借助fMRI，我们可以从血液动力学响应中提取神经元活动的信息，因此我们迫切需要设计一些任务范式来提高fMRI时间分辨率，于是，事件相关设计（event-related design）应运而生。
事件相关设计的前身是电生理学的ERP研究（将试验进行平均），然而人们很快意识到，这种平均的方法并不适用于具有多组试验的fMRI（因为这些试验可能在时间上有重叠）。因此，人们在电生理学的ERP研究的基础上，建立了fMRI时间序列的卷积模型。
很有趣的一点是，最有效的事件相关设计本质上就是组块设计。前人已经证明，通过将许多相似的试验进行平均可以得到一个特定的时间序列（需要让每次试验间隔开，从而保证血流动力学响应在下一次试验开始前回到基线）[1]。之后有类似研究表明，在试验之间加入抖动固定帧（jittered fixation frames）可以让试验的间隔更紧密[2]。发展到现在，不同类型的试验即使混在一个组块中，人们依然能够分离开他们的时间序列。
事件相关设计的局限性在于信噪比的下降，相同时间长度下，事件相关设计会比组块设计所含的信息量小[3]。此外，尽管事件相关设计可以更精细地刻画BOLD响应的特征，这种实验范式也会漏掉特定的信号，包括试验切换时的暂态信号和与任务同时出现同时结束的连续信号。因此，事件相关设计并没能实现人们将BOLD响应的信号设计得更加独特的夙愿。
参考文献
[1] Boynton G M, Engel S A, Glover G H, et al. Linear systems analysis of functional magnetic resonance imaging in human V1[J]. Journal of Neuroscience, 1996, 16(13): 4207-4221.
[2] Dale A M, Buckner R L. Selective averaging of rapidly presented individual trials using fMRI[J]. Human brain mapping, 1997, 5(5): 329-340.
[3] Miezin F M, Maccotta L, Ollinger J M, et al. Characterizing the hemodynamic response: effects of presentation rate, sampling procedure, and the possibility of ordering brain activity based on relative timing[J]. Neuroimage, 2000, 11(6): 735-759.
[4] Petersen S E, Dubis J W. The mixed block/event-related design[J]. Neuroimage, 2012, 62(2): 1177-1184.
