功能近红外光谱（fNIRS）在认知发展研究中的应用——以数学和语言为例

Mojtaba Soltanlou1,2†，Maria A.Sitnikova3†，Hans Christoph Nuerk1,2,4*和Thomas Dresler 2,5

1德国图宾根图宾根大学心理学系

2LEAD研究生院和研究网络，德国图宾根大学

3俄罗斯别尔哥罗德国立研究大学

4德国图宾根莱布尼茨威斯森麦迪恩研究所

5德国图宾根大学医院精神病学和心理治疗部

在这篇综述中，我们旨在强调功能近红外光谱（fNIRS）作为一种有用的神经成像技术在认知发展研究中的应用。我们关注在小学生数学和语言技能发展过程中大脑激活的变化。我们讨论了功能磁共振成像（fMRI）等常见神经成像技术的技术局限性如何导致我们对发育过程中神经变化的理解有限，而fNIRS将是一种适合儿童的方法来检查认知发育。此外，这项技术使我们能够去学校收集生态环境中儿童的大量数据样本。此外，我们报告了fNIRS在数学和语言领域的研究结果，随后讨论了这些领域的fNIRS前景。我们建议fNIRS作为一种在教育神经科学领域跟踪大脑激活变化的附加技术。

简介：数学与语言发展

理解数学和语言等学术技能的获取和学习过程对教育科学和神经科学都很有兴趣。掌握数学和语言对个人的职业和生活前景以及整个社会都至关重要（Butterworth等人，2011年）。例如，数学已经成为日常生活中不可分割的一部分，在现代社会的各个层面都发挥着重要作用：从在书中找到一页，选择一个电视频道，到计算商业投资的利润，以及估计政治决策、经济程序和社会事件的长期影响。在学习计数和计算方面遇到严重困难的个人在学术和职业生活中都处于极大的劣势（Kadosh和Dowker，2015）。因此，数字能力的发展在从婴儿期到成年期的每个阶段都至关重要（Geary，2000）。关于语言习得，学习儿童需要理解所有人类语言中常见的一些普遍特征。这需要一套广泛的技能，从特定领域的语言相关能力（例如识别和理解音素的能力）到一般认知能力（例如双语学习者在语言之间切换时的心理灵活性）。此外，语言是建立在社会文化背景中的；它们的使用受到任何社会的元语言特性的极大影响（Obrig等人，2010），这也需要考虑。

尽管对儿童数学和语言习得的多项有价值的行为研究极大地提高了我们的理解，但近年来，教育神经科学方法表明，通过神经认知方法超越行为数据将促进我们对认知发展的理解（Howard Jones等人，2016）。一种研究儿童认知和学术学习与发展的神经认知方法是功能近红外光谱（fNIRS）。这篇综述的目的是概述fNIRS对我们理解数学和语言技能的神经认知发展的贡献，尤其是在小学生中。我们简要解释了教育神经科学的概念和fNIRS的应用。此后，报告并进一步讨论了这两个领域的fNIRS研究结果。

教育神经科学视角

1997年，约翰·T·布鲁尔（John T.Bruer）写了一篇开创性的文章，题为《教育与大脑：一座桥太远了》，并得出结论，当时我们“对大脑发育和神经功能了解不足，无法以任何有意义、可辩护的方式将这种理解与教学和教育实践直接联系起来”（布鲁尔，1997年，第4页）。尽管得出了这个相当负面的结论，但需要注意的是，这是在第一次功能性磁共振成像（fMRI）和fNIRS研究发表大约五年之后。从那时起，神经科学发展迅速。在过去十年中，神经科学方法已被应用于研究发育中的大脑在整个生命周期中的结构和功能变化（例如，Munakata等人，2004）。这增加了我们的基本知识，但仍然不是直接的这增加了我们的基础知识，但仍不能直接用于教学和教育实践（见下文）——尽管最初希望将神经科学发现直接应用于学习和教学策略。然而，这些科学努力激发了人们对一个新的跨学科研究领域的兴趣，该领域被称为教育神经科学或神经教育。教育神经科学的发展被视为一条双向的道路（Geake，2004），学习和教育科学家与神经科学家在这条道路上相互影响（Spelke，2002；De Smedt等人，2010）。

该领域的重点在于阐明与学习和发展相关的一般和具体机制。反过来，这些知识可能有助于改善发育障碍的诊断和治疗。它仍然有可能改进当前的教育系统和教学方法，并根据发展中的“敏感时期”使学习最有效（Ansari和Coch，2006年；Goswami，2006年）。然而，人们必须非常现实和谨慎，不要预测无法实现的事情；并非所有人都同意教育神经科学可能有助于直接创新教育应用或透视教学方法（Bowers，2016）。最近，关于神经认知数据是否确实有助于理解和促进认知发展和学习，存在着争议（Bowers，2016；Gabrieli，2016；Howard Jones等人，2016）。此外，很少有教育者对神经科学研究以及他们如何发现教育神经科学在专业上有用的期望得到满足（Hook和Farah，2013）。因此，教育神经科学面临的最大挑战包括将神经科学发现直接应用于发展模式和教育环境，以及改善教师和神经科学家之间的跨学科交流（Ansari等人，2012）。

不同的神经成像工具被用来测量儿童在数学和语言任务等认知过程中的潜在神经机制。虽然每种工具都有特定的好处，但其局限性可能会使其不太适用于儿童等发育人群。如表1所示，fNIRS可能被认为是研究教育神经科学框架中大脑激活变化的最合适工具之一。表1.常见神经认知脑成像技术的示例性优点和缺点。

