学前儿童静息态脑功能网络研究述评

肖雅琼，翟洪昌

（广州大学 教育学院，广东 广州 510006）

静息态技术基于大脑中不同低频信号（<0.1Hz）具有时间上的同步性、波形相似性的特点，用于探讨不同脑区的功能连接。经过十几年的发展，静息态技术推动了脑功能研究的迅猛发展，拓宽了研究对象与领域。由于静息态数据一般在清醒、安静、无特定外显任务的状态下采集，这种特殊的采集方法，使得过去不能完成任务的患者、老年人及学前儿童也能进行脑功能成像研究。对人类早期的静息态研究有利于揭示早期脑功能网络的发展特点与规律，从而有助于从人类发展的全过程来认识脑功能网络的发展，而且，通过儿童脑功能网络的研究可以为成人理论研究提供证据。然而，由于学前儿童数据难以获得，目前这方面的研究还很有限，静息态研究仍然以成人被试为主，这对于全面了解人类大脑功能加工网络的发展变化是不利的。随着静息态技术的成熟与完善，国外一些学者采用该技术开展了学前儿童脑加工网络的实验研究，主要包括默认网络、语言网络及视觉网络、听觉网络、感知觉运动网络等方面，这些研究取得了显著的成就，为探索人类早期的脑加工发展提供了神经机制方面的依据。但是，不可否认，以往的研究还存在很多不足，尤其在儿童脑加工网络的发展理论、研究方向、趋势与研究方法等方面还存在明显的不足。

1 默认网络

自从Shulman 等人以132个正常成人为被试得到任务和静息PET成像，通过比较这些被试在任务和静息状态下的脑血流变化，发现任务状态下脑血流普遍下降，默认网络才开始被广泛意识到。[1]大脑的“默认网络”是指一系列在目标导向的任务中表现出神经活动下降的脑区。[2]对默认网络的研究已持续了十几年，研究技术从最初的PET，发展到静息态fMRI，研究手段更是多样化，为更广泛深入地研究人脑的默认网络提供了条件。在静息态状态下，一些脑区表现出高相关性的脑血流（CBF）特性，能够证实脑加工活动的关联性。特别适合不方便进行外显作业的人群，如老人、重病患者、学前儿童等。

“大脑功能的默认模型”这个术语是由Raichle等人[3]提出，用于描述人类大脑的基线状态。从此以后，很多研究者开始致力于用PEI和MRI技术进一步研究默认网络的功能意义。尽管利用不同的神经成像方法，如，PEI、静息态功能磁共振（rfcMRI），但是，不同的研究却比较一致地报告了默认网络的基本组成。有研究者以成人为被试，发现了5个不同的静息态功能网络，包括视觉功能网络、视觉空间和情绪加工功能网络、感知觉和听觉加工网络、包括背侧顶叶和边侧前额叶皮层的背侧网络以及枕顶下皮层、颞叶皮层和前额下皮层的腹侧网络，这5个功能网络表明，成人已经形成完整的默认网络。[4]另一项对成人的研究报告表明，默认网络主要包括腹侧/背内侧前额叶皮层，后扣带回/后压部皮层、顶下小叶，颞叶边侧皮层以及海马区[5]。而对儿童的研究则发现，默认网络包括后扣带回皮层，内侧前额叶皮层，颞叶内侧皮层和角回。[6]尽管De Luca等人[4]的研究报告了成人被试已经形成完整的默认网络，但是，这些研究并没有揭示默认网络的年龄发展，究竟默认网络什么年龄开始出现？人类早期的发展规律如何？这些问题都有待于进一步研究。

