studies are required to ascertain the present study results. Future work should study response inhibition with other emotions such as surprise, disgust, and fear in similar paradigms.