我们对儿童数学和语言（尤其是阅读）发展的神经认知基础缺乏了解，这在很大程度上是由于常用神经成像工具的限制因素。鉴于教育神经科学的主要目标之一是推进学习障碍的诊断和干预方法，一个合适的工具应该允许我们在自然环境中，例如在学校中测量这些认知过程（Mücke等人，2018）。

FNIRS成像技术

FNIRS是一种光学成像技术，使用近红外光（波长650–950 nm）来测量大脑皮层结构中氧合血红蛋白和脱氧血红蛋白的浓度变化（有关更深入的综述，请参见Ferrari和Quaresima，2012；Scholkmann等人，2014）。来自近红外范围的光能够穿透生物组织（例如，皮肤、头骨、大脑），并且主要被氧合血红蛋白和脱氧血红蛋白吸收。在最常用的连续波系统中，近红外光通过光发射器（发射光电二极管）连续发送通过大脑组织，然后由光检测器（检测光电二极管）收集。一对发射器检测器光电二极管代表一个测量通道。图1A中给出了一个简化说明。光子从发射器到探测器的平均轨迹可以用“香蕉形状”的形式表示，这种形式部分弥漫于皮质组织（图中红色阴影区域）。由于近红外光的上述吸收和散射，在检测器处存在光强度损失。使用用于散射生物组织中的光衰减的修改的比尔-朗伯定律和特定假设，可以从强度损失计算含氧和脱氧血红蛋白的浓度变化。从技术上讲，fNIRS不直接评估大脑活动，而是测量血管中含氧和脱氧血红蛋白的浓度变化。由于神经元活动导致局部血流量增加，加上氧合血红蛋白增加和脱氧血红蛋白减少（神经血管耦合），神经活动可从发色团的浓度变化推断。因此，与fMRI类似，fNIRS测量光学血氧水平依赖（BOLD）信号，可以使用与fMRI数据应用的方法类似的方法（即，一般线性模型、线性模型、非线性模型、线性方程、非线性模型和非线性模型）来分析该信号

可以使用与应用于fMRI数据的方法类似的方法（即，一般线性模型、通道分析、感兴趣区域分析和功能连接性）对其进行分析。如今，随着多通道系统的可用性（参见图1B），与fMRI相比，fNIRS可以被认为是一种具有成本效益的非侵入性脑成像技术，提供了几个额外的优势（参见表1）。这些优点使其适合于在生态有效的环境中，如学校或幼儿园，以自然反应类型-口头或书面生产范式（这是当前审查的核心概念）调查神经认知措施。与其他神经成像技术类似，它也有助于研究先天性问题，因为神经对语言或数字刺激的反应可以在缺乏有意识的语言理解或语言或人工反应的情况下进行测量。

图1

图1（A）表示NIRS测量原理（距离3cm，日立ETG-4000）的发射器-检测器-光电极对（即一个测量通道）的简化图示。来自发射器（红色光电二极管）的近红外光穿透头皮，穿过不同的生物组织（例如，皮肤、颅骨、脑脊液/脑膜、皮质脑组织）。随后检测到的近红外光（蓝色光电二极管）平均通过“香蕉形”形状（红色阴影区域），从而评估该区域内的血流动力学变化。注意，由于穿透介质的性质（例如，导致散射、反射、被氧合血红蛋白和脱氧血红蛋白吸收），只有一部分发射的光到达检测器。左侧的示例性光子路径说明了这一点。根据检测器位置的强度损失，可以计算含氧和脱氧血红蛋白的浓度变化。来自一个发射器的近红外光可以被该发射器周围的几个检测器检测到，从而导致相邻通道（例如，光子向左传播）。（B） 多通道fNIRS探针组的放置。

有几种商用NIRS机器可供选择，这些机器在时间分辨率、发射器/检测器数量、可调节或固定发射器-检测器距离、使用的波长等各种参数方面有所不同（见Scholkmann等人，2014）。

FNIRS和fMRI（最常见的神经成像技术）应被视为互补技术，因为两者都有其优点和缺点。特定方法的使用应始终取决于研究问题和各自的样本。在没有焦虑和特定MRI禁忌症的样本中，或者在没有运动伪影的简单研究范式中，fMRI可能是更好的选择。对于幼儿，尤其是在有动作的任务中，fNIRS可能是更好的选择。在这篇文章中，我们重点关注fNIRS对认知和教育发展的两个主要领域的贡献：数学和语言。

fNIRS在数学研究中的应用

FMRI研究表明，婴儿和学龄前儿童的右顶叶皮层对一组物体的基数变化很敏感（Cantlon等人，2006年；Izard等人，2009年；Park等人，2014年）。由于获得了精确的数字系统，在数值幅度处理中，激活逐渐从右侧顶内沟转移到双侧顶内沟（Ansari等人，2006；Cantlon等人，2006年；Piazza等人，2007年；Emerson和Cantlon，2015年）。此外，在8岁至19岁之间，发育的额顶叶发生了变化，代表了从更努力的程序策略到更自动和检索策略的变化（例如，Rivera等人，2005年）。与8至9岁儿童相比，这种变化伴随着成人和青少年海马体的激活减少（Qin等人，2014），以及通过涉及语言相关区域从8至14岁的长期记忆中检索事实，左侧边缘上回和角回的激活增加（Ansari，2008；Prado等人，2014年）。然而，由于儿童的神经影像学研究很少，很难区分哪些变化是由于特定的数学学习和一般认知发展，哪些是由于大脑的成熟（Arsalidou等人，2017；Peters和De Smedt，2017）。此外，将实验环境中的这些发现推广到生态环境中并非微不足道，因为现实生活中的数学不是在没有运动的嘈杂环境中进行的，这可能会影响数值学习。

FNIRS在这一领域的研究是近年来才开始出现的，因为它能够克服上述一些挑战。例如，fNIRS研究揭示了右心室的活动