为了探索默认网络的年龄发展，尤其是在人类早期的发展，很多学者对此做了研究。Fransson 等人[7]以12名妊娠期为41周的早产儿为研究对象，采集静息态数据，通过ICA分析，在这些被试中发现了5个脑加工网络，即初级视觉皮层，双侧感知运动皮层，双侧听觉皮层，一个包括楔前叶、边侧顶叶皮层和小脑的网络，以及内侧和背侧前额叶皮层结合在一起的前部网络，但是并没有发现默认网络的存在。由于这个研究是以早产儿为被试，可能并不具有代表性。因此，为了进一步验证默认网络的形成时间，有研究者以2周至2岁足月产婴幼儿为研究对象，采集EPI数据。[8]该研究发现，新生儿中存在一个原始的和不完全的默认网络，包括内侧前额叶、右侧枕叶、顶叶、左颞叶、后扣带回、双侧额叶等6个脑区。1岁时，已存在默认网络中的10个脑区，包括腹/背内侧前额叶、后扣带回/后压部皮层、双侧颞叶皮层、双侧顶下小叶、左右海马等，只有顶叶和双侧颞下回这3个脑区没有发现；到2岁时，默认网络已经与成人相似，而且还包括眶额皮层、前扣带回，右侧顶叶和顶叶内侧，以及双侧颞上回等6个脑区。该研究弥补了Fransson 等人[7]在早产儿被试中没有发现默认网络，以及Fair等人[2]在7～9岁学龄儿童被试中发现松散的默认网络的研究空白，揭示了默认网络的形成和发展年龄，为大脑默认网络的出现提供了时间上的新证据。

2 语言加工网络

语言是人类特有的能力，对语言的研究由来已久。早在一百多年前，成人语言加工的神经组织就定位在左额下回皮层[9]和颞叶皮层[10]。近年来，随着脑成像技术的成熟和普遍应用，对语言加工网络的相关研究也越来越多，越来越深入。学者们对学前儿童语言脑加工机制研究产生了极大兴趣，开展了学前儿童睡眠状态下语言刺激的脑成像实验。目前还很少有学前儿童静息态语言加工网络的研究。

十几年前，有研究者以猕猴为研究对象，通过微电极记录，在猕猴中发现了两个功能不同的通路，即背侧通路和腹侧通路，连接听觉皮层和前额叶皮层。[11]之后，关于语言通路的研究引起了研究者的广泛兴趣，尤其是人类语言通路的研究受到极大的关注和重视。关于语言加工背侧和腹侧通路的研究以成人被试为主。有研究者用纤维束成像算法处理从一个健康成人中获得的弥散扩展成像（Diffusion Tension Image，简称“DTI”）数据，解释了人脑中主要的白质纤维束通路，研究发现了上级纵向（拱形）纤维束、下级纵向纤维束、上级额-枕（胼胝体下的）纤维束、钩状纤维束、扣带回、胼胝体等。[12]其中，通过钩状纤维束连接额下回腹侧部到颞上回（STG）前中部的是腹侧通路；通过上级纵束和弓状束连接额下回背侧部到颞上回和颞上沟后部的是背侧通路。通过DTI技术，可以研究语言加工脑区的白质神经纤维束的连结与发育情况，提供人脑语言加工的相关信息，因此，被广泛运用于语言加工研究。另一项研究让33个成人被试在MRI扫描过程中完成5个事件相关实验，结合功能MRI和独特的随机DTI纤维束方法，提取出连结功能特异的语言脑区通路，研究发现了两个并行的语言加工通路：重复作业中激活的颞上皮层和前运动区沿着弓形束/上级纵向束经过背侧通路；听力理解时激活的颞中回和颞下回，以及腹侧前额叶皮层随端囊经过腹侧通路。[13]这两个语言通路的早期发展如何，拼音文字的颞叶网络及汉语的额中回、右脑网络从儿童到成人是如何发展形成的？汉语的什么因素导致了两种语言加工网络的分离？汉字字形二维特征的假想并未得到实验证实，也许从儿童早期的语言加工网络中可以瞥见端倪。

