|
功能近紅外光譜（fNIRS）在認知發展研究中的應用——以數學和語言為例
Mojtaba Soltanlou1,2†，Maria A.Sitnikova3†，Hans Christoph Nuerk1,2,4*和Thomas Dresler 2,5
1德國圖賓根圖賓根大學心理學系
2LEAD研究生院和研究網絡，德國圖賓根大學
3俄羅斯別爾哥羅德國立研究大學
4德國圖賓根萊布尼茨威斯森麥迪恩研究所
5德國圖賓根大學醫院精神病學和心理治療部
在這篇綜述中，我們旨在強調功能近紅外光譜（fNIRS）作為一種有用的神經成像技術在認知發展研究中的應用。我們關注在小學生數學和語言技能發展過程中大腦激活的變化。我們討論了功能磁共振成像（fMRI）等常見神經成像技術的技術局限性如何導致我們對發育過程中神經變化的理解有限，而fNIRS將是一種適合兒童的方法來檢查認知發育。此外，這項技術使我們能夠去學校收集生態環境中兒童的大量數據樣本。此外，我們報告了fNIRS在數學和語言領域的研究結果，隨后討論了這些領域的fNIRS前景。我們建議fNIRS作為一種在教育神經科學領域跟蹤大腦激活變化的附加技術。
簡介：數學與語言發展
理解數學和語言等學術技能的獲取和學習過程對教育科學和神經科學都很有興趣。掌握數學和語言對個人的職業和生活前景以及整個社會都至關重要（Butterworth等人，2011年）。例如，數學已經成為日常生活中不可分割的一部分，在現代社會的各個層面都發揮著重要作用：從在書中找到一頁，選擇一個電視頻道，到計算商業投資的利潤，以及估計政治決策、經濟程序和社會事件的長期影響。在學習計數和計算方面遇到嚴重困難的個人在學術和職業生活中都處于極大的劣勢（Kadosh和Dowker，2015）。因此，數字能力的發展在從嬰兒期到成年期的每個階段都至關重要（Geary，2000）。關于語言習得，學習兒童需要理解所有人類語言中常見的一些普遍特征。這需要一套廣泛的技能，從特定領域的語言相關能力（例如識別和理解音素的能力）到一般認知能力（例如雙語學習者在語言之間切換時的心理靈活性）。此外，語言是建立在社會文化背景中的；它們的使用受到任何社會的元語言特性的極大影響（Obrig等人，2010），這也需要考慮。
盡管對兒童數學和語言習得的多項有價值的行為研究極大地提高了我們的理解，但近年來，教育神經科學方法表明，通過神經認知方法超越行為數據將促進我們對認知發展的理解（Howard Jones等人，2016）。一種研究兒童認知和學術學習與發展的神經認知方法是功能近紅外光譜（fNIRS）。這篇綜述的目的是概述fNIRS對我們理解數學和語言技能的神經認知發展的貢獻，尤其是在小學生中。我們簡要解釋了教育神經科學的概念和fNIRS的應用。此后，報告并進一步討論了這兩個領域的fNIRS研究結果。
教育神經科學視角
1997年，約翰·T·布魯爾（John T.Bruer）寫了一篇開創性的文章，題為《教育與大腦：一座橋太遠了》，并得出結論，當時我們“對大腦發育和神經功能了解不足，無法以任何有意義、可辯護的方式將這種理解與教學和教育實踐直接聯系起來”（布魯爾，1997年，第4頁）。盡管得出了這個相當負面的結論，但需要注意的是，這是在第一次功能性磁共振成像（fMRI）和fNIRS研究發表大約五年之后。從那時起，神經科學發展迅速。在過去十年中，神經科學方法已被應用于研究發育中的大腦在整個生命周期中的結構和功能變化（例如，Munakata等人，2004）。這增加了我們的基本知識，但仍然不是直接的這增加了我們的基礎知識，但仍不能直接用于教學和教育實踐（見下文）——盡管最初希望將神經科學發現直接應用于學習和教學策略。然而，這些科學努力激發了人們對一個新的跨學科研究領域的興趣，該領域被稱為教育神經科學或神經教育。教育神經科學的發展被視為一條雙向的道路（Geake，2004），學習和教育科學家與神經科學家在這條道路上相互影響（Spelke，2002；De Smedt等人，2010）。
