节选并编辑于原创 交互智能实验室 实验社会科学   文字：肖雅珩 陈菁菁  排版：张新淼  审阅：张丹

在儿童的成长过程中，大脑发育是一个复杂且长期的过程。大脑的神经元数量和连接方式的不断变化是儿童大脑发育的主要标志之一。研究儿童大脑发育轨迹可以帮助我们更好地了解大脑的发育过程，以及对于不同年龄段的儿童进行更有效的干预。

儿童大脑的发育从出生开始，经历了多个阶段。在出生后的头几年中，婴儿的大脑发育迅速，这主要得益于大脑神经元的快速增殖。在出生后的头两年中，大脑神经元数量增长到成年人大脑神经元数量的一半以上。在这一阶段，大脑的皮层区域开始分化出不同的功能区域，例如感官区域和运动区域。

脑认知发展轨迹研究可以告诉我们什么？

目前，全球已经有一百多种不同的发展轨迹，这些发展轨迹大多关注身高、体重等体格指标（图1） [1]。但是，儿童发展并不仅涉及体格，从婴儿期到青少年期，孩子们的大脑也在经历着快速的变化发展。

儿童大脑的发育从出生开始，经历了多个阶段。在出生后的头几年中，婴儿的大脑发育迅速，这主要得益于大脑神经元的快速增殖。在出生后的头两年中，大脑神经元数量增长到成年人大脑神经元数量的一半以上。在这一阶段，大脑的皮层区域开始分化出不同的功能区域，例如感官区域和运动区域。

从3岁到6岁之间，大脑开始发生显著的结构和功能变化。这一阶段被称为儿童大脑的关键期。在这一阶段，大脑的灰质区域和白质区域都会发生变化。灰质区域是神经元的主要体部，而白质区域是神经元的轴突区域。在这个时期，大脑的神经元数量开始减少，而神经元之间的连接则变得更加复杂。这些变化与儿童的认知和语言能力发展密切相关。

随着儿童的年龄的增长，大脑的发育仍在继续，但速度开始减缓。从7岁到11岁之间，儿童的大脑皮层区域继续分化，从而支持儿童更高级别的认知功能，例如推理和判断能力。在这一阶段，儿童的大脑开始对所接受的经验产生更强烈的反应，这为进一步的学习和发展提供了基础。

有了脑认知发展轨迹，我们一方面可以帮助医生和家长及早发现异常情况，如自闭症、多动症等，以便及时进行干预；另一方面也可以帮助教师了解学生的脑认知水平，针对性地进行教学设计，更好地促进孩子们成长。近年来，各个国家都相继开展了系列研究，包括美国提出的“人类连接组计划”[2]、中国开展的“中国彩巢计划”[3]等，为搭建大范围的儿童脑认知发展轨迹做出了贡献。

大数据时代助力脑认知发展轨迹研究

在大数据时代，研究者们能够以前所未有的速度在更广泛的人群中收集数据，也为脑认知发展轨迹研究带来了机遇。

首先，总人数的增加可以让我们建立的脑认知发展轨迹具有更强的人群代表性，提高了研究结果可重复性和参考价值[4]。

与此同时，同一年龄内人数的增加可以让我们更好地理解儿童青少年的个体差异、为强调个体发展的多元性提供了机会[5]。

另外，与小规模研究往往采用二分法（高年龄组 VS 低年龄组）开展分析相比，大规模数据能够通过覆盖更多的年龄组描绘出发展轨迹的具体形状（如线性、二次或三次），让研究者与家长有机会了解不同阶段脑认知发展的速度，为儿童快速发展变化的“关键时期”提供更加充分的外部支持。因此，越来越多的研究者呼吁大规模数据在儿童大脑发育研究中的应用。

最后，通过对大量数据进行深度学习和机器学习等算法的处理，我们可以识别出不同年龄段的儿童在大脑结构和功能上的差异，这些发现为我们更好地理解儿童脑发育过程中的变化和规律提供了有力支持。