有研究通过给睡眠状态下的2~4岁年幼儿童呈现听觉刺激（音调、语言声音、非语言声音）发现，3种不同的听觉刺激条件都激活了双侧颞上回/沟和右小脑，而与非语言声音和音调刺激条件相比，语言声音在颞上回/沟、内侧额叶和右小脑等脑区的激活更大。[14]另一个类似的实验首次研究了1~2岁学前儿童的语言加工，通过与已经有了一定词汇基础的3岁儿童比较，发现出生第2年快速的语言获得除了典型的颞上回语言区外，还需要额叶、小脑和枕叶的参与。[15]以上两个实验都是在儿童睡眠条件下呈现声音或语言刺激，其中，Redcay等人[15]的研究是第一个采用无药物镇静的1~2岁儿童的语言加工MRI实验，也是第一次纵向对比研究人类早期的语言加工模式，对于儿童语言加工早期研究有重要的意义，这两个研究对探讨儿童早期语言加工的思路值得参考，而且实验模式完全可以采用静息态手段，因此，可以看作是对儿童早期语言加工网络研究的尝试。Zhang等人[16]的研究以44个儿童（新生儿 ~10岁）和30个成人（20~46岁）为被试，获取静息态数据，研究发现人类发展的第一个5年期间，语言功能不断成熟与发展。这个研究不仅从纵向比较了儿童大脑语言功能的发展，也通过儿童与成人的对比研究了人类语言加工网络的发展。

近年来，有人发现，网络的功能特征也可以用基于低频波分析的相关方法进行研究[17]。由于低频波动（LFF）（<0.1Hz）振幅代表fMRI测量时BOLD反应的整体信号变量的大部分，所以这样的研究能了解大脑内基本的功能连接，这种方法已经用于静息态研究。近来的一项研究采用低频波分析进行语言实验，发现了一个特定的语言网络，而且额下回和颞叶区存在高相关的功能连接，包括额下回腹侧部分和颞上沟之间的高相关，以及接近额下回的额下沟背侧部分和左半球颞上沟后部之间的高相关。[17]而另一项静息态研究以额下回的不同子区为种子点，在额下回和顶叶区之间发现了高相关的功能连接。[18]但是，对语言实验中得到的数据进行低频波分析没有发现这样的相关。这些发现表明，基于语言刺激的低频波网络与基于静息态的网络不同。有人借用静息态研究中发现的默认网络，将基于语言研究的网络称为“语言默认网络”。[19]最近的一项研究采用静息态技术研究了儿童和成人语言默认网络的差异，以5~7岁儿童和成人为被试，采用听觉句子理解范式，研究发现，成人的默认语言网络定位在左半球，但是儿童表现出较强的双侧性，而且成人的语言网络还呈现出额-颞高相关，儿童到成人默认语言网络的发展特点表现在：从大脑半球内到半球之间连接的发展随左半球内额叶和颞叶的功能连接而增强。[19]

3 其它静息态脑功能网络研究

除了默认网络、语言加工网络等主要的静息态脑功能网络，人脑中还存在一些其它的网络。如，内侧和边侧视觉网络、听觉网络、运动网络、小脑网络、执行控制和额-顶叶或背侧视觉网络等。

以正常出生婴儿为被试的研究一致发现，在人类早期就已经存在初级视觉区、运动皮层、颞叶皮层、小脑、前额叶皮层等网络。[7，20]近来的一些研究进一步发现，在人类发展的早期就已经存在很多网络。有研究者用一系列独立成分分析技术详细研究了70个出生在29~43周妊娠期的婴儿的不同网络的发展，研究发现，视觉、听觉、感知觉、运动、默认模式、额顶叶和执行控制网络以不同的速度发展，但是，足月产婴儿出现完整的网络，其中的一些网络与丘脑结合在一起[21]。另一项研究采用纵向研究新生儿时期的网络发展特点，以早产和足月产婴儿为被试，采用基于种子点相关分析方法，研究发现，除了丘脑和小脑外，足月产婴儿中还包括以前早产婴儿研究没有报告的感觉运动区、后扣带回、枕叶、内侧前额叶、边侧前额叶和颞叶皮层网络。[22]

一些研究者从功能连接的角度探讨婴幼儿的脑加工网络。有研究用静息态fMRI研究年龄为12.8个月的健康婴儿的感觉运动区的功能连接，通过组分析观察到两个单侧的涉及感知运动皮层的静息态脑功能网络，但是没有发现任何类似成人的双侧功能连接[23]。另一项研究分析了静息态功能连接的模式，以2周~2岁的儿童为被试，选定左右半球的初级运动、感觉和视觉区在内的6个感兴趣区，发现所有被试的感觉运动区和视觉区都存在功能连接，而且功能连接的大脑容量百分比和强度随年龄持续增加[24]。另外，也有研究者采用血氧水平依赖（blood oxygen level dependent BOLD）fMRI研究儿童自发大脑低频波的连贯性，47个年龄在18~22个月以及36～48个月的儿童参与了实验，并比较了早产和足月产儿童静息态脑功能网络的区别，研究结果发现，独立成分分析产生的静息态脑功能网络与成人中观察到的相似[25]。也就是说，与成人中观察结果一致的视觉、默认、颞叶和运动网络存在于18个月大的婴儿中，但没有发现成人中通常偏侧化的额-顶网络。