該領域的重點在于闡明與學習和發展相關的一般和具體機制。反過來，這些知識可能有助于改善發育障礙的診斷和治療。它仍然有可能改進當前的教育系統和教學方法，并根據發展中的“敏感時期”使學習最有效（Ansari和Coch，2006年；Goswami，2006年）。然而，人們必須非常現實和謹慎，不要預測無法實現的事情；并非所有人都同意教育神經科學可能有助于直接創新教育應用或透視教學方法（Bowers，2016）。最近，關于神經認知數據是否確實有助于理解和促進認知發展和學習，存在著爭議（Bowers，2016；Gabrieli，2016；Howard Jones等人，2016）。此外，很少有教育者對神經科學研究以及他們如何發現教育神經科學在專業上有用的期望得到滿足（Hook和Farah，2013）。因此，教育神經科學面臨的最大挑戰包括將神經科學發現直接應用于發展模式和教育環境，以及改善教師和神經科學家之間的跨學科交流（Ansari等人，2012）。
不同的神經成像工具被用來測量兒童在數學和語言任務等認知過程中的潛在神經機制。雖然每種工具都有特定的好處，但其局限性可能會使其不太適用于兒童等發育人群。如表1所示，fNIRS可能被認為是研究教育神經科學框架中大腦激活變化的最合適工具之一。表1.常見神經認知腦成像技術的示例性優點和缺點。
我們對兒童數學和語言（尤其是閱讀）發展的神經認知基礎缺乏了解，這在很大程度上是由于常用神經成像工具的限制因素。鑒于教育神經科學的主要目標之一是推進學習障礙的診斷和干預方法，一個合適的工具應該允許我們在自然環境中，例如在學校中測量這些認知過程（Mücke等人，2018）。
FNIRS成像技術
FNIRS是一種光學成像技術，使用近紅外光（波長650–950 nm）來測量大腦皮層結構中氧合血紅蛋白和脫氧血紅蛋白的濃度變化（有關更深入的綜述，請參見Ferrari和Quaresima，2012；Scholkmann等人，2014）。來自近紅外范圍的光能夠穿透生物組織（例如，皮膚、頭骨、大腦），并且主要被氧合血紅蛋白和脫氧血紅蛋白吸收。在最常用的連續波系統中，近紅外光通過光發射器（發射光電二極管）連續發送通過大腦組織，然后由光檢測器（檢測光電二極管）收集。一對發射器檢測器光電二極管代表一個測量通道。圖1A中給出了一個簡化說明。光子從發射器到探測器的平均軌跡可以用“香蕉形狀”的形式表示，這種形式部分彌漫于皮質組織（圖中紅色陰影區域）。由于近紅外光的上述吸收和散射，在檢測器處存在光強度損失。使用用于散射生物組織中的光衰減的修改的比爾-朗伯定律和特定假設，可以從強度損失計算含氧和脫氧血紅蛋白的濃度變化。從技術上講，fNIRS不直接評估大腦活動，而是測量血管中含氧和脫氧血紅蛋白的濃度變化。由于神經元活動導致局部血流量增加，加上氧合血紅蛋白增加和脫氧血紅蛋白減少（神經血管耦合），神經活動可從發色團的濃度變化推斷。因此，與fMRI類似，fNIRS測量光學血氧水平依賴（BOLD）信號，可以使用與fMRI數據應用的方法類似的方法（即，一般線性模型、線性模型、非線性模型、線性方程、非線性模型和非線性模型）來分析該信號