清华大学心理学系张丹课题组与北京视友科技联合研究成果

注意控制，即关注任务相关信息同时屏蔽不相关信息的能力，是体现大脑发展成熟程度的关键指标。近期，清华大学心理学系张丹课题组与北京视友科技有限责任公司合作，依托5207名5-14岁儿童青少年在完成视空间工作记忆任务的大规模脑电样本，绘制了前额Theta-Beta Ratio（前额TBR）这一注意控制神经标志物的发展轨迹，从神经电生理的视角为注意控制的发展变化过程提供实证证据[6]。

本研究使用视友科技的便携式脑电仪测量脑电波形，提供有关儿童青少年脑功能的重要信息，以帮助研究人员理解不同年龄段儿童青少年的脑活动特征，并确定脑发育的重要时间窗口。

视友科技的认知能力评估亦具备提供关于儿童青少年认知功能的精细评估的能力，例如注意力、记忆、执行功能和语言等方面。这种技术可以帮助研究人员更全面地评估儿童青少年的认知功能发展，并确定不同认知能力之间的相互关系。

该研究成果被发展心理学领域重要期刊《Developmental Cognitive Neuroscience》正式录用并在线发表。论文作者包括清华大学心理学系博士后陈菁菁（第一作者）、硕士研究生肖雅珩（共同第一作者）、北京视友科技有限责任公司许冰、清华大学心理学系张丹（通讯作者）。

相较于已有研究大多基于相对较少样本，相对离散的年龄采样开展研究，该研究依托一个涵盖连续年龄组的大规模样本，实现了儿童青少年注意控制发展指标分析的样本量重要突破，比已有研究提高一到两个数量级。更重要的是，大规模样本为发现前额TBR与年龄的二次型曲线关系提供了足够丰富的支撑数据，实现了前额TBR精细发展轨迹的拟合。研究结果为注意控制的发展成熟提供了神经电生理视角下的新证据，并展示了在任务状态下进行研究的潜在重要价值。进一步地，该研究还通过分半信度分析对所报告结果进行了验证，发现任务状态前额TBR随年龄变化曲线的内部一致性达到0.764-0.911，证明任务态TBR发展轨迹的可靠性。

图3：5-14岁儿童前额TBR发展轨迹图。基线状态和任务状态下的前额TBR表现出不同的发展轨迹：基线状态前额TBR随年龄呈线性下降，而任务状态前额TBR随年龄的变化则表现为二次型下降曲线。

这项研究数据采集使用头戴式便携脑电设备CuBand脑波仪开展，大大提升了大样本数据采集的效率。基于大样本数据的不同年龄儿童特点的精细描述，为构建基于神经生理标志物的儿童注意控制评测方法提供了有力支撑，有望实现更加客观、自动化的儿童注意控制能力智能测评。

参考文献

[1] World Health Organization. (2006). WHO child growth standards: length/height-for-age, weight-for-age, weight-for-length, weight-for-height and body mass index-for-age: methods and development. World Health Organization.

[2] Glasser, M. F., Smith, S. M., Marcus, D. S., Andersson, J. L., Auerbach, E. J., Behrens, T. E., ... & Van Essen, D. C. (2016). The human connectome project's neuroimaging approach. Nature neuroscience, 19(9), 1175-1187.

[3]杨宁,何叶,张喆,董昊铭,张蕾,朱幸婷... & 左西年.(2017).彩巢计划——“成长在中国”. 科学通报(26),3008-3022.

[4] Davis‐Kean, P. E., & Jager, J. (2017). III. From small to big: Methods for incorporating large scale data into developmental science. Monographs of the Society for Research in Child Development, 82(2), 31-45.

[5] Fair, D. A., Dosenbach, N. U., Moore, A. H., Satterthwaite, T. D., & Milham, M. P. (2021). Developmental cognitive neuroscience in the era of networks and big data: Strengths, weaknesses, opportunities, and threats. Annual Review of Developmental Psychology, 3, 249-275.

[6] Chen, J., Xiao, Y., Xu, B., & Zhang, D. (2023). The developmental trajectory of task-related frontal EEG theta/beta ratio in childhood. Developmental Cognitive Neuroscience, 101233.

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005