随着fMRI技术的发展，静息态fMRI的研究越来越普遍，除了前面提到的默认网络、语言加工网络，还涉及多个其它神经系统，包括视觉、听觉、感知觉、运动、小脑、执行控制、额-顶叶以及背侧视觉网络等。这些网络开始在成人被试中发现，后来的研究者将兴趣转移到儿童、婴幼儿，甚至新生儿，并与成人作比较，扩展了研究思路和研究内容。

4 总结与展望

默认网络，语言加工网络，以及视觉网络、听觉网络、运动网络、小脑网络、执行控制和额-顶叶或背侧视觉网络等都是当前学前儿童静息态研究的重点。Fransson 等[7]对早产儿的研究没有发现默认网络，而Fair等[2]在7~9岁儿童中发现松散连接的默认网络，Gao等[8]进一步的研究发现，人类的默认网络在出生时就已经存在，到2岁时，就已经接近成人的水平。以往关于语言加工网络的研究，主要提出了背侧通路和腹侧通路理论，并将脑区定位在额下回和颞叶区域，研究方法有静息态fMRI、DTI、LFF等，研究范围也从成人为主逐渐深入到儿童与成人的比较研究，并取得了很多突破性的研究成果。但是，当前对语言加工网络的研究仍然以语言刺激为主，结合静息态技术研究学前儿童语言加工网络的文献依然很少。

4.1 研究理论的不足

儿童脑功能网络的发展水平与发展规律需要深入研究并逐步建立儿童发展理论，对于这一点，可以从以下4个方面分析：

（1）从横断研究来看，通过实验证实儿童发展的水平，包括脑功能连接，哪些脑区在网络中是主导脑区，以及左右脑偏侧化趋势，信号特征等。在此基础上，逐步建立儿童脑功能发展理论。但是，有的研究只是提出儿童的某个或某些网络已经形成，基本形成，等等，并没有从发展的角度进行具体分析。

（2）从发展的角度而言，纵向研究有利于揭示儿童脑加工网络发生、发展的规律。如，不同年龄阶段主要脑区的发展与延伸，神经网络的发展与变化，这种发展遵循何种规律，是单纯的增加，还是既有增加又有变换，随着熟练程度的提高，是否出现功能连接脑区的减少等，发展的基本规律与趋势如何？但是，已有研究虽然有的选择了不同年龄的被试，却很少有对不同年龄进行比较与分析，儿童发展规律的研究特别需要加强。

（3）通过儿童脑功能网络的研究为成人理论研究提供证据，或者结合成人与儿童研究提出脑认知加工理论。比如，颞叶与左额下回的关系，发展顺序；额下回与额中回的发展顺序；右脑与左额下回在网络中出现的顺序等等。逐步建立儿童颞叶语言加工理论，额中回及右脑功能理论，控制网络、默认网络发展理论等。但是，已有研究联系成人方面尚显不足。

（4）睡眠状态下的静息态由于较少受到被试行为的干扰，有利于探讨全脑究竟有多少功能加工网络，有利于对网络进行分类，也有利于发现新的网络。并从众多文献所涉及的加工网络中探索明确能够反映本质特征的加工网络，从个体发生学上建立完整的发展理论。但是，以往研究尚未对此引起足够重视。