可以使用與應用于fMRI數據的方法類似的方法（即，一般線性模型、通道分析、感興趣區域分析和功能連接性）對其進行分析。如今，隨著多通道系統的可用性（參見圖1B），與fMRI相比，fNIRS可以被認為是一種具有成本效益的非侵入性腦成像技術，提供了幾個額外的優勢（參見表1）。這些優點使其適合于在生態有效的環境中，如學校或幼兒園，以自然反應類型-口頭或書面生產范式（這是當前審查的核心概念）調查神經認知措施。與其他神經成像技術類似，它也有助于研究先天性問題，因為神經對語言或數字刺激的反應可以在缺乏有意識的語言理解或語言或人工反應的情況下進行測量。
圖1
圖1（A）表示NIRS測量原理（距離3cm，日立ETG-4000）的發射器-檢測器-光電極對（即一個測量通道）的簡化圖示。來自發射器（紅色光電二極管）的近紅外光穿透頭皮，穿過不同的生物組織（例如，皮膚、顱骨、腦脊液/腦膜、皮質腦組織）。隨后檢測到的近紅外光（藍色光電二極管）平均通過“香蕉形”形狀（紅色陰影區域），從而評估該區域內的血流動力學變化。注意，由于穿透介質的性質（例如，導致散射、反射、被氧合血紅蛋白和脫氧血紅蛋白吸收），只有一部分發射的光到達檢測器。左側的示例性光子路徑說明了這一點。根據檢測器位置的強度損失，可以計算含氧和脫氧血紅蛋白的濃度變化。來自一個發射器的近紅外光可以被該發射器周圍的幾個檢測器檢測到，從而導致相鄰通道（例如，光子向左傳播）。（B） 多通道fNIRS探針組的放置。
有幾種商用NIRS機器可供選擇，這些機器在時間分辨率、發射器/檢測器數量、可調節或固定發射器-檢測器距離、使用的波長等各種參數方面有所不同（見Scholkmann等人，2014）。
FNIRS和fMRI（最常見的神經成像技術）應被視為互補技術，因為兩者都有其優點和缺點。特定方法的使用應始終取決于研究問題和各自的樣本。在沒有焦慮和特定MRI禁忌癥的樣本中，或者在沒有運動偽影的簡單研究范式中，fMRI可能是更好的選擇。對于幼兒，尤其是在有動作的任務中，fNIRS可能是更好的選擇。在這篇文章中，我們重點關注fNIRS對認知和教育發展的兩個主要領域的貢獻：數學和語言。
fNIRS在數學研究中的應用
FMRI研究表明，嬰兒和學齡前兒童的右頂葉皮層對一組物體的基數變化很敏感（Cantlon等人，2006年；Izard等人，2009年；Park等人，2014年）。由于獲得了精確的數字系統，在數值幅度處理中，激活逐漸從右側頂內溝轉移到雙側頂內溝（Ansari等人，2006；Cantlon等人，2006年；Piazza等人，2007年；Emerson和Cantlon，2015年）。此外，在8歲至19歲之間，發育的額頂葉發生了變化，代表了從更努力的程序策略到更自動和檢索策略的變化（例如，Rivera等人，2005年）。與8至9歲兒童相比，這種變化伴隨著成人和青少年海馬體的激活減少（Qin等人，2014），以及通過涉及語言相關區域從8至14歲的長期記憶中檢索事實，左側邊緣上回和角回的激活增加（Ansari，2008；Prado等人，2014年）。然而，由于兒童的神經影像學研究很少，很難區分哪些變化是由于特定的數學學習和一般認知發展，哪些是由于大腦的成熟（Arsalidou等人，2017；Peters和De Smedt，2017）。此外，將實驗環境中的這些發現推廣到生態環境中并非微不足道，因為現實生活中的數學不是在沒有運動的嘈雜環境中進行的，這可能會影響數值學習。
FNIRS在這一領域的研究是近年來才開始出現的，因為它能夠克服上述一些挑戰。例如，fNIRS研究揭示了右心室的活動 |