4.2 研究方法需要进一步完善

第一，实验设计上。首先，儿童心理与脑功能研究的特点是讨论“发展”，因此在实验设计上需要对不同年龄组进行对照研究。而仅有的几篇儿童脑成像研究只有儿童与成人的对照[16，26]，很少有学前儿童不同年龄组的对照[27]。儿童脑成像实验，如果只对一个年龄组进行研究，很难发现儿童神经系统的发展水平与趋势。其次，儿童的发展水平需要以成人为标准，以便科学评价儿童神经系统发展的程度，以及达到了什么水平。儿童脑成像实验如果没有成人作为标准进行对比分析，只凭某年龄组儿童多少脑区的激活难以判断儿童神经系统的发展水平。再次，有的儿童实验组年龄跨度很大[16]，如果作为几个年龄组进行对比实验是无可非议的，但是从统计上看是作为一个实验组，这样的设计是不科学的，因为学前儿童不同年龄的差异很大。几个月或几年可以作为一个年龄组需要检索以往行为实验的文献而定。

第二，研究对象控制上。国外研究有的采用药物镇静[7]，有的一部分自然睡眠，一部分药物镇静[16]，有的完全采用自然睡眠[8]。无论是否得到道德委员会的许可，采用药物镇静对正常儿童进行实验都存在道德问题，我们认为应该尽量避免使用药物。

第三，统计方法上。目前的脑成像研究特别重视相关网络的统计，从国外的儿童脑成像文献来看，网络相关统计尚欠缺。虽然一些研究已经采用静息态fMRI技术，但主要是功能连接分析，较少涉及网络的相关统计。一般来说，网络由节点、连线以及相关程度（即节点的贡献率）3个部分组成，缺一不可。如果只有节点没有连线，节点之间的连接关系，连线的相关程度都不能确定；如果只有节点和连线，没有相关统计，节点的贡献率就不能确定；只有同时包括节点、连线和相关程度，才能确定节点脑区、节点之间的连接关系以及在网络中的贡献。而当前的脑成像研究主要属于前两种情况，缺乏对节点的相关统计。因此，未来的研究需要重视对脑加工网络的相关统计，并运用于儿童神经系统发展的研究中。此外，新的统计方法，如灰质、白质分割能够有效的克服无关脑区的干扰。白质是神经细胞中的突起部分，而灰质是神经细胞体的集中部分。由于MR影像存在边界模糊、噪音干扰及局部效应等问题，只有分离出这些脑组织，才能够有效地减少无关脑区的影响，提高数据的有效性，从而使结果更加准确。FreeSurfer和FSL都是新开发出来的，用于分离白质灰质的软件，在进行学前儿童静息态研究时可使用这些软件进行预处理，使实验数据更加可靠。但是从已经发表的论文来看，尚未将这些分割方法用于学前儿童脑成像数据的统计。

第四，从探讨的脑区及神经网络来看，主要探讨了默认网络[3，6-8]，语言加工网络[16，26]以及视觉、听觉、运动网络[7，20，21]的发展。但是缺乏对布罗卡区、威尔尼克区等经典语言加工网络，以及顶叶网络的系统研究。特别是，由于软件和技术问题，已有研究尚未对全脑进行所有种子区的相关统计。不同年龄段的儿童哪些网络已经发展成熟，哪些网络刚刚发展，什么年龄段哪些网络已经达到成人水平等问题都缺乏系统的研究。儿童神经系统的发展需要对全脑所有种子区进行统计分析，探讨儿童时期究竟有多少网络及发展趋势。

[1]Shulman G L, Fiez J A, Corbetta M, et al. Common blood flow changes across visual tasks: II. Decreases in cerebral cortex[J]. Journal of Cognitive Neuroscience, 1997（5）:648-663.

[2]Fair D A, Cohen A L, Dosenbach N U F, et al. The maturing architecture of the brain's default network[J]. Proceedings of the National Academy of Sciences, 2008（10）: 4028.

[3]Raichle M E, Macleod A M, Snyder A Z, et al. A default mode of brain function[J]. Proceedings of the National Academy of Sciences, 2001（2）: 676.

[4]De Luca M, Beckmann C F, De Stefano N, et al. fMRI resting state networks define distinct modes of long-distance interactions in the human brain[J]. Neuroimage, 2006（4）:1359-1367.

[5]Buckner R L, Andrews-Hanna J R, Schacter D L. The brain's default network[J]. Annals of the New York Academy of Sciences, 2008（1）: 1-38.

[6]Supekar K, Uddin L Q, Prater K, et al. Development of functional and structural connectivity within the default mode network in young children[J]. Neuroimage, 2010（1）:290-301.

[7]Fransson P, Skiöld B, Horsch S, et al. Resting-state networks in the infant brain[J]. Proceedings of the National Academy of Sciences, 2007（39）: 15531.

[8]Gao W, Zhu H, Giovanello K S, et al. Evidence on the emergence of the brain's default network from 2-week-old to 2-year-old healthy pediatric subjects[J]. Proceedings of the National Academy of Sciences, 2009（16）: 6790.

[9] Broca P. Sur le si猫 ge de la facult茅 du langage articul茅[J]. Bulletins de la Societe d'Anthropologie de Paris, 1865（1）: 377-393.

[10]Wernicke C. Das Urwindungssystem des Menschlichen Gehirns[J]. European Archives of Psychiatry and Clinical Neuroscience, 1876（1）: 298-326.

[11]Romanski L M, Tian B, Fritz J, et al. Dual streams of auditory afferents target multiple domains in the primate prefrontal cortex[J]. Nature Neuroscience, 1999（12）:1131.

[12]Catani M, Howard R J, Pajevic S, et al. Virtual in vivo interactive dissection of white matter fasciculi in the human brain[J]. Neuroimage, 2002（1）: 77-94.

[13]Saur D, Kreher B W, Schnell S, et al. Ventral and dorsal pathways for language[J]. Proceedings of the National Academy of Sciences, 2008（46）: 18035.

[14]Redcay E, Kennedy D P, Courchesne E. fMRI during natural sleep as a method to study brain function during early childhood[J]. Neuroimage, 2007（4）: 696-707.

[15]Redcay E, Haist F, Courchesne E. Functional neuroimaging of speech perception during a pivotal period in language acquisition[J]. Developmental science, 2008（2）:237-252.

[16]Zhang J, Evans A, Hermoye L, et al. Evidence of slow maturation of the superior longitudinal fasciculus in early childhood by diffusion tensor imaging[J]. Neuroimage,2007（2）: 239-247.

[17]Lohmann G, Margulies D S, Horstmann A, et al.Eigenvector centrality mapping for analyzing connectivity patterns in FMRI data of the human brain[J]. PloS one,2010（4）: e10232.

[18]Xiang H D, Fonteijn H M, Norris D G, et al. Topographical functional connectivity pattern in the perisylvian language networks[J]. Cerebral Cortex, 2010（3）: 549.

[19]Friederici A D, Brauer J, Lohmann G. Maturation of the Language Network: From Inter-to Intrahemispheric Connectivities[J].PloS ONE, 2011（46）：20015-20020.

[20]P Fransson, B Skiöld, Engström M, et al. Spontaneous brain activity in the newborn brain during natural sleepan fMRI study in infants born at full term[J]. Pediatric research, 2009（3）: 301.

[21]Doria V, Beckmann C F, Arichi T, et al. Emergence of resting state networks in the preterm human brain[J].Proceedings of the National Academy of Sciences, 2010（46）: 20015.

[22]Smyser C D, Inder T E, Shimony J S, et al. Longitudinal analysis of neural network development in preterm infants[ J]. Cerebral Cortex, 2010（12）: 2852.

[23]Liu W C, Flax J F, Guise K G, et al. Functional connectivity of the sensorimotor area in naturally sleeping infants[J]. Brain research, 2008, 1223: 42-49.

[24]Lin W, Zhu Q, Gao W, et al. Functional connectivity MR imaging reveals cortical functional connectivity in the developing brain[J]. American Journal of Neuroradiology,2008（10）: 1883.

[25]Damaraju E, Phillips J R, Lowe J R, et al. Resting-state functional connectivity differences in premature children[J]. Frontiers in Systems Neuroscience, 2010, 4：1-13.

[26]Friederici A D, Brauer J, Lohmann G. Maturation of the Language Network: From Inter-to Intrahemispheric Connectivities[J]. Neuroimage, 2011（3）：2791-2799.

[27]Ortiz-Mantilla S, Choe M, Flax J, et al. Associations between the size of the amygdala in infancy and language abilities during the preschool years in normally developing children[J]. Neuroimage, 2010（3）: 2791-